JP3484665B2 - 異常判定方法および装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、振動部を有する
製品の異常を判定する異常判定方法および装置に関し、
詳しくは、モータやコンプレッサ等の振動部を有する機
器やこれら振動部を有する機器を用いた製品、これら振
動部を有する機器により駆動される製品の正常、異常を
判定する異常判定方法および装置に関する。

【０００２】

【従来の技術】一般に、生産工場において、モータやコ
ンプレッサ等の振動部を有する機器やこれら振動部を有
する機器を用いた製品、これら振動部を有する機器によ
り駆動される製品の正常、異常を判定する場合は、製品
出荷前に製品を実際に稼動させて、検査員が、異常音が
発生しないか否かを耳で聞いたり、手で触って振動を確
認したりするいわゆる官能検査で正常、異常を判定し、
これによって品質保証を行なっている。

【０００３】しかし、上記検査員による官能検査による
製品の正常、異常の判定結果は、個人差や時間による変
化などによりばらつきが大きく、さらに、上記官能検査
による判定結果は、データ化、数値化が難しく、その管
理も困難であるという問題がった。

【０００４】そこで、上記製品の正常、異常の判定の自
動化が考えられており、この自動化を可能にする従来の
技術としては、ＦＦＴ（高速フーリエ変換）アナライザ
という計測器、またはそれを組み込んだコンピュータシ
ステムが提案されている。

【０００５】図２５は、ＦＦＴアナライザを組み込んで
構成した従来のコンピュータシステムによる処理手法を
ブロック図で示したものである。

【０００６】図２５において、検査対象となる製品に取
り付けた加速度センサ等のセンサからのセンサ信号をア
ナログ／ディジタル変換部（Ａ／Ｄ変換部）１によりデ
ィジタル信号に変換する。このＡ／Ｄ変換部１により変
換されたディジタル信号を窓関数による前処理部２で前
処理し、この前処理された信号をＦＦＴによる周波数軸
波形への変換部３で、周波数軸波形へ変換する。

【０００７】そして、この周波数軸波形へ変換された信
号から特定周波数帯の成分抽出部４で特定周波数帯の成
分を抽出し、この抽出した特定周波数帯の成分を基に判
定部５で製品の正常、異常を判定する。

【０００８】ここで、ＦＦＴによる変換部３における処
理は、図２６に示すように、時間波形χ（ｔ）はフーリ
エ変換により周波数成分Ｘ（ω）に変換することがで
き、周波数成分Ｘ（ω）はフーリエ逆変換により時間波
形χ（ｔ）に変換できるという関係を利用したＦＦＴを
用いて周波数解析を行なうもので、前処理部２で前処理
された信号をこのＦＦＴを用いた周波数解析技術を用い
て周波数成分Ｘ（ω）の集合からなる周波数軸波形へ変
換するものである。

【０００９】

【発明が解決しようとする課題】ところが、上記ＦＦＴ
を用いた周波数解析は、被検査信号に含まれている波が
繰り返し正しい周期で発生している場合には非常に有効
な解析手法であるが、実際の製品の正常、異常の検査に
採用する場合には、以下に示すような問題がある。

【００１０】１）断続的な成分の抽出が困難である。

【００１１】すなわち、その種の正常、異常の検査の対
象物から発生される波形は、図２７に示すように、不規
則あるいは断続的に発生する中周波数成分から高周波成
分が含まれている場合が多い。

【００１２】ここで、ＦＦＴを用いた周波数解析による
と、図２８（ａ）に示すような断続的に発生する大きな
振幅の波と、図２８（ｂ）に示すような連続的に発生す
る小さな振幅の波とで、同様の解析結果となり、その区
別ができない。このため、図２８（ｂ）に示すような連
続的な小さな振幅の波が発生している良品と、図２８
（ａ）に示すような断続的な大きな振幅の波が発生する
不良品とを識別することは困難である。

【００１３】２）繰り返し精度が悪い。

【００１４】すなわち、ＦＦＴを用いた周波数解析で
は、実際には無制限に連続しているデータを、ある有限
時間だけ切り取り、それを前後につないで連続波形とし
て処理を行なっている。そのため、切り取った部分でデ
ータの不連続性が生じ、これが解析結果に影響する。

【００１５】また、この現象を防止するため、窓関数を
用いて両端の不連続性を除去する方法が一般に取られて
いるが、この窓関数を用いた処理によると、強制的な操
作の後に、ＦＦＴというダイナミックな変換を行なうこ
とになり、その結果ＦＦＴ処理の繰り返し精度が悪くな
る。

【００１６】また、上記ＦＦＴを用いた周波数解析以外
の手法を用いた従来の技術としては、図２９に示すよう
な、いわゆるフィルタ方式という手法が知られている。

【００１７】図２９において、このフィルタ方式による
解析手法は、検査対象となる製品に取り付けた加速度セ
ンサ等のセンサからのセンサ信号をアナログ／ディジタ
ル変換部（Ａ／Ｄ変換部）１によりディジタル信号に変
換する。このＡ／Ｄ変換部１により変換されたディジタ
ル信号を周波数フィルタなどの前処理部６で前処理し、
この前処理された信号から特定周波数帯成分や指標関数
による特徴量抽出部７で特徴量を抽出する。そして、こ
の特徴量をファジィやニューロによる判定部８で判定す
ることにより製品の正常、異常を判定する。

【００１８】すなわち、このフィルタ方式による解析手
法は、測定した時間信号を１つあるいは複数の数学処理
やフィルタリングで特定の周波数成分などの特徴量を求
め、その結果から製品の正常、異常を判定するものであ
るが、検出すべき異常種類が複数ある場合には、このフ
ィルタ方式による解析手法によってそのすべてを検出す
るのは困難である。

【００１９】そこで、この発明は、振動部を有する製品
の種々の正常、異常を安定して判定することができるよ
うにした異常判定方法および装置を提供することを目的
とする。

【００２０】

【課題を解決するための手段】上記目的を達成するた
め、請求項１の発明は、計測手段により計測された計測
データに基づき製品の異常を判定する異常判定方法にお
いて、上記計測データを記憶手段に記憶し、上記記憶し
た計測データを複数のデータブロックに分割し、分割さ
れた固定のデータブロック単位のデータを時間軸波形の
まま加工を行う前処理、その前処理されたデータから複
数のデータブロック毎に特徴量を抽出する特徴量演算処
理、を行う時間軸波形解析と、分割された固定のデータ
ブロック単位のデータを周波数軸波形に変換する前処
理、その前処理されたデータから複数のデータブロック
毎に特徴量を抽出する特徴量演算処理、を行う周波数軸
波形解析とを実行し、上記時間軸波形解析で抽出された
複数の特徴量および上記周波数軸波形解析で抽出された
複数の特徴量に基づき、全検査対象時間で最終的な特徴
量を求め、その最終的な特徴量に基づく総合判定結果か
ら上記製品の異常を判定することを特徴とする。

【００２１】 また、請求項２の発明は、請求項１の発
明において、上記時間軸波形解析は、上記計測データを
周波数フィルタでフィルタリングする前処理と、その前
処理されたデータから複数のデータブロック毎に特徴量
を抽出する特徴量演算処理と、からなる周波数フィルタ
解析と、上記計測データの断続成分増幅処理をする前処
理と、その前処理されたデータから複数のデータブロッ
ク毎に特徴量を抽出する特徴量演算処理と、からなる断
続成分解析と、上記計測データの高周波成分増幅処理を
する前処理と、その前処理されたデータから複数のデー
タブロック毎に特徴量を抽出する特徴量演算処理と、か
らなる高周波成分解析と、上記計測データの低周波成分
増幅処理をする前処理と、その前処理されたデータから
複数のデータブロック毎に特徴量を抽出する特徴量演算
処理と、からなる低周波成分解析とを含むことを特徴と
する。

【００２２】 また、請求項３の発明は、請求項２の発
明において、上記周波数フィルタ解析は、上記周波数フ
ィルタを用いたフィルタリングで得られた波形データか
らその自乗平均平方根値およびピーク値および極値数お
よび極値差および傾き平均を上記特徴量として抽出する
ことを特徴とする。

【００２３】 また、請求項４の発明は、請求項２の発
明において、上記断続成分解析は、上記計測データをヒ
ルバート変換し、変換前のデータを実数部、変換後のデ
ータを虚数部として複素数配列を作り、該複素数配列の
自乗平均平方根の配列を演算し、これを移動平均などの
平滑処理をした後ローパスフィルタを通し、その結果得
られた波形データからそのピーク値および極値差および
上記データブロック間の最大値と最小値の差を上記特徴
量として抽出することを特徴とする。

【００２４】 また、請求項５の発明は、請求項２の発
明において、上記高周波成分解析は、上記計測データの
高周波成分の波形データからその極値差を上記特徴量と
して抽出することを特徴とする。

【００２５】 また、請求項６の発明は、請求項２の発
明において、上記低周波成分解析は、上記計測データの
低周波成分の波形データからそのピーク値および極値差
および上記データブロック間の最大値と最小値の差を上
記特徴量として抽出することを特徴とする。

【００２６】 また、請求項７の発明は、計測手段によ
り計測された計測データに基づき製品の異常を判定する
異常判定装置において、上記計測データを記憶する記憶
手段と、時間軸波形解析手段と、周波数軸波形解析手段
と、総合判定手段と、からなり、上記時間軸波形解析手
段は、上記記憶手段の計測データを複数のデータブロッ
クに分割し、分割された固定のデータブロック単位のデ
ータを時間軸波形のまま加工を行う前処理部と、該前処
理部で加工されたデータから複数のデータブロック毎に
特徴量を抽出する特徴量演算処理部と、からなり、上記
周波数軸波形解析手段は、上記記憶手段の計測データを
複数のデータブロックに分割し、分割された固定のデー
タブロック単位のデータを周波数軸波形に変換する前処
理部と、該前処理部で変換された周波数軸波形のデータ
から複数のデータブロック毎に特徴量を抽出する特徴量
演算処理部と、からなり、上記総合判定手段は、上記時
間軸波形解析手段で抽出された複数の特徴量および上記
周波数軸波形解析手段で抽出された複数の特徴量に基づ
き、全検査対象時間で最終的な特徴量を求め、その最終
的な特徴量に基づいて上記製品の異常を総合的に判断す
る、ことを特徴とする。

【００２７】 また、請求項８の発明は、請求項７の発
明において、上記時間軸波形解析手段は、上記計測デー
タを周波数フィルタでフィルタリングする前処理部と、
前処理されたデータから複数のデータブロック毎に特徴
量を抽出する特徴量演算処理部と、からなる周波数フィ
ルタ解析手段と、上記計測データの断続成分増幅処理を
する前処理部と、前処理されたデータから複数のデータ
ブロック毎に特徴量を抽出する特徴量演算処理部と、か
らなる断続成分解析手段と、上記計測データの高周波成
分増幅処理をする前処理部と、前処理されたデータから
複数のデータブロック毎に特徴量を抽出する特徴量演算
処理部と、からなる高周波成分解析手段と、上記計測デ
ータの低周波成分増幅処理をする前処理部と、前処理さ
れたデータから複数のデータブロック毎に特徴量を抽出
する特徴量演算処理部と、からなる低周波成分解析手段
とを含むことを特徴とする。

【００２８】

【００２９】

【００３０】

【００３１】

【００３２】

【００３３】

【００３４】

【００３５】

【００３６】図１は、この発明に係わる異常判定方法お
よび装置を適用して構成した異常判定システムにおける
異常判定手法の一実施の形態を機能ブロック図で示した
ものである。

【００３７】図１において、この異常判定システムにお
ける異常判定手法においては、振動部を有する製品に取
り付けられた計測センサにより計測された計測データ
を、時間軸波形解析と周波数軸解析の両面から並列的に
複数の加工を行ない、それぞれの加工データから複数の
特徴量を演算し、それを推論することにより製品の正
常、異常を判定する。

【００３８】具体的には、振動部を有する製品に取り付
けられた計測センサからのセンサ信号をアナログ／ディ
ジタル変換部（Ａ／Ｄ変換部）１０によりディジタルデ
ータに変換し、この変換したディジタルデータ（以下、
元データという）をメモリ２０に格納する。

【００３９】このメモリ２０に格納された元データは、
Ａ／Ｄ変換部１０の変換データ単位で、例えば１０２４
点ずつの固定のデータブロックに分けられ、以降の処
理、すなわち、次に説明する並列前処理から特徴量関数
の演算処理までを、上記固定のデータブロック単位で行
なう。

【００４０】すなわち、メモリ２０に格納された元デー
タは、まず、前処理１（フィルタリング）部３０−１、
前処理２（断続成分増幅処理）部３０−２、前処理３
（低周波増幅処理）部３０−３、前処理４（高周波増幅
処理）部３０−４、ＦＦＴによる周波数変換部３０−５
に渡され、ここで上記前処理が並列に実行される。

【００４１】ここで、前処理１（フィルタリング）部３
０−１による前処理は、メモリ２０に格納された元デー
タに対してアナログあるいはディジタルの周波数フィル
タをかけ、元データのノイズ成分や暗騒音的信号を除去
するもので、特に検出すべき異常信号の周波数帯域が予
め分かっているいる場合に有効な処理である。

【００４２】また、前処理２（断続成分増幅処理）部３
０−２は、メモリ２０に格納された元データの断続成分
増幅を行なうもので、具体的にには、後に詳述するよう
に、 １）元データをヒルバート変換する ２）元データを実数部、ヒルバート変換後データを虚数
部として複素数配列を作る ３）複素数配列の自乗平方根の配列を演算する ４）移動平均などの平滑処理をする ５）ローパスフィルタを通す 処理から構成される。

【００４３】この前処理２（断続成分増幅処理）部３０
−２による前処理は、正常状態の元データに周期的な低
周波から高周波が含まれている場合に有効である。

【００４４】また、前処理３（低周波増幅処理）部３０
−３による前処理は、 １）元データをローパスフィルタを通す ２）ローパスフィルタを通した元データを微小時間にて
積分する 処理により行われる。この前処理３（低周波増幅処理）
部３０−３による前処理は、正常状態の元データにある
程度の高周波成分が含まれており、検出すべき異常信号
が低周波領域に存在する場合に有効である。

【００４５】また、前処理４（高周波増幅処理）部３０
−４による前処理は、 １）元データをハイパスフィルタを通す ２）ハイパスフィルタを通した元データを微小時間にて
微分する 処理により行われる。この前処理４（高周波増幅処理）
部３０−４による前処理は、正常状態の元データにある
程度の低周波成分が含まれており、検出すべき異常信号
が高周波領域に存在する場合に有効である。

【００４６】また、ＦＦＴによる周波数変換部３０−５
による前処理は、元データである時間軸波形をＦＦＴ
（高速フーリエ変換）により周波数軸データに変換する
もので、このＦＦＴ（高速フーリエ変換）により変換さ
れた周波数軸データを用いると、任意の周波数帯におけ
る成分を特徴量とすることで、異常成分の含まれている
状態を定量化することが可能になる。なお、ＦＦＴ（高
速フーリエ変換）処理により損失した情報や検出できな
い異常状態もあるが、これらの異常状態の検出はメモリ
２０に格納された元データに基づき行われる上記前処理
３０−１〜３０−４の処理を用いた解析で補うことがで
きる。

【００４７】前処理１（フィルタリング）部３０−１で
前処理されたデータは特徴量演算処理部４０−１に渡さ
れ、ここで、フィルタリングにより前処理されたデータ
の振幅成分の抽出や数学的処理による特徴量演算が実行
される。

【００４８】また、前処理２（断続成分増幅処理）部３
０−２で前処理されたデータは特徴量演算処理部４０−
２に渡され、ここで、断続成分増幅処理により前処理さ
れたデータの特徴量演算が実行される。

【００４９】また、前処理３（高周波増幅処理）部３０
−３で前処理されたデータは特徴量演算処理部４０−３
に渡され、ここで、高周波増幅処理により前処理された
データの特徴量演算が実行される。

【００５０】また、前処理４（低周波増幅処理）部３０
−４で前処理されたデータは特徴量演算処理部４０−４
に渡され、ここで、低周波増幅処理により前処理された
データの特徴量演算が実行される。

【００５１】また、ＦＦＴによる周波数変換部３０−５
で前処理されたデータは特徴量演算処理部４０−５に渡
され、ここで、ＦＦＴによる周波数変により前処理され
たデータの特徴量演算が実行される。

【００５２】ここで、上記特徴量演算処理部４０−１〜
４０−５の特徴量演算は、上記前処理３０−１〜３０−
５と同様に並列実行される。

【００５３】特徴量演算処理部４０−１〜４０−５にお
ける特徴量演算処理は、計測データの特徴を定量化する
もので、前処理３０−１〜３０−５で前処理されたデー
タに基づき特定の関数演算を実行することで異常の度合
いを示す情報としての特徴量を抽出する。

【００５４】この特徴量を抽出する特徴量演算処理とし
ては、従来から一般的に用いちられているＲＭＳ（自乗
平方根）演算、平均演算等の数学関数、統計関数を用い
た演算を用いることができる。

【００５５】なお、この実施の形態の異常判定システム
においては、上記ＲＭＳ（自乗平方根）演算、平均演算
等の数学関数、統計関数を用いた演算の他に以下の演算
関数を用いた演算処理を採用する。

【００５６】１）極値数を求める特徴量演算関数 極値数を求める特徴量演算関数は、元データ配列あるい
は前処理後のデータ配列から波形の極値数を検出する演
算を実行するものである。

【００５７】元データ配列あるいは前処理後のデータ配
列の波形の極値数は、データ配列のデータχｉ（但し、
ｉ＝１，２、…）に対して、以下の式が成り立つときに
極値として判断し、そのデータ配列の上記極値の数をカ
ウントした値がそのデータ配列の極値数となる。

【００５８】すなわち、データ配列中の連続する３つの
振動データχｍ−１、χｍ、χｍ＋１に対して、 ａ）｜χｍ−χｍ−１｜≦α ｂ）｜χｍ＋１−χｍ｜≦α ｃ）（χｍ−χｍ−１）×（χｍ＋１−χｍ）＜０ の３つの条件が同時に成り立つとき、振動データχｍを
極値と判断する。但し、αは変数である。この変数αが
“０”に近いほど微小な変化からも極値を検出すること
ができ、この変数αをある程度大きな値にすれば、誤差
的な変化を無視した極値を検出することができる。

【００５９】この極値数を求める特徴量演算関数は、特
に、前処理４（低周波増幅処理）部３０−４で前処理さ
れたデータ配列から特徴量を抽出する特徴量演算処理部
４０−４における演算処理で有効である。すなわち、測
定データの低周波成分において異常性のある状態におい
ては、前処理４（低周波増幅処理）部３０−４による前
処理により低周波成分が増幅されることにより、雑音的
な小さな極値が少なくなり、正常な状態に比べて極値数
が小さい値になることから、この特徴量の把握が容易に
なる。

【００６０】２）極値差を求める特徴量演算関数 極値差を求める特徴量演算関数は、元データ配列あるい
は前処理後のデータ配列から波形の極値数を検出する演
算を実行するものである。

【００６１】極値差を求める特徴量演算関数において
は、上記極値数を求める特徴量演算関数により求めたデ
ータ配列中の極値について、前後極値の差の絶対値を計
算したものの配列を求め、そこから、以下の手順により
計算したものを極値差として演算する。

【００６２】すなわち、上記前後極値の差の絶対値を計
算したものの配列内のデータをＤ１、Ｄ２、…Ｄｎとす
ると、その中から大きい順にｋ個のデータを抽出し、そ
の平均を求めた値を極値差とする。ここで、ｋは変数で
ある。

【００６３】すなわち、この極値差を求める特徴量演算
関数は、変数ｋを適当に設定することにより、一定時間
内の平均値やＲＭＳ演算などでは正常状態と比べて差異
が検出できないが、測定データに一時的あるいは断続的
に高周波レベル変化が含まれている場合における正常、
異常の検出に有効である。

【００６４】３）データブロック間の最大値最小値の差
を求める特徴量演算関数 データブロック間の最大値最小値の差を求める特徴量演
算関数は、元データ配列あるいは前処理後のデータ配列
について、データブロック間の最大値最小値の差、すな
わち、（最大値）−（最小値）の演算を実行するもので
ある。

【００６５】このデータブロック間の最大値最小値の差
を求める特徴量演算関数は、一定時間内の平均値やＲＭ
Ｓ演算などでは正常状態と比べて差異が検出できない
が、測定データに一時的あるいは断続的に高周波レベル
変化が含まれている場合における正常、異常の検出に有
効である。

【００６６】４）周波数帯ピーク値を求める特徴量演算
関数 周波数帯ピーク値を求める特徴量演算関数は、ＦＦＴに
よる周波数変換部３０−５の前処理で周波数軸信号に変
換されたデータ配列から、設定された周波数に該当する
データのピーク値を求める演算を実行するものである。

【００６７】すなわち、この周波数帯ピーク値を求める
特徴量演算関数においては、該当するデータをＰ１、Ｐ
２、…Ｐｎとすると、このデータの中から大きい順に、
ｓ個のデータを抽出し、その平均を求めたものをピーク
値として演算する。ここで、ｓは変数である。

【００６８】総合判定部５０は、特徴量演算処理部４０
−１〜５０−５でそれぞれデータブロック毎に抽出され
た複数の特徴量を総合的に判断して検査対象である製品
の正常、異常を判断する。

【００６９】この総合判定部５０においては、上記デー
タブロック毎に抽出された複数の特徴量を全検査対象時
間に相当する複数のＮデータブロック、例えば、１０デ
ータブロック以上のデータブロックで、平均化、あるい
は最大値をとることで、最終的な特徴量とし、この最終
的な特徴量が製品の正常、異常を判断するための推論情
報となる。

【００７０】ここで、複数の特徴量を全検査対象時間に
相当する複数のデータブロックで最大値をとるのは、異
常状態が定常的に発生するのではなく、データブロック
単位相当時間より長い周期で発生する場合に非常に有効
になるからである。また、異常状態がデータブロック単
位相当時間内で定常的に発生する場合には、全検査対象
時間に相当する複数のデータブロックで平均化すること
により、例えば、ＦＦＴ処理等の繰り返し精度が悪い処
理から得た情報のバラツキも１／Ｎに減少させることが
でき、これにより情報の信頼性を大幅に高めることで、
優れた検査を行なうことが可能になる。

【００７１】総合判定部５０は、上記特徴量演算処理部
４０−１〜５０−５で得られた複数の特徴量の全部ある
いは一部を組み合わせて作成した判定知識を予め設定し
た所定の判定知識と比較することで、検査対象である製
品の正常、異常の総合的かつ安定した判定結果を得るこ
とが可能になる。

【００７２】図２は、図１に示した異常判定システムの
具体的一実施の形態をブロック図で示したものである。

【００７３】図２において、この異常判定システムは、
検査対象物１００に、加速度センサ１０１を配設し、こ
の加速度センサ１０１の計測信号に基づき検査対象物１
００の正常、異常を判定する。

【００７４】検査対象物１００に配設された加速度セン
サ１０１から出力される検査対象物１００の測定信号
は、まず、アンプ２００で増幅され、その後、Ａ／Ｄ変
換ボード（アナログ／ディジタル変換ボード）３００で
ディジタル計測データに変換され、パソコン（パーソナ
ルコンピュータ）４００に入力されれる。

【００７５】パソコン（パーソナルコンピュータ）４０
０では、上記ディジタル計測データに対して以下に詳述
する処理を行なうことにより、検査対象１００の正常、
異常を判断する。

【００７６】図３は、図２に示したパソコン（パーソナ
ルコンピュータ）４００における処理の概要をブロック
図で示したものである。

【００７７】検査対象物１００に配設された加速度セン
サ１０１から出力される検査対象物１００の測定信号
は、Ａ／Ｄ変換ボード３００のアナログ／ディジタル変
換部（Ａ／Ｄ変換部）３１０によりディジタル計測デー
タに変換され、パソコン４００に入力されれる。

【００７８】パソコン４００は、上記Ａ／Ｄ変換ボード
３００からのディジタル計測データ（以下、単に計測デ
ータという）を格納するメモリ４１０および上記メモリ
４１０に格納された計測データ（元データ）に基づき上
記パソコン４００に内蔵されたＣＰＵ（中央演算処理
部）で所定の処理を実行するＣＰＵによる内部処理部４
２０を有しており、ＣＰＵによる内部処理部４２０は、
前処理部４２１、特徴量演算部４２２、ＦＵＺＺＹ判定
部４２３を有している。

【００７９】ここで、ＣＰＵによる内部処理部４２０に
おける前処理部４２１および特徴量演算部４２２の処理
は、図４に示すように、メモリ４１０に格納された元デ
ータに基づき、ＦＦＴ処理部４３０、周波数処理部４４
０、断続成分増幅処理部４５０、低周波増幅処理部４６
０、高周波増幅処理部４７０の処理を並列実行すること
により行われる。

【００８０】以下、ＦＦＴ処理部４３０、周波数処理部
４４０、断続成分増幅処理部４５０、低周波増幅処理部
４６０、高周波増幅処理部４７０の処理の詳細を説明す
る。

【００８１】図５は、ＦＦＴ処理部４３０の処理の詳細
をブロック図で示したものである。

【００８２】図５において、メモリ４１０には、Ａ／Ｄ
変換ボード３００のアナログ／ディジタル変換部（Ａ／
Ｄ変換部）３１０の変換データ単位で、例えば１０２４
点ずつの固定のデータブロックに分けられ元データが格
納される。

【００８３】このメモリ４１０に格納された時間軸波形
からなる元データは、まず、ＦＦＴ演算処理部４３１
で、ＦＦＴ（高速フーリエ変換）により周波数軸データ
に変換され、この周波数軸データに基づき、特徴量１抽
出部４３２−１で特定周波数帯ａ成分が抽出され、特徴
量２抽出部４３２−２で特定周波数帯ｂ成分が抽出さ
れ、特徴量３抽出部４３２−３で特定周波数帯ｃ成分が
抽出される。

【００８４】ここで、特徴量１抽出部４３２−１による
特定周波数帯ａ成分の抽出および特徴量２抽出部４３２
−２による特定周波数帯ｂ成分の抽出および、特徴量３
抽出部４３２−３による特定周波数帯ｃ成分の抽出は、
それぞれ上記データブロック単位でそのピーク値を抽出
し、この抽出したピーク値をそれぞれ複数の対象データ
ブロックで平均化処理することにより行われ、この平均
化処理により各データブロックによるバラツキを抑える
ことができる。

【００８５】このＦＦＴ処理部４３０の処理により抽出
される特徴量は、周波数帯の異なる設定を複数用いるこ
とにより、それぞれ異なる特徴量を抽出することが可能
になる。

【００８６】図６は、周波数処理部４４０の処理の詳細
をブロック図で示したものである。

【００８７】図６において、メモリ４１０には、図５の
場合と同様に、Ａ／Ｄ変換ボード３００のアナログ／デ
ィジタル変換部（Ａ／Ｄ変換部）３１０の変換データ単
位で、例えば１０２４点ずつの固定のデータブロックに
分けられ元データが格納される。

【００８８】このメモリ４１０に格納された時間軸波形
からなる元データは、まず、バンドパスフィルタ処理部
４４１でそのノイズ成分や暗騒音的信号を除去する前処
理が行われる。そして、このノイズ成分や暗騒音的信号
が除去された前処理後のデータから特徴量が抽出され
る。

【００８９】この特徴量の抽出は、特徴量１抽出部４４
２−１、特徴量２抽出部４４２−２、特徴量３抽出部４
４２−３、特徴量４抽出部４４２−４、特徴量５抽出部
４４２−５で行われる。

【００９０】ここで、特徴量１抽出部４４２−１による
特徴量抽出は、上記前処理後のデータからＲＭＳ（自乗
平方根）演算により特徴量を抽出するものであり、特徴
量２抽出部４４２−２による特徴量抽出は、ピーク値を
求める特徴量演算関数によるもので、上記前処理後のデ
ータから各データブロック単位でそのピーク値を抽出す
る。

【００９１】また、特徴量３抽出部４４２−３による特
徴量の抽出は、上述した極値数を求める特徴量演算関数
によるもので、上記前処理後のデータのデータ配列の波
形の極値を判断し、そのデータ配列の上記極値の数をカ
ウントした値がそのデータ配列の極値数となる。

【００９２】また、特徴量４抽出部４４２−４による特
徴量の抽出は、上述した極値差を求める特徴量演算関数
によるもので、上記極値数を求める特徴量演算関数によ
り求めたデータ配列中の極値について、前後極値の差の
絶対値を計算したものの配列を求め、上記前後極値の差
の絶対値を計算したものの配列内のデータの中から大き
い順に所定個のデータを抽出し、その平均を求めた値を
極値差とする。

【００９３】また、特徴量５抽出部４４２−５による特
徴量の抽出は、上記前処理後のデータの傾き平均を求め
るものである。

【００９４】なお、ここでの特徴抽出は、上記特徴量抽
出手法の他に、一般的な振動解析指標や統計関数を用い
た手法を採用することができる。

【００９５】図７は、断続成分増幅処理部４５０の詳細
をブロック図で示したものである。

【００９６】図７において、この断続成分増幅処理部４
５０においては、まず、断続成分増幅前処理部４５１
で、上述したような １）元データをヒルバート変換する ２）元データを実数部、ヒルバート変換後データを虚数
部として複素数配列を作る ３）複素数配列の自乗平方根の配列を演算する移動平均
などの平滑処理をする ４）ローパスフィルタを通す処理 から構成される前処理が行われる。

【００９７】この断続成分増幅前処理部４５１の処理に
よると、図８に示すように、時間軸波形で傾きが強い信
号成分だけが大きな信号になりそれ以外は小さくなる信
号が得られる。なお、図８において、（ａ）は、メモリ
４１０に格納された時間軸波形である元データの元波形
を示し、（ｂ）は、上記断続成分増幅前処理部４５１に
よる前処理後の処理後波形を示す。

【００９８】そして、この断続成分増幅前処理部４５１
の処理により前処理がなされた波形、すなわち、図８
（ｂ）に示すような波形から、特徴量１抽出部４５７−
１によるピーク値の抽出、特徴量２抽出部４５７−２に
よる極値差の抽出、特徴量３抽出部４５７−３によるデ
ータブロック間の最大値最小値の差、すなわち、データ
ブロック間最大−最小の抽出が行われる。

【００９９】図９は、上記断続成分増幅前処理部４５１
の詳細をブロック図で示したものである。

【０１００】図９に示すように、断続成分増幅前処理部
４５１は、メモリ４１０に格納された時間軸波形である
元データをヒルバート変換するヒルバート変換部４５
２、メモリ４１０に格納された時間軸波形である元デー
タを実数部とし、ヒルバート変換部４５２によるヒルバ
ート変換後データを虚数部として複素数配列を作る複素
数計算部４５３、複素数計算部４５３で作られた複素数
配列の自乗平方根の配列を演算する自乗平方根計算部４
５４、自乗平方根計算部４５４で演算された自乗平方根
の配列を移動平均などの平滑処理をする平滑処理部４５
５、平滑処理部４５５で平滑処理された波形から雑音成
分等を除くローパスフィルタ４５６を具備して構成され
る。

【０１０１】一般に、モータ等の回転駆動部を有する製
品、すなわち、検査対象物１００の状態異常の代表的な
ものにはベアリング不良がある。このベアリング不良等
に代表される断続的に発生する高周波成分を含む波形
（以下、断続高調波という）は、通常は、基本波の成分
よりも振幅が高い。その場合は、波形の実効値や最大値
を求めることで、正常状態と区別することができる。

【０１０２】しかし、その断続高調波が、正常状態の基
本波の振幅成分と比較してあまり差がない場合や発生周
期が長い場合には、そのような異常状態を検出するのは
非常に困難になる。

【０１０３】また、ＦＦＴ（高速フーリエ変換）により
元データの周波数軸へ変換を行なっても、発生頻度が少
ないため変換結果は対象時間の平均周波数成分として計
算されるため、有効な差は現れない。

【０１０４】そこで、断続成分増幅処理前処理部４５１
においては、まず、包絡線処理すなわち、 １）元データをヒルバート変換する（ヒルバート変換部
４５２） ２）元データを実数部、ヒルバート変換後データを虚数
部として複素数配列を作る（複素数計算部４５３） ３）複素数配列の自乗平方根の配列を演算する（自乗平
方根計算部４５４） 処理を実効する。

【０１０５】すなわち、まず、前包絡線Ψ（ｔ）を求め
る。この前包絡線Ψ（ｔ）は、元データにそのヒルバー
トを虚数部として付加した複素帯域通過信号で、以下の
式で求められる。

【０１０６】元データをχ（ｔ）とし、χ（ｔ）のヒル
バート変換データをζ（ｔ）とすると、前包絡線Ψ
（ｔ）は、 Ψ（ｔ）＝χ（ｔ）＋ζ（ｔ） となる。

【０１０７】また、包絡線ｗ（ｔ）は、前包絡線Ψ
（ｔ）の振幅として定義されるので、包絡線ｗ（ｔ）
は、χ（ｔ）の２乗とζ（ｔ）の２乗の和の平方根をと
ることにより、次式で求めることができる。 ｗ（ｔ）＝（χ² （ｔ）＋ζ² （ｔ））^1/2

【０１０８】この処理により、元データの波を中心で折
り返したような波形が得られる。この折り返しにより問
題となる断続高調波はその発生周期の観測が容易にな
る。

【０１０９】上記包絡線処理による処理結果を波形で示
すと図１０のようになる。図１０において、（ａ）は、
包絡線処理前の波形を示し、（ｂ）は包絡線処理後の波
形を示す。

【０１１０】次に、平滑処理が行われる。この平滑処理
は、 １）複素数配列の自乗平方根の配列を演算する移動平均
などの平滑処理をする（平滑処理部４５５） ２）ローパスフィルタを通す処理（ローパスフィルタ４
５６） により行われる。

【０１１１】なお、上記平滑処理は、平滑処理部４５５
による処理とローパスフィルタ４５６による処理の両者
の組み合わせで行なうのが好ましいが、どちらか一方の
処理でも近似的な結果は得られる。

【０１１２】すなわち、上記移動平均処理、すなわち、
平滑処理部４５５による処理により、小さな波はカット
される。

【０１１３】図１１に、平滑処理部４５５の移動平均係
数を「９」とした場合の平滑処理部４５５による移動平
均処理結果を波形で示す。図１１において、（ａ）は、
移動平均処理前の波形を示し、（ｂ）は移動平均処理後
の波形を示す。

【０１１４】また、図１２に、上記平滑処理部４５５に
よる移動平均処理と上記ローパスフィルタ４５６による
処理の両者の組み合わせを行なった場合の処理結果を波
形で示す。図１２において、（ａ）は、移動平均処理お
よびローパスフィルタ処理による処理前の波形を示し、
（ｂ）は移動平均処理およびローパスフィルタ処理によ
る処理後の波形を示す。

【０１１５】上記処理により、処理後の波形は、異常部
で振幅の高い波となり、その結果正常、異常の区別を容
易に行なうことができる。

【０１１６】図１３は、上記断続成分増幅前処理部４５
１により製品、すなわち検査対象物１００が正常の場合
の処理前と処理後の波形を比較して示したものである。
なお、図１３において、（ａ）は、処理前の波形を示
し、（ｂ）は処理後の波形を示す。

【０１１７】また、図１４は、上記断続成分増幅前処理
部４５１により製品、すなわち検査対象物１００が異常
の場合の処理前と処理後の波形を比較して示したもので
ある。なお、図１４において、（ａ）は、処理前の波形
を示し、（ｂ）は処理後の波形を示す。

【０１１８】図１５は、低周波増幅処理部４６０の処理
の詳細をブロック図で示したものである。

【０１１９】図１５において、メモリ４１０には、図５
の場合と同様に、Ａ／Ｄ変換ボード３００のアナログ／
ディジタル変換部（Ａ／Ｄ変換部）３１０の変換データ
単位で、例えば１０２４点ずつの固定のデータブロック
に分けられ元データが格納される。

【０１２０】このメモリ４１０に格納された時間軸波形
からなる元データは、まず、低周波処理部４６１で前処
理が行われる。この前処理は、 １）元データをローパスフィルタを通す ２）ローパスフィルタを通した元データを微小時間にて
積分する 処理により行われる。

【０１２１】そして、この低周波処理部４６１で前処理
が施されたデータから、特徴量が抽出される。

【０１２２】この特徴量の抽出は、特徴量１抽出部４６
２−１、特徴量２抽出部４６２−２、特徴量３抽出部４
６２−３で行われる。

【０１２３】ここで、特徴量１抽出部４６２−１による
特徴量抽出は、ピーク値を求める特徴量演算関数による
もので、上記前処理後のデータから各データブロック単
位でそのピーク値を抽出する。

【０１２４】また、特徴量２抽出部４６２−２による特
徴量の抽出は、上述した極値数を求める特徴量演算関数
によるもので、上記前処理後のデータのデータ配列の波
形の極値を判断し、そのデータ配列の上記極値の数をカ
ウントした値がそのデータ配列の極値数となる。

【０１２５】また、特徴量３抽出部４６２−４による特
徴量の抽出は、データブロック間の最大値最小値の差、
すなわち、データブロック間最大−最小を演算すること
により行われる。

【０１２６】図１６は、高周波増幅処理４７０の処理の
詳細をブロック図で示したものである。

【０１２７】図１６において、メモリ４１０には、図５
の場合と同様に、Ａ／Ｄ変換ボード３００のアナログ／
ディジタル変換部（Ａ／Ｄ変換部）３１０の変換データ
単位で、例えば１０２４点ずつの固定のデータブロック
に分けられ元データが格納される。

【０１２８】このメモリ４１０に格納された時間軸波形
からなる元データは、まず、高周波処理部４７１で前処
理が行われる。この前処理は、 ３）元データをハイパスフィルタを通す ４）ハイパスフィルタを通した元データを微小時間にて
微分する 処理により行われる。

【０１２９】そして、この高周波処理部４７１で前処理
が施されたデータから、特徴量が抽出される。

【０１３０】この特徴量の抽出は、特徴量１抽出部４７
２で行われる。すなわち、特徴量１抽出部４７２による
特徴量抽出は、上述した極値差を求める特徴量演算関数
によるもので、上記極値数を求める特徴量演算関数によ
り求めたデータ配列中の極値について、前後極値の差の
絶対値を計算したものの配列を求め、上記前後極値の差
の絶対値を計算したものの配列内のデータの中から大き
い順に所定個のデータを抽出し、その平均を求めた値を
極値差とする。

【０１３１】図１７は、定常的に低周波成分に異常が発
生し、かつ断続的に高周波成分に異常が見られる元デー
タを上記低周波増幅処理と高周波増幅処理でそれぞれの
特徴を増幅した波形の一例を示したものである。なお、
図１７において、（ａ）は、元データの波形を示し、
（ｂ）は低周波増幅処理後の波形を示し、（ｃ）は、高
周波増幅処理後の波形を示す。

【０１３２】このように、元データに対して複数の処理
を並列実行してその特徴量を抽出することで、あらゆる
異常状態の検出が可能になる。

【０１３３】さて、検査対象物１００が、例えば、モー
タであった場合、その異常の種類としては、ベアリング
不良、ブラシと整流子とのスレ、軸や回転子の機械的不
釣り合いによるアンバランスなどの複数の要因のものが
存在する。

【０１３４】例として、あるモータの不良品の種類を、
ベアリング不良、スレ不良、びびり不良の３つである場
合、これを集合的に表わすと、検査すべき不合格品の全
体集合をＸ、ベアリング不良の集合をＡ、スレ不良の集
合をＢ、びびり不良の集合をＣとすると、 Ｘ＝ＡＵＢＵＣ（Ｕは論理和を示す） となる。

【０１３５】したがって、この不合格品を判定する判定
装置としては、上記ベアリング不良の集合Ａ、スレ不良
の集合Ｂ、びびり不良の集合Ｃのいずれかを検出するだ
けでは不十分で、すべての不良種類において不合格レベ
ルのものを検出、判定できなければならない。

【０１３６】いま、ひとつの不良を検査員がどのように
判定しているかを示すために、以下、「音がうるさい不
良」を例としてあげて説明する。

【０１３７】図１８は、騒音計で測定した騒音のレベル
（デシベル）と検査員がうるさいと感じる関係をクリス
プ集合とファジイ集合で表わしたものである。図１８か
ら明らかになるように、検査員によるすべての判断は、
クリスプ集合で表わすよりもファジイ集合で表わす方が
適切である。また、検査員によるすべての判断は、個人
差もあれば、同じ検査員でも体調によりその判断は変わ
る。

【０１３８】このため、検査員による判断の場合、はっ
きりした境界はないが、検査員は中間レベルのものも合
格か不合格かの２つに判断しなければならないため、そ
の都度無理矢理どちらかの判断を出している。その部分
が合格、不合格のバラツキの原因になっている。この結
果、騒音計を計測器としたシステムにおける判定と検査
員による判断とを完全に一致させることは極めて困難で
ある。

【０１３９】良品と音がうるさい不良品について、ＪＩ
Ｓ（日本工業規格）に定められた騒音レベルの測定方法
に定められた方法で得た騒音値を特徴量として分布グラ
フで示すと図１９のようになる。

【０１４０】図１９において、良品と不良品の分布の山
には交差する部分があり、判定装置において、この交差
部分のいずれかのデシベル値を判定基準として定める
と、その基準値を上回る良品は、過検出となり、下回る
不良品は見逃しとなり、その結果判定装置としての信頼
性が得られない。

【０１４１】もちろん、ある特徴量と検査員の判断結果
とを同様の手段でその分布で表わした場合は、その山と
山との間に判定基準値を設定した従来の２値論理判断に
よって判定することが可能になる。

【０１４２】そこで、この実施の形態においては、ま
ず、はっきりした良品とはっきりした不良品のサンプル
を一定数以上収集し、図１９のようにその分布を調べ
る。

【０１４３】このとき、良品と不良品の分布の山は離れ
なければならず、交差していれば、その横軸とした特徴
量が適切でないか、サンプルがおかしいことになる。

【０１４４】次に、２つの判定基準値ＳＡおよびＳＢを
求める。この２つの判定基準値ＳＡおよびＳＢは、良品
の平均値をμ１、標準偏差をσ１とし、不良品の平均値
をμ２、標準偏差をσ２と次式により求めることができ
る。 ＳＡ＝μ１＋３σ１ ＳＢ＝μ２−３σ２

【０１４５】このときＳＡ＜ＳＢが成り立たなければな
らない。成り立たない場合は、やはりその不良を検出す
るための有効特徴量ではないかサンプル標本がおかしい
ということになる。

【０１４６】次に、検査員の官能検査による良品と音が
うるさい不良のサンプルを収集する。ここで、良品と音
がうるさい不良のサンプルには中間グレードのものを含
む。これを同様に分布をとり、そのサンプルについて２
つの判定基準値ＳＡおよびＳＢを求める。

【０１４７】図２０は、上記検査員の官能検査の場合の
上記２つの判定基準値ＳＡおよびＳＢを求めた結果を示
したものである。このとき、ＳＡ＞ＳＢが成り立てば、
ＳＡをＳＨとし、ＳＢをＳＬとする。また、ＳＡ≦ＳＢ
が成り立てば、ＳＡをＳＬとし、ＳＢをＳＨとする。

【０１４８】ここで、製品不良の種類は複数あるので、
すべての製品不良の種類に対して、上記有効特徴量を決
定し、その特徴量毎に、上記ＳＬおよびＳＨを同様の手
法により決定していく。ここで、１つの不良種類に対し
て、有効特徴量は２つ以上の複数存在してもよい。

【０１４９】さて、図３に戻り、この実施の形態の異常
判定システムにおいて、ＦＵＺＺＹ判定部４２３は、Ｆ
ＵＺＺＹ推論部と、このＦＵＺＺＹ推論部による推論結
果から検査対象物１００の総合判定を行なう総合判定部
とから構成されている。

【０１５０】ここで、総合判定部は、ＦＵＺＺＹ推論部
による推論結果から検査対象物１００の異常に関して
「ＯＫ」、「ＧＬＡＹ」、「ＮＧ」の３つに判断する。

【０１５１】ＦＵＺＺＹ推論部に入力する情報として
は、前述したようにして確定した有効特徴量が前件部の
変数となる。

【０１５２】図２１は、ＦＵＺＺＹ判定部４２３におけ
るＦＵＺＺＹ推論部によるファジイ推論のための各特徴
量のメンバシップ関数を示したものである。

【０１５３】図２１において、（ａ）は、ＳＡ＞ＳＢの
場合のメンバシップ関数を示す。ここで、このメンバシ
ップ関数のラベルは、ＳＭＬ、ＭＤＬ、ＬＧＬの３つの
ラベルからなり、台形型の横軸座標は、図２１（ａ）に
示すように、ＳＭＬとＭＤＬの交点が前述の手法で求め
たＳＬになるように設定され、ＭＤＬとＬＲＧの交点が
前述の手法で求めたＳＨになるように設定されている。

【０１５４】また、図２１において、（ｂ）は、ＳＡ≦
ＳＢの場合のメンバシップ関数を示す。この場合は、図
２１（ｂ）に示すように、ＳＭＬとＬＲＧの２つのメン
バシップ関数を設定する。

【０１５５】図２２は、ＦＵＺＺＹ判定部４２３におけ
るＦＵＺＺＹ推論部によるファジイ推論のための後件部
を示す。ここで、ＦＵＺＺＹ推論部によるファジイ推論
は、「悪い」、「おかしい」の２結論に対して行なうこ
とが特徴である。

【０１５６】また、「悪い」の後件部変数としては、図
２２（ａ）に示すように、「ＯＫ」と「ＮＧ」の２つの
シングルトンを持ち、「おかしい」の後件部変数として
は、図２２（ｂ）に示すように、「ＯＫ」と「ＧＲＡ
Ｙ」の２つのシングルトンを持つ。

【０１５７】図２３は、ＦＵＺＺＹ判定部４２３におけ
るＦＵＺＺＹ推論部においてファジイ推論を行なうため
のファジイ判定ルールの一例を示す。ここで、ファジイ
推論のための特徴量は必要に応じて何種類まであっても
よいが、図２３に示すファジイ判定ルールにおいては、
ファジイ推論のための特徴量として５種類の特徴量を前
件部として使用する場合を示している。

【０１５８】図２３において、ルールＮｏ．１は、２つ
の結論において「ＯＫ」となるルールを示す。全集合に
対し、複数の不良種類Ａ、Ｂ、Ｃがあった場合、良品の
集合は、 Ａｃ＊Ｂｃ＊Ｃｃ（＊は論理積を示す） （ここで、Ａｃ、Ｂｃ、Ｃｃは、それぞれ、Ａ、Ｂ、Ｃ
の補集合である。）となるので、このルールＮｏ．１
は、すべての有効特徴量＝ＳＭＬの条件がアンド条件で
成立するときだけ明らかに良品であるというルールであ
る。

【０１５９】ルールＮｏ．２からルールＮｏ．５まで
は、結論２、すなわち「おかしい」に対するルールであ
る。すなわち、ルールＮｏ．２からルールＮｏ．５まで
によると、いずれかの特徴量がＭＤＬであれば、「おか
しい」の「ＧＲＡＹ」度合いが発生する。

【０１６０】ルールＮｏ．７からルールＮｏ．１１まで
は、結論１、すなわち「悪い」に対するルールである。
すなわち、ルールＮｏ．７からルールＮｏ．１１までに
よると、いずれかの特徴量がＬＲＧであれば、「悪い」
の「ＮＧ」度合いが発生する。

【０１６１】ルールＮｏ．１２、ルールＮｏ．１３は、
複数の特徴量の値がＭＤＬのグレードを持つ場合に、
「悪い」度合いが発生するルールである。これは、サン
プルから得たデータを検証した結果、該当するルールが
見つかった場合にその組み合わせで追加したもので、特
に各特徴量のメンバシップに、組み合わせ判定用に新た
なラベルを作成してもよい。

【０１６２】また、これ以外にも、組み合わせで「おか
しい」度合いが発生する特徴量候補がある場合は、それ
らをそのアンド条件と識別できるラベルで「おかしい」
の「ＧＲＡＹ」度合いが発生するルールを追加してもよ
い。

【０１６３】図２４は、各ルールから適合度α、βが求
められることを示す。各特徴量の適合度にミニ・マック
ス（ｍｉｎｉ−ｍａｘ）演算を行なうと、各出力の合成
としての各結論の２つのシングルトンの適合度が求めら
れる。

【０１６４】例えば、図２３のルールＮｏ．１では、す
べての特徴量毎のＳＭＬの適合度α１、α２、α３、α
４、α５とＬＲＧの適合度β１、β２、β３、β４、β
５を求める。条件部すべての適合度としては、ミニ演算
により、λ＝ｍｉｎ（α１、α２、α３、α４、α５）
で求められる最小値となり、その高さを結論２の「おか
しい」の「ＯＫ」グレードとする。同様に、βにより
「ＧＲＡＹ」のグレードμ＝ｍｉｎ（β１、β２、β
３、β４、β５）も求める。

【０１６５】また、同様に、結論１の「悪い」について
も適合度α、βを求める。

【０１６６】次に、マックス演算として、結論１および
結論２の各ラベル毎にそのラベルを出力する各ルールの
最大値を求める。

【０１６７】次に、重心法により、結論毎の合成ファジ
イ出力から１つの出力値（グレード；ｙ）を得る。

【０１６８】結論２の「おかしい」については、 ｙ＝（０×λ＋１×μ）／（λ＋μ） 同様に、結論１の「悪い」についてもグレードｚを求め
る。

【０１６９】こうして、ＦＵＺＺＹ判定部４２３のＦＵ
ＺＺＹ推論部で、「おかしい」度合いおよび「悪い」度
合いを示すグレードが選られる。

【０１７０】ＦＵＺＺＹ判定部４２３の総合判定部で
は、「おかしい」に対するしきい値ｍと「悪い」に対す
るしきい値ｎが設定されており、各グレードとしきい値
が比較され、以下のような条件により分類される。 ｉｆ ｙ＜ｍ ａｎｄ ｚ＜ｎ ｔｈｅｎ 「ＯＫ」 ｉｆ ｙ≧ｍ ａｎｄ ｚ＜ｎ ｔｈｅｎ 「ＧＲＡＹ」 ｉｆ ｚ≧ｎ ｔｈｅｎ 「ＮＧ」 この結果が最終的な判定結果となり、外部へ出力され
る。

【０１７１】上記手法によると、検査結果として、確実
な「ＯＫ」、確実な「ＮＧ」とそうでないものが判別で
き、さらに、「ＧＲＡＹ」として判定された検査対象物
１００とデータの解析を行なうことにより、「ＧＲＡ
Ｙ」の幅を狭めることが可能になる。

【０１７２】なお、本実施形態では、計測手段として、
検査対象物１００に取り付けられた加速度センサ１０１
を用いたが、その他音波やレーザ光を使って非接触で計
測したり、駆動電流を計測して手元で計測するという方
法もある。

【０１７３】

【発明の効果】以上説明したようにこの発明によれば、
振動部を有する製品に取り付けられた計測手段により計
測された計測データから時間軸波形を求め該時間軸波形
を解析する時間軸波形解析と、上記計測データから周波
数軸波形を求め該周波数軸波形を解析する周波数軸波形
解析とを実行し、上記時間軸波形解析および上記周波数
軸波形解析の総合判定結果から上記製品の異常を判定す
るように構成したので、振動部を有する製品の種々の正
常、異常を安定して判定することが可能になるという効
果を奏する。

【図面の簡単な説明】

【図１】この発明に係わる異常判定方法および装置を適
用して構成した異常判定システムにおける異常判定手法
の一実施の形態を示す機能ブロック図。

【図２】図１に示した異常判定システムの具体的一実施
の形態を示すブロック図。

【図３】図２に示したパソコン（パーソナルコンピュー
タ）における処理の概要を示すブロック図。

【図４】図３に示したＣＰＵによる内部処理部における
前処理部および特徴量演算部の処理を説明するブロック
図。

【図５】図４に示したＦＦＴ処理部の処理の詳細を示す
ブロック図。

【図６】図４に示した周波数処理部の処理の詳細を示す
ブロック図。

【図７】図４に示した断続成分増幅処理部の詳細を示す
ブロック図。

【図８】図４に示した断続成分増幅処理前処理部の処理
を説明する波形図。

【図９】図８に示した断続成分増幅処理前処理部４５１
の詳細を示すブロック図。

【図１０】図９に示したヒルバート変換部および複素数
計算部および自乗平方根計算部による包絡線処理の処理
結果を説明する波形図。

【図１１】図９に示した平滑処理部による移動平均処理
結果を説明する波形図。

【図１２】図９に示した平滑処理部による移動平均処理
とローパスフィルタによる処理の両者の組み合わせを行
なった場合の処理結果を説明する波形図。

【図１３】図９に示した断続成分増幅処理前処理部によ
り製品、すなわち検査対象物が正常の場合の処理前と処
理後の波形を比較して示した波形図。

【図１４】図９に示した断続成分増幅処理前処理部によ
り製品、すなわち検査対象物が異常の場合の処理前と処
理後の波形を比較して示した波形図。

【図１５】図４に示した低周波増幅処理部の処理の詳細
を示すブロック図。

【図１６】図４に示した高周波増幅処理の処理の詳細を
示すブロック図。

【図１７】定常的に低周波成分に異常が発生し、かつ断
続的に高周波成分に異常が見られる元データを低周波増
幅処理と高周波増幅処理でそれぞれの特徴を増幅した波
形の一例を示した図。

【図１８】騒音計で測定した騒音のレベル（デシベル）
と検査員がうるさいと感じる関係をクリスプ集合とファ
ジイ集合で表わした図。

【図１９】良品と音がうるさい不良品について、ＪＩＳ
（日本工業規格）に定められた騒音レベルの測定方法に
定められた方法で得た騒音値を特徴量として分布グラフ
で示した図。

【図２０】検査員の官能検査の場合の２つの判定基準値
ＳＡおよびＳＢを求めた結果を示した図。

【図２１】図３に示したＦＵＺＺＹ判定部におけるＦＵ
ＺＺＹ推論部によるファジイ推論のための各特徴量のメ
ンバシップ関数を示した図。

【図２２】図２に示したＦＵＺＺＹ判定部におけるＦＵ
ＺＺＹ推論部によるファジイ推論のための後件部を示す
図。

【図２３】図２に示したＦＵＺＺＹ判定部におけるＦＵ
ＺＺＹ推論部においてファジイ推論を行なうためのファ
ジイ判定ルールの一例を示す図。

【図２４】各ルールから適合度α、βが求められること
を説明する図。

【図２５】ＦＦＴアナライザを組み込んで構成した従来
のコンピュータシステムによる処理手法を示すブロック
図。

【図２６】図２６に示す変幹部の処理を説明する図。

【図２７】正常、異常の検査の対象物から発生される波
形の一例を示す図。

【図２８】ＦＦＴを用いた周波数解析による問題点を説
明する図。

【図２９】フィルタ方式を用いた従来の手法を説明する
図。

【符号の説明】

１０ アナログ／ディジタル変換部（Ａ／Ｄ変換部） ２０ メモリ ３０−１ 前処理部１（フィルタリング）部 ３０−２ 前処理２（断続成分増幅処理）部 ３０−４ 前処理４（高周波増幅処理）部 ３０−５ ＦＦＴによる周波数変換部 ４０−１ 特徴量演算処理部 ４０−２ 特徴量演算処理部 ４０−３ 特徴量演算処理部 ４０−４ 特徴量演算処理部 ４０−５ 特徴量演算処理部 １００ 検査対象物 １０１ 加速度センサ ２００ アンプ ３００ Ａ／Ｄ変換ボード（アナログ／ディジタル変
換ボード） ３１０ アナログ／ディジタル変換部（Ａ／Ｄ変換
部） ４００ パソコン（パーソナルコンピュータ） ４１０ メモリ ４２０ ＣＰＵによる内部処理部 ４２１ 前処理部 ４２２ 特徴量演算部 ４２３ ＦＵＺＺＹ判定部 ４３０ ＦＦＴ処理部 ４３１ ＦＦＴ演算処理部 ４３２−１ 特徴量１抽出部 ４３２−２ 特徴量２抽出部４３２−２ ４３２−３ 特徴量３抽出部４３２−３ ４４０ 周波数処理部 ４４１ バンドパスフィルタ処理部 ４４２−１ 特徴量１抽出部 ４４２−２ 特徴量２抽出部 ４４２−３ 特徴量３抽出部 ４４２−４ 特徴量４抽出部 ４４２−５ 特徴量５抽出部 ４５０ 断続成分増幅処理部 ４５１ 断続成分増幅前処理部 ４５２ ヒルバート変換部 ４５３ 複素数計算部 ４５４ 自乗平方根計算部 ４５５ 平滑処理部 ４５６ ローパスフィルタ ４５７−１ 特徴量１抽出部 ４５７−２ 特徴量２抽出部 ４５７−３ 特徴量３抽出部 ４６０ 低周波増幅処理部 ４６１ 低周波処理部 ４６２−１ 特徴量１抽出部 ４６２−２ 特徴量２抽出部 ４６２−３ 特徴量３抽出部 ４７０ 高周波増幅処理部 ４７１ 高周波処理部 ４７２ 特徴量１抽出部

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平２−36320（ＪＰ，Ａ) 特開 平５−223697（ＪＰ，Ａ) 特開 平６−206515（ＪＰ，Ａ) 特開 平９−43105（ＪＰ，Ａ) 特開 昭60−211326（ＪＰ，Ａ) 特公 平７−18746（ＪＰ，Ｂ２) 米国特許5407265（ＵＳ，Ａ) 米国特許5523701（ＵＳ，Ａ) 米国特許5663894（ＵＳ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G01H 17/00 G01M 19/00 G01D 21/00

Claims (8)

(57)【特許請求の範囲】
1. 【請求項１】 計測手段により計測された計測データに
   基づき製品の異常を判定する異常判定方法において、上記計測データを記憶手段に記憶し、 上記記憶した計測データを複数のデータブロックに分割
   し、 分割された固定のデータブロック単位のデータを時間軸
   波形のまま加工を行う前処理、その前処理されたデータ
   から複数のデータブロック毎に特徴量を抽出する特徴量
   演算処理、を行う 時間軸波形解析と、分割された固定のデータブロック単位のデータを周波数
   軸波形に変換する前処理、その前処理されたデータから
   複数のデータブロック毎に特徴量を抽出する特徴量演算
   処理、を行う 周波数軸波形解析とを実行し、 上記時間軸波形解析で抽出された複数の特徴量および上
   記周波数軸波形解析で抽出された複数の特徴量に基づ
   き、全検査対象時間で最終的な特徴量を求め、その最終
   的な特徴量に基づく総合判定結果から上記製品の異常を
   判定することを特徴とする異常判定方法。
2. 【請求項２】 上記時間軸波形解析は、 上記計測データを周波数フィルタでフィルタリングする
   前処理と、その前処理されたデータから複数のデータブ
   ロック毎に特徴量を抽出する特徴量演算処理と、からな
   る周波数フィルタ解析と、 上記計測データの断続成分増幅処理をする前処理と、そ
   の前処理されたデータから複数のデータブロック毎に特
   徴量を抽出する特徴量演算処理と、からなる断続成分解
   析と、 上記計測データの高周波成分増幅処理をする前処理と、
   その前処理されたデータから複数のデータブロック毎に
   特徴量を抽出する特徴量演算処理と、からなる高周波成
   分解析と、 上記計測データの低周波成分増幅処理をする前処理と、
   その前処理されたデータから複数のデータブロック毎に
   特徴量を抽出する特徴量演算処理と、からなる低周波成
   分解析とを含むことを特徴とする請求項１記載の異常判
   定方法。
3. 【請求項３】 上記周波数フィルタ解析は、 上記周波数フィルタを用いたフィルタリングで得られた
   波形データからその自乗平均平方根値およびピーク値お
   よび極値数および極値差および傾き平均を上記特徴量と
   して抽出することを特徴とする請求項２記載の異常判定
   方法。
4. 【請求項４】 上記断続成分解析は、 上記計測データをヒルバート変換し、変換前のデータを
   実数部、変換後のデータを虚数部として複素数配列を作
   り、該複素数配列の自乗平均平方根の配列を演算し、こ
   れを移動平均などの平滑処理をした後ローパスフィルタ
   を通し、その結果得られた波形データからそのピーク値
   および極値差および上記データブロック間の最大値と最
   小値の差を上記特徴量として抽出することを特徴とする
   請求項２記載の異常判定方法。
5. 【請求項５】 上記高周波成分解析は、 上記計測データの高周波成分の波形データからその極値
   差を上記特徴量として抽出することを特徴とする請求項
   ２記載の異常判定方法。
6. 【請求項６】 上記低周波成分解析は、 上記計測データの低周波成分の波形データからそのピー
   ク値および極値差および上記データブロック間の最大値
   と最小値の差を上記特徴量として抽出することを特徴と
   する請求項２記載の異常判定方法。
7. 【請求項７】 計測手段により計測された計測データに
   基づき製品の異常を判定する異常判定装置において、上記計測データを記憶する記憶手段と、時間軸波形解析
   手段と、周波数軸波形解析手段と、総合判定手段と、か
   らなり、 上記時間軸波形解析手段は、 上記記憶手段の計測データを複数のデータブロックに分
   割し、分割された固定のデータ ブロック単位のデータを
   時間軸波形のまま加工を行う前処理部と、該前処理部で
   加工されたデータから複数のデータブロック毎に特徴量
   を抽出する特徴量演算処理部と、からなり、 上記周波数軸波形解析手段は、 上記記憶手段の計測データを複数のデータブロックに分
   割し、分割された固定のデータブロック単位のデータを
   周波数軸波形に変換する前処理部と、該前処理部で変換
   された周波数軸波形のデータから複数のデータブロック
   毎に特徴量を抽出する特徴量演算処理部と、からなり、 上記総合判定手段は、 上記時間軸波形解析手段で抽出された複数の特徴量およ
   び上記周波数軸波形解析手段で抽出された複数の特徴量
   に基づき、全検査対象時間で最終的な特徴量を求め、そ
   の最終的な特徴量に基づいて上記製品の異常を総合的に
   判断する、 ことを特徴とする異常判定装置。
8. 【請求項８】 上記時間軸波形解析手段は、 上記計測データを周波数フィルタでフィルタリングする
   前処理部と、前処理されたデータから複数のデータブロ
   ック毎に特徴量を抽出する特徴量演算処理部と、からな
   る周波数フィルタ解析手段と、 上記計測データの断続成分増幅処理をする前処理部と、
   前処理されたデータから複数のデータブロック毎に特徴
   量を抽出する特徴量演算処理部と、からなる断続成分解
   析手段と、 上記計測データの高周波成分増幅処理をする前処理部
   と、前処理されたデータから複数のデータブロック毎に
   特徴量を抽出する特徴量演算処理部と、からなる高周波
   成分解析手段と、 上記計測データの低周波成分増幅処理をする前処理部
   と、前処理されたデータから複数のデータブロック毎に
   特徴量を抽出する特徴量演算処理部と、からなる低周波
   成分解析手段とを含むことを特徴とする請求項７記載 の
   異常判定装置。