JPH0844695A - Method for discriminating sound source - Google Patents
Method for discriminating sound sourceInfo
- Publication number
- JPH0844695A JPH0844695A JP6180345A JP18034594A JPH0844695A JP H0844695 A JPH0844695 A JP H0844695A JP 6180345 A JP6180345 A JP 6180345A JP 18034594 A JP18034594 A JP 18034594A JP H0844695 A JPH0844695 A JP H0844695A
- Authority
- JP
- Japan
- Prior art keywords
- data
- sound source
- spectrum
- neural network
- hierarchical neural
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
Description
【０００１】[0001]
【産業上の利用分野】本発明は音源の識別方法に関す
る。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a sound source identification method.
【０００２】[0002]
【従来の技術】従来、機械装置において、その異常を判
断する場合、エンジン、モータなどの機械音を、作業員
が耳で聞き、故障などの異常の有無を判断していた。2. Description of the Related Art Conventionally, when determining an abnormality in a mechanical device, an operator hears a mechanical noise of an engine, a motor, etc., and determines whether or not there is an abnormality such as a failure.
【０００３】[0003]
【発明が解決しようとする課題】このように、機械音を
作業員が聞いて、その異常の有無を判断していたため、
その判断に熟練を有し、かつ異常の有無の判断を正確に
行うことが困難であった。As described above, since the worker hears the mechanical sound and judges whether or not there is any abnormality,
It was difficult to make such a judgment, and it was difficult to accurately judge the presence or absence of abnormality.
【０００４】上記のような欠点を解消するために、コン
ピュータにより、機械音を周波数分析して、その異常を
検出することが考えられるが、機械音の周波数パターン
が正常であるか、異常であるかを判断するには、多くの
データを必要とするととともに、その判断データについ
ても、学習させる必要があり、したがってコンピュータ
装置が、大掛かりになるという問題がある。In order to solve the above-mentioned drawbacks, it is conceivable that the computer analyzes the frequency of the mechanical sound to detect the abnormality, but the frequency pattern of the mechanical sound is normal or abnormal. There is a problem that a lot of data is needed to judge whether or not the data is necessary, and the judgment data also needs to be learned, so that the size of the computer device becomes large.
【０００５】そこで、本発明は、上記課題を解消し得る
音源の識別方法を提供することを目的とする。Therefore, an object of the present invention is to provide a method of identifying a sound source that can solve the above problems.
【０００６】[0006]
【課題を解決するための手段】上記課題を解決するた
め、本発明の音源の識別方法は、音源からの音響信号を
入力して、周波数軸上におけるスペクトルまたは時間軸
上における波形を、ファジィルールでフィルタリング処
理を行うことにより、その特徴部を抽出し、次にこの抽
出された特徴データを階層型ニューラルネットワークに
入力し、この階層型ニューラルネットワーク内で、上記
特徴データに基づき演算された演算データと判断用デー
タとを比較するとともに、この比較データを所定の評価
関数により判断して音源を識別する際に、上記判断用デ
ータを、入力された特徴データに応じて切り換える方法
である。In order to solve the above-mentioned problems, a sound source identification method according to the present invention inputs a sound signal from a sound source and determines a spectrum on a frequency axis or a waveform on a time axis by a fuzzy rule. Then, the characteristic part is extracted by performing a filtering process with, and the extracted characteristic data is input to the hierarchical neural network, and the arithmetic data calculated based on the characteristic data in the hierarchical neural network. And the determination data are compared with each other, and the determination data is determined by a predetermined evaluation function to identify the sound source, the determination data is switched according to the input feature data.
【０００７】[0007]
【作用】上記の識別方法によると、ファジィルールに基
づくフィルタリング処理により、音響信号の特徴部を抽
出し、この特徴データを階層型ニューラルネットワーク
に入力させるとともに、この入力された特徴データに応
じて選択された判断用データに基づき、音源の異常を判
断するため、不要な判断用データを、識別を行うための
演算処理装置内の主メモリに格納させる必要がなく、し
たがって主メモリに格納するデータを減らすことができ
る。According to the above identification method, the characteristic part of the acoustic signal is extracted by the filtering process based on the fuzzy rule, this characteristic data is input to the hierarchical neural network, and the characteristic data is selected according to the input characteristic data. In order to determine the abnormality of the sound source based on the determined determination data, it is not necessary to store unnecessary determination data in the main memory in the arithmetic processing unit for performing the identification, and therefore, the data to be stored in the main memory can be stored. Can be reduced.
【０００８】[0008]
【実施例】以下、本発明の一実施例を図１に基づき説明
する。本実施例においては、機械装置（音源）からの音
響信号に基づき、機械装置の異常、例えば故障している
かどうかの識別を行う方法について説明する。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS An embodiment of the present invention will be described below with reference to FIG. In the present embodiment, a method for identifying whether or not there is an abnormality in the mechanical device, for example, whether or not the mechanical device is defective, based on the acoustic signal from the mechanical device (sound source) will be described.
【０００９】まず、図１に示すように、機械装置からの
音響信号を、コンピュータ（演算処理装置）に入力し
て、高速フーリエ変換（ＦＦＴ）を行い（ステップ
１）、周波数軸上に展開して周波数スペクトル［図１の
（ａ）にて示す］を得る。First, as shown in FIG. 1, an acoustic signal from a mechanical device is input to a computer (arithmetic processing unit), a fast Fourier transform (FFT) is performed (step 1), and it is expanded on a frequency axis. To obtain a frequency spectrum [shown in (a) of FIG. 1].
【００１０】次に、この機械装置の種類に基づき、故障
の判断に必要な周波数帯域を、判断対象となる機械装置
に応じたファジィルールを用いて複数に分割するととも
に、判断に使用する帯域を選択する。Next, based on the type of the mechanical device, the frequency band required for the failure determination is divided into a plurality of bands using a fuzzy rule according to the mechanical device to be determined, and the band used for the determination is determined. select.
【００１１】次に、この選択された周波数帯域を、ファ
ジィルールにより、ファジィフィルタリング処理を行う
（ステップ２）。すなわち、判断対象となる周波数スペ
クトルの帯域に、幅を持たせて、その特徴を抽出し易い
ように処理を行う。例えば、図１の（ｂ）にて示すよう
な、スペクトルが得られる。Next, the selected frequency band is subjected to a fuzzy filtering process according to a fuzzy rule (step 2). That is, the band of the frequency spectrum to be judged is given a width so that the characteristic can be easily extracted. For example, a spectrum as shown in FIG. 1B is obtained.
【００１２】次に、このようにして得られたスペクトル
データ（特徴データ）を、階層型ニューラルネットワー
クに入力する（ステップ３）。この階層型ニューラルネ
ットワークには、故障の種類または故障の程度に応じた
判断用データが入力されており、ここで、判断用の関数
に基づき特徴データの演算が行われるとともに、この演
算データ（特徴データ）と判断用データとが比較され
る。Next, the spectrum data (feature data) thus obtained is input to the hierarchical neural network (step 3). To this hierarchical neural network, judgment data according to the type of failure or the degree of failure is input. Here, the characteristic data is calculated based on the judgment function and the calculated data (feature Data) and the judgment data are compared.
【００１３】そして、演算データと判断用データとの比
較データが、所定の評価関数に基づき評価され、評価が
所定の基準値を満足した場合には、その判断用データに
対応する故障の種類または故障の程度などのデータが出
力される（ステップ４）。Then, the comparison data of the operation data and the judgment data is evaluated based on a predetermined evaluation function, and when the evaluation satisfies a predetermined reference value, the kind of failure or the failure type corresponding to the judgment data or Data such as the degree of failure is output (step 4).
【００１４】例えば、ステップ４に示すように、その出
力データが［０１０００］である場合には、すなわち２
番目のビットが１である場合には、機械装置におけるモ
ータが故障していると判断される。For example, as shown in step 4, when the output data is [01000], that is, 2
If the second bit is 1, then it is determined that the motor in the machine has failed.
【００１５】また、階層型ニューラルネットワークに入
力されたスペクトルデータすなわち判断対象となる音源
に応じて、使用される判断用データが切り換えられる。
すなわち、コンピュータの主メモリには、必要最小限の
判断用データだけが格納されることになる。Further, the judgment data to be used can be switched according to the spectrum data input to the hierarchical neural network, that is, the sound source to be judged.
That is, only the minimum necessary judgment data is stored in the main memory of the computer.
【００１６】勿論、上記階層型ニューラルネットワーク
では学習が行われており、判断用データが更新される。
ここで、上記フィルタリング処理を行うファジィルール
を、図２〜図６に基づき、具体的に説明する。Of course, learning is performed in the above-mentioned hierarchical neural network, and the judgment data is updated.
Here, the fuzzy rule for performing the filtering process will be specifically described with reference to FIGS.
【００１７】例えば、機械装置のモータの故障推定要因
となる異常音は、大きく３つに、すなわちブラシ音、メ
タル音、振動音に分けられる。正常音、および異常音と
して、ブラシ音、メタル音、振動音のパワースペクトル
の平均値と標準偏差とを、図２〜図５に示す。For example, abnormal sounds which are factors for estimating the failure of a motor of a mechanical device are roughly classified into three, namely, a brush sound, a metal sound, and a vibration sound. 2 to 5 show average values and standard deviations of power spectra of brush sound, metal sound, and vibration sound as normal sound and abnormal sound.
【００１８】そして、正常音についての、ファジィフィ
ルタリング処理について説明する。まず、図６（ａ）に
示す正常音の高周波数成分をフィルタリング処理して、
図６（ｂ）に示すような波形を得る。そして、この波形
における最小周波数、最大周波数および各極値での平均
値ａと標準偏差ｂをそれぞれ求める。Then, a fuzzy filtering process for normal sounds will be described. First, the high frequency component of the normal sound shown in FIG.
A waveform as shown in FIG. 6B is obtained. Then, the minimum frequency, the maximum frequency, and the average value a and the standard deviation b at each extreme value in this waveform are obtained.
【００１９】次に、この最小周波数、最大周波数および
各極値での特徴をファジィルールで表す。図６（ｃ）に
示すように、例えば４番目の値でのファジィルール
は、下記の(1) 式のように表される。Next, the features at the minimum frequency, the maximum frequency and each extreme value are represented by fuzzy rules. As shown in FIG. 6C, for example, the fuzzy rule with the fourth value is expressed by the following equation (1).
【００２０】 ＩＦ dＢ＝ＶＢ ＆ Ｈｚ＝ＭＥ then 正常・・・・(1) このように、全ての値［〜］、すなわち正常状態
を、ファジィルールで表すことができる。IF dB = VB & Hz = ME then normal ... (1) In this way, all values [.about.], That is, normal states can be represented by fuzzy rules.
【００２１】上述したように、入力される音響信号の周
波数帯域を、ファジィルールで、複数帯域に分割すると
ともに判断に使用する帯域を選択し、かつこの選択され
た周波数帯域の特徴部を、ファジィルールに基づきスペ
クトルとして抽出し、このスペクトルデータを階層型ニ
ューラルネットワークに入力させるとともに、この入力
されたスペクトルデータに応じて選択された判断用デー
タに基づき、機械装置の故障の種類、または故障の程度
などを判断するため、不要な判断用データを、コンピュ
ータの主メモリに格納させる必要がなく、したがって主
メモリに格納するデータを減らすことができるので、汎
用のパーソナルコンピュータにおいても、リアルタイム
で判断処理を行うことができる。As described above, the frequency band of the input acoustic signal is divided into a plurality of bands by the fuzzy rule and the band used for the judgment is selected, and the characteristic part of the selected frequency band is fuzzy. Extracted as a spectrum based on the rule, input this spectrum data to the hierarchical neural network, and based on the judgment data selected according to this input spectrum data, the type of failure of the mechanical device or the degree of failure It is not necessary to store unnecessary judgment data in the main memory of the computer in order to judge such as, and therefore the data stored in the main memory can be reduced, so that judgment processing can be performed in real time even in a general-purpose personal computer. It can be carried out.
【００２２】ところで、上記実施例においては、周波数
軸上におけるスペクトルに基づいて、その特徴部を抽出
するようにしたが、音響信号の時間軸上における波形に
基づき、特徴部を抽出するとともに、この特徴データに
基づき識別を行うようにしてもよい。In the above embodiment, the characteristic portion is extracted based on the spectrum on the frequency axis, but the characteristic portion is extracted based on the waveform on the time axis of the acoustic signal. You may make it identify based on characteristic data.
【００２３】また、上記実施例においては、機械装置の
故障の判断を行う場合について説明したが、例えばプラ
ントにおける異常音の識別、またはヘリコプターなどの
飛行物体の識別に行う場合にも、適用し得る方法であ
る。Further, in the above embodiment, the case of determining the failure of the mechanical device has been described, but it can also be applied to the case of identifying an abnormal sound in a plant or a flying object such as a helicopter. Is the way.
【００２４】なお、周波数スペクトルまたは時間波形か
ら、特徴データを抽出する際に、一箇所からだけではな
く、複数箇所から特徴データを抽出して、判断用データ
と比較してもよい。この場合、識別能力または識別精度
を向上させることができる。When the characteristic data is extracted from the frequency spectrum or the time waveform, the characteristic data may be extracted not only from one place but from a plurality of places and compared with the judgment data. In this case, the discrimination ability or the discrimination accuracy can be improved.
【００２５】[0025]
【発明の効果】以上のように、本発明の音源の識別方法
によると、ファジィルールに基づくフィルタリング処理
により、音響信号の特徴部を抽出し、この特徴データを
階層型ニューラルネットワークに入力させるとともに、
この入力された特徴データに応じて選択された判断用デ
ータに基づき、音源の異常を判断するため、不要な判断
用データを、識別を行うための演算処理装置内の主メモ
リに格納させる必要がなく、したがって主メモリに格納
するデータを減らすことができるので、演算処理装置と
して、比較的小さい汎用のパーソナルコンピュータを用
いても、リアルタイムで判断処理を行うことができる。As described above, according to the sound source identification method of the present invention, the characteristic portion of the acoustic signal is extracted by the filtering process based on the fuzzy rule, and the characteristic data is input to the hierarchical neural network.
In order to judge the sound source abnormality based on the judgment data selected according to the input feature data, it is necessary to store unnecessary judgment data in the main memory in the arithmetic processing unit for making the discrimination. Therefore, the amount of data stored in the main memory can be reduced, so that the determination process can be performed in real time even if a relatively small general-purpose personal computer is used as the arithmetic processing device.
【図１】本発明の一実施例における音響信号の識別方法
を説明するフローチャートである。FIG. 1 is a flowchart illustrating a method of identifying an acoustic signal according to an embodiment of the present invention.
【図２】同実施例における機械装置のモータの正常音を
示すパワースペクトルを示すグラフである。FIG. 2 is a graph showing a power spectrum showing a normal sound of the motor of the mechanical device in the example.
【図３】同実施例における機械装置のモータのブラシ音
を示すパワースペクトルを示すグラフである。FIG. 3 is a graph showing a power spectrum showing a brush sound of a motor of a mechanical device in the example.
【図４】同実施例における機械装置のモータのメタル音
を示すパワースペクトルを示すグラフである。FIG. 4 is a graph showing a power spectrum showing a metal sound of a motor of a mechanical device in the example.
【図５】同実施例における機械装置のモータの振動音を
示すパワースペクトルを示すグラフである。FIG. 5 is a graph showing a power spectrum showing vibration noise of the motor of the mechanical device in the example.
【図６】同実施例におけるファジィフィルタリング処理
を説明するグラフである。FIG. 6 is a graph illustrating a fuzzy filtering process in the example.
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ１０Ｌ 9/10 ３０１ Ｃ ─────────────────────────────────────────────────── ─── Continuation of the front page (51) Int.Cl. 6 Identification code Internal reference number FI technical display location G10L 9/10 301 C
Claims (1)
上におけるスペクトルまたは時間軸上における波形を、
ファジィルールでフィルタリング処理を行うことによ
り、その特徴部を抽出し、次にこの抽出された特徴デー
タを階層型ニューラルネットワークに入力し、この階層
型ニューラルネットワーク内で、上記特徴データに基づ
き演算された演算データと判断用データとを比較すると
ともに、この比較データを所定の評価関数により判断し
て音源を識別する際に、上記判断用データを、入力され
た特徴データに応じて切り換えることを特徴とする音源
の識別方法。1. An acoustic signal from a sound source is input to obtain a spectrum on a frequency axis or a waveform on a time axis,
The feature part is extracted by performing the filtering process by the fuzzy rule, then the extracted feature data is input to the hierarchical neural network, and is calculated based on the feature data in the hierarchical neural network. When comparing the calculated data with the judgment data and discriminating the sound source by judging the comparison data by a predetermined evaluation function, the judgment data is switched according to the inputted characteristic data. How to identify the sound source.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6180345A JPH0844695A (en) | 1994-08-02 | 1994-08-02 | Method for discriminating sound source |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6180345A JPH0844695A (en) | 1994-08-02 | 1994-08-02 | Method for discriminating sound source |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0844695A true JPH0844695A (en) | 1996-02-16 |
Family
ID=16081608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6180345A Pending JPH0844695A (en) | 1994-08-02 | 1994-08-02 | Method for discriminating sound source |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0844695A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007148869A (en) * | 2005-11-29 | 2007-06-14 | Japan Energy Corp | Abnormality detection device |
| JP2017090606A (en) * | 2015-11-09 | 2017-05-25 | 日本電信電話株式会社 | Abnormal sound detection device, abnormal sound detection learning device, method thereof, and program |
| CN109285539A (en) * | 2018-11-28 | 2019-01-29 | 中国电子科技集团公司第四十七研究所 | A kind of sound identification method neural network based |
| KR20210046416A (en) * | 2019-10-18 | 2021-04-28 | 한국과학기술원 | Audio classification method based on neural network for waveform input and analyzing apparatus |
-
1994
- 1994-08-02 JP JP6180345A patent/JPH0844695A/en active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007148869A (en) * | 2005-11-29 | 2007-06-14 | Japan Energy Corp | Abnormality detection device |
| JP2017090606A (en) * | 2015-11-09 | 2017-05-25 | 日本電信電話株式会社 | Abnormal sound detection device, abnormal sound detection learning device, method thereof, and program |
| CN109285539A (en) * | 2018-11-28 | 2019-01-29 | 中国电子科技集团公司第四十七研究所 | A kind of sound identification method neural network based |
| CN109285539B (en) * | 2018-11-28 | 2022-07-05 | 中国电子科技集团公司第四十七研究所 | Sound recognition method based on neural network |
| KR20210046416A (en) * | 2019-10-18 | 2021-04-28 | 한국과학기술원 | Audio classification method based on neural network for waveform input and analyzing apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20060161391A1 (en) | Knowledge-forming apparatus and parameter-retrieving method as well as program product | |
| US6226760B1 (en) | Method and apparatus for detecting faults | |
| US20080133439A1 (en) | Device for overall machine tool monitoring | |
| US6990419B2 (en) | System for identifying a signal source | |
| US10475469B2 (en) | Abnormal sound determination apparatus and determination method | |
| JPH09166483A (en) | Method and apparatus for monitoring equipment | |
| JPH06186136A (en) | Fault diagnostic apparatus for ball-and-roller bearing | |
| JP2009025015A (en) | Knowledge-creation support system and program | |
| US20080255773A1 (en) | Machine condition monitoring using pattern rules | |
| CN111461266B (en) | Vehicle damage assessment abnormity identification method, device, server and storage medium | |
| JPH0844695A (en) | Method for discriminating sound source | |
| EP0614169B1 (en) | Voice signal processing device | |
| Decker et al. | Does your model think like an engineer? explainable ai for bearing fault detection with deep learning | |
| JP3012449B2 (en) | Method and apparatus for identifying acoustic signal | |
| CN116840743A (en) | Power transformer fault processing method and device, electronic equipment and storage medium | |
| CN115440246A (en) | Fault detection method, system, vehicle, electronic device and storage medium | |
| JP3248522B2 (en) | Sound source type identification device | |
| KR20090044201A (en) | Method for valuing the sound quality using mts | |
| KR102350636B1 (en) | Apparatus and method of plant failure prediction | |
| JPH08320251A (en) | Sound and vibration diagnostic method in equipment | |
| Schumann et al. | Separation, allocation and psychoacoustic evaluation of vehicle interior noise | |
| JP2004205215A (en) | Sound source diagnosing device | |
| JP2003076976A (en) | Pattern matching method | |
| JP2766212B2 (en) | Harmonic detection device and harmonic detection method | |
| JPH10339664A (en) | Monitor and monitoring method |