JPH05340799A

JPH05340799A - 振動判別装置

Info

Publication number: JPH05340799A
Application number: JP15201792A
Authority: JP
Inventors: Koji Nakamura; 孝二中村; Hideyuki Bingo; 英之備後
Original assignee: Omron Corp; Omron Tateisi Electronics Co
Current assignee: Omron Corp
Priority date: 1992-06-11
Filing date: 1992-06-11
Publication date: 1993-12-21

Abstract

(57)【要約】【目的】地震の判別をより正確に行え、また、機械の異
常な振動を判別できるよう振動判別装置を提供する。【構成】振動加速度波形から複数の特徴量を抽出し、こ
れらに基づいて、地震を判別する。また、予め機械の正
常動作時の振動加速度波形を学習しておき、振動検出部
から得られる振動加速度波形と予め学習した振動加速度
波形とから機械の異常振動を判別する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、地震による振動を判別
したり、機械の異常な振動を判別する振動判別装置に関
する。

【０００２】

【従来の技術】従来、地震を検出する地震センサでは、
振動の加速度を検知し、この加速度が予め設定されてい
るレベルを越えるようなときに、地震であるとして警報
を発するなどの処理を行うように構成されている。

【０００３】ところで、各種アクチュエータ、例えば、
エアーシリンダなどでは、ピストンロッドが上死点、下
死点に来たか否かを検出して該エアーシリンダが正常に
動作しているかを判定するように構成されている。

【０００４】

【発明が解決しようとする課題】従来の地震センサで
は、単に振動の加速度の大きさが予め設定されているレ
ベルを越えたときに、地震であると判別して警報を発す
るものであるために、正確な判別ができない場合があ
る。

【０００５】また、従来のエアーシリンダなどでは、ピ
ストンロッドの位置検出によって正常に動作しているか
否かを判別するので、エアーシリンダの動作が停止して
からでないと異常を検知できず、動作が停止する前に故
障を予知するといったことは困難であった。

【０００６】本発明は、上述の点に鑑みて為されたもの
であって、地震の判別をより正確に行え、また、機械の
異常な振動を判別できるようにして機械の故障の予知を
行えるようにすることを目的とする。

【０００７】

【課題を解決するための手段】本発明では、上述の目的
を達成するために、次のように構成している。

【０００８】すなわち、請求項第１項記載の本発明の振
動判別装置は、振動を検出する振動検出部と、該振動検
出部の出力に対応する振動加速度波形から予め設定され
た検出レベルに基づいて複数の特徴量を抽出し、これら
特徴量に基づいて、地震を判別する判別部とを備えてい
る。

【０００９】また、請求項第２項記載の本発明は、機械
の異常振動を判別する振動判別装置であって、前記機械
の振動を検出する振動検出部と、前記機械の正常動作時
における前記振動検出部の出力に対応する振動加速度波
形を予め学習する学習部と、予め学習した振動加速度波
形と前記振動検出部の出力に対応する振動加速度波形と
に基づいて、前記機械の異常振動を判別する判別部とを
備えている。

【００１０】

【作用】請求項第１項記載の本発明によれば、振動加速
度波形から複数の特徴量を抽出し、これらに基づいて、
地震を判別するので、単に振動加速度の大きさで判別す
る従来例に比べてより正確な判別が可能となる。

【００１１】請求項第２項記載の本発明によれば、予め
機械の正常動作時の振動加速度波形を学習しておき、振
動検出部から得られる振動加速度波形と予め学習した振
動加速度波形とから機械の異常振動を判別するので、機
械が停止しまう前に、機械の異常を検知することも可能
となる。

【００１２】

【実施例】以下、図面によって本発明の実施例につい
て、詳細に説明する。

【００１３】図１は、本発明の一実施例の振動判別装置
の構成図であり、この実施例は、地震を検出して警報を
発する装置である。

【００１４】この実施例の振動判別装置は、振動を検出
して対応する周波数信号を出力する振動検出部１と、こ
の振動検出部１の出力に基づいて、後述のよう地震であ
るか否かを判定するマイクロコンピュータ２と、外部か
ら検出レベルなどの設定を行う設定部３と、マイクロコ
ンピュータ２の出力に応答して異常時に警報信号などを
図示しない警報装置に出力する出力部４とを備えてい
る。

【００１５】この実施例の振動検出部１は、ＣＲ発振回
路５と、このＣＲ発振回路５の出力を分周する分周器６
とを備えている。

【００１６】ＣＲ発振回路５は、後述の容量センサ１０
からなる容量変化部Ｃと、抵抗Ｒと、安定化抵抗Ｒｆ
と、インバータ７〜９とから構成されており、容量セン
サ１０の容量変化を、次式に示される関係で周波数ｆ₀
（Ｈｚ）に変換して出力するものである。

【００１７】ｆ_out＝１／（２.２ＣＲ）振動に応じて静電容量が変化する容量センサ１０は、図
２の分解斜視図および図３の断面図に示されるように、
ケース１１内に、固定電極１２が形成されたプリント配
線基板１３と、振動バネを有する可動電極１４とを、ス
ペーサ１５を介して収納し、カバー１６を取り付けるこ
とにより構成される。この容量センサ１０においては、
振動により発生する加速度により、可動電極１４が揺動
し、この可動電極１４と固定電極１２との間の静電容量
Ｃ（ファラッド）は、次式によって与えられる。

【００１８】Ｃ＝ε₀・（Ｓ／ｄ）ここで、Ｓ：各電極の対向した面積ｄ：電極間距離 ε₀：誘電率すなわち、可動電極１４が揺動することにより、電極間
に発生する容量が変化することになり、ＣＲ発振回路５
は、その容量変化に応じた周波数の信号を出力する。

【００１９】マイクロコンピュータ２は、周波数計測タ
イマ１７と、ＣＲ発振回路出力の基準周期（静止時の周
期）が予め記憶されている基準周期記憶部１８と、振動
検出部１の出力から振動加速度の演算などを行う演算部
１９と、後述のようにファジィ推論や学習を行って地震
であるか否かを判別する制御部２０とを備えている。

【００２０】このマイクロコンピュータ２では、先ず、
振動検出部１の出力から振動加速度を次のようにして算
出する。

【００２１】すなわち、振動検出部１の出力は、図４
（Ａ）に示される静止時の基本周期Ｔに対して、電極が
接近したとき（＋側に振動）は、図４（Ｂ）に示される
ようにＴ⁺となり、電極が離れたとき（−側に振動）
は、図４（Ｃ）に示されるようにＴ^-となり、振動加速
度は、次式によって算出される。

【００２２】＋側振動加速度（ΔＴ⁺）＝Ｔ⁺−Ｔ −側振動加速度（ΔＴ^-）＝Ｔ^-−Ｔかかる演算を、周波数計測タイマ１７、演算部１９およ
び基準周期記憶部１８などによって行い、この加速度を
一定周期毎にサンプリングすることにより、図５に示さ
れるように、振動加速度波形を得ることができる。

【００２３】この実施例では、さらに、図６に示される
ように、サンプリングした振動加速度のデータの４点で
の移動平均処理を行って図７に示されるように、加速度
波形から不要な高周波成分をカットしている。なお、図
６において、Ｘｉは入力、Ｙｉは応答出力、Ｔは時間、
Ｍ＝４である。

【００２４】この実施例のマイクロコンピュータ２は、
図８の機能ブロック図に示されるように、振動検出部１
の出力から上述のようにして得られる加速度波形に基づ
いて、後述する特徴量を抽出し、この特徴量に基づい
て、ファジィ推論することにより、地震であるか否かを
判別する判別部としての推論部２２と、予め振動検出部
１の出力に対応する加速度波形を学習して推論部２２に
おける判別を設置状況に応じて補正する補正部２３とし
ての機能を備えている。

【００２５】補正部２３は、初期設定時などにおける外
部からの操作によって、切換回路２４を介して加速度波
形が与えられ、これを学習する学習部２５と、この学習
部２５の学習データに基づいて、推論部２２の判定出力
を補正するゲイン調整部２６とを備えている。

【００２６】推論部２２では、例えば、図９に示される
加速度波形から振動加速度を算出するとともに、ゼロク
ロス点から振動周期を算出し、さらに、次の４種類の特
徴量１〜４を抽出する。

【００２７】すなわち、特徴量１は、所定時間内で図９
に示される検出レベルを越えたエネルギーの総和ＥＳＵ
Ｍであり、特徴量２は、所定時間内でのエネルギーの総
和ＳＥＳＵＭであり、特徴量３は、加速度波形がゼロク
ロスした点間の時間（半周期）が、０.３ｓ以下の度数
ＴＳであり、特徴量４は、加速度波形がゼロクロスした
点間の時間（半周期）が、０.３ｓを越える度数ＴＢで
ある。

【００２８】ここで、加速度波形からエネルギーを算出
するための処理を説明する。

【００２９】加速度ａを積分することにより、すなわ
ち、加速度波形の面積を求めることによって、速度ｖを
算出することができる。この速度ｖとエネルギーＥと
は、Ｅ＝（１／２）・ｍｖ² なる関係がある、すなわち、エネルギーＥは、速度ｖの
２乗と比例関係がある。

【００３０】そこで、速度とエネルギーとの換算テーブ
ルを予め準備しておき、前記換算テーブルからエネルギ
ーを算出するものである。

【００３１】この実施例では、推論２２部による判別
は、図１０および図１１に示されるメンバーシップ関数
および下記の表１〜表３のファジィルールによって行
う。

【００３２】すなわち、図１０（Ａ）は特徴量１（ＥＳ
ＵＭ）のメンバーシップ関数を示し、「ＳＬＭ」、「Ｍ
ＤＬ」、「ＢＩＧ」の３個のラベルを有しており、図１
０（Ｂ）は特徴量２（ＳＥＳＵＭ）のメンバーシップ関
数を示し、「ＳＭＬ」、「ＭＤＬ」、「ＢＩＧ」の３個
のラベルを有しており、図１０（Ｃ）は特徴量３（Ｔ
Ｓ）のメンバーシップ関数を示し、「ＳＭＬ」、「ＢＩ
Ｇ」の２個のラベルを有しており、図１０（Ｄ）は特徴
量４（ＴＢ）のメンバーシップ関数を示し、「ＳＭ
Ｌ」、「ＢＩＧ」の２個のラベルを有している。

【００３３】図１１は後件部である判定出力のメンバー
シップ関数を示しており、「ｕｎｏｕｔ（警報非出
力）」、「ｏｕｔ（警報出力）」の２個のラベルを有し
ている。

【００３４】また、ファジィルールは、次の表１〜表３
の通りであり、この実施例では、エネルギーに対応する
特徴量１，２に基づいて、表１のファジィルールに従っ
てファジィ推論を行い、この推論によって「ｕｎｏｕ
ｔ」であると判定されたときには、表２のファジィルー
ルに従って、また、「ｏｕｔ」であると判定されたとき
には、、表３のファジィルールに従って、周期度数に対
応する特徴量３，４に基づいてファジィ推論して最終的
に、判定する。

【００３５】すなわち、表２は、最初のファジィ推論で
「ｕｎｏｕｔ」と判定されたときのファジィルール、
表３は最初のファジィ推論で「ｏｕｔ」と判定されたと
きのファジィルールである。

【００３６】

【表１】

【００３７】

【表２】

【００３８】

【表３】

【００３９】この推論部２２によるファジィ推論は、図
１２に示されるように、先ず、データをサンプリングし
（ステップ１）、上述の４種類の特徴量１〜４を抽出し
（ステップ２）、次のようにして行われる（ステップ
３）。

【００４０】すなわち、特徴量１（ＥＳＵＭ）および特
徴量２（ＳＥＳＵＭ）により、表１の各ファジィルール
の対応するメンバーシップ関数において適合度が求めら
れる。そして、各ファジィルール毎に、各前件部の適合
度の最も小さい値が前件部適合度として選択される（Ｍ
ＩＮ演算）。このように各ファジィルールにおいて得ら
れる前件部適合度によって各ファジィルールの後件部に
関する各メンバーシップ関数が裁断され、さらに、裁断
されたすべてのファジィルールに関する各メンバーシッ
プ関数が重ね合わされ（ＭＡＸ演算）、重ね合わせ図形
の重心位置に対応する位置の出力値が求められ、この出
力値によって、地震（「ｏｕｔ（警報出力）」）である
か否かが判定される。

【００４１】この最初のファジィ推論によって「ｕｎ
ｏｕｔ」であると判定されると、特徴量３（ＴＳ）およ
び特徴量４（ＴＢ）により、表２の各ファジィルールの
対応するメンバーシップ関数において適合度が求められ
る。そして、各ファジィルール毎に、各前件部の適合度
の最も小さい値が前件部適合度として選択される（ＭＩ
Ｎ演算）。このように各ファジィルールにおいて得られ
る前件部適合度によって各ファジィルールの後件部に関
する各メンバーシップ関数が裁断され、さらに、裁断さ
れたすべてのファジィルールに関する各メンバーシップ
関数が重ね合わされ（ＭＡＸ演算）、重ね合わせ図形の
重心位置に対応する位置の出力値が求められ、この出力
値によって、最終的に判定される。

【００４２】また、最初のファジィ推論によって「ｏｕ
ｔ」であると判定されると、特徴量３（ＴＳ）および特
徴量４（ＴＢ）により、表３の各ファジィルールの対応
するメンバーシップ関数において適合度が求められる。
そして、各ファジィルール毎に、各前件部の適合度の最
も小さい値が前件部適合度として選択される（ＭＩＮ演
算）。このように各ファジィルールにおいて得られる前
件部適合度によって各ファジィルールの後件部に関する
各メンバーシップ関数が裁断され、さらに、裁断された
すべてのファジィルールに関する各メンバーシップ関数
が重ね合わされ（ＭＡＸ演算）、重ね合わせ図形の重心
位置に対応する位置の出力値が求められ、この出力値に
よって、最終的に地震（「ｏｕｔ」）であるか否かが判
定される。

【００４３】次に、この推論部２２の判定出力を設置状
況を考慮したものとなるように、ゲイン調整部２６で判
定出力値を補正する補正部２３の動作を説明する。

【００４４】学習部２５は、初期設定時などにおける外
部からの操作によって、切換回路２４を介して加速度波
形が与えられ、これに基づいて、常微振動（正常時にお
ける通常の振動）のエネルギーレベルを算出し、図１３
および下記の表４に示される関係に基づいて、推論部２
２からの判定出力に対するゲイン調整量、すなわち、補
正係数を求めるものである。

【００４５】

【表４】

【００４６】この学習部２５では、図１４に示されるよ
うに、加速度波形から５ミリ秒毎に振動加速度をサンプ
リングし（ステップ１）、加速度波形がゼロクロスする
周期を求め（ステップ２）、推論部２２と同様にして常
微振動のエネルギーレベルを算出し（ステップ３）、こ
のエネルギーレベルを入力としてゲイン調整量を求め、
１０秒経過したか否かを判断し（ステップ５）、１０秒
経過したときには、終了する。すなわち、この実施例で
は、１０秒間に亘って学習を行う。

【００４７】このようして学習部２５で得られたゲイン
調整量で推論部２２の判定出力を補正する。

【００４８】したがって、設置状況に応じた判別が行え
ることになる。

【００４９】さらに、この実施例では、周囲環境等の影
響によつて、センサ出力のドリフトが考えられるので、
このドリフト補正を次のようして行っている。

【００５０】すなわち、図１５に示されるように、検出
加速度が検出レベル、例えば、＋５ｇａｌを越えて１０
秒以内にセンサの原点値とクロスしない場合には、ドリ
フトが発生したものと判断し、そのときの測定値をドリ
フト補正値とするものである。

【００５１】このように、振動加速度波形から特徴量を
抽出して地震を判別して警報を出力するようにしている
ので、単に加速度の大きさのみで地震を判別する従来例
に比べて正確な判別が可能である。

【００５２】この振動判別装置は、外部から予め設定さ
れる検出レベルに応じて地震を判別できるので、例え
ば、高精度が要求される工作機械に影響を及ぼすような
震動を検出をすることも可能であり、これによって、工
作機械による加工不良の低減を図ることができる。

【００５３】また、振動の検出には、静電容量方式の加
速度センサを用いているので、従来の地震センサに比べ
てコストの低減を図ることができる。

【００５４】図１６は、本発明の他の実施例の振動判別
装置２７の構成図であり、この振動判別装置２７は、図
１７に示されるように、エアーシリンダ２８に取り付け
られて該エアーシリンダ２８の異常振動を検出するもの
であり、上述の実施例に対応する部分には、同一の参照
符を付す。

【００５５】この実施例の振動判別装２７置は、振動を
検出して対応する周波数信号を出力する振動検出部１
と、この振動検出部１の出力に基づいて、異常な振動で
あるか否かを判定するマイクロコンピュータ２９と、外
部から検出レベルなどの設定を行う設定部３と、マイク
ロコンピュータ２９の出力に応答して異常時に警報信号
などを図示しない警報装置に出力する出力部４とを備え
ている。

【００５６】振動を検出して加速度波形を得て移動平均
処理を施すまでの処理は、上述の実施例と同様である。

【００５７】この実施例では、移動平均処理の後、振動
周波数を帯域別に分類するために、２次フィルタ（ソフ
トウェアＬＰＦ）を通している。

【００５８】すなわち、図１８に示されるように、移動
平均処理をした加速度波形の振幅出力ＹｉおよびＹｉが
原点から離れて次に原点をクロスするまでの経過時間ｔ
（１／２周期）を入力とし、この周期ｔによって範囲を
設けて層別し、その結果から入力波形Ｙｉにフィルタ係
数ｋｎを掛け合わせて２次フィルタの出力とするもので
ある。この２次フィルタの出力に基づいて、後述の学習
や推論が行われる。

【００５９】この実施例のマイクロコンピュータ２９
は、図１９の機能ブロック図に示されるように、エアー
シリンダ２８の正常動作時における振動加速度波形を予
め学習する学習部３０と、予め学習した振動加速度波形
と振動検出部１の出力に対応する振動加速度波形とに基
づいて、エアーシリンダ２８の異常振動を判別する判別
部としての推論部としての機能を備えている。

【００６０】この実施例では、設備を設置したときやメ
ンテナンスが完了したときに、図２０のフローチャート
に示されるように、エアーシリンダ２８の正常動作時に
おける振動加速度波形を予め学習する。

【００６１】すなわち、外部スイッチによって波形学習
モードとなり（ステップ１）、下死点から上死点へ動作
を開始（行き）し（ステップ２）、そのときの加速度波
形データを採取し（ステップ３）、さらに、上死点から
下死点へ動作を開始し（戻り）（ステップ４）、そのと
きの加速度波形データを採取し（ステップ５）、４サイ
クル終了したか否かを判断し（ステップ６）、４サイク
ル終了したときには、学習データを記憶して（ステップ
７）終了する。

【００６２】この学習モードでは、波形データから次の
基本データを採取する。

【００６３】行きのサイクルタイムＴＳＦ戻りのサイクルタイムＴＳＲ行きの第１ピーク加速度ＦＧＦ行きの第２ピーク加速度ＳＧＦ戻りの第１ピーク加速度ＦＧＲ戻りの第２ピーク加速度ＳＧＲ設定（しきい値）加速度以上の加速度が発生した回数
ＧＰＬＳ次に、学習が終了した後の通常動作時の処理を図２１の
フローチャートに基づいて説明する。

【００６４】先ず、加速度波形データを採取し（ステッ
プ１）、さらに、行きおよび戻りサイクルタイムを採取
し（ステップ２）、後述のように特徴量を抽出してファ
ジィ推論することにより、動作状態を解析し（ステップ
３）、正常であるか否かを判断し（ステップ４）、異常
な振動であるときには、警報を出力する（ステップ
５）。

【００６５】この通常動作時においては、初期学習と同
様のデータを採取し、次のデータを特徴量とする。

【００６６】初期のＧＰＬＳ−現在のＧＰＬＳ＝ＧＰ
ＬＳＳ初期のＴＳＦ−現在のＴＳＦ＝ＴＳＦＳ初期のＴＳＲ−現在のＴＳＲ＝ＴＳＲＳ初期のＦＧＦ−現在のＦＧＦ＝ＦＧＦＳ初期のＦＧＲ−現在のＦＧＲ＝ＦＧＲＳこれらの５種類の特徴量を入力としてファジィ推論して
異常な振動であるか否かを判別する。

【００６７】このファジィ推論は、図２２および図２３
に示されるメンバーシップ関数および下記の表５のファ
ジィルールによって行う。

【００６８】すなわち、図２２（Ａ）は特徴量１（ＧＰ
ＬＳＳ）のメンバーシップ関数を示し、「ＳＭＬ」、
「ＭＳＬ」、「ＭＤＬ」、「ＭＢＧ」、「ＢＩＧ」の５
個のラベルを有しており、図２２（Ｂ）は特徴量２（Ｔ
ＳＦＳ）のメンバーシップ関数を示し、「ＳＭＬ」、
「ＭＳＬ」、「ＭＤＬ」、「ＭＢＧ」、「ＢＩＧ」の５
個のラベルを有しており、図２２（Ｃ）は特徴量３（Ｔ
ＳＲＳ）のメンバーシップ関数を示し、「ＳＭＬ」、
「ＭＳＬ」、「ＭＤＬ」、「ＭＢＧ」、「ＢＩＧ」の５
個のラベルを有しており、図２２（Ｄ）は特徴量４（Ｆ
ＧＦＳ）のメンバーシップ関数を示し、「ＳＭＬ」、
「ＭＳＬ」、「ＭＤＬ」、「ＭＢＧ」、「ＢＩＧ」の５
個のラベルを有しており、図２２（Ｅ）は特徴量５（Ｆ
ＧＲＳ）のメンバーシップ関数を示し、「ＳＭＬ」、
「ＭＳＬ」、「ＭＤＬ」、「ＭＢＧ」、「ＢＩＧ」の５
個のラベルを有している。

【００６９】図２３は後件部である判定出力のメンバー
シップ関数値を示しており、「ＮＢ（良好）」、「ＮＭ
（良）」、「ＺＲ（正常）」、「やや停止確率大（メン
テナンス準備要）」、「停止確率大（メンテナンス
要）」の５個のラベルを有している。

【００７０】また、ファジィルールは、次の表５の通り
である。

【００７１】

【表５】

【００７２】このように、正常動作時の加速度波形から
得られたデータと動作時の加速度波形から得られたデー
タとから特徴量を抽出し、ファジィ推論して異常振動を
判別するので、エアーシリンダ２８が異常停止する以前
に、異常を検出することができる、すなわち、故障の予
知ができることになる。なお、図２４（Ａ）に１／２サ
イクルにおける正常動作時の加速度波形、図２４（Ｂ）
に異常振動時の加速度波形の例を示している。

【００７３】上述の実施例では、エアーシリンダの異常
振動を判別したけれども、本発明は、他のアクチュエー
タやその他の機械の異常振動の判別にも適用できるのは
勿論である。

【００７４】

【発明の効果】以上のように本発明によれば、振動加速
度波形から予め設定された検出レベルに基づいて複数の
特徴量を抽出して地震を判別するので、正確な判別が行
えることになる。

【００７５】また、機械の正常動作時の振動加速度波形
を予め学習しておき、この学習した振動加速度波形と振
動検出部で検出される振動加速度波形とに基づいて、機
械の異常振動を判別するので、機械が完全に故障する以
前にそれを検知することが可能となる。

【図面の簡単な説明】

【図１】本発明が適用された実施例の全体構成を示すブ
ロック図である。

【図２】容量センサの分解斜視図である。

【図３】容量センサの断面図である。

【図４】振動のよる周波数の変化を示す波形図である。

【図５】振動加速度の波形図である。

【図６】移動平均処理の構成図である。

【図７】移動平均処理を説明するための加速度波形図で
ある。

【図８】図１の実施例の機能ブロック図である。

【図９】特徴量の抽出を説明するための加速度波形図で
ある。

【図１０】前件部のメンバーシップ関数を示す図であ
る。

【図１１】後件部のメンバーシップ関数を示す図であ
る。

【図１２】動作説明に供するフローチャートである。

【図１３】ゲインとエネルギーレベルとの関係を示す図
である。

【図１４】動作説明に供するフローチャートである。

【図１５】ドリフト補正を説明するための図である。

【図１６】本発明の他の実施例のブロック図である。

【図１７】図１６の実施例が適用されたエアーシリンダ
の斜視図である。

【図１８】２次フィルタの説明図である。

【図１９】図１６の実施例の機能ブロック図である。

【図２０】動作説明に供するフローチャートである。

【図２１】動作説明に供するフローチャートである。

【図２２】前件部のメンバーシップ関数を示す図であ
る。

【図２３】後件部のメンバーシップ関数を示す図であ
る。

【図２４】正常時および異常時の加速度波形を示す図で
ある。

【符号の説明】

1 振動検出部２，２９マイクロコンピュータ２２，３１推論部２５．３０学習部

Claims

【特許請求の範囲】

【請求項１】振動を検出する振動検出部と、該振動検出部の出力に対応する振動加速度波形から予め
設定された検出レベルに基づいて複数の特徴量を抽出
し、これら特徴量に基づいて、地震を判別する判別部
と、を備えることを特徴とする振動判別装置。
【請求項２】機械の異常振動を判別する振動判別装置で
あって、前記機械の振動を検出する振動検出部と、前記機械の正常動作時における前記振動検出部の出力に
対応する振動加速度波形を予め学習する学習部と、予め学習した振動加速度波形と前記振動検出部の出力に
対応する振動加速度波形とに基づいて、前記機械の異常
振動を判別する判別部と、を備えることを特徴とする振動判別装置。