專利名稱：檢查儀及其輔助設(shè)備、異常檢測設(shè)備和耐久性測試方法
技術(shù)領(lǐng)域：
本發(fā)明涉及檢查儀、為檢查儀創(chuàng)建判斷模型的輔助設(shè)備、用于耐久性測試儀的異常檢測設(shè)備和耐久性測試的方法。更具體地說，本發(fā)明涉及從輸入波形信號中提取特征量并根據(jù)提取的特征量判斷狀況的技術(shù)。
背景技術(shù)：
當(dāng)前，存在根據(jù)被檢查的目標(biāo)對象生成的聲音等，確定這個目標(biāo)對象處在正常狀況下還是處在異常狀況下的產(chǎn)品檢查和儀器診斷的技術(shù)。儀器診斷是根據(jù)制造設(shè)備或生產(chǎn)設(shè)備本身生成的振動或聲音，確定制造設(shè)備或生產(chǎn)設(shè)備正在正常運(yùn)行還是到了需要維修或調(diào)整的時候的技術(shù)。要診斷的目標(biāo)對象的例子可以包括NC制造設(shè)備、半導(dǎo)體加工設(shè)備和食品加工設(shè)備。產(chǎn)品檢查是根據(jù)產(chǎn)品生成的振動或聲音，檢查目標(biāo)產(chǎn)品是正常產(chǎn)品還是有缺陷產(chǎn)品。它們的共同之處在于，根據(jù)振動或聲音進(jìn)行檢查。
讓我們將產(chǎn)品檢查當(dāng)作一個例子來說。在生產(chǎn)設(shè)備或生產(chǎn)系統(tǒng)生成的產(chǎn)品當(dāng)中，有一些產(chǎn)品內(nèi)含聲源或振動源。還有一些產(chǎn)品在工作時產(chǎn)生聲音或振動。諸如電冰箱、空調(diào)和洗衣機(jī)之類的家用電子產(chǎn)品包含諸如電機(jī)之類的部件，并且當(dāng)被啟動時，由于電機(jī)的轉(zhuǎn)動，產(chǎn)生振動。在汽車的情況中，存在引擎、動力轉(zhuǎn)向裝置和傳動裝置之類的許多聲源和振動源。
這些聲音和振動的一些作為產(chǎn)品正常工作的一部分必然會出現(xiàn)，而它們的另一些只有當(dāng)存在異常時才會出現(xiàn)。與異常狀況相聯(lián)系的異常聲音和振動可能由電機(jī)內(nèi)的異常接觸、旋轉(zhuǎn)機(jī)械的軸承的異常、旋轉(zhuǎn)機(jī)械內(nèi)的異常接觸、旋轉(zhuǎn)機(jī)械的不平移狀況或外來物的存在引起的。更詳細(xì)地說，存在像電機(jī)的固定部分和運(yùn)動部分瞬時相互接觸時那樣，只會瞬時出現(xiàn)的那種類型的異常聲音。在旋轉(zhuǎn)機(jī)械的情況中，還存在周期性，比方說，旋轉(zhuǎn)齒輪每轉(zhuǎn)動一次出現(xiàn)的那種類型的異常噪聲。這種類型的噪聲的例子包括剝蝕齒輪、齒輪箱中的外來物和軸承中的玷污損傷引起的那些。
給人以不愉快感覺的噪聲的例子包括混合在均勻工作噪聲中、只瞬時一次性發(fā)出的尖叫聲。如果預(yù)計正常產(chǎn)品的工作發(fā)出均勻噪聲，那么，可以將引起尖叫聲的產(chǎn)品當(dāng)作有缺陷產(chǎn)品。
在陶瓷產(chǎn)品或由樹脂零件組成的產(chǎn)品的情況中，它們可能不包括可以起聲源或振動源作用的任何部件，但存在可能檢查這樣的產(chǎn)品是否存在裂縫的情況。這可以通過用榔頭之類的工具打擊產(chǎn)品使其發(fā)出聲音來進(jìn)行。沒有裂縫的產(chǎn)品產(chǎn)生高音，而如果存在裂縫，生成的聲音是沉悶的。由于生成產(chǎn)品的這種差異，這種檢查是可能的。
在本文中，“聲音”將自始至終包括振動和“振動”將自始至終包括聲音。換句話說，為了方便起見，表述“聲音”和“振動”有時可交換使用。
與異常相聯(lián)系的聲音不僅使聽者感到不愉快，而且它們本身有可能進(jìn)一步引起異常。因此，在生產(chǎn)過程中應(yīng)該通過檢查將生成這樣聲音的產(chǎn)品與正常產(chǎn)品分開。因此，依賴于處在生產(chǎn)地點(diǎn)的檢查人員的五官對生產(chǎn)設(shè)備或生產(chǎn)系統(tǒng)生產(chǎn)的每個產(chǎn)品進(jìn)行所謂的感官測試是切實(shí)可行的。更詳細(xì)地說，通過聽和摸感覺振動的測試已經(jīng)實(shí)現(xiàn)了。感官測試定義在JIS(日本工業(yè)標(biāo)準(zhǔn))的Z8144中。
不但由于需要熟練的檢查人員，而且由于測試結(jié)果包括巨大的人為差異，依賴于檢查人員五官的感官測試是不利的。此外，難以將測試結(jié)果轉(zhuǎn)化成數(shù)字?jǐn)?shù)據(jù)，因此，難以管理它們。針對這個問題，人們已經(jīng)開發(fā)出按照清晰的定量標(biāo)準(zhǔn)進(jìn)行檢查的噪聲檢查設(shè)備。這些噪聲檢查設(shè)備使感官測試的步驟自動化，適用于通過傳感器測量產(chǎn)品驅(qū)動部分的振動或聲音，并分析和檢查傳感器接收的模擬信號。
日本專利公布Tokkai 3484665公開了這種適用于根據(jù)從目標(biāo)對象中獲得的振動波形自動判斷正常和異常產(chǎn)品的設(shè)備。這種設(shè)備的特征在于，利用從沿著時間軸的波形中獲得的特征量和從頻率波形中獲得的特征量提供概括性判斷。
另一方面，日本專利公布Tokkai 3103193描述了首先只根據(jù)從正常產(chǎn)品中獲得的正常數(shù)據(jù)形成正常產(chǎn)品的正常范圍和如果發(fā)現(xiàn)從中獲得的檢查值在這個范圍內(nèi)判斷產(chǎn)品是正常產(chǎn)品的另一種技術(shù)。多個輸入數(shù)據(jù)用于通過多維矢量設(shè)置正常范圍。
當(dāng)正在開發(fā)諸如引擎、傳動裝置和輪胎之類的產(chǎn)品時，在試驗(yàn)階段經(jīng)常進(jìn)行耐久性測試，以查明是否存在不耐用部件(在測試期間斷裂)。在這種耐久性測試中，需要諸如轉(zhuǎn)速表、溫度傳感器和振動表之類的傳感器實(shí)時記錄測試工件(譬如，測試引擎、測試傳動裝置和測試輪胎)的狀況。如果當(dāng)正被測試的目標(biāo)對象的一個部分首先斷裂時，這樣的測試沒有馬上停止，這種最初損壞(初級損壞)可能不久之后在別的地方引起次級損壞，以及在其它地方引起三級損壞和其它更高級損壞。如果只在已經(jīng)發(fā)生了這樣的一系列損壞之后停止測試和作出分析測試工件的嘗試，那么，非常難以識別代表最不耐用部分的初級損壞。即使這樣的識別是可能的，也需要花費(fèi)大量的時間和勞力。
首先斷裂的最不耐用部件未必總是突然斷裂。情況往往是出現(xiàn)一些事件作為初級損壞的先兆。例如，在出現(xiàn)斷裂之前，通常存在由于磨損或變形引起的微小異常。隨著耐久性測試?yán)^續(xù)下去，這樣的異常不斷增大，直到部件不能承受這種異常，發(fā)生斷裂，導(dǎo)致初級損壞。在這樣的情況中，測試工件的組成零件的運(yùn)動發(fā)生變化，因此，它的振動也發(fā)生變化。測試工件的驅(qū)動負(fù)載、溫度和畸變將開始變化，這些變化引起測試工件產(chǎn)生的噪聲的變化。換句話說，這些復(fù)合數(shù)據(jù)導(dǎo)致傳播的聲音。
來自經(jīng)受耐久性測試的對象的聲音的音調(diào)在初級損壞前后是不同的。如果有工件檢查經(jīng)驗(yàn)的檢查人員在工件測試期間站在測試工件旁邊傾聽聲音，通過檢測聲音音調(diào)的變化可以檢測初級損壞的發(fā)生。換句話說，由于檢查人員不是將注意力集中在特定類型的數(shù)據(jù)在(譬如，只集中在特定頻率上、只集中在特定振動頻率上、或只集中在特定控制的溫度上)，而是根據(jù)諸如聲音音調(diào)之類的整個頻率范圍的圖譜作出判斷的，這就是為什么會注意到正常狀況和異常狀況之間的差異的原因。因此，如果像用在現(xiàn)有耐久性測試中的檢查系統(tǒng)那樣，只根據(jù)特定類型的數(shù)據(jù)作出判斷，不能在出現(xiàn)初級損壞的時刻或在預(yù)知初級損壞的先兆階段檢測到異常。
因此，盡管事實(shí)上依賴于檢查人員的聽覺在初級損壞階段或在預(yù)知初級損壞的先兆階段可以檢測到異常，但由于許多耐久性測試需要持續(xù)24個小時到一個星期和人的敏感度不是一成不變的，這不是切實(shí)可行的問題解決方案。檢查人員可能在某個時候在初級損壞階段檢測到異常，但也有可能在其它時候在到達(dá)次級或三級損壞之前無法注意到它。
在像描述在上述日本專利公布中那樣，適用于根據(jù)聲音或振動的波形信號判斷正常和異常狀況的檢查估儀器的情況中，在驅(qū)動測試工件的同時取出從5秒到30秒的特定時間長度的數(shù)據(jù)波形，并且對這個獲得的波形作出判斷。換句話說，判斷是基于特定時間長度內(nèi)通過工件獲得的特定秒數(shù)的整個數(shù)據(jù)波形的。
在耐久性測試的情況中，連續(xù)地輸入持續(xù)多于24個小時的波形數(shù)據(jù)，并且對這樣的長數(shù)據(jù)作出實(shí)時判斷。因此，上述類型的傳統(tǒng)檢查儀不能直接用于耐久性測試。
更進(jìn)一步，對于耐久性測試中的應(yīng)用，由于出現(xiàn)損壞與停止測試之間的允許時間長度非常短，并且要求從0.1秒到1秒的非常短間隔的波形數(shù)據(jù)中獲得精確判斷，不能容易地直接使用根據(jù)幾秒的波形數(shù)據(jù)確定正常和異常狀況的現(xiàn)有算法。

發(fā)明內(nèi)容
因此，本發(fā)明的目的是提供即使從時間間隔短的波形數(shù)據(jù)中也能夠作出正常和異常判斷，并且即使在在相對長的時間間隔內(nèi)從連續(xù)驅(qū)動的測試工件中獲取波形數(shù)據(jù)的同時，也能夠在短時間內(nèi)檢測異常的檢查儀、為檢查儀創(chuàng)建判斷模型的輔助設(shè)備、用于耐久性測試儀的異常檢測設(shè)備以及耐久性測試的方法。
按照本發(fā)明的輔助設(shè)備用于為從輸入波形信號中提取特征量的檢查儀創(chuàng)建判斷模型，其特征在于包括分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過將獲取的波形數(shù)據(jù)劃分成以N秒為單位時間的部分創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；以及模型創(chuàng)建裝置，用于根據(jù)獲取的特征量為單位時間創(chuàng)建判斷所述目標(biāo)對象的狀況的判斷模型。借助于如此構(gòu)成的輔助設(shè)備，即使由于使用了不同分開式波形數(shù)據(jù)，單位時間很短，也可能創(chuàng)建精確的判斷模型。
分開式波形數(shù)據(jù)創(chuàng)建裝置可以具有從特定位置開始規(guī)則地將波形數(shù)據(jù)劃分成單位時間的部分的功能。它也可能配有隨機(jī)地確定這個特定位置的功能。在每一種情況中，可以收集到許多分開式波形數(shù)據(jù)，因此，由于人們在實(shí)際情況中不能預(yù)測在什么時候和在什么地方應(yīng)該出現(xiàn)異常，特別適合創(chuàng)建精確的模型。
根據(jù)本發(fā)明另一個實(shí)施例的輔助設(shè)備的特征在于包括分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過依次地和規(guī)則地將獲取的波形數(shù)據(jù)劃分成單位時間的部分創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；以及模型創(chuàng)建裝置，用于根據(jù)獲取的特征量，為所述分開式波形數(shù)據(jù)創(chuàng)建裝置劃分所述模式而成的每個區(qū)域創(chuàng)建判斷模型。當(dāng)被檢查目標(biāo)對象的運(yùn)行模樣周期性重復(fù)時，這樣的輔助設(shè)備是方便的。
在上文中，計算裝置可以配有將分開式波形數(shù)據(jù)進(jìn)一步劃分成特定尺寸的幀，根據(jù)分幀提取特征量，并且隨機(jī)確定這個特定尺寸的進(jìn)行幀劃分處理的功能。這樣，可以收集到許多個幀，因此，可以創(chuàng)建精確的判斷模型。
本發(fā)明的檢查儀的特征在于包括判斷裝置，用于根據(jù)本發(fā)明的輔助設(shè)備創(chuàng)建的判斷模型對獲得的被檢查目標(biāo)對象進(jìn)行狀態(tài)判斷。
本發(fā)明的耐久性測試儀是用于進(jìn)行耐久性測試以測試目標(biāo)對象的耐久性的異常檢測器，其特征在于具有在儀器穩(wěn)定運(yùn)行的同時，在開始測試之后馬上收集傳感數(shù)據(jù)波形數(shù)據(jù)，并且假設(shè)這樣的數(shù)據(jù)是正常數(shù)據(jù)來創(chuàng)建判斷模型的判斷模型創(chuàng)建功能，并且包括利用創(chuàng)建的判斷模型和根據(jù)在耐久性測試期間獲得的波形數(shù)據(jù)判斷目標(biāo)對象正常還是異常的判斷裝置。在上文中，判斷模型創(chuàng)建功能可以通過本發(fā)明的輔助設(shè)備實(shí)現(xiàn)。
本發(fā)明的耐久性測試方法的特征在于包括如下步驟在特定時間長度內(nèi)引起轉(zhuǎn)動和將同時獲得的波形數(shù)據(jù)提供給本發(fā)明的輔助設(shè)備，將提供的波形數(shù)據(jù)用作正常數(shù)據(jù)使輔助設(shè)備創(chuàng)建判斷模型，此后進(jìn)行耐久性測試，以便利用創(chuàng)建的判斷模型，根據(jù)在耐久性測試期間獲得的波形數(shù)據(jù)判斷是否存在異常，并且如果檢測到異常，輸出警告信號。


圖1是按照本發(fā)明的耐久性測試系統(tǒng)的示意性方塊圖；圖2是按照本發(fā)明進(jìn)行的耐久性測試的整個流程；圖3A和3B統(tǒng)稱為圖3，是說明判斷算法的創(chuàng)建和基于它的判斷過程的概念圖；圖4是檢查儀的功能方塊圖；
圖5和6是示出波形劃分裝置的功能的圖形；圖7示出了偽NG創(chuàng)建裝置的內(nèi)部結(jié)構(gòu)；圖8示出了特征量-歷史數(shù)據(jù)庫中的數(shù)據(jù)結(jié)構(gòu)的例子；圖9、10和11是說明數(shù)值化過程的圖形；圖12是示出在測試工件正受到驅(qū)動的時候來自測試工件的聲音的頻譜的例子的圖形；圖13示出了波形數(shù)據(jù)數(shù)值化裝置的例子的內(nèi)部結(jié)構(gòu)；圖14是波形數(shù)據(jù)數(shù)值化裝置的一部分功能的流程圖；圖15、16、17和18示出了判斷模型創(chuàng)建裝置的不同內(nèi)部結(jié)構(gòu)；圖19和20示出了閾值設(shè)置裝置的不同內(nèi)部結(jié)構(gòu)；圖21是運(yùn)行期間本發(fā)明的檢查儀的方塊圖；圖22A、22B、22C、22D和22E統(tǒng)稱為圖22，示出了本發(fā)明的檢查儀的功能；圖23A、23B和23C統(tǒng)稱為圖23，示出了另一個例子中本發(fā)明的檢查儀的功能；圖24和25是說明根據(jù)不同運(yùn)行模樣(profile)創(chuàng)建判斷模型的功能的圖形；圖26和27是說明基于不同運(yùn)行模樣的另一個實(shí)施例的圖形；以及圖28和29示出了常態(tài)下變化的顯示例子。
具體實(shí)施例方式
圖1示出了按照本發(fā)明優(yōu)選實(shí)施例的耐久性測試系統(tǒng)的示意性結(jié)構(gòu)。諸如電動回轉(zhuǎn)裝置之類的驅(qū)動設(shè)備2與用作要測試的對象的引擎1的轉(zhuǎn)軸連接，以便可以迫使引擎1旋轉(zhuǎn)。驅(qū)動設(shè)備2配有伺服電機(jī)和控制這個伺服電機(jī)的旋轉(zhuǎn)的伺服驅(qū)動器，而伺服電機(jī)適合按照從PLC 3接收的控制命令以特定轉(zhuǎn)速旋轉(zhuǎn)。由于這是一個伺服電機(jī)，它可以以恒定速率旋轉(zhuǎn)，它的轉(zhuǎn)速可以精確地升高或降低。因此，可以使引擎1在相對長的時間間隔(從一天到一個星期或甚至更長)內(nèi)以所希望的速率連續(xù)旋轉(zhuǎn)。
麥克風(fēng)4作為檢測來自引擎1的聲音的傳感器，位于引擎1附近，而檢測引擎1的振動的振動傳感器5被放置得與引擎1的特定部分接觸。按照如圖1所示的例子，使用兩個麥克風(fēng)，一個在引擎1的上面，另一個在引擎1的下面，但是，使用的麥克風(fēng)的數(shù)量和放置的位置是任意的，對振動傳感器也是如此。本發(fā)明對像為引擎放置的麥克風(fēng)和振動傳感器那樣的不同類型的傳感器沒有什么要求。重要的是獲取可以從中檢測異常的波形數(shù)據(jù)。
從麥克風(fēng)4和振動傳感器5輸出的模擬波形數(shù)據(jù)通過AD轉(zhuǎn)換器6轉(zhuǎn)換成數(shù)字?jǐn)?shù)據(jù)之后，發(fā)送到檢查儀10。檢查儀10進(jìn)一步適用于接收來自PLC 3的工作定時信號，并且通過AD轉(zhuǎn)換器6從驅(qū)動設(shè)備2接收來自放置在驅(qū)動設(shè)備2上的監(jiān)視傳感器(譬如，編碼器和轉(zhuǎn)矩計)的波形數(shù)據(jù)。
檢查儀10配有數(shù)據(jù)庫7，該數(shù)據(jù)庫7用于存儲諸如檢測異常的判斷模型和判斷規(guī)則之類的數(shù)據(jù)，并用于按照從這個數(shù)據(jù)庫7中接收到的判斷模型等，判斷在從AD轉(zhuǎn)換器6接收的波形數(shù)據(jù)中是否存在異常，如果檢測到存在異常，則發(fā)送有關(guān)出現(xiàn)異常的報告。如果接收到這種有關(guān)異常的報告，則PLC 3將立刻停止命令發(fā)送到驅(qū)動設(shè)備2，以便立刻停止能夠相對迅速停止的驅(qū)動設(shè)備2的伺服電機(jī)的旋轉(zhuǎn)，從而也停止正被測試的引擎1的旋轉(zhuǎn)。
如下所述，甚至可以根據(jù)大約只有一秒的波形數(shù)據(jù)，也就是說，幾乎與異常的出現(xiàn)同時地作出異常的檢測。在上文中，要測檢的異常的例子不僅包括引擎1的部件的初級損壞的出現(xiàn)，而且包括如果以相同的方式繼續(xù)驅(qū)動將導(dǎo)致初級損壞的狀況。由于可以如此根據(jù)只有一秒的波形數(shù)據(jù)迅速地和準(zhǔn)確地作出異常的判斷，所以也可以從檢測到異常的那一時刻起使引擎迅速(略超過一秒)地停止，因?yàn)闄z測結(jié)果被傳送到PLC 3。
圖2是示出按照本發(fā)明進(jìn)行的耐久性測試的整個流程的圖形。首先通過將傳感器附在工具上開始測試(步驟S1)按照圖1的例子，引擎1是要測試的工件，并且在將引擎1放置在諸如電動回轉(zhuǎn)裝置之類的驅(qū)動設(shè)備2上之后，將傳感器4和5放置在引擎1的特定位置上。附著方法依賴于傳感器的類型。一些傳感器可以直接附在引擎1上。一些傳感器可以放置成遠(yuǎn)離特定距離。放置這些傳感器的方法與用在檢查噪聲的傳統(tǒng)方法中的放置方法相同。
在放置了傳感器之后，開始耐久性測試(步驟S2)。這是通過重復(fù)像在特定時間間隔內(nèi)以某個速率旋轉(zhuǎn)、加速、減速或重復(fù)包括加速、減速和恒速運(yùn)動的特定模式那樣的各種運(yùn)動模樣(profile)完成的。在執(zhí)行各種模樣的同時，從各種放置傳感器(安裝到驅(qū)動設(shè)備上的麥克風(fēng)、振動傳感器和/或監(jiān)視傳感器)獲得的傳感數(shù)據(jù)(波形數(shù)據(jù))由AD轉(zhuǎn)換器6轉(zhuǎn)換成數(shù)字?jǐn)?shù)據(jù)，然后輸入到檢查儀10。檢查儀10這樣接收到的波形數(shù)據(jù)可以存儲在數(shù)據(jù)庫7中或檢查儀10內(nèi)的主存儲裝置中?；旧希捎跍y試的引擎1是正常產(chǎn)品，因此可以將開始耐久性測試之后馬上獲得的波形數(shù)據(jù)當(dāng)作預(yù)計來自正常產(chǎn)品的正常波形數(shù)據(jù)。
在從開始耐久性測試算起經(jīng)過一定時間之后，停止耐久性測試(步驟S3)，并將到此為止獲得的傳感數(shù)據(jù)作為正常數(shù)據(jù)發(fā)送到安裝在檢查儀10內(nèi)的判斷算法創(chuàng)建裝置(或判斷模型創(chuàng)建輔助設(shè)備)(步驟S4)。判斷算法創(chuàng)建裝置一旦接收到正常波形數(shù)據(jù)，就將它們轉(zhuǎn)換成數(shù)值數(shù)據(jù)(或“數(shù)值化”)，以便創(chuàng)建定義正常區(qū)域的標(biāo)準(zhǔn)空間和判斷模型，并且在判斷算法中記錄(步驟S5)。這個判斷算法是安裝在檢查儀10中的應(yīng)用程序之一，用于實(shí)現(xiàn)在耐久性測試時進(jìn)行狀況判斷(或是否出現(xiàn)異常的判斷)的異常檢測裝置(功能)。實(shí)際上，這個“記錄”可能影響到數(shù)據(jù)庫7。
在需要預(yù)熱操作的工件(譬如，引擎)的情況中，在結(jié)束預(yù)熱操作之后，像初始正常狀況下那樣獲取傳感數(shù)據(jù)若干次，并且根據(jù)這些創(chuàng)建判斷算法(判斷模型)。
嚴(yán)格地說，正常產(chǎn)品的波形數(shù)據(jù)不僅因引擎而異，而且依賴于驅(qū)動設(shè)備2和引擎1的組合、它們之間的連接方式和環(huán)境狀況。因此，每當(dāng)按照本發(fā)明對引擎進(jìn)行耐久性測試時，在進(jìn)行長時間的連續(xù)操作之前在特定時間間隔內(nèi)進(jìn)行操作，并借助于對創(chuàng)建標(biāo)準(zhǔn)空間和判斷模型加以考慮的環(huán)境狀況獲取正常波形數(shù)據(jù)。
在完成步驟S4和步驟S5并創(chuàng)建了監(jiān)視算法之后，設(shè)置根據(jù)判斷模型判斷異常的閾值(或定義和檢測與標(biāo)準(zhǔn)空間分開的區(qū)域的值)(步驟S6)。將這個閾值記錄在檢查儀10中的判斷算法(或執(zhí)行這種算法的功能)中。
現(xiàn)在，開始實(shí)際耐久性測試，或者，按照所要求模樣使引擎長時間連續(xù)運(yùn)行，重新開始在步驟S2中停止的耐久性測試(步驟S7)。在這個時間內(nèi)，將從各種傳感器中獲得的各種傳感數(shù)據(jù)(波形數(shù)據(jù))提供給檢查儀10中的判斷算法，以進(jìn)行實(shí)時狀況判斷(步驟S8)。如果超過閾值，將立刻停止命令輸出到測試儀(驅(qū)動設(shè)備2)(步驟S9)。
總而言之，檢查儀10能夠根據(jù)與每個時間單位相對應(yīng)的波形數(shù)據(jù)判斷異常的存在與否，并且如果超過閾值，則向PLC 3報告有關(guān)異常的檢測，作為判斷結(jié)果，比方說，通過使判斷結(jié)果位從“0”變成到“1”。一旦接收到這個報告，PLC 3就將立刻停止命令輸出到驅(qū)動設(shè)備2。其結(jié)果是，立刻停止驅(qū)動設(shè)備2中的伺服電機(jī)，并且，在可能出現(xiàn)次級損壞之前，還可以馬上停止相應(yīng)耐久性測試。因此，如果已經(jīng)發(fā)生初級損壞，則可以容易地識別已經(jīng)損壞的部件。如果在發(fā)生初級損壞之前停止運(yùn)行，則可以相應(yīng)容易地識別不久有可能損壞的不耐用部件。因此，可以顯著縮短耐久性測試和它的分析所需的時間。
圖3A是示出在現(xiàn)有聯(lián)機(jī)噪聲檢查儀的情況中判斷模型的概念的圖形。在聯(lián)機(jī)檢查儀的情況中，根據(jù)在某個時間間隔(譬如，按照本例，6秒)上的正常聲音音調(diào)創(chuàng)建判斷模型，并且根據(jù)這個判斷模型作出判斷。如果直接使用這種用于聯(lián)機(jī)檢查儀的現(xiàn)有判斷算法，由于判斷模型是根據(jù)6秒鐘的波形數(shù)據(jù)創(chuàng)建的，可以查明在這個6秒間隔內(nèi)的某個時間出現(xiàn)的異常，但檢查儀不能與異常的出現(xiàn)同時停止。這是因?yàn)橹黄谕F(xiàn)有檢查儀判斷被檢查目標(biāo)對象是正常的還是異常的，不要求它判斷在一系列波形數(shù)據(jù)的什么部位出現(xiàn)異常(或立刻停止檢查儀)。
按照本發(fā)明，在已經(jīng)獲得正常狀況的波形數(shù)據(jù)之后，不是根據(jù)整個獲得波形數(shù)據(jù)創(chuàng)建判斷模型，而是如圖3B所示，將波形數(shù)據(jù)劃分成若干時段(在本例中，每段為1秒)。利用那時正常狀況的聲音音調(diào)為每個時段創(chuàng)建判斷模型，并且執(zhí)行基于這些判斷模型的判斷算法。因此，異常的存在與否可以在1秒的每個間隔內(nèi)作出判斷，無需等待6秒鐘才知道判斷結(jié)果，但輸出停止命令要花費(fèi)一些時間。
盡管圖3B示出了將6秒的波形數(shù)據(jù)劃分成每一個與一秒相對應(yīng)的部分，為6個時段分別創(chuàng)建模型1-6的例子，但是，如果耐久性測試是為了調(diào)查恒速轉(zhuǎn)動在較長時間間隔上的狀態(tài)變化，同時外部條件沒有顯著變化，那么，例如，可以從像上面那樣獲得的模型1-6中創(chuàng)建一秒間隔的判斷模型。在按照特定模式(也可以包括恒速運(yùn)動)重復(fù)加速和減速的耐久性測試的情況中，可以按照這種內(nèi)含速度的不同外部條件創(chuàng)建模型，以便可以根據(jù)這些模型作出判斷。重要的是，不是根據(jù)已經(jīng)獲得的整個波形數(shù)據(jù)創(chuàng)建判斷模型，而是通過將波形數(shù)據(jù)的時間劃分成分段來創(chuàng)建判斷模型。單位時間不需要是固定的，也可以改變成，比方說，0.5秒或超過1秒。這種時間長度可以按照從發(fā)生異常(或檢測時間)到應(yīng)該使設(shè)備停止所需(允許)的時間長度確定。
下面參照圖4描述檢查儀10的內(nèi)部結(jié)構(gòu)，圖4是它創(chuàng)建判斷算法的功能方塊圖。檢查儀10適合從像提供給引擎或它的驅(qū)動設(shè)備的麥克風(fēng)和振動傳感器那樣的各種測量設(shè)備接收波形數(shù)據(jù)。可以從多個位置中獲得數(shù)種類型的波形數(shù)據(jù)，因此，檢查儀10可能適合管理數(shù)種類型的波形數(shù)據(jù)。
將圖2的步驟S2和S3獲得的波形數(shù)據(jù)提供給數(shù)據(jù)劃分裝置11、偽NG創(chuàng)建裝置12和波形記錄顯示裝置13。數(shù)據(jù)劃分裝置11用于將接收的波形數(shù)據(jù)劃分成多個部分，并且為每個分開式波形數(shù)據(jù)部分獲取特征量和創(chuàng)建最終判斷模型。
圖5示出了波形劃分裝置11如何將獲取的連續(xù)波形數(shù)據(jù)劃分成可以確定為用戶要求的時間間隔(像從發(fā)生異常時刻到必須使目標(biāo)設(shè)備停止的時刻的必要時間那樣)的N秒的單元(在所示的例子中，N＝1)的例子。圖5示出了與從恒定力矩恒速度旋轉(zhuǎn)的連續(xù)測試中獲得的6秒鐘波形數(shù)據(jù)的相對應(yīng)的部分。
如果使用如上所述從分開式波形數(shù)據(jù)中創(chuàng)建的判斷模型，可以在其發(fā)生的一秒鐘內(nèi)檢測到異常，并立刻停止所需的時間變成大約一秒鐘。
如圖5中的實(shí)線所示，劃分成時段的方法之一是以N＝1秒為單位從頭開始依次和規(guī)則地劃分。通過這種方法，提取出分開式波形數(shù)據(jù)的六個部分，如下所述，為這些部分的每一個提取出特征量。由于在這六秒期間存在的所有波形數(shù)據(jù)存在于分開式波形數(shù)據(jù)部分的至少一個之中，所以在這些數(shù)據(jù)中的一些地方會受到創(chuàng)建特征量的影響。
劃分成時段的另一種方法是隨機(jī)選擇開始時間，以便這樣提取特定個波形數(shù)據(jù)部分，使提取的波形數(shù)據(jù)部分可能相互重疊或可能留下不屬于任何一個分開式波形數(shù)據(jù)部分的區(qū)域。即使可能存在這種不屬于任何一個的區(qū)域，也不會出現(xiàn)什么問題，因?yàn)橥ㄟ^第一次處理它將屬于一些分開式波形數(shù)據(jù)。例如，可能提取出從0.7秒到1.7秒、從0.75秒到1.75秒、從0.9秒到1.9秒和從0.5秒到1.5秒的分段，但每個提取波形數(shù)據(jù)部分都是一秒。
圖6示出了N＝2秒的另一個例子。在這種情況下，也可以如實(shí)線所示從頭開始或如虛線雙箭頭所示隨機(jī)地開始依次和規(guī)則地作出劃分，提取出特定個(在本例中，三個)波形數(shù)據(jù)部分。當(dāng)然，最大個數(shù)N是獲得波形數(shù)據(jù)的長度(在本例中，6秒)。
即使在異常的出現(xiàn)與立刻停止的時間之間用戶要求的時間是1秒，也有可能存在通過與一秒相對應(yīng)的分開式波形數(shù)據(jù)不可檢測，而是需要基于與更長時間間隔，譬如，2秒相對應(yīng)的分開式波形數(shù)據(jù)的特征量的各種異常。在這樣的情況下，在檢測到異常之后可能需要花費(fèi)2秒鐘來停止運(yùn)動，這比用戶要求的時間長度長。即使可能考慮到這樣的情況，也遠(yuǎn)比按照現(xiàn)有技術(shù)等待6秒鐘好，并且，可以更容易地檢測到異常來源的識別。在實(shí)際應(yīng)用中，可以隨機(jī)地設(shè)置N的值。N可以是整數(shù)，但不是必須為整數(shù)。
如果希望在檢測到異常之后停止一秒鐘，根據(jù)每一秒截取的波形數(shù)據(jù)創(chuàng)建的判斷模型基本上應(yīng)該用作主模型。但是，如果有跨過一秒傾向的數(shù)據(jù)用于判斷，最好使用從與這樣的時間長度相對應(yīng)的波形數(shù)據(jù)中創(chuàng)建的判斷模型。也不用多說，N可以自由選擇，并且，可以準(zhǔn)備多個數(shù)據(jù)庫和判斷模型。
因此，通過將N設(shè)置得比1秒長創(chuàng)建的判斷規(guī)則(判斷模型)不影響在一秒鐘內(nèi)立刻停止，但是，由于它們具有能夠包含有長時間判斷傾向的數(shù)據(jù)的優(yōu)點(diǎn)，因此最好包含從基于各種時間長度的波形數(shù)據(jù)中創(chuàng)建的判斷模型。
偽NG創(chuàng)建裝置12用于使通過執(zhí)行步驟S2和S3獲得的正常波形數(shù)據(jù)變形。將這個偽NG創(chuàng)建裝置12創(chuàng)建的偽NG數(shù)據(jù)提供給波形劃分裝置11。在上述例子的情況中，可以獲得與正常產(chǎn)品有關(guān)的樣本數(shù)據(jù)，但不能獲得與異常(“不好”)產(chǎn)品有關(guān)的樣本數(shù)據(jù)。這是因?yàn)?，假設(shè)在耐久性測試中最初獲得的數(shù)據(jù)是正常數(shù)據(jù)，并且測試的目的是檢測在長時間間隔上連續(xù)運(yùn)行引起的異常的發(fā)生。
因此，NG數(shù)據(jù)是通過獲取正常樣本數(shù)據(jù)(波形數(shù)據(jù))和根據(jù)這些獲得的正常波形數(shù)據(jù)虛擬創(chuàng)建的。如此創(chuàng)建的偽NG數(shù)據(jù)可以用于評估創(chuàng)建的判斷算法。例如，偽NG創(chuàng)建裝置12可以將偽NG數(shù)據(jù)提供給下游側(cè)的每個裝置，并且在根據(jù)它們作出判斷之后，視是否可以正確地作出為異常的判斷而定，可以估計所創(chuàng)建識別算法的精確度。換句話說，可以用于檢驗(yàn)通過判斷模型是否可以正確地檢測到相對于初始(正常)狀況發(fā)生的變化。
圖7示出了偽NG創(chuàng)建裝置12的內(nèi)部結(jié)構(gòu)，偽NG創(chuàng)建裝置12在輸入側(cè)配有波形變形參數(shù)設(shè)置裝置12a，用于設(shè)置使輸入波形數(shù)據(jù)變形的參數(shù)。
由這個波形變形參數(shù)設(shè)置裝置12a設(shè)置的參數(shù)的例子包括與如下有關(guān)的那些參數(shù)(1)波形庫的異常模式波形的合成(偏心異常波形和沖擊波波形的合成)；(2)驅(qū)動條件的特征頻率的第n階放大(旋轉(zhuǎn)和嚙合頻率的第1到第4階振幅提高到1.5倍)；(3)特定或隨機(jī)頻率的放大(頻率500-1000Hz的振幅提高到1.2倍)；(4)FM(調(diào)頻)和AM(調(diào)幅)調(diào)制；以及(5)相移(稍微移動原始波形的相位和與原始波形合成)。
在上文中，(1)的波形合成指的是合成不是從正常波形中生成的異常波形，以便與正常波形不同的波形出現(xiàn)在受合成異常波形位置影響的合成波形的重疊部分中和變成異常數(shù)據(jù)。(2)的參數(shù)出現(xiàn)在，例如，齒輪發(fā)出發(fā)生異常時出現(xiàn)在視嚙合的頻率而定的特定頻率上的聲音或振動的情況中。嚙合的頻率可以從輪齒的數(shù)量和旋轉(zhuǎn)頻率中計算出來。因此，如果每個頻率的第n階振幅提高了(通過增加正常產(chǎn)品的功率)，可以獲得與正常數(shù)據(jù)不同的異常數(shù)據(jù)。這里將省略其詳細(xì)說明，但在其它情況中可以創(chuàng)建不可正常獲得的波形數(shù)據(jù)。
在下一級將已經(jīng)設(shè)置的參數(shù)與波形數(shù)據(jù)一起提供給變形方法設(shè)置裝置12b。變形方法設(shè)置裝置12b用于按照實(shí)驗(yàn)計劃表設(shè)置使波形變形參數(shù)變形的方法，它的例子包括對于波形合成，ON和OFF兩種標(biāo)準(zhǔn)，對于特定頻率，三種頻率標(biāo)準(zhǔn)，而對于放大，三種標(biāo)準(zhǔn)(1.2倍、1.5倍和2倍)。因此，這樣與波形的變形有關(guān)的參數(shù)值得到設(shè)置。
偽NG創(chuàng)建裝置12進(jìn)一步包括波形數(shù)據(jù)選擇裝置12c，用于隨機(jī)選擇與計劃表中的實(shí)驗(yàn)次數(shù)一樣多的波形數(shù)據(jù)；以及波形變形裝置12d，用于按照變形方法設(shè)置裝置12b根據(jù)計劃表選擇的變形量改變這些所選波形。因此，最終創(chuàng)建了偽NG波形，并且將它們作為波形數(shù)據(jù)加入正常波形數(shù)據(jù)中。正常和異常的判斷也可以根據(jù)這些波形數(shù)據(jù)作出，如果由此可以作出為異常產(chǎn)品的判斷，那么，這意味著檢查儀10的檢查算法的可靠性提高了。
波形記錄顯示裝置13用于顯示從各種測量設(shè)備接收的波形數(shù)據(jù)或已經(jīng)存儲在記錄裝置中的記錄正常數(shù)據(jù)。由于檢查儀10可以包括多用途個人計算機(jī)等，波形記錄顯示裝置13可以通過這種個人計算機(jī)的顯示監(jiān)視器實(shí)現(xiàn)。在耐久性測試的情況中，接收連續(xù)波形數(shù)據(jù)和進(jìn)行實(shí)時異常判斷。因此，在普通工作狀況下，波形記錄顯示裝置13自始至終實(shí)時連續(xù)地顯示輸入的波形數(shù)據(jù)。由于如此連接接收的波形數(shù)據(jù)存儲在數(shù)據(jù)庫7中或一些其它存儲裝置中，如果發(fā)生異常和停止運(yùn)行以便進(jìn)行分析，可以讀出這樣存儲的波形數(shù)據(jù)加以顯示，以供分析之用。在上文中，“波形記錄”包括要記錄的波形和已記錄的波形兩者。
接著將數(shù)據(jù)劃分裝置11劃分的分開式波形數(shù)據(jù)提供給用于“數(shù)值化”給定分開式波形數(shù)據(jù)(或轉(zhuǎn)換成數(shù)值數(shù)據(jù))和用特征量表達(dá)它們的波形數(shù)據(jù)數(shù)值化裝置14。
波形數(shù)據(jù)數(shù)值化裝置14與數(shù)值化裝置調(diào)整裝置9和波形數(shù)據(jù)的歷史記錄裝置7(數(shù)據(jù)庫)連接。數(shù)值化裝置調(diào)整裝置9用于調(diào)整波形數(shù)據(jù)數(shù)值化裝置14提取的特征量的參數(shù)。它還具有將這種參數(shù)調(diào)整的命令提供給波形數(shù)據(jù)數(shù)值化裝置14的功能，并且用于進(jìn)行帶區(qū)劃分設(shè)置、幀劃分設(shè)置和幀變化數(shù)設(shè)置。
波形數(shù)據(jù)歷史記錄裝置7用于記錄像通過驅(qū)動設(shè)備2強(qiáng)制驅(qū)動引擎1轉(zhuǎn)動時生成的聲音那樣的波形數(shù)據(jù)。正常和異常判斷結(jié)果也可以相關(guān)聯(lián)地記錄?？梢栽佻F(xiàn)和判斷記錄的波形數(shù)據(jù)，并可以人工糾正判斷結(jié)果。
波形數(shù)據(jù)數(shù)值化裝置14用于從給定分開式波形數(shù)據(jù)中提取特定特征量。要提取的特征量的例子包括表示平均振動電平和振幅的均方根(RMS)值和許多其它類型。這樣的特征量是在創(chuàng)建諸如分開式波形數(shù)據(jù)之類的條件時為每個單位時間(N)創(chuàng)建的。盡管未示出，但也可以為諸如環(huán)境溫度、轉(zhuǎn)速和加速和減速的條件之類的每種運(yùn)行模樣創(chuàng)建它們。波形數(shù)據(jù)數(shù)值化裝置14可以將波形數(shù)據(jù)(也就是說，每個獲得的特征量)的數(shù)值化結(jié)果輸出到結(jié)果顯示裝置13″。
在恒速運(yùn)動的情況中，以N值相同的分開式波形數(shù)據(jù)為單位獲取特征量。例如，如果N＝1，通過(1)和(2)的方法為每秒提取的每個分開式波形數(shù)據(jù)獲取特征量。使判斷結(jié)果(正常或異常)和波形數(shù)據(jù)數(shù)值化裝置14獲得的特征量相關(guān)聯(lián)和將它們存儲在特征量-歷史數(shù)據(jù)庫15中。特征量和歷史像例如圖8所示存儲它們的那樣，通過記錄號相關(guān)聯(lián)。有關(guān)歷史(正常的或異常的(具有異常的類型))的列存儲從波形數(shù)據(jù)歷史記錄裝置7接收的數(shù)據(jù)(歷史類型)，并從波形數(shù)據(jù)數(shù)值化裝置14接收的特征量存儲在隨后的列中。當(dāng)創(chuàng)建模型(判斷算法)時，有關(guān)歷史的列(HIST)都是正常的(OK)。
在如圖8所示的例子中，列Fx1，F(xiàn)x2等包含與用記錄號標(biāo)識的分開式波形數(shù)據(jù)相對應(yīng)的特征量。例如，第1記錄表示與第1分開式波形數(shù)據(jù)相對應(yīng)的特征量，第2記錄表示與下一個分開式波形數(shù)據(jù)相對應(yīng)的特征量，...，而第6記錄表示與最后一個分開式波形數(shù)據(jù)相對應(yīng)的特征量。盡管在圖8中未示出，但此后記錄著與按照開始點(diǎn)隨機(jī)的方法(2)的分開式波形數(shù)據(jù)相對應(yīng)的特征量。
上述提取過程是根據(jù)沿著時間軸的分開式波形數(shù)據(jù)進(jìn)行的，但是，由于進(jìn)行FFT(快速付里葉變換)的目標(biāo)波形數(shù)據(jù)也是分開式波形數(shù)據(jù)，可以提取像通過FFT或有序變換獲得的那樣與頻率軸有關(guān)的特征量。圖9示出了對特定幀尺寸的分開式波形數(shù)據(jù)進(jìn)行的幀劃分(劃分成m個部分)的例子。隨機(jī)選擇小于N秒(在本例中，N＝1)的幀尺寸。由于數(shù)字處理，這個數(shù)字被選成2的冪次。
對每個幀進(jìn)行FFT，為所有頻帶區(qū)(從F1到Fn)獲取頻率成分，以便以如圖10所示的矩陣形式為頻帶區(qū)(從F1到Fn)和幀(從T1到Tm)獲取頻率成分。從這種矩陣中，為每個頻帶區(qū)計算沿著時間方向的平均功率值和標(biāo)準(zhǔn)偏差。如圖11所示，將如此獲得的平均值和標(biāo)準(zhǔn)偏差排列成單行，并且將其稱為特征量(1)。
接著，隨機(jī)重新定義幀尺寸，并且利用這些重新定義的幀重復(fù)如上所述的過程，以獲取特征量(2)。重復(fù)這種過程特定次數(shù)(n)，如圖11所示，通過沿著水平行排列所有特征量獲得最終特征量?？梢詫@個行施加對數(shù)轉(zhuǎn)換以定義最終特征量。
圖12是通過將所選頻帶區(qū)劃分成40個頻帶部分示出在測試工件正受到驅(qū)動的時候測試工件的聲音(音調(diào))作為頻譜的圖形。人的聽覺不同于測量傳感器，它不只感測一個特定頻率成分，而是感測作為某個圖譜的聽覺范圍內(nèi)的所有頻帶區(qū)。由于這個原因，無論哪一個頻帶區(qū)的功率發(fā)生變化，都被識別為是聲音音調(diào)發(fā)生變化。如果目的是像用于聯(lián)機(jī)檢查的現(xiàn)有檢查儀的情況那樣，檢測產(chǎn)品中的特定類型的損壞，由于可以根據(jù)這樣的特定頻率作出判斷，可以像預(yù)備過程那樣進(jìn)行提取特定頻率的濾波過程。但是，在耐久性測試的情況中，沒有辦法預(yù)測在哪個部件中可能發(fā)生了初級損壞，因此，沒有辦法預(yù)測在那個頻率范圍內(nèi)將發(fā)生聲音變化。因此，按照本發(fā)明的實(shí)施例，為了創(chuàng)建判斷模型，通過將整個頻帶區(qū)當(dāng)作檢查目標(biāo)獲取特征量，以便將整個頻帶區(qū)識別為一個圖譜。
總而言之，按照本發(fā)明，不是只考慮一個所選頻率，而是考慮整個頻帶區(qū)(從F1到Fn)，并且通過一些手段用數(shù)字表示頻譜，以便模仿人的聽覺。由于聲音就是一種振動形式，不用多說，本發(fā)明的基本原理一般可應(yīng)用于存在振動的情況。例如，振動可以通過振動傳感器(或加速傳感器)來感測，如果這種波形通過揚(yáng)聲器再現(xiàn)，人可以感測到與麥克風(fēng)所經(jīng)歷的變化相似的變化。除了加速傳感器之外，對溫度傳感器或畸變測量儀也一樣。
圖13示出了波形數(shù)據(jù)數(shù)值化裝置14的例子的內(nèi)部結(jié)構(gòu)。如圖所示，這個波形數(shù)據(jù)數(shù)值化裝置14配有存儲從波形劃分裝置11獲得的分開式波形數(shù)據(jù)的第一模板存儲器14a和對每個分開式波形數(shù)據(jù)進(jìn)行幀劃分處理的幀劃分部分14f。如上面參照圖9所述的那樣，幀劃分部分14f的功能包括隨機(jī)選擇幀尺寸，并且按照所選幀尺寸將每個分開式波形數(shù)據(jù)劃分成幀。一邊改變幀尺寸一邊重復(fù)這樣的幀劃分處理達(dá)指定次數(shù)。幀劃分部分14f創(chuàng)建的波形數(shù)據(jù)由頻率分析部分14b接收，頻率分析部分14b適用于以幀為單位對提供的波形數(shù)據(jù)進(jìn)行諸如FFT和有序變換之類，上面參照圖10所述那種類型的頻率分析處理。將如此獲得的特征量數(shù)據(jù)存儲在第二模板存儲器14c中。將從相同分開式波形數(shù)據(jù)中提取的數(shù)種類型的特征數(shù)據(jù)存儲在這些模板存儲器14a和14c中。這些特征量數(shù)據(jù)每一個都是通過特定函數(shù)獲得的。
盡管有時可以加入一些其它項(xiàng)目，但像平均值和極大值那樣，波形數(shù)據(jù)數(shù)值化裝置14利用這些特定函數(shù)獲得的項(xiàng)目通常是預(yù)定的，這些函數(shù)包含像系數(shù)和常數(shù)那樣的可調(diào)參數(shù)，如果這些參數(shù)設(shè)置得適當(dāng)，判斷(檢測異常)的精度會提高。這意味著，如果作出不正確選擇，精度可能會受到負(fù)面影響。傳統(tǒng)上，這樣的參數(shù)由有經(jīng)驗(yàn)的工作人員通過試錯法設(shè)置。本發(fā)明不排除通過試錯選擇參數(shù)，但按照本發(fā)明的優(yōu)選實(shí)施例，檢查儀10自動優(yōu)化參數(shù)，并且最佳設(shè)置的參數(shù)用于數(shù)值化波形數(shù)據(jù)(提取特征量)。
更詳細(xì)地說，波形數(shù)據(jù)數(shù)值化裝置14包括通過按照來自數(shù)值化裝置調(diào)整裝置9的命令改變各種參數(shù)，準(zhǔn)備和優(yōu)化要用于數(shù)值化波形數(shù)據(jù)的特定函數(shù)的函數(shù)優(yōu)化裝置14d。圖14是函數(shù)優(yōu)化部分14d執(zhí)行的功能的流程圖。
函數(shù)優(yōu)化裝置14d從檢驗(yàn)組合特定函數(shù)的系數(shù)和常數(shù)造成的影響開始，并且根據(jù)實(shí)驗(yàn)計劃表設(shè)置調(diào)查條件(步驟S11)。這是通過按照來自數(shù)值化裝置調(diào)整裝置9的命令設(shè)置系數(shù)和常數(shù)的數(shù)種組合，以便與調(diào)查條件(調(diào)查方法)相關(guān)聯(lián)地創(chuàng)建計劃表完成的。接著，將正常和異常作為信號元素和將數(shù)據(jù)號作為出錯元素，為每種調(diào)查方法(實(shí)驗(yàn)號)計算動態(tài)特征(SN比)(步驟S12)。這是利用通過每種調(diào)查方法規(guī)定的參數(shù)(系數(shù)和常數(shù))設(shè)置的特定函數(shù)為多個給定波形數(shù)據(jù)獲取特征量，并且計算指示OK(正常產(chǎn)品)的特征量組(數(shù)值)與指示NG(異常或有缺陷產(chǎn)品)的特征量組(數(shù)值)之間的距離完成的。
接著，計算特定函數(shù)的系數(shù)和常數(shù)的過程平均值(步驟S13)，并且為特定函數(shù)的每組系數(shù)和常數(shù)選擇SN比高的值(步驟S14)。從這些所選值中確定特定函數(shù)的參數(shù)(系數(shù)和常數(shù))，并且將利用這些系數(shù)和常數(shù)的特定函數(shù)設(shè)置成最佳的(步驟S15)。對每個特定函數(shù)，也就是說，對每個特征量進(jìn)行特定函數(shù)的參數(shù)的評估和設(shè)置。
將最佳特定函數(shù)發(fā)送到數(shù)值化處理部分14e，數(shù)值化處理部分14e用于將已經(jīng)設(shè)置的最佳特定函數(shù)用于數(shù)值化波形數(shù)據(jù)和輸出獲得的特征量。這些輸出的特征量存儲在波形數(shù)據(jù)歷史記錄裝置7中。
可以在記錄內(nèi)容顯示裝置13′上顯示或通過操作編輯裝置16改變存儲在特征量-歷史數(shù)據(jù)庫15中的數(shù)據(jù)。這個記錄內(nèi)容顯示裝置13′和上述波形記錄顯示裝置13在物理上可以通過單個監(jiān)視器實(shí)現(xiàn)。存儲在特征量-歷史數(shù)據(jù)庫15中的數(shù)據(jù)在每個分時(N秒)變成存儲在時間-劃分?jǐn)?shù)據(jù)庫18中。將存儲在這個時間-劃分?jǐn)?shù)據(jù)庫18中的數(shù)據(jù)輸出到記錄內(nèi)容顯示裝置13′加以顯示。編輯裝置16適用于刪除和編輯存儲在時間-劃分?jǐn)?shù)據(jù)庫18中的數(shù)據(jù)。
對于每個時間劃分，將記錄在這個時間-劃分?jǐn)?shù)據(jù)庫18中的每個數(shù)據(jù)發(fā)送到下一級的(每個時間的)判斷模型創(chuàng)建裝置19。這個判斷模型創(chuàng)建裝置19根據(jù)每個時間的特征量，創(chuàng)建判斷正受到檢查的目標(biāo)對象波形數(shù)據(jù)(特征量)是否與各自歷史類型一致的判斷公式，即，根據(jù)正常歷史類型的正常數(shù)據(jù)作出正常判斷的判斷公式。
狀況判斷公式可以是任何形式，譬如，Mahalanobis距離型、Euclid距離型、正常-異常比較型、神經(jīng)網(wǎng)絡(luò)型和利用隸屬函數(shù)的模糊方法。正如下面所說明的那樣，可以自動創(chuàng)建狀況判斷公式，也可以以傳統(tǒng)方式人工創(chuàng)建狀況判斷公式。
在恒速測試的情況中，只創(chuàng)建一種類型的模型，但是，從與幾秒相對應(yīng)的數(shù)據(jù)中創(chuàng)建判斷模型。也就是說，從劃分成秒的多個波形數(shù)據(jù)的特征量中創(chuàng)建模型。這里創(chuàng)建的判斷模型(判斷規(guī)則)是從每個特征量的平均值和標(biāo)準(zhǔn)偏差中定義正常范圍(比方說，在平均值的±3σ之內(nèi))和按照距離這個正常范圍的程度判斷為正?；虍惓５哪切┡袛嗄Ｐ?。判斷模型可能適用于首先獲取每個特征量的正常范圍，從每秒獲得的波形數(shù)據(jù)中獲取每個特征量，確定每個特征量是否在上述正常范圍之內(nèi)(在特定距離之內(nèi))，并且如果在特征量當(dāng)中恰好存在一個(或特定預(yù)定個)異常的，那么判斷為異常的。異常的存在與否可以通過預(yù)先考慮代表每個特征量的多維矢量和根據(jù)這個多維矢量與從目標(biāo)波形數(shù)據(jù)中獲得的另一個多維矢量之間的距離來判斷。
由于按照本發(fā)明，判斷最初是由判斷執(zhí)行裝置21根據(jù)只對正常數(shù)據(jù)創(chuàng)建的判斷公式給出的，只有具有正常歷史的數(shù)據(jù)存儲在特征量-歷史數(shù)據(jù)庫15中，并且只有具有如圖8所示的正常歷史類型的數(shù)據(jù)存儲在時間-劃分?jǐn)?shù)據(jù)庫18中。因此，判斷模型創(chuàng)建裝置19創(chuàng)建作出正常判斷的判斷公式，以便將其設(shè)置在判斷執(zhí)行裝置21中。
由于特征量值具有像如下那樣的行矢量形式Normal＝f(CV1，CV2，…，CVn)，以像“1”那樣的歸一化形式(盡管它當(dāng)然可以是非“1”的值)處理正常電平。由于每個特征量值在開始耐久性測試之后馬上變成與它的初始值不同的值，f(CV1，CV2，…，CVn)的值最終接近1。因此，可以從f(CV1，CV2，…，CVn)的值中判斷狀況是否接近正常。
利用諸如f(CV1，CV2，…，CVn)之類的表達(dá)式計算與正常產(chǎn)品的差異的算法的例子包括利用Euclid距離、Mahalanobis距離和神經(jīng)網(wǎng)絡(luò)模型的方法。
還將存儲在時間-劃分?jǐn)?shù)據(jù)庫18中的每個數(shù)據(jù)發(fā)送到閾值設(shè)置裝置20，閾值設(shè)置裝置20用于設(shè)置確定利用判斷公式以及根據(jù)從引擎1獲得的波形數(shù)據(jù)獲得的特征值、通過計算獲得的結(jié)果是否與它的歷史類型匹配的閾值。將如此設(shè)置的閾值發(fā)送到判斷執(zhí)行裝置21。
由于創(chuàng)建了判斷算法(判斷模型)，判斷執(zhí)行裝置21根據(jù)給定被檢查目標(biāo)的波形數(shù)據(jù)(特征量)，利用判斷公式和閾值作出正常-異常判斷。這個判斷的結(jié)果不僅可以通過顯示裝置23或輸出裝置24輸出，而且可以存儲在結(jié)果存儲器25中。結(jié)果存儲器25不僅存儲狀況判斷結(jié)果，而且最好還以相關(guān)聯(lián)形式存儲人為作出的判斷結(jié)果(歷史)、波形數(shù)據(jù)和特征量。顯示裝置23在物理上可以與上述波形記錄顯示裝置13相同。
如上所述，判斷模型創(chuàng)建裝置19可以具有各種類型。圖15示出了對于執(zhí)行Euclid距離方法可以勝任的一種內(nèi)部結(jié)構(gòu)。首先，將存儲在時間-劃分?jǐn)?shù)據(jù)庫18(由偽NG創(chuàng)建裝置12創(chuàng)建)的正常數(shù)據(jù)庫18a和異常數(shù)據(jù)庫18b中的每種歷史類型的特征量數(shù)據(jù)發(fā)送到相應(yīng)Euclid距離的計算-保存裝置19a和19b。正常數(shù)據(jù)的Euclid距離計算-保存裝置19a根據(jù)獲得的正常數(shù)據(jù)(特征量)，通過計算這些特征量的平方和的平方根獲取Euclid距離，并且將其保存起來。除了處理的是異常數(shù)據(jù)之外，異常數(shù)據(jù)的Euclid距離計算-保存裝置19b進(jìn)行相似的運(yùn)算，并且將運(yùn)算結(jié)果保存起來。如果按照異常的類型分離異常數(shù)據(jù)，為異常的每種類型計算Euclid距離和將其保存起來。
將如上所述的如此計算和保存的每個數(shù)據(jù)的Euclid距離發(fā)送到相應(yīng)統(tǒng)計量計算裝置19c或19d。正常統(tǒng)計量計算裝置19c用于計算正常統(tǒng)計量，并且計算諸如極大值、平均值和標(biāo)準(zhǔn)偏差值之類的多個給定正常數(shù)據(jù)的Euclid距離的統(tǒng)計量。類似地，異常統(tǒng)計量計算裝置19d用于計算異常統(tǒng)計量，并且計算諸如極大值、平均值和標(biāo)準(zhǔn)偏差值之類的多個給定異常數(shù)據(jù)的Euclid距離的統(tǒng)計量。在這種情況下，還可以為每種異常類型獲取它們。
將統(tǒng)計量計算裝置19c和19d每一個獲得的統(tǒng)計量發(fā)送到判斷公式確定部分19e，判斷公式確定部分19e將正常統(tǒng)計量計算裝置19c獲得的正常統(tǒng)計量的極大值(極大正常值)與異常統(tǒng)計量計算裝置19d獲得的異常統(tǒng)計量的極小值(極小異常值)相比較，以檢查(極大正常值)＜(極小異常值)是否成立。如果滿足這個不等式，獲取當(dāng)前設(shè)置的特征距離的Euclid距離的公式被判斷為正確的，并且將其設(shè)置在判斷執(zhí)行裝置21中。因此，判斷執(zhí)行裝置21通過獲取給定特征量的總和的平方根計算Euclid距離。
如果不滿足上面給出的不等式，則由于斷定計算特征量的特定函數(shù)未得到適當(dāng)設(shè)置，判斷公式確定部分19e向數(shù)值化裝置調(diào)整裝置9作出請求，以修改參數(shù)(特定函數(shù)的系數(shù)和常數(shù))。一旦接收到這個請求，數(shù)值化裝置調(diào)整裝置9就將不同的值設(shè)置給特定函數(shù)的系數(shù)和常數(shù)。由于特定函數(shù)由此發(fā)生了變化，所以根據(jù)修改特定函數(shù)數(shù)值化的特征量也發(fā)生了變化，并且統(tǒng)計值也發(fā)生了變化。隨著這個過程被重復(fù)，最終達(dá)到使判斷公式確定部分19e滿意的狀況。
如果判斷模型創(chuàng)建裝置19是像所述那樣計算Euclid距離那種類型的，則將計算正常數(shù)據(jù)的Euclid距離(特征量的平方和的平方根)的函數(shù)指定給判斷執(zhí)行裝置21。
圖16示出了適用于正常-異常比較方法的判斷模型創(chuàng)建裝置19的另一種結(jié)構(gòu)。通過這種方法，將存儲在時間-劃分?jǐn)?shù)據(jù)庫18的正常數(shù)據(jù)庫18a和18b中的特征數(shù)據(jù)發(fā)送到特征量計算裝置19f，特征量計算裝置19f適用于選擇特定函數(shù)和將它用于計算存儲在這些數(shù)據(jù)庫中的數(shù)據(jù)的特征量。將正常數(shù)據(jù)的特征量存儲在正常特征量數(shù)據(jù)存儲裝置19g中，并且將異常數(shù)據(jù)的特征量存儲在異常特征量數(shù)據(jù)存儲裝置19h中。
將如上所述的如此計算和存儲的數(shù)據(jù)的這些特征量發(fā)送到各自相應(yīng)統(tǒng)計量計算裝置19i和19j。正常統(tǒng)計量計算裝置19i用于計算正常數(shù)據(jù)的特征量的統(tǒng)計量，并且計算多個給定正常數(shù)據(jù)的特征量的極大值、平均值和標(biāo)準(zhǔn)偏差值。類似地，異常統(tǒng)計量計算裝置19j用于計算異常數(shù)據(jù)的特征量的統(tǒng)計量，并且計算多個給定異常數(shù)據(jù)的特征量的極大值、平均值和標(biāo)準(zhǔn)偏差值。
將統(tǒng)計量計算裝置19i和19j獲得的統(tǒng)計量發(fā)送到判斷公式確定部分19k，判斷公式確定部分19k將正常統(tǒng)計量計算裝置19i獲得的正常統(tǒng)計量的極大值(極大正常值)與異常統(tǒng)計量計算裝置19j獲得的異常統(tǒng)計量的極小值(極小異常值)相比較，以檢查(極大正常值)＜(極小異常值)是否成立。如果滿足這個不等式，特征量計算裝置19f提取的特定函數(shù)被判斷為正確的，并且照這樣將其定義在判斷執(zhí)行裝置21中。因此，判斷執(zhí)行裝置21通過獲取給定特征量的平方和的平方根計算Euclid距離，并且根據(jù)Euclid距離是否在閾值之前判斷狀況。
如果不滿足上面給出的不等式，則由于斷定提取的函數(shù)不合適，而向特征量計算裝置19f作出請求，以修改要使用的特定函數(shù)。一旦接收到這個請求，特征量計算裝置19f就選擇不同的特定函數(shù)和再次計算特征量。由于特征函數(shù)發(fā)生了變化，所以根據(jù)修改特定函數(shù)數(shù)值化的特征量也發(fā)生了變化，并且統(tǒng)計值也發(fā)生了變化。隨著這個過程被重復(fù)，判斷公式確定部分19k選擇達(dá)到滿意狀況的那一個。
判斷公式確定部分19k可以考慮各種狀況。例如，可以將極大值設(shè)置成等于(正常平均值)+3σ，并且可以將極小值設(shè)置成等于(正常平均值)-3σ。
如果判斷模型創(chuàng)建裝置19使用如上所述的正常-異常比較方法，它就為判斷執(zhí)行裝置21定義所選特定函數(shù)。
圖17示出了適用于神經(jīng)網(wǎng)絡(luò)方法的判斷模型創(chuàng)建裝置19的又一種結(jié)構(gòu)。通過這種方法，將存儲在時間-劃分?jǐn)?shù)據(jù)庫18的正常數(shù)據(jù)庫18a和18b中的每種歷史類型的特征數(shù)據(jù)發(fā)送到篩選裝置19m，篩選裝置19m用于計算每個數(shù)據(jù)庫的排除值和刪除它的數(shù)據(jù)。排除的例子包括(1)在(平均值)±σ之外的那些；以及(2)在通過排除三個最大值(包括極大值)和三個最小值(包括極小值)計算平均值和標(biāo)準(zhǔn)偏差值的(平均值)±σ之外的那些。
將篩選裝置19m篩選之后剩下的數(shù)據(jù)發(fā)送到統(tǒng)一裝置19n，以便統(tǒng)一數(shù)據(jù)。然后，學(xué)習(xí)裝置19p用于學(xué)習(xí)將存儲在統(tǒng)一數(shù)據(jù)庫中的特征量數(shù)據(jù)作為輸入和將歷史電平作為輸出的神經(jīng)網(wǎng)絡(luò)模型(構(gòu)建聚類模型)。用在神經(jīng)網(wǎng)絡(luò)中的各種方法可以用于學(xué)習(xí)過程。隨著這個過程完成，將作為這個學(xué)習(xí)過程的結(jié)果的神經(jīng)網(wǎng)絡(luò)模型定義成狀況判斷裝置和設(shè)置在判斷執(zhí)行裝置21中。
圖18示出了適用于只根據(jù)正常數(shù)據(jù)統(tǒng)一多個特征量和利用Mahalanobis距離創(chuàng)建判斷模型的判斷模型創(chuàng)建裝置19的再一種結(jié)構(gòu)。將正常數(shù)據(jù)庫18a中存儲的正常數(shù)據(jù)的特征量發(fā)送到統(tǒng)計處理裝置19q，統(tǒng)計處理裝置19q計算所有特征量的統(tǒng)計量。平均值和標(biāo)準(zhǔn)偏差是要獲得的統(tǒng)計量。換句話說，為每個特征量獲取平均值和標(biāo)準(zhǔn)偏差，并且獲取使特征量的平均值合在一起平均值矢量和使特征量標(biāo)準(zhǔn)偏差合在一起的標(biāo)準(zhǔn)偏差矢量。
將獲得的統(tǒng)計量發(fā)送到標(biāo)準(zhǔn)化裝置19r，以便利用平均值矢量和標(biāo)準(zhǔn)偏差矢量標(biāo)準(zhǔn)化存儲在正常數(shù)據(jù)庫18a中的數(shù)據(jù)。這是為了歸一化和標(biāo)準(zhǔn)化，因?yàn)樵谔卣髁康臄?shù)值大小之間存在偏差。接著，由矩陣獲取裝置19s獲取各個特征量的關(guān)聯(lián)矩陣，并且由逆矩陣獲取裝置19t獲取這些關(guān)聯(lián)矩陣的逆矩陣。
將這些矩陣存儲在存儲裝置19u中和發(fā)送到公式創(chuàng)建裝置19v，以便獲取計算Mahalanobis距離的計算公式。
Mahalanobis距離D^2按如下計算?？紤]從特征量個數(shù)＝k和X1，X2，...，Xk是項(xiàng)目的值的目標(biāo)工件中測量n個數(shù)據(jù)的情況。如果各個特征量的平均值和標(biāo)準(zhǔn)偏差是m1，m2，...，mk和σ1，σ2，...，σk，并且將關(guān)聯(lián)矩陣的逆矩陣的矩陣元寫成aij，那么，Mahalanobis距離定義如下D^2=1/kΣijaij{(Xi-MI)/σi}{(Xj-mj)/σj}]]>其中，必須預(yù)先將n個數(shù)據(jù)排列成相同歷史類型的。這個公式由公式創(chuàng)建裝置31f創(chuàng)建，并且將創(chuàng)建的公式設(shè)置在判斷執(zhí)行裝置21中。
在開頭和在耐久性測試的早期間隔內(nèi)獲得的正常數(shù)據(jù)具有與理想正常數(shù)據(jù)的圖譜非常相似的圖譜，因此，被描繪成接近評估標(biāo)準(zhǔn)。在這種情況下的Mahalanobis距離幾乎等于1。相反，在發(fā)生初級損壞之后獲得的異常數(shù)據(jù)按照它們相對于正常數(shù)據(jù)的圖譜的距離，被描繪成遠(yuǎn)離評估標(biāo)準(zhǔn)。于是，在這種情況下的Mahalanobis距離變得較大。因此，通過檢查Mahalanobis距離與1有多接近，可以容易地作出正常和異常之間的判斷?？梢蕴峁┰u估要使用的特定函數(shù)對Mahalanobis距離的可靠性的貢獻(xiàn)率和刪除貢獻(xiàn)率低的那些特定函數(shù)的功能。
傳統(tǒng)檢查儀所做的是從整個取樣時間的波形數(shù)據(jù)中截取與某個時間間隔相對應(yīng)的一部分?jǐn)?shù)據(jù)，以便將用某個數(shù)據(jù)數(shù)劃分所截取數(shù)據(jù)獲得的一組數(shù)據(jù)當(dāng)作一個幀，并且以幀為單位提取數(shù)種類型的特征量。然后，通過諸如求平均之類的各種方法，為從與每種類型的特征量有關(guān)的所有幀中獲得的各個特征量獲取典型計算值。因此，計算出數(shù)量與典型量的不同類型數(shù)相同的典型計算值。利用所有這些典型計算值或特定個所選典型計算值作出正常-異常判斷。無論用于判斷的典型值有多少個，都可以以特征量(標(biāo)量)為單位作出比較以便加以判斷。
相反，按照本發(fā)明，將獲得的數(shù)種類型的特征量轉(zhuǎn)換成用于多維波形評估的單個矢量。實(shí)際結(jié)果是，要用于異常判斷的模型是通過獲取多個特征量創(chuàng)建的矢量。因此，通過比較基于這種模型的矢量和被檢查目標(biāo)對象的波形數(shù)據(jù)作出判斷。如果兩個矢量之間的距離較小，判斷波形數(shù)據(jù)與該模型匹配。如果這個距離較大，判斷波形數(shù)據(jù)不同于該模型。
對于只作出正常判斷的情況，只需要一個標(biāo)準(zhǔn)模型，以及通過統(tǒng)一數(shù)種類型的特征值獲得的一個數(shù)值(用于多維波形評估的矢量)，并且可以通過獲取相對于它的距離作出正常判斷。換句話說，在通過統(tǒng)一各個特征量(基于多個幀的典型計算值)計算出矢量之后，可以通過獲取距離的單個計算作出判斷。兩個矢量之間的距離可以作為Mahalanobis距離、Euclid距離或通過任何其它方法獲得。
這種特征量的統(tǒng)一可應(yīng)用于多個波形數(shù)據(jù)的特征量的統(tǒng)一。在波形數(shù)據(jù)來自不同傳感器或不同測量地點(diǎn)的情況下，不能像上述那樣統(tǒng)一特征量，但是，可以根據(jù)作為波形數(shù)據(jù)源的每個傳感器獲得的波形分別作出判斷，并且可以作出總判斷(例如，通過如果某一個傳感器發(fā)現(xiàn)異常，斷定存在初級損壞)。如果存在數(shù)種感測數(shù)據(jù)(譬如，聲音、溫度和振動)，可以通過利用上述的任何一種方法判斷每個波形和最后通過統(tǒng)一判斷結(jié)果來創(chuàng)建判斷算法。
閾值設(shè)置裝置20用于通過人工操作設(shè)置閾值。如圖19所示，將存儲在時間-劃分?jǐn)?shù)據(jù)庫18中的正常數(shù)據(jù)的特征量數(shù)據(jù)發(fā)送到正常分布確認(rèn)裝置20a，并且將存儲在時間-劃分?jǐn)?shù)據(jù)庫18中的異常數(shù)據(jù)(偽NG數(shù)據(jù))的特征量數(shù)據(jù)發(fā)送到偽NG分布確認(rèn)裝置20b。如果設(shè)置了異常的類型，這可以對每種異常類型來做。在上文中，可以根據(jù)歷史數(shù)據(jù)或根據(jù)人為判斷劃分正常和異常數(shù)據(jù)。
這些分布確認(rèn)裝置20a和20b的每一個用于為每種獲取的歷史類型獲取特征量的分布狀況，計算，例如，平均值、中心值、標(biāo)準(zhǔn)偏差、四分位點(diǎn)和nσ(其中，n＝1，2，...)，并且將計算值提供給位置關(guān)系計算裝置20c，位置關(guān)系計算裝置20c用于獲取正常分布和一種異常分布之間的位置關(guān)系TX。例如，獲取像正常分布與異常類型A的分布之類的位置關(guān)系TA和正常分布與異常類型B的分布之類的位置關(guān)系TB等那樣，所有異常類型的分布與正常分布之關(guān)的位置關(guān)系。
在上文中，位置關(guān)系TX(其中，X＝A，B，C，...)是有關(guān)特征值的數(shù)值，并且可以按如下獲得TX＝(正常)(平均值+3σ)-(異常類型X)(平均值-3σ)。
在這個公式中，(平均值)可以用(中心值)取代，“3σ”可以用“四分位”或用nσ(其中，n＝1，2，...)取代。
將這個位置關(guān)系計算裝置20c獲得的與每種異常類型的位置關(guān)系TX發(fā)送到閾值確定裝置20d，閾值確定裝置20d確認(rèn)TX的符號和按照像如下那樣給出的規(guī)則獲取ΔX。
如果TX是負(fù)的，這意味著正常分布和異常分布部分重疊，像如下那樣將ΔX定義成TX的中點(diǎn)ΔX＝1/2{(正常)(平均值+3σ)+(異常類型X)(平均值-3σ)}。
如果TX＝0或正的，由于這些分布不重疊，將ΔX設(shè)置在異常類型X的分布那一側(cè)，或者，ΔX＝(異常類型X)(平均值-3σ)。
在已經(jīng)獲得所有異常類型的ΔX的值之后，將它們的最小者定義成閾值Δ，或Δ＝min(ΔX)。如上所述，上面方程中的平均值可以用中心值取代，或3σ可以用四分位值或用nσ(其中，n＝1，2，...)取代。
圖20示出了閾值設(shè)置裝置20的另一種內(nèi)部結(jié)構(gòu)。雖然在圖19的情況中需要正常和異常(偽NG)分布兩者，但具有如圖20所示的內(nèi)部結(jié)構(gòu)的閾值設(shè)置裝置20可以只根據(jù)這些分布之一設(shè)置閾值。更詳細(xì)地說，收集存儲在時間-劃分?jǐn)?shù)據(jù)庫18中的數(shù)據(jù)，并且求和正被檢查儀10檢查的引擎1的所有特征量的值，或獲取特征量值的標(biāo)準(zhǔn)偏差σ。
如圖20所示的閾值設(shè)置裝置20包括不同類型的記錄裝置20f，用于記錄，例如，(1)引擎1的報廢成本A0、(2)報廢判定的閾值Δ0(任何特征量的電平)和(3)引擎1的重做成本A。在上文中，報廢成本指的是作為異常判斷的結(jié)果進(jìn)行報廢處理的成本，包括生產(chǎn)的成本和報廢時造成的成本。重做成本是取代其中被判斷為異常的引擎部件做成正常產(chǎn)品的成本。將特征量收集裝置20e收集的特征量和輸入到記錄裝置20f的記錄數(shù)據(jù)發(fā)送到損失函數(shù)計算裝置20g，損失函數(shù)計算裝置20g用于按如下計算損失函數(shù)LL＝(A0/Δ0＾s)σ＾2。
將如此獲得的損失函數(shù)L發(fā)送到下一級的閾值計算裝置20h，在閾值計算裝置20h中按如下計算閾值ΔΔ＝(A/A0)＾(1/2)Δ0。
如上所述，按照本實(shí)施例，只根據(jù)如圖2的步驟S4和S5所示的正常狀況下的數(shù)據(jù)創(chuàng)建判斷模型，但是，在異常狀況下的數(shù)據(jù)(偽NG數(shù)據(jù))也可以用于創(chuàng)建甚至更準(zhǔn)確的判斷規(guī)則和模型。
圖21示出了檢查儀10在它進(jìn)行檢查操作時的內(nèi)部結(jié)構(gòu)。在這個時間內(nèi)，在如圖4所示的算法當(dāng)中，不需要創(chuàng)建判斷模型和調(diào)整它的功能(或數(shù)值化裝置調(diào)整裝置9、偽NG創(chuàng)建裝置12和判斷模型創(chuàng)建裝置19)。盡管僅從檢測異常的角度來看，可能認(rèn)為編輯裝置16也是多余的，但為了在檢查儀出現(xiàn)錯誤的情況下，可以人工作出糾正，還是將它保留下來。
在引擎1的耐久性測試期間，隨著從各種傳感器連續(xù)地輸入波形數(shù)據(jù)，波形劃分裝置11通過以N秒為單位劃分波形來創(chuàng)建分波形，并且將結(jié)果發(fā)送到波形數(shù)據(jù)數(shù)值化裝置14。劃分處理從頭開始規(guī)則地和依次地進(jìn)行。如果在創(chuàng)建模型(算法)時隨機(jī)地設(shè)置N和據(jù)此創(chuàng)建分開式波形數(shù)據(jù)，那么，為每個單位時間創(chuàng)建分開式波形數(shù)據(jù)。因此，創(chuàng)建了單位時間不同(譬如，1秒、2秒、3秒等)的分開式波形數(shù)據(jù)。
波形數(shù)據(jù)數(shù)值化裝置14通過數(shù)值化從引擎1的耐久性測試期間獲取的感測數(shù)據(jù)中創(chuàng)建的分開式波形數(shù)據(jù)獲取特征量，并且讓這些特征量存儲在特征量-歷史數(shù)據(jù)庫15中。如果同時對同一個目標(biāo)對象作出人為判斷，也可以將這種人為判斷的結(jié)果存儲在特征量-歷史數(shù)據(jù)庫15中。但是，在引擎1在長期的時間間隔內(nèi)連續(xù)運(yùn)行的耐久性測試中，要求檢查人員一直照管著和不斷地輸入他/她的判斷結(jié)果是不切實(shí)際的。如果以適當(dāng)?shù)亩〞r(比方說，周期性地)記錄這樣的判斷結(jié)果和將其登記成補(bǔ)充內(nèi)容，那么，它們可用于隨后的分析和對檢查儀10的判斷模型的精度的判斷中。
將存儲在特征量-歷史數(shù)據(jù)庫15中的特征量數(shù)據(jù)發(fā)送到進(jìn)行狀況判斷(異常判斷)的判斷執(zhí)行裝置21。這個判斷的結(jié)果由顯示裝置23顯示，輸出到輸出裝置24和/或存儲在結(jié)果存儲器25中。
在已經(jīng)創(chuàng)建了算法(判斷模型)之后，重復(fù)地執(zhí)行測試模樣，作為真正耐久性測試。通過以N秒為單位從開始時間(第0秒)到結(jié)束時間(第X秒)評估常態(tài)實(shí)時檢測異常。在如圖22所示的例子中，N＝1，并且從每一個對應(yīng)于一秒間隔的波形中獲取數(shù)值化結(jié)果(具有如圖23A所示的行矢量形式的特征量)。在測試期間以一秒為單位連續(xù)地創(chuàng)建這樣的行矢量數(shù)據(jù)。
圖22示出了恒速轉(zhuǎn)動的一個例子，因此，使用單個判斷模型(模型1)(如圖22B所示)。如圖22C所示，為每個分開式波形數(shù)據(jù)計算常態(tài)。這樣創(chuàng)建判斷模型，使常態(tài)隨著數(shù)據(jù)接近正常數(shù)據(jù)而接近1，并且隨著相對于正常數(shù)據(jù)的距離增加而變成較大的。在耐久性測試的情況中，常態(tài)在測試的最初間隔內(nèi)通常幾乎等于1.0。
單位時間(N)不僅可以設(shè)置成1秒(如即刻停止所要求的那樣)，而且可以設(shè)置成諸如3秒和6秒之類的不同時間。如圖22D和22E所示，也可以根據(jù)這樣的分開式波形數(shù)據(jù)計算常態(tài)。
圖23示出了在第5秒之前，常態(tài)判斷結(jié)果幾乎等于1，但在第5秒中，它達(dá)到2.3，并且在第6秒中，它仍然較大和等于3.4，迅速遠(yuǎn)離1的另一個例子。如果異常判斷的閾值小于2.3，在第5秒中，在判斷時輸出停止命令。由此停止引擎1的耐久性測試，并且不輸入第6秒的波形數(shù)據(jù)，因此，沒有判斷結(jié)果(在圖23中，閾值不小于2.3，這就是為什么輸出判斷結(jié)果直到第6秒的原因)。
上面描述了恒速運(yùn)動的例子，并且從此將公用判斷模型用于每個分開式波形數(shù)據(jù)，但是，本發(fā)明當(dāng)然不局限于這樣的應(yīng)用，本發(fā)明還可應(yīng)用于速度可變的運(yùn)行模樣。圖24示出了引擎1的旋轉(zhuǎn)在第1秒內(nèi)加速，在第2和第3秒期間恒速，并且此后在減速和加速之間交替變化的另一個例子。
首先由波形劃分裝置11通過以一秒為單位劃分在最初間隔獲得的正常波形數(shù)據(jù)創(chuàng)建在這種情況下的判斷模型(算法)。如果旋轉(zhuǎn)的速率像在本例中那樣迅速地變化，盡管如果同一類型的運(yùn)動持續(xù)某個固定時間間隔，可以使用隨機(jī)改變劃分的開始時間的方法，也不隨機(jī)改變劃分的初始時間。盡管圖24展示了在每個一秒間隔內(nèi)運(yùn)動的類型保持不變的例子，但未必總是這種情況。例如，如果只持續(xù)加速0.5秒，接著在另一個0.5秒的間隔內(nèi)作恒速運(yùn)動，可以提取這樣的變化作為這個波形部分的特征，如果適當(dāng)?shù)貐f(xié)調(diào)定時作出判斷，就不會出現(xiàn)什么問題。
接著，波形數(shù)據(jù)數(shù)值化裝置14通過對獲取的分開式波形數(shù)據(jù)進(jìn)行幀劃分處理獲取特征量。幀劃分處理可以通過隨機(jī)改變幀尺寸來進(jìn)行，以便盡管只能獲取與一秒相對應(yīng)的波形數(shù)據(jù)，也可以創(chuàng)建精確的判斷模型。在實(shí)際操作中，為了創(chuàng)建判斷模型，可以重復(fù)像圖24所示那樣的測試模樣若干次，收集同一定時的波形數(shù)據(jù)，以便可以創(chuàng)建更精確的判斷算法(判斷模型)。圖25示出了對于每個分開式波形數(shù)據(jù)，收集波形數(shù)據(jù)8次的例子，并且進(jìn)一步重復(fù)這個過程，為創(chuàng)建模型獲取足夠數(shù)量的數(shù)據(jù)。因此，在本例中從第1秒到第6秒創(chuàng)建判斷模型1-6。
在與第1到第6秒相對應(yīng)創(chuàng)建了模型1-6之后，利用與運(yùn)行模樣的每種狀況相對應(yīng)的判斷模型為耐久性測試進(jìn)行實(shí)際判斷處理。通過從PLC 3接收定時信號，可以精確地獲得每個分開式波形數(shù)據(jù)。如果判斷結(jié)果像圖26所示那樣，由于通過每個判斷模型的判斷值幾乎都等于1，可以斷定該狀況是正常的。
如果連續(xù)測試很長時間，結(jié)果可能像圖27所示那樣，與圖23的情況一樣，在第5秒內(nèi)基于判斷模型5的判斷結(jié)果變成2.3那么大，并且在第6秒內(nèi)基于判斷模型6的判斷結(jié)果甚至變得更大和達(dá)到3.4。在這種情況下，不清楚距離從1開始逐漸增大，還是在加速時間(在第5秒內(nèi))和減速時間(在第6秒內(nèi))之間在不同部件中出現(xiàn)初級損壞，但是，毫無疑問，在每一種情況中，某個或某些不耐用部件已經(jīng)損壞或?qū)⒁獡p壞。
如果對于每種判斷模型，判斷異常的閾值小于2.3，在通過模型5判斷時輸出停止命令，停止引擎1的耐久性測試，并且不輸入或處理第6秒的波形數(shù)據(jù)。圖27指出了閾值不小于2.3，這是為什么在第6秒作出判斷的原因。可以對不同的判斷模型設(shè)置不同的閾值。
圖28和29示出了常態(tài)下變化的顯示或利用耐久性測試估計器的方法的例子。這個例子示出了在開始測試之后2秒內(nèi)檢測到輕微異常，使得判斷值上升到2.1(譬如，聲音的音調(diào)瞬間發(fā)生變化)，此后馬上返回到正常狀況，但判斷值突然改變成超過10的較大值。在這樣的情況下，輪到用戶判定是否應(yīng)該將判斷值為2.1的輕度異常當(dāng)作正規(guī)異常來對待，以便立刻停止。首先遭受的輕微異?？梢允浅跫墦p壞的先兆或在正常運(yùn)行期間的純振動。因此，通過研究正常時(最初狀況)常態(tài)的分布曲線的較低斜率，可以計算閾值。例如，如果將正常范圍定義成在平均值的±3σ內(nèi)，有99.7％將包括在這個范圍之內(nèi)，由此，將該范圍之外定義成異常的。
盡管圖1示出了用適合于將波形數(shù)據(jù)輸出成模擬信號的傳感器進(jìn)行耐久性測試的例子，模擬信號經(jīng)AD連接器6轉(zhuǎn)換發(fā)送到檢查儀10，但是，這些傳感器本身可以包含數(shù)據(jù)處理器和適用于通過DD轉(zhuǎn)換器將數(shù)字信號輸出到檢查儀10或?qū)⒉ㄐ螖?shù)據(jù)輸出到檢查儀10。視各種數(shù)據(jù)設(shè)備的能力而定，檢查儀10的一些功能可以通過這樣的數(shù)據(jù)處理器實(shí)現(xiàn)。
在如圖1所示的例子中，只對一個目標(biāo)對象進(jìn)行耐久性測試，但是，存在對多個目標(biāo)對象同時進(jìn)行耐久性測試的許多情況。在這樣的情況中，由于從成本的觀點(diǎn)來看，將檢查儀與多個目標(biāo)對象的每一個連接不僅效率低下而且不合需要，可以安排成只有一個檢查儀10用于監(jiān)視多個耐久性測試。如果在這樣的情況下引擎1和它們的驅(qū)動設(shè)備2具有相同類型，可以共同使用單個判斷模型，但是，最好根據(jù)緊接在其開始之后的其最初間隔內(nèi)獲得的正常數(shù)據(jù)為每個測試創(chuàng)建判斷模型和算法和作出各自的判斷。這是因?yàn)?，盡管目標(biāo)可能具有相同類型，但有必要考慮環(huán)境狀況的影響，并且預(yù)計在目標(biāo)對象之間存在一些振蕩。
盡管上面示出了設(shè)置進(jìn)行耐久性測試的檢查儀的例子，但這無意限制本發(fā)明的范圍。檢查儀可以位于某個遙遠(yuǎn)的地方，并且通過某種其它類型的專用高速線或網(wǎng)絡(luò)系統(tǒng)與處在測試地的計算機(jī)(用作數(shù)據(jù)收集裝置)連接，以便可以通過檢查儀獲取實(shí)時波形數(shù)據(jù)，進(jìn)行判斷，并且如有必要，利用相同的或不同的通信網(wǎng)絡(luò)輸出停止信號。尤其，在在創(chuàng)建判斷模型的過程中必需完成設(shè)置和調(diào)整的工作的情況下，不需要工人來到測試地，在監(jiān)視中心就可以完成必要工作。諸如數(shù)據(jù)記錄器之類的數(shù)據(jù)收集裝置可以用于收集數(shù)據(jù)。
總而言之，本說明書旨在概括地解釋本發(fā)明?？赡茉诒景l(fā)明范圍之內(nèi)的許多改進(jìn)和改變和對于本領(lǐng)域的普通技術(shù)人員來說顯而易見的那些改進(jìn)和改變都在本發(fā)明的范圍之內(nèi)。
權(quán)利要求
1.一種為檢查儀創(chuàng)建判斷模型的輔助設(shè)備，所述檢查儀用于從由被檢查目標(biāo)對象中獲得的波形數(shù)據(jù)中提取特征量并根據(jù)提取的特征量判斷所述目標(biāo)對象的狀況，所述輔助設(shè)備包括分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過將獲取的波形數(shù)據(jù)劃分成單位時間的部分來創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；以及模型創(chuàng)建裝置，用于根據(jù)獲取的特征量為單位時間創(chuàng)建用來判斷所述目標(biāo)對象的狀況的判斷模型。
2.根據(jù)權(quán)利要求1所述的輔助設(shè)備，其中，所述分開式波形數(shù)據(jù)創(chuàng)建裝置用于從特定位置開始將波形數(shù)據(jù)劃分成所述單位時間的部分。
3.根據(jù)權(quán)利要求1所述的輔助設(shè)備，其中，所述分開式波形數(shù)據(jù)創(chuàng)建裝置用于隨機(jī)確定所述特定位置。
4.根據(jù)權(quán)利要求2所述的輔助設(shè)備，其中，所述分開式波形數(shù)據(jù)創(chuàng)建裝置用于隨機(jī)確定所述特定位置。
5.根據(jù)權(quán)利要求1所述的輔助設(shè)備，其中，所述分開式波形數(shù)據(jù)創(chuàng)建裝置用于隨機(jī)確定所述單位時間。
6.根據(jù)權(quán)利要求2所述的輔助設(shè)備，其中，所述分開式波形數(shù)據(jù)創(chuàng)建裝置用于隨機(jī)確定所述單位時間。
7.根據(jù)權(quán)利要求3所述的輔助設(shè)備，其中，所述分開式波形數(shù)據(jù)創(chuàng)建裝置用于隨機(jī)確定所述單位時間。
8.根據(jù)權(quán)利要求4所述的輔助設(shè)備，其中，所述分開式波形數(shù)據(jù)創(chuàng)建裝置用于隨機(jī)確定所述單位時間。
9.一種為檢查儀創(chuàng)建判斷模型的輔助設(shè)備，所述檢查儀用于從由以特定模式重復(fù)運(yùn)行的被檢查目標(biāo)對象中獲得的波形數(shù)據(jù)中提取特征量并根據(jù)提取的特征量判斷所述目標(biāo)對象的狀況，所述輔助設(shè)備包括分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過將獲取的波形數(shù)據(jù)劃分成單位時間的部分來創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；以及模型創(chuàng)建裝置，用于根據(jù)獲取的特征量，為所述模式被所述分開式波形數(shù)據(jù)創(chuàng)建裝置劃分成的每個區(qū)域創(chuàng)建判斷模型。
10.根據(jù)權(quán)利要求1所述的輔助設(shè)備，其中，所述計算裝置具有如下功能通過將所述分開式波形數(shù)據(jù)進(jìn)一步劃分成特定尺寸的幀進(jìn)行幀劃分處理；根據(jù)所述劃分的幀提取所述特征量；以及隨機(jī)確定所述特定尺寸。
11.根據(jù)權(quán)利要求9所述的輔助設(shè)備，其中，所述計算裝置具有如下功能通過將所述分開式波形數(shù)據(jù)進(jìn)一步劃分成特定尺寸的幀進(jìn)行幀劃分處理；根據(jù)所述劃分的幀提取所述特征量；以及隨機(jī)確定所述特定尺寸。
12.根據(jù)權(quán)利要求10所述的輔助設(shè)備，其中，所述計算裝置進(jìn)一步具有如下功能對進(jìn)行所述幀劃分處理獲得的每個所述幀進(jìn)行頻率分析。
13.根據(jù)權(quán)利要求11所述的輔助設(shè)備，其中，所述計算裝置進(jìn)一步具有如下功能對進(jìn)行所述幀劃分處理獲得的每個所述幀進(jìn)行頻率分析。
14.一種包括根據(jù)輔助設(shè)備創(chuàng)建的判斷模型對獲得的被檢查目標(biāo)對象進(jìn)行狀態(tài)判斷的判斷裝置的檢查儀，所述輔助設(shè)備包括分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過將獲取的波形數(shù)據(jù)劃分成單位時間的部分來創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；以及模型創(chuàng)建裝置，用于根據(jù)獲取的特征量為單位時間創(chuàng)建用來判斷所述目標(biāo)對象的狀況的判斷模型。
15.一種檢查通過重復(fù)特定模式運(yùn)行的目標(biāo)對象的檢查儀，所述檢查儀包括具有如下功能的判斷裝置利用輔助設(shè)備根據(jù)所述重復(fù)的特定模式之一獲取判斷模型，所述輔助設(shè)備包括分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過將獲取的波形數(shù)據(jù)劃分成單位時間的部分創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；模型創(chuàng)建裝置，用于根據(jù)獲取的特征量，為所述模式被所述分開式波形數(shù)據(jù)創(chuàng)建裝置劃分成的每個區(qū)域創(chuàng)建判斷模型；以及利用與獲得的波形部分相對應(yīng)的所述獲得判斷模型進(jìn)行判斷處理。
16.一種進(jìn)行耐久性測試以測試目標(biāo)對象的耐久性的耐久性測試儀，所述耐久性測試儀包括判斷裝置，用于利用判斷模型以及根據(jù)在所述耐久性測試期間獲得的波形數(shù)據(jù)判斷所述目標(biāo)對象是正常的還是異常的，該判斷模型是使用當(dāng)所述耐久性測試儀穩(wěn)定運(yùn)行時在所述耐久性測試的最初間隔內(nèi)獲得的數(shù)據(jù)作為正常數(shù)據(jù)而創(chuàng)建的。
17.根據(jù)權(quán)利要求16所述的耐久性測試儀，其中，所述判斷模型是利用包括如下的輔助設(shè)備創(chuàng)建的分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過將獲取的波形數(shù)據(jù)劃分成單位時間的部分創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；以及模型創(chuàng)建裝置，用于根據(jù)獲取的特征量為單位時間創(chuàng)建用來判斷所述目標(biāo)對象的狀況的判斷模型。
18.根據(jù)權(quán)利要求16所述的耐久性測試儀，其中，所述判斷模型是利用包括如下的輔助設(shè)備創(chuàng)建的分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過將獲取的波形數(shù)據(jù)劃分成單位時間的部分創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；以及模型創(chuàng)建裝置，用于根據(jù)獲取的特征量，為所述耐久性測試儀的運(yùn)行模式被所述分開式波形數(shù)據(jù)創(chuàng)建裝置劃分成的每個區(qū)域創(chuàng)建判斷模型。
19.一種包括如下步驟的耐久性測試方法在特定時間長度內(nèi)引起轉(zhuǎn)動并且將同時獲得的波形數(shù)據(jù)提供給包括如下的輔助設(shè)備分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過將獲取的波形數(shù)據(jù)劃分成單位時間的部分創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；以及模型創(chuàng)建裝置，用于根據(jù)獲取的特征量為單位時間創(chuàng)建用來判斷所述目標(biāo)對象的狀況的判斷模型；通過將所述提供的波形數(shù)據(jù)用作正常數(shù)據(jù)使所述輔助設(shè)備創(chuàng)建判斷模型；此后進(jìn)行耐久性測試，以便利用所述創(chuàng)建的判斷模型，根據(jù)在所述耐久性測試期間獲得的波形數(shù)據(jù)判斷是否存在異常；以及如果檢測到異常，輸出警告信號。
20.一種包括如下步驟的耐久性測試方法在特定時間長度內(nèi)引起轉(zhuǎn)動和將同時獲得的波形數(shù)據(jù)提供給包括如下的輔助設(shè)備分開式波形數(shù)據(jù)創(chuàng)建裝置，用于通過將獲取的波形數(shù)據(jù)劃分成單位時間的部分創(chuàng)建分開式波形數(shù)據(jù)；計算裝置，用于根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量；以及模型創(chuàng)建裝置，用于根據(jù)獲取的特征量，為所述耐久性測試儀的運(yùn)行模式被所述分開式波形數(shù)據(jù)創(chuàng)建裝置劃分成的每個區(qū)域創(chuàng)建判斷模型；通過將所述提供的波形數(shù)據(jù)用作正常數(shù)據(jù)使所述輔助設(shè)備創(chuàng)建判斷模型；此后進(jìn)行耐久性測試，以便利用所述創(chuàng)建的判斷模型，根據(jù)在所述耐久性測試期間獲得的波形數(shù)據(jù)判斷是否存在異常；以及如果檢測到異常，輸出警告信號。
全文摘要
在穩(wěn)定運(yùn)行的同時，在根據(jù)從測試儀中獲得的正常數(shù)據(jù)創(chuàng)建了判斷模型之后，進(jìn)行耐久性測試，并且利用創(chuàng)建的判斷模型，根據(jù)在測試期間獲得的波形數(shù)據(jù)判斷在目標(biāo)對象中是否存在異常。輔助設(shè)備通過將獲取的波形數(shù)據(jù)劃分成單位時間的部分創(chuàng)建分開式波形數(shù)據(jù)，并且根據(jù)多個關(guān)于單位時間的分開式波形數(shù)據(jù)，以分開式波形數(shù)據(jù)為單位獲取特征量，自動創(chuàng)建這樣的判斷模型。判斷模型是根據(jù)獲取的特征量為單位時間創(chuàng)建的。
文檔編號G01M99/00GK1847820SQ20061005919
公開日2006年10月18日 申請日期2006年3月15日 優(yōu)先權(quán)日2005年3月15日
發(fā)明者福井郁磨 申請人:歐姆龍株式會社