JP6986480B2 - 異常診断装置およびプログラム - Google Patents

Description

本発明は、振動データを用いた異常診断装置等に関する。

鉄道車両は、安全性の維持のために定期検査等が行われる。また、運行中の異常を速やかに検知し事故を未然に防ぐことを目的として、鉄道車両に搭載されている各種機器や部品の状態を監視する技術が開発・実用化されている。状態監視の手法としては、診断対象の機器や部品それぞれに、温度センサや振動センサといった各種センサを取り付ける手法が一般的である（例えば、特許文献１参照）。

特開２００８−１４８４６６号公報

検査対象となる機器のうち、鉄道車両において特に重点的に検査される機器は駆動用機器である。鉄道車両の駆動用機器としては、電気車の場合には、主電動機と減速機、気動車の場合には、ディーゼルエンジンや変速機、減速機、推進軸といった回転機械が用いられている。これらの駆動用機器は、故障を起こすと列車の安全で正常な運行を妨げることになる重要な機器であるため、その異常を早期に検知して、故障や破損を未然に防ぐことが重要である。また、駆動用機器に発生し得る故障には様々な種類があるが、疑わしい異常が発生した場合には、故障に至る前に、見逃すこと無く確実に検知することが望まれる。

さらには、単に異常の発生を検知するだけでなく、異常原因を特定し、或いは異常原因を絞り込む、異常原因の判別が求められる。異常の発生が検知できても、その異常原因がわからなければ整備や修理等が必要な箇所の手がかりとならず、発生した異常に対して適切に対処するのは難しいからである。また、異常原因となっている事象が進行／悪化しているのかどうかが分かれば、故障に至るまでの時間的な猶予を大まかに知ることができ、有用である。

本発明は、上記事情に鑑みてなされたものであり、鉄道車両の駆動用機器に生じた異常を検知してその異常原因を判別することができる技術の提供を第１の目的とする。また、異常原因となっている事象が進行／悪化しているのかどうかを判断できる技術の提供を第２の目的とする。

上記課題を解決するための第１の発明は、
鉄道車両に設置された振動センサによって検知された振動データをオクターブバンド分析する分析手段（例えば、図１１のオクターブバンド分析部５３１）と、
前記分析手段の分析結果を、低周波数帯、中周波数帯、高周波数帯の少なくとも３つの周波数帯の周波数帯別データに分類する分類手段（例えば、図１１の周波数帯分類部５３５）と、
前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合するか否かを判定することで、当該周波数帯の異常の有無を判定する異常判定手段（例えば、図１１の異常判定部５４１）と、
前記異常判定手段により判定された前記周波数帯それぞれの異常の有無に基づいて定められた異常原因を判別する異常原因判別手段（例えば、図１１の異常原因判別部５４７）と、
を備えた異常診断装置である。

第２の発明は、
鉄道車両に設置された振動センサによって検知された振動データをオクターブバンド分析する分析手段（例えば、図１１のオクターブバンド分析部５３１）と、
前記分析手段の分析結果を、低周波数帯、中周波数帯、高周波数帯の少なくとも３つの周波数帯の周波数帯別データに分類する分類手段（例えば、図１１の周波数帯分類部５３５）と、
所定周期で前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合するか否かを判定することで、当該周波数帯の異常の有無を判定する異常判定手段（例えば、図１１の異常判定部５４１）と、
前記周波数帯それぞれについて、前記所定周期よりも長い所定の単位時間或いは所定の走行単位の間に前記異常判定手段により異常有りと判定された回数の割合を履歴的に表示する制御を行う第１の履歴表示制御手段（例えば、図１１に示す異常度履歴表示制御部５４９）と、
を備えた異常診断装置である。

また、他の発明として、
コンピュータを、
鉄道車両に設置された振動センサによって検知された振動データをオクターブバンド分析する分析手段、
前記分析手段の分析結果を、低周波数帯、中周波数帯、高周波数帯の少なくとも３つの周波数帯の周波数帯別データに分類する分類手段、
前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合するか否かを判定することで、当該周波数帯の異常の有無を判定する異常判定手段、
前記異常判定手段により判定された前記周波数帯それぞれの異常の有無に基づいて定められた異常原因を判別する異常原因判別手段、
として機能させるためのプログラムを構成してもよい。

また、他の発明として、
コンピュータを、
鉄道車両に設置された振動センサによって検知された振動データをオクターブバンド分析する分析手段、
前記分析手段の分析結果を、低周波数帯、中周波数帯、高周波数帯の少なくとも３つの周波数帯の周波数帯別データに分類する分類手段、
所定周期で前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合するか否かを判定することで、当該周波数帯の異常の有無を判定する異常判定手段、
前記周波数帯それぞれについて、前記所定周期よりも長い所定の単位時間或いは所定の走行単位の間に前記異常判定手段により異常有りと判定された回数の割合を履歴的に表示する制御を行う第１の履歴表示制御手段、
として機能させるためのプログラムを構成してもよい。

鉄道車両に機械的な異常があると、それに起因して異常な振動が発生する。そして、このような異常振動は、異常原因が同じであれば同じような周波数帯に現れる。第１の発明及び第２の発明等によれば、振動データのオクターブバンド分析結果を低周波数帯、中周波数帯、高周波数帯の少なくとも３つの周波数帯の周波数帯別データに分類し、分類した周波数帯別データの各々が対応する周波数帯の所定基準データに適合するか否かを判定することで、各周波数帯における異常の有無を判定することができる。そして、第１の発明であれば、判定した各周波数帯の異常の有無に基づいて、発生した異常の異常原因を判別することができる。また、第２の発明であれば、所定の単位時間或いは所定の走行単位の間に異常有りと判定された回数の割合を履歴的に表示させることができる。これにより、異常原因となっている事象が進行／悪化しているのかどうか、どの程度進行／悪化しているかを判断できる。

また、上記の第１の発明に対しては、第２の発明と同様に、
前記異常判定手段は、所定周期で前記周波数帯別データそれぞれについての有無を判定し、
前記周波数帯それぞれについて、前記所定周期よりも長い所定の単位時間或いは所定の走行単位の間に前記異常判定手段により異常有りと判定された回数の割合を履歴的に表示する制御を行う第１の履歴表示制御手段、
を更に備えた、第３の発明としての異常診断装置を構成することができる。

また、第４の発明として、
前記分類手段は、前記低周波数帯の上限閾値を５０〜１００Ｈｚの間の周波数として前記分類を行う、
第１〜第３の何れかの発明の異常診断装置を構成してもよい。

第４の発明によれば、オクターブバンド分析結果を周波数帯別データに分類する際の低周波数帯の上限閾値を、５０〜１００Ｈｚの間の周波数とすることができる。

また、第５の発明として、
前記分類手段は、低周波数帯、中周波数帯および高周波数帯の３つの周波数帯の周波数帯別データに分類し、前記高周波数帯の下限閾値を１ｋＨｚとする、
第１〜第４の何れかの発明の異常診断装置を構成してもよい。

第５の発明によれば、オクターブバンド分析結果を周波数帯別データに分類する際の高周波数帯の下限閾値を、１ｋＨｚとすることができる。

また、第６の発明として、
前記異常判定手段は、前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合する度合を算出することで、当該周波数帯の異常度を算出する手段を有し、
前記異常度を履歴的に表示する制御を行う第２の履歴表示制御手段（例えば、図１１に示す異常度履歴表示制御部５４９）を更に備えた、
第１〜第５の何れかの発明の異常診断装置を構成してもよい。

第６の発明によれば、各周波数帯の周波数帯別データのそれぞれについて対応する所定基準データに適合する度合を当該周波数帯の異常度として算出し、異常度の履歴を表示することができる。

また、第７の発明として、
前記第２の履歴表示制御手段は、前記履歴の表示において前記異常度の高低を識別表示する、
第６の発明の異常診断装置を構成してもよい。

第７の発明によれば、異常度の高低を識別表示して異常度の履歴を表示することができる。

状態診断システムの全体構成例を示す模式図。 異常診断装置による状態診断を説明する図。 振動データのオクターブバンド分析を説明する図。 即時診断の大まかな流れを示す図。 近傍法（ＮＮＤＤ）による異常度算出の原理を説明する図。 異常原因の判別に用いる異常原因判別テーブルを示す図。 設置箇所別異常度履歴画面の一例を示す図。 ランカーブ画面の一例を示す図。 異常摩耗試験における異常発生率を示す図。 異常発生率表示画面の一例を示す図。 異常診断装置の機能構成例を示すブロック図。 即時診断処理の流れを示すフローチャート。 １走行分診断処理の流れを示すフローチャート。

以下、図面を参照して、本発明の好適な実施形態について説明する。なお、以下説明する実施形態によって本発明が限定されるものではなく、本発明を適用可能な形態が以下の実施形態に限定されるものでもない。また、図面の記載において、同一部分には同一の符号を付す。

図１は、本実施形態の状態診断システム１の全体構成例を示す模式図である。図１に示すように、状態診断システム１は、振動センサ３と、異常診断装置５とを備えて構成され、鉄道車両９に搭載されて使用される。振動センサ３は、鉄道車両９の駆動用機器の近傍に設置され、駆動用機器の動作によって生じる振動を検知する。図１では、台車に設置する例を示している。そして、異常診断装置５は、振動センサ３によって検知された振動データをもとに、駆動用機器の状態を診断する。例えば、鉄道車両９が電気車の場合は、主電動機（モータ）、変速機、歯車装置等の駆動装置、これらに用いられる軸受等を含む駆動用機器が状態診断の対象となる。気動車（ディーゼル車）であれば、ディーゼル機関（エンジン）、変速機、減速機、補機駆動装置、これらの周辺部品等の駆動用機器が状態診断の対象となる。なお、振動センサ３は、駆動用機器を構成する主要機器毎に設置することができるため、例えば、気動車（ディーゼル車）の場合、エンジン、変速機、補機駆動装置、ラジエータ等（或いはその近傍）に振動センサ３を設置することができる。

〔原理〕
図２は、異常診断装置５による状態診断を説明する図である。異常診断装置５は、振動データを処理し、振動データが異常振動を含むか否かを異常の有無として判定する。そして、判定した異常の有無を用いた異常原因の判別（異常原因の特定或いは絞り込み）を行って、駆動用機器の状態診断を実施する。振動センサ３を複数設置する場合は、設置箇所毎に振動データを処理し、当該状態診断を実施する。

本実施形態では、異常診断装置５は、鉄道車両９の走行中に振動センサ３からの振動データを入力して、オクターブバンド分析を行う（Ａ１）。そして、所定の単位期間（例えば１秒）毎のオクターブバンド分析結果を用いた状態診断（即時診断）をリアルタイムで行い、単位期間毎に即時診断結果７０７を得る（Ａ３）。

また、１回の走行を終えた後、当該１走行分の即時診断結果に基づく状態診断（１走行分診断）を行い、１回の走行毎に１走行分診断結果７１７を得る（Ａ５）。ここで、１回の走行（１走行）とは、ある程度の長さに亘る期間での走行であり、例えば、始発駅から終着駅までの走行や、１日の走行とすることができる。車両運用の観点から定義するとすれば、１つの行路や仕業を１回の走行としてもよいし、当該車両が充当される列車１本分の運用を１回の走行としてもよい。

また、所定の表示指示操作を受け付けて、即時診断結果や１走行診断結果を異常診断装置５の表示部５５（図１１を参照）等に表示する制御を行う（Ａ７）。

（１）オクターブバンド分析
図３は、振動データのオクターブバンド分析を説明する図である。オクターブバンド分析では、振動データＤ１１に対する所定のフィルタ処理が連続的に行われ、オクターブバンド分析結果が単位期間Δｔ毎に記録される。これにより、各単位期間Δｔにおけるオクターブバンド分析結果Ｄ１３として、各周波数帯域（オクターブバンド）に対する振動の大きさ（振動実効値）が得られる。本実施形態では、当該オクターブバンド分析を行った単位期間Δｔにおける鉄道車両９の走行速度の平均値（平均速度）を、そのオクターブバンド分析結果Ｄ１３に対応する走行速度として算出する。また、当該単位期間Δｔにおける動力源（モータやエンジン）の回転数と動作モードとを取得し、算出した走行速度とともにオクターブバンド分析結果Ｄ１３と対応付けて記録しておく。動作モードとは、力行、惰行及びブレーキの運転操作と、そのノッチ数との組み合わせであり、例えば、力行５ノッチ、・・、力行１ノッチ、惰行、ブレーキ１ノッチ、・・、ブレーキ５ノッチといったように設定される。

なお、データ量削減の観点から、本実施形態のように走行中にリアルタイムでオクターブバンド分析を行うが、振動データは記録せずに、単位期間Δｔ毎のオクターブバンド分析結果のみを記録する方法を採用すると好適である。ただし、１回の走行に係る振動データを記録しておき、事後的に単位期間Δｔ毎にオクターブバンド分析を行うとしてもよい。

（２）即時診断
図４は、即時診断の大まかな流れを示す図である。即時診断では先ず、診断対象の単位期間（対象単位期間）のオクターブバンド分析結果を、低周波数帯、中周波数帯、高周波数帯の３つの周波数帯の周波数帯別データに分類する（ステップＡ３１）。具体的には、図３に示すように、低周波数帯、中周波数帯、および高周波数帯の各周波数帯にオクターブバンドを振り分け、各周波数帯に属するオクターブバンドの振動実効値を対応する周波数帯の周波数帯別データとして分類する。そして、分類した振動実効値を要素とする特徴ベクトルを、対応する周波数帯に係る特徴ベクトルとして得る。或いは、周波数帯別データの主成分分析と白色化を行って主成分を求め、求めた主成分を特徴ベクトルとして用いてもよい。主成分の数は、その寄与率に応じて定めることができる。なお、各周波数帯の具体的な範囲については図６を参照して後述するが、それよりも細かく４つ以上の周波数帯に分類するとしてもよい。

続いて、図４に示すように、分類した低周波数帯、中周波数帯、および高周波数帯の各周波数帯の周波数帯別データそれぞれについて、予め所定基準データとして周波数帯毎に用意される学習データ６３（６３１，６３３，６３５）のうちの対応する周波数帯の学習データ６３に適合するか否かを判定することで、各周波数帯における異常の有無を判定する（ステップＡ３３）。

先ず、学習データ［低周波数帯（正常）］６３１は、事前に収集した正常時の振動データに対するオクターブバンド分析結果であって、そのうちの低周波数帯の周波数帯別データに基づく特徴ベクトルの集合である。同様に、学習データ［中周波数帯（正常）］６３３は、正常時の振動データに対するオクターブバンド分析結果であって、中周波数帯の周波数帯別データに基づく特徴ベクトルの集合である。学習データ［高周波数帯（正常）］６３５は、正常時の振動データに対するオクターブバンド分析結果であって、高周波数帯の周波数帯別データに基づく特徴ベクトルの集合である。

また、判定には、例えば、近傍法の一種であるＮＮＤＤ（Nearest Neighbor Data Description）や、１クラスサポートベクターマシンを利用することができる。図５は、近傍法（ＮＮＤＤ）による異常度算出の原理を説明する図である。図５に示すように、ＮＮＤＤでは、周波数帯別データ（より詳細には、当該周波数帯別データから得た特徴ベクトル）を多次元空間上の１点と考える。そして、当該多次元空間において、学習データ（正常時の振動データに基づく特徴ベクトル）の集合Ｇの中から、振動データを表すテストデータＸ（判定対象の特徴ベクトル）に最も近い学習データＡを探し、テストデータＸと学習データＡとの距離ｄ１を基準距離で除した比を求めてテストデータＸが正常なのか異常なのかを判定する。テストデータＸが異常である場合、学習データＡとテストデータＸとの距離が大きくなると考えられ、求まる比は異常の度合（異常度）を表すといえる。

実際の処理では、前段のステップＡ３１で周波数毎に得た特徴ベクトルの各々を順次処理対象とする。そして、最近傍の学習データだけでなくｋ番目（ｋ＝１〜ｋ_ＮＮ）に近い学習データも用い、判定対象の特徴ベクトルを、対応する学習データ６３、つまり、対応する周波数帯に係る正常時の振動データに基づく特徴ベクトルと比較して、各周波数帯の特徴ベクトルが正常なのか異常なのかをそれぞれ判定する。

具体的には、次式（１）に示す異常度算出関数ｇ（ｘ）に従い、判定対象の特徴ベクトルｘの異常度ｇを求める。式（１）において、ｄ_ｋは基準距離を表す。基準距離ｄ_ｋは、次のように定められる。すなわち、学習データ６３の各特徴ベクトルについて、ｋ番目に近い特徴ベクトルとの距離を算出する。そして、算出した距離を小さい順に並べて９９％の順位に位置する特徴ベクトルとの距離を特定し、これを当該ｋ番目に近い特徴ベクトルに係る基準距離ｄ_ｋとする。

ここで、ＮＮ_k（ｘ）は、データｘにｋ番目に近い学習データを表している。

そして、式（１）の異常度算出関数ｇ（ｘ）で求めた異常度が正値であれば判定対象の特徴ベクトルを異常と判定し、異常度が負値であれば判定対象の特徴ベクトルを正常と判定する。そして、特徴ベクトルを異常と判定した場合は、その周波数帯の振動データが異常振動を含むとして「異常有り」と判定する。一方、特徴ベクトルを正常と判定した場合には、その周波数帯の振動データが異常振動を含まないとして「異常無し」と判定する。

次に、１クラスサポートベクターマシンを利用する場合を簡単に説明する。１クラスサポートベクターマシンは、特徴ベクトルを２つのクラス（集団）に分類する学習モデルであるサポートベクターマシンを応用した手法である。サポートベクターマシンは、２クラスのデータ間の距離（マージン）が最大となるようにクラスが定められた学習データを分類する超平面を求め、この超平面に従い判定対象の特徴ベクトルをどちらかのクラスに分類する。そして、１クラスサポートベクターマシンは、学習データとして正常データの１クラスのみを用いて学習データのクラスとそれ以外とを分類する超平面を求め、求めた超平面に従い判定対象の特徴ベクトルを正常か異常のどちらかに分類する。

１クラスサポートベクターマシンにおいて、判定対象の特徴ベクトルｘの正常／異常の判定に用いる判別関数ｆ（ｘ）は、次式（２）で定められる。判別関数ｆ（ｘ）が正値の場合には、判定対象の特徴ベクトルｘは学習データである正常データのクラスに分類されない、すなわち異常であることを表す。一方、判別関数ｆ（ｘ）が負値の場合には、判定対象の特徴ベクトルｘは学習データである正常データのクラスに分類される、すなわち正常であることを表す。「ｌ」は、学習データを構成する特徴ベクトルの数である。

式（２）において、関数ｋ（ｘ，ｙ）はカーネル関数であり、ガウシアンカーネルを用いると、次式（３）で定められる。式（３）において、パラメータσは、例えば、特徴ベクトル間の距離の最大値として定められる。

また、式（２）において、ベクトルｘ_ｉは、サポートベクターである。サポートベクターとは、正常データの特徴ベクトルｘのうち、対応する係数αが「０」でない特徴ベクトルのことである。サポートベクターｘ_ｉの係数α_ｉは、次式（４）の最小化問題の解として算出される。式（４）において、パラメータνは、例えば「０．１」に設定される。

また、式（２）のパラメータρは、サポートベクターｘ_ｉの係数α_ｉが上限値でも下限値でもない場合に、次式（５）で与えられる。

このような１クラスサポートベクターマシンの手法を利用する場合も、前段のステップＡ３１で周波数帯毎に得た特徴ベクトルの各々を順次判定対象とする。そして、判定対象の特徴ベクトルを対応する学習データ６３と比較して、各周波数帯の特徴ベクトルが正常なのか異常なのかをそれぞれ判定する。

具体的には、判別関数ｆ（ｘ）を用いて次式（６）に示す異常度算出関数ｇ（ｘ）を定め、この異常度算出関数ｇ（ｘ）に従って、判定対象の特徴ベクトルｘの異常度ｇを求める。

式（６）の異常度算出関数ｇ（ｘ）は、判別関数ｆ（ｘ）で求めた値をパラメータρで正規化した値となる。１クラスサポートベクターマシンによる評価値の正規化ともいえる。したがって、異常度が正値であれば判定対象の特徴ベクトルを異常と判定し、異常度が負値であれば判定対象の特徴ベクトルを正常と判定する。そして、特徴ベクトルを異常と判定した場合は、その周波数帯の振動データが異常振動を含むとして「異常有り」と判定する。一方、特徴ベクトルを正常と判定した場合には、その周波数帯の振動データが異常振動を含まないとして「異常無し」と判定する。

続いて、判定した各周波数帯の異常の有無に基づいて、異常原因を判別する（ステップＡ３５）。図６は、異常原因の判別に用いる異常原因判別テーブルを示す図である。本実施形態の異常原因の判別は、異常が生じた部品を正確に特定するものではなく、その異常の起因となっている事象を推定的に特定し、又は絞り込むものである。異常の起因となっている事象が特定できれば、異常が発生している可能性のある部品を絞り込むことができ、検査の対象が明確となって、最終的な異常部品の特定や整備・修理をするまでの作業効率化やスケジュール策定に役立たせることができる。

具体的には、図６に示すように、低周波数帯、中周波数帯、および高周波数帯の何れかの周波数帯で異常有りと判定された場合に、各周波数帯における異常の有無の組み合わせに従って、異常原因を、駆動用機器を構成する回転機械のアンバランス又はミスアライメント（芯ずれ）、駆動用機器を構成する部品間の締結部材の締め付け不良等に起因するゆるみ、軸受や歯車の潤滑不良等に起因する異常摩耗、およびモータ異常のうちの該当する異常原因を判別する。

ここで、図６に示すように、アンバランス又はミスアライメントは、低周波数帯について異常有りと判定された場合に判別される異常原因の１つである。アンバランスやミスアライメントに起因する異常振動は、回転機械の回転数に応じて低周波数側で変動する。例えば電気車の場合、モータの最大回転数は６０００回転／ｍｉｎ（最高回転周波数１００Ｈｚ）程度であり、ディーゼル車の場合であれば、エンジンの最大回転数は２０００回転／ｍｉｎ（最高回転周波数３３．３Ｈｚ）程度である。アンバランスではこの回転周波数に応じた振動が発生する。また、ディーゼル車のように動力伝達軸がユニバーサルジョイントを用いたカルダンシャフトでありミスアライメントがある場合には、回転周波数の２倍の振動が発生する。そこで、前段の周波数別データの分類ステップＡ３１では、低周波数帯の上限閾値を５０Ｈｚ〜１００Ｈｚの間の周波数として低周波数帯の分類を行う。本実施形態では、例えば、上限閾値を１００Ｈｚとする。また、高周波数帯の下限閾値については１ｋＨｚとし、中周波数帯および高周波数帯の分類を行う。

即時診断の結果は、即時診断結果７０７（図２を参照）として記録しておく。この即時診断結果７０７には、判定された各周波数帯の異常の有無および当該判定にあたり算出した異常度と、判別された異常原因とが設定される。

以上説明した即時診断によれば、低周波数帯、中周波数帯、および高周波数帯の各周波数帯における異常の有無を判定し、その異常原因を判別することができる。これによれば、判別された異常原因を手がかりに駆動用機器を構成する該当部品の中から異常が発生している可能性のある部品を絞り込み、検査を行うことができる。具体的には、図６に示すように、判別された異常原因が「アンバランス又はミスアライメント」を含む場合、外観検査や寸法検査を行う。また、「ゆるみ」を含む場合は打音検査を行い、「異常摩耗」を含む場合は摩耗粉分析を行い、「モータ異常」を含む場合はモータの調査を行う。そして、これら検査の結果をもとに、必要に応じた整備や修理を行うことができるので、発生した異常に対して適切かつ効率的に対処することが可能となる。

なお、ここで説明した即時診断は、駆動用機器が定常状態であるときの振動データに基づくオクターブバンド分析結果のみを対象に行い、駆動用機器の動作が切り替わる過渡状態であるときのオクターブバンド分析結果については行わない構成としてもよい。

例えば、時間的に前後のオクターブバンド分析結果を比較し、定常状態であるか否かを判断する。具体的には、あるオクターブバンド分析結果と、時間的に直前のオクターブバンド分析結果との差分を求め、その差分が所定の閾値以下であれば定常状態、閾値を超えるのであれば過渡状態と判断する。ここで、オクターブバンド分析結果同士の差分とは、オクターブバンド毎の振動実効値の差である。例えば、各オクターブバンドの振動実効値の差の二乗和の平方根が閾値を超える場合に、過渡状態と判断する。

また、低周波数帯、中周波数帯、および高周波数帯の周波数帯毎の学習データを動作モード毎に用意しておくとしてもよい。そして、対象単位期間における動作モードに応じた学習データを参照し、各周波数帯における異常の有無を判定するとしてもよい。

（３）１走行分診断
１走行分診断では、１回の走行を終えた後の適宜のタイミングにおいて、当該走行中の即時診断で算出した周波数帯毎の異常度を平均し、１走行分の平均異常度を周波数帯毎に算出する。そして、算出した平均異常度に従って各周波数帯における異常の有無を判定し、判定した各周波数帯の異常の有無に基づき異常原因を判別する。異常の有無の判定および異常原因の判別は、即時診断と同様に行うことができる。すなわち、平均異常度が正値であれば「異常有り」、負値であれば「異常無し」と判定する。そして、図６に示した異常原因判別テーブルを用い、各周波数帯の異常の有無に基づいて異常原因を判別する。

１走行分診断の結果は、１走行分診断結果７１７（図２を参照）として記録しておく。この１走行分診断結果７１７には、判定された各周波数帯の異常の有無および当該判定にあたり算出した平均異常度と、判別された異常原因とが設定される。

（４）診断結果の表示制御
異常診断装置５は、以上説明した即時診断および１走行分診断の各診断結果を表示部５５等に表示する制御を行い、ユーザに提示する。また、即時診断や１走行分診断で算出した異常度の履歴を振動センサ３の設置箇所別に表示する制御を行う。

図７は、設置箇所別異常度履歴画面Ｗ１の一例を示す図である。図７に示すように、設置箇所別異常度履歴画面Ｗ１には、表示対象の振動センサ３の設置箇所について算出した異常度の履歴が、例えば日毎、週毎、および月毎の何れかを表示単位とする表形式で表示される。図７では、表示単位として日毎を選択した場合の画面例を示している。

この設置箇所別異常度履歴画面Ｗ１を表示するにあたっては、例えば日毎に異常度履歴を表示する場合であれば、先ず、表示対象の振動センサ３の設置箇所に係る即時診断結果をもとに各単位期間における異常度を低周波数帯、中周波数帯、および高周波数帯の周波数帯毎に日単位で集計した平均値を算出し、周波数帯毎の各日付の日平均異常度とする。なお、１回の走行を１日の走行として診断を行っている場合には、当該設置箇所に係る１走行分診断で算出した平均異常度を日平均異常度として用いることができる。また、週毎や月毎の表示単位が選択された場合は、当該設置箇所に係る即時診断結果の週単位又は月単位の平均値を算出すればよい。

続いて、算出した日平均異常度を閾値判定し、異常度の高低を例えば「異常無し」「異常度レベル低」「異常度レベル中」「異常度レベル高」の４段階で判別する。具体的には、日平均異常度が負値であれば「異常無し」とする。一方、日平均異常度が正値の場合については、例えば、予め異常度の取り得る値の範囲を３段階に分ける閾値を定めておく。ただし、３段階に限らず、２段階に分けるのでもよいし、４段階以上に分けるとしてもよい。そして、当該閾値を用いて日平均異常度を閾値判定し、その異常度の高低（「異常度レベル低」「異常度レベル中」および「異常度レベル高」の何れか）を判別する。

日毎の異常度の高低を判別したら、設置箇所別異常度履歴画面Ｗ１において、各周波数帯の日平均異常度を該当する日付の表示欄に表示する。そしてその際に、表示欄の背景色を、当該日付の日平均異常度について判別した異常度の高低に応じた背景色とすることで、当該異常度の高低を識別表示する。

この設置箇所別異常度履歴画面Ｗ１の表示によれば、各周波数帯における日毎等の異常度履歴を表示し、当該異常度履歴の表示において各異常度の高低を識別表示することができる。これによれば、ユーザは、日毎等の異常度と併せてその高低の変化を容易に把握することができる。また、各異常度がだんだんと高くなっていれば、その異常原因の事象が進行／悪化していると考えられることから、当該異常度履歴の表示から故障に至るまでの時間的な猶予を大まかに知ることができる。したがって、その鉄道車両９の整備や修理の時期を調整する等、生じている異常に対する対処を故障に至る前に確実に行うことができる。

なお、異常度履歴の表示態様は、図７に示した日毎や週毎、月毎等の平均値を表形式で表示する態様に限らず、例えば、日毎等の平均値を折れ線グラフにする等、グラフ化して表示するとしてもよい。

また、即時診断で単位期間毎に算出した異常度の履歴を設置箇所別に表示することもできる。図８は、各周波数帯における単位期間毎の異常度履歴の表示を含むランカーブ画面Ｗ２の一例を示す図である。図８に示すように、ランカーブ画面Ｗ２は、異常度表示部Ｗ２１と、ノッチ表示部Ｗ２２と、回転数表示部Ｗ２３と、走行速度表示部Ｗ２４とを縦に並べて配置して構成され、当該１走行分の各周波数帯の異常度履歴を、ノッチ、回転数、および走行速度とともに同一の走行位置座標軸或いは同一の時間軸上に表示する。また、ランカーブ画面Ｗ２は、左右の走行位置座標軸方向に沿ってスライド自在なスライダーＳ２を有しており、当該スライダーＳ２上でその指し示す走行位置を走行したタイミングにおける各周波数帯の異常度、ノッチ、回転数、および走行速度の各値を表示する。なお、図８では、スライダーＳ２上の表示を省略している。また、図８は、鉄道車両９が気動車である場合のランカーブ画面Ｗ２を例示しており、回転数表示部Ｗ２３には、エンジンの回転速度を示す機関回転数（実線）と、変速機の出力軸の回転数を示す軸回転数（破線）とが表示される。電気車の場合は、回転数表示部Ｗ２３には、モータの回転数が表示される。

また、異常度履歴の表示は、次のようにしてもよい。すなわち、周波数帯それぞれについて、１日や１週間といった所定の単位時間、或いは、１回の走行や１回の車両運用といった所定の走行単位の間に、即時診断において異常有りと判定された回数の割合を履歴的に表示する。

異常振動検知の検証のために実施したエンジンの異常摩耗試験における異常発生率を履歴的に示した図を図９に示す。この異常摩耗試験は、エンジンの潤滑油にセラミック粉末（ＳｉＣ：炭化ケイ素）を段階的に混入して、異常摩耗が進行／悪化していく過程を模擬した試験である。ＳｉＣ粉末を段階的に混入していくことは、ＳｉＣ粉末の濃度が時間経過とともに増大していくこと、つまりは異常摩耗が進行／悪化していく時間経過を意味する。また、ＳｉＣ粉末の濃度が０．５％の段階に達した後、エンジンを分解調査したところ、エンジンの継続使用が許容されない、故障した状態であることが確認された。

異常発生率とは、上述した実施形態の即時診断と同じ診断を行って異常有り（＝異常度が正値）と判定された回数の割合である。異常度の数値的な大きさは不問である。ＳｉＣ粉末の濃度が同じ各段階において、即時診断を行ったうちの異常有りと判定された回数の割合が、異常発生率である。低周波数帯、中周波数帯、高周波数帯の３つの周波数帯別に異常発生率を算出した。

この結果、図９に示す通り、低周波数帯、中周波数帯、高周波数帯の何れにおいても、概ね、ＳｉＣ粉末の濃度が高くなるに従って異常発生率が上昇していく傾向があることが分かった。例えば、回転機械等においては、ある瞬間に異常有りと判定されたとしても、次の瞬間には異常振動が収まって異常無しと判定される場合がある。しかし、ＳｉＣ粉末の濃度が高くなると、すなわち異常摩耗が進行／悪化していくと、異常振動の発生頻度が上昇し、最終的に異常振動が収まることなく発生し続ける（＝異常発生率１００％になる）ことが分かった。異常摩耗が進行／悪化していくことを示す指標として、上述した平均異常度や日平均異常度も有用であるが、この異常発生率も有用であると言える。

また、周波数帯に応じて、異常有りと判定され始めた早期に異常発生率が上昇し易い周波数帯か、故障に近づいた終期に異常発生率が上昇し易い周波数帯かといった、異常発生率の上昇傾向に違いがあることも分かった。但し、振動センサ３の設置箇所や、診断対象の機器によっては、この上昇傾向に違いが生じ得る。

異常発生率の表示方法は適宜考えられるが、履歴的な表示であることが重要である。例えば、図９の横軸は、そのまま時間経過と読み替えることができるため、図１０に示す異常発生率表示画面Ｗ３のように表示することができる。横軸は、１日や１週間といった所定の単位時間、或いは、１回の走行や１回の車両運用といった所定の走行単位を１目盛りとした時間軸とすることができる。この異常発生率表示画面Ｗ３は、異常度履歴表示の一例である。

各周波数帯の異常発生率を履歴的に表示することで、異常発生率がだんだんと高くなっていれば、その異常原因の事象が進行／悪化していると考えられることから、故障に至るまでの時間的な猶予を大まかに知ることができる。したがって、その鉄道車両９の整備や修理の時期を調整する等、生じている異常に対する対処を故障に至る前に確実に行うことができる。

なお、図１０では異常発生率の表示態様を棒グラフとしたが、折れ線グラフで表示するとしてもよい。また、振動センサ３の設置箇所や、診断対象の機器が複数ある場合には、切り替えて表示することとすると好適である。また、異常発生率に閾値を設けて、異常発生率がこの閾値以上となった場合に、警告や注意を促す表示や音を報知出力するようにしてもよい。この場合、どの周波数帯の異常発生率が閾値条件を満たしたかを併せて報知すると好適である。

また、異常発生率を算出する際に、所定の単位時間あるいは所定の単位走行の全てのデータを対象とするのではなく、所定の動作モードで機器が動作していた際のデータのみを対象として異常発生率を算出してもよい。異常の種類によっては、所定の動作モードで機器が動作している場合のみ異常振動が発生する場合がある。そのような場合には、その所定の動作モードで機器が動作していた際のデータのみを対象として異常発生率を算出することが好適である。

〔機能構成〕
図１１は、異常診断装置５の機能構成例を示すブロック図である。図１１に示すように、異常診断装置５は、操作入力部５１と、処理部５３と、表示部５５と、音出力部５７と、通信部５９と、記憶部６０とを備え、一種のコンピュータとして構成される。

操作入力部５１は、必要な各種操作を入力するためのものであり、例えば、キーボード、マウス、タッチパネル、各種スイッチ等の入力装置で実現できる。

処理部５３は、例えばＣＰＵ等の演算装置で実現され、操作入力部５１や記憶部６０を含む装置各部との間でデータの入出力制御を行う。そして、処理部５３は、記憶部６０に格納されたプログラムやデータ、操作入力部５１からの操作入力信号、通信部５９を介して外部から受信したデータ等に基づいて各種の演算処理を行い、異常診断装置５を構成する各部への指示やデータ転送を行って異常診断装置５を統括的に制御する。

また、処理部５３は、オクターブバンド分析部５３１と、周波数帯分類部５３５と、異常判定部５４１と、異常原因判別部５４７と、異常度履歴表示制御部５４９とを含む。

オクターブバンド分析部５３１は、振動センサ３によって検知された振動データに対して所定のフィルタ処理を行うことでオクターブバンド分析を行い、所定の単位期間毎にオクターブバンド毎の振動実効値を算出する。

周波数帯分類部５３５は、即時診断の実施に当たり、オクターブバンド分析部５３１による単位期間毎のオクターブバンド分析結果を、低周波数帯、中周波数帯、および高周波数帯の各周波数帯の周波数帯別データに分類する。

異常判定部５４１は、即時診断時判定部５４３と、１走行分診断時判定部５４５とを備える。即時診断時判定部５４３は、対象単位期間における振動データが正常なのか異常なのかを周波数帯毎に判定する。具体的には、即時診断時分類部５３７によって分類された周波数帯別データのそれぞれについて対応する周波数帯の学習データ６３（６３１，６３３，６３５）に適合するか否かを判定し、各周波数帯における異常の有無を判定する。また、１走行分診断時判定部５４５は、１回の走行中の即時診断で算出した周波数帯毎の異常度を平均し、当該１走行分の平均異常度の符号の正負に応じて各周波数帯における異常の有無を判定する。

異常原因判別部５４７は、即時診断の実施に当たり、即時診断時判定部５４３によって判定された周波数帯それぞれの異常の有無に基づいて、異常原因判別テーブル６５に従って異常原因を判別する。また、１走行分診断の実施にあたり、１走行分診断時判定部５４５によって判定された周波数帯それぞれの異常の有無に基づいて、異常原因判別テーブル６５に従って異常原因を判別する。

異常度履歴表示制御部５４９は、即時診断で算出した各周波数帯の異常度を日毎等の表示単位に従って平均して用い、異常度を履歴的に表示する制御を行う。またその際、異常度の高低を判別し、当該異常度履歴の表示において、判別した異常度の高低を識別表示する。

また、異常度履歴表示制御部５４９は、図１０を参照して説明したように、周波数帯それぞれについて、即時診断の周期よりも時間的に長い、１日や１週間といった所定の単位時間、或いは、１回の走行や１回の車両運用といった所定の走行単位の間に、即時診断において異常有りと判定された回数の割合を履歴的に表示する制御を行うこととしてもよい。

表示部５５は、処理部５３からの表示信号に基づく各種表示を行う。例えば、液晶ディスプレイや有機ＥＬディスプレイ等で実現できる。音出力部５７は、処理部５３からの音信号に基づく各種音出力を行う。例えば、スピーカ等で実現できる。

通信部５９は、外部装置との間でデータ通信を行う。例えば、無線通信機、モデム、ＴＡ（ターミナルアダプタ）、有線用の通信ケーブルのジャックや制御回路等によって実現できる。

記憶部６０には、異常診断装置５を動作させ、異常診断装置５が備える種々の機能を実現するためのプログラムや、当該プログラムの実行中に使用されるデータ等が予め格納され、或いは処理の都度一時的に格納される。例えば、ＲＡＭやＲＯＭ等のＩＣメモリ、メモリカードやＵＳＢメモリ、ハードディスク等の磁気ディスク、ＣＤ−ＲＯＭやＤＶＤ等の光学ディスク等によって実現できる。この記憶部６０には、診断プログラム６１と、学習データ６３と、異常原因判別テーブル６５と、１走行分データ６６と、診断結果データ６９とが格納される。

診断プログラム６１は、処理部５３をオクターブバンド分析部５３１、周波数帯分類部５３５、異常判定部５４１、異常原因判別部５４７、および異常度履歴表示制御部５４９として機能させるためのプログラムである。

学習データ６３は、学習データ［低周波数帯（正常）］６３１と、学習データ［中周波数帯（正常）］６３３と、学習データ［高周波数帯（正常）］６３５とを含む。

異常原因判別テーブル６５は、低周波数帯、中周波数帯、および高周波数帯の各周波数帯における異常有無の組み合わせに対応する異常原因を定めたデータテーブルである（図６を参照）。

１走行分データ６６には、１回の走行中においてオクターブバンド分析部５３１が単位期間毎に生成した分析結果データ６８が当該１回の走行毎に蓄積される。１走行分データ６６には、その走行日時６６１と、振動センサ３の設置箇所６６２と、当該１走行分データ６６を識別する１走行分データ番号６６３とが併せて設定される。また、蓄積される分析結果データ６８の各々は、単位期間６８１と、オクターブバンド分析結果６８２と、走行速度６８３と、回転数６８５と、動作モード６８６とを含む。なお、走行中にオクターブバンド分析は行わず、振動データの記録のみを行う場合には、オクターブバンド分析結果６８２にかえて、対応する単位期間６８１における振動データを記録しておく。

診断結果データ６９は、１回の走行中に得た単位期間毎の即時診断結果７０７（図２を参照）を走行日時７０１や振動センサ３の設置箇所７０３、１走行分データ番号７０５と対応付けて時系列順に蓄積した即時結果群７０と、１回の走行毎の１走行分診断結果７１７（図２を参照）を走行日時７１１や振動センサ３の設置箇所７１３、１走行分データ番号７１５と対応付けて格納した１走行分結果群７１とを記憶する。

〔処理の流れ〕
異常診断装置５は、単位期間毎に即時診断に係る処理（即時診断処理）を実行するとともに、１回の走行を終えた後、１走行分診断に係る処理（１走行分診断処理）を実行する。また、所定の表示指示操作を受け付けて、異常度履歴の表示制御を含む診断結果の表示制御に係る処理（診断結果表示制御処理）を実行する。なお、これらの処理は、処理部５３が診断プログラム６１を読み出して実行することによって実現される。

（１）即時診断処理
図１２は、即時診断処理の流れを示すフローチャートである。即時診断処理では、所定の診断開始タイミングとなった場合に（ステップＳ１：ＹＥＳ）、オクターブバンド分析部５３１が振動センサ３からの振動データを用いたオクターブバンド分析を開始する（ステップＳ３）。ここでの処理により、単位期間毎にオクターブバンド分析結果６８２が得られ、当該単位期間６８１における走行速度６８３、回転数６８５、および動作モード６８６と対応付けた分析結果データ６８が生成されて今回の走行に係る１走行分データ６６に蓄積されていく。

ここで、診断開始タイミングは、例えば、停車駅から出発進行した後、所定時間（例えば５秒）が経過したタイミングとすることができる。ただし、これに限らず、ノッチ（力行ノッチおよび／又はブレーキノッチ）が所定ノッチとなった時や、だ行走行時であるといった、運転操作が所定の運転操作条件を満たしたタイミングとしてもよい。また、別途走行位置を算出する算出装置を車上に設置し、所定の位置条件（例えば予め定められたキロ程位置）を満たす位置を通過したタイミングを診断開始タイミングとすることもできる。

オクターブバンド分析を開始したならば、当該オクターブバンド分析の単位期間毎にループＬの処理を行う（ステップＳ５〜ステップＳ１７）。すなわち、ループＬでは先ず、即時診断時分類部５３７が、対象単位期間のオクターブバンド分析結果６８２を、低周波数帯、中周波数帯、および高周波数帯の各周波数帯の周波数帯別データに分類する（ステップＳ９）。そして、周波数帯別データのそれぞれを表す各周波数帯の特徴ベクトル、例えば、周波数帯別データとして分類されたオクターブバンドの振動実効値を要素とする特徴ベクトルを、対応する周波数帯に係る特徴ベクトルとして得る（ステップＳ１１）。

続いて、即時診断時判定部５４３が、各周波数帯の特徴ベクトルのそれぞれについて対応する周波数帯の学習データ６３に適合するか否かを判定し、各周波数帯における異常の有無を判定する（ステップＳ１３）。具体的には、上記式（１）や式（６）に従って周波数帯毎の異常度を算出し、その符号の正負に応じて各周波数帯の異常の有無を判定する。

そして、異常原因判別部５４７が、ステップＳ１３で判定した各周波数帯の異常の有無の組み合わせに従い、当該組み合わせに該当する異常原因を、異常原因判別テーブル６５を参照して判別する（ステップＳ１５）。

（２）１走行分診断処理
図１３は、１走行分診断処理の流れを示すフローチャートである。１走行分診断処理では、先ず、１走行分診断時判定部５４５が、診断対象の１回の走行分の即時診断結果７０７に設定されている各周波数帯の異常度を周波数帯毎に平均し、各周波数帯の平均異常度を算出する（ステップＳ２１）。そして、算出した平均異常度の符号の正負に応じて各周波数帯における異常の有無を判定する（ステップＳ２３）。その後、異常原因判別部５４７が、ステップＳ２３で判定した各周波数帯の異常の有無の組み合わせに従い、当該組み合わせに該当する異常原因を、異常原因判別テーブル６５を参照して判別する（ステップＳ２５）。

（３）診断結果表示制御処理
診断結果表示制御処理では、異常度履歴表示制御部５４９が、即時診断処理において算出した周波数帯毎の異常度の履歴を振動センサ３の設置箇所別に表示する制御を行う。具体的には、図１２のステップＳ１３で算出した各単位期間における周波数帯毎の異常度を例えば日毎に平均して日平均異常度を算出し、算出した日平均異常度を日付順に並べて表示することで日毎の異常度履歴を表示制御する。また、異常度履歴表示制御部５４９は、算出した日平均異常度を閾値判定し、その異常度の高低を判別する。そして、異常度履歴の表示において、判別した異常度の高低を識別表示する。

また、診断結果表示制御処理では、その他にも、即時診断処理において図１２のステップＳ１５で判別された異常原因を、ステップＳ１３で判定された異常の有無と併せて表示部５５に表示する制御を行う。また、１走行分診断処理において図１のステップＳ２５で判別された異常原因を、ステップＳ２３で判定された異常の有無と併せて表示部５５に表示する制御を行う。その際、別途音出力部５７から所定の報知音を音出力する構成としてもよい。

以上説明したように、本実施形態によれば、鉄道車両に生じた異常を検知してその異常原因を判別することができる。

なお、上記実施形態では、図１において１台の台車に振動センサ３を設置した例を示したが、振動センサ３を、全ての台車に設置する等、駆動用機器単位で設置するとしてよい。またその場合、異常診断装置５の装置構成は、図１に示した単体の構成に限らず、機能を分担する複数台のコンピュータで実現するとしてもよい。例えば、オクターブバンド分析に係る処理を行う端末装置を振動センサ毎に設置するとともに、各端末装置におけるオクターブバンド分析結果に基づいて、振動センサ３が設置された台車別に、即時診断や１走行分診断、時系列診断を行う中央装置を別途設置する構成としてもよい。その場合、中央装置は、車庫等の地上に配置することとして、鉄道車両９が、中央装置が配置された車庫等に位置した場合に、鉄道車両９に設置された端末装置と通信を行って、オクターブバンド分析結果を取得する構成とすることができる。また、保守員が、メモリカード等の記憶媒体を介して、端末装置から中央装置へ、オクターブバンド分析結果のデータを手動で移動させることとしてもよい。

また、走行中に振動データの記録のみを行う場合は、鉄道車両９に搭載された異常診断装置５が、夜間等の運行終了後においてオクターブバンド分析や即時診断に相当する状態診断、１走行分診断、時系列診断に係る処理を行うのでもよいし、記録した振動データを地上（車外）に設置された異常診断装置が処理し、オクターブバンド分析や各種診断に係る処理を行う構成でもよい。

１…状態診断システム
３…振動センサ
５…異常診断装置
９…鉄道車両
５１…操作入力部
５３…処理部
５３１…オクターブバンド分析部
５３５…周波数帯分類部
５４１…異常判定部
５４３…即時診断時判定部
５４５…１走行分診断時判定部
５４７…異常原因判別部
５４９…異常度履歴表示制御部
５５…表示部
５７…音出力部
５９…通信部
６０…記憶部
６１…診断プログラム
６３（６３１，６３３，６３５）…学習データ
６５…異常原因判別テーブル
６６…１走行分データ
６８…分析結果データ
６９…診断結果データ
７０７…即時診断結果
７１７…１走行分診断結果

Claims (9)

1. 鉄道車両に設置された振動センサによって検知された振動データをオクターブバンド分析する分析手段と、
   前記分析手段の分析結果を、低周波数帯、中周波数帯、高周波数帯の少なくとも３つの周波数帯の周波数帯別データに分類する分類手段と、
   前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合するか否かを判定することで、当該周波数帯の異常の有無を判定する異常判定手段と、
   前記異常判定手段により判定された前記周波数帯それぞれの異常の有無に基づいて定められた異常原因を判別する異常原因判別手段と、
   を備えた異常診断装置。
2. 鉄道車両に設置された振動センサによって検知された振動データをオクターブバンド分析する分析手段と、
   前記分析手段の分析結果を、低周波数帯、中周波数帯、高周波数帯の少なくとも３つの周波数帯の周波数帯別データに分類する分類手段と、
   所定周期で前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合するか否かを判定することで、当該周波数帯の異常の有無を判定する異常判定手段と、
   前記周波数帯それぞれについて、前記所定周期よりも長い所定の単位時間或いは所定の走行単位の間に前記異常判定手段により異常有りと判定された回数の割合を履歴的に表示する制御を行う第１の履歴表示制御手段と、
   を備えた異常診断装置。
3. 前記異常判定手段は、所定周期で前記周波数帯別データそれぞれについての有無を判定し、
   前記周波数帯それぞれについて、前記所定周期よりも長い所定の単位時間或いは所定の走行単位の間に前記異常判定手段により異常有りと判定された回数の割合を履歴的に表示する制御を行う第１の履歴表示制御手段、
   を更に備えた請求項１に記載の異常診断装置。
4. 前記分類手段は、前記低周波数帯の上限閾値を５０〜１００Ｈｚの間の周波数として前記分類を行う、
   請求項１〜３の何れか一項に記載の異常診断装置。
5. 前記分類手段は、低周波数帯、中周波数帯および高周波数帯の３つの周波数帯の周波数帯別データに分類し、前記高周波数帯の下限閾値を１ｋＨｚとする、
   請求項１〜４の何れか一項に記載の異常診断装置。
6. 前記異常判定手段は、前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合する度合を算出することで、当該周波数帯の異常度を算出する手段を有し、
   前記異常度を履歴的に表示する制御を行う第２の履歴表示制御手段を更に備えた、
   請求項１〜５の何れか一項に記載の異常診断装置。
7. 前記第２の履歴表示制御手段は、前記履歴の表示において前記異常度の高低を識別表示する、
   請求項６に記載の異常診断装置。
8. コンピュータを、
   鉄道車両に設置された振動センサによって検知された振動データをオクターブバンド分析する分析手段、
   前記分析手段の分析結果を、低周波数帯、中周波数帯、高周波数帯の少なくとも３つの周波数帯の周波数帯別データに分類する分類手段、
   前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合するか否かを判定することで、当該周波数帯の異常の有無を判定する異常判定手段、
   前記異常判定手段により判定された前記周波数帯それぞれの異常の有無に基づいて定められた異常原因を判別する異常原因判別手段、
   として機能させるためのプログラム。
9. コンピュータを、
   鉄道車両に設置された振動センサによって検知された振動データをオクターブバンド分析する分析手段、
   前記分析手段の分析結果を、低周波数帯、中周波数帯、高周波数帯の少なくとも３つの周波数帯の周波数帯別データに分類する分類手段、
   所定周期で前記周波数帯別データそれぞれについて、対応する周波数帯の所定基準データに適合するか否かを判定することで、当該周波数帯の異常の有無を判定する異常判定手段、
   前記周波数帯それぞれについて、前記所定周期よりも長い所定の単位時間或いは所定の走行単位の間に前記異常判定手段により異常有りと判定された回数の割合を履歴的に表示する制御を行う第１の履歴表示制御手段、
   として機能させるためのプログラム。

Images