[发明专利]检查装置及检查方法

说明书

技术领域

本发明涉及从所输入的检查对象的计测数据中提取特征量，根据提取出的特征量判定检查对象的状态的检查装置及检查方法。

背景技术

在汽车和家电产品等中非常多地使用组装了电动机等驱动系统部件的旋转设备。例如，在汽车中，在发动机、动力转向装置、电动座椅、变速箱等到处都安装有旋转设备。并且，在家电产品中，在冰箱、空调、洗衣机等各种产品中安装有旋转设备。于是，在这些旋转设备工作时，由于电动机等的旋转而产生声音。

这种由于旋转产生的声音有伴随正常工作而必然产生的声音，也有因为缺陷而产生的声音。例如，这种伴随缺陷的异常声音有轴承的异常、内部的异常接触、不平衡、混入异物等。更加具体地讲，有频度为齿轮每旋转一圈产生一次的缺齿、咬入异物、点缺陷、电动机内部的旋转部与固定部在旋转中的瞬间摩擦所导致的异常声音。并且，例如在人可以听到的20Hz～20kHz范围内有各种声音。作为人感觉不舒服的声音，例如有约15kHz左右的声音。于是，产生这种规定频率成分的声音时也属于异常声音。当然，异常声音不限于该频率。

伴随上述缺陷的声音不仅仅是不舒服，也有可能产生更进一步的故障。因此，以这些各种产品的质量保证为目的，进行有无异常声音的判断。在生产工厂中，通常由检查员根据听觉和触觉等进行基于五官感觉的“官能检查”。具体地讲，检查员通过用耳朵听、用手触摸来确认振动进行检查。另外，官能检查在日本官能检查术语JIS Z8144中有所定义。

可是，基于检查员的五官感觉的官能检查需要熟练的技术。并且，官能检查的判定结果因个人差异和时间变化等造成的偏差较大。另外，官能检查存在判定结果的数据化和数值化困难、管理困难的问题。因此，为了解决这种问题，作为检查包括驱动系统部件在内的产品异常的检查装置有异常声音检查装置。异常声音检查装置的目的是定量且基于明确基准的稳定的检查。

在此前的异常声音检查装置中，以消除产生漏检率、降低过检率为目的，作成/改进了高性能的合格与否判定算法。另外，所说漏检是指将不合格品(异常品)错误判定为合格品(正常品)。漏检将会导致不合格品出厂，所以需要可靠地防止。所说过检是指将合格品错误判定为不合格品。过检将会导致合格品不能出厂而被废弃处理等，需要防止浪费及成品率降低。因此，增加所使用的特征量的数量，或者为了生成更好的判定规则而增加所要求的样本数量。

另一方面，近年来消费者对于工业产品质量的要求日益严格。并且，在多品种小批量生产时代的制造业中，不仅需要确保产品质量，而且如何快速地使生产线开始工作成为重要课题。即，仅仅单纯地实现异常声音检查算法的高精度化还不够。为了向市场输送质量更好的产品，在生产现场中有以下两种要求。

第一是检查的自动化。即，产品的尺寸和重量等生产工序中的检查通常针对所生产产品的各个特性值分别确定管理标准来管理质量。例如，在将印刷线路板的锡焊外观检查和汽车发动机的异常声音检查那样的官能检查自动化的检查装置中，从图像和波形中提取多个质量特性。然后，判别模型综合判断这些特性来判定合格与否。

第二是垂直调试(vertical start-up)。一般在生产现场中，在生产线调试时，经过批量生产试制过程来调试批量生产线。所说批量试制是指在研发设计后利用与批量生产相同的生产手段来制造产品，确定工序中有无问题等以及可否批量生产。在自动生成自动检查装置的判别模型时，如果没有采集足够的数据，则不能建模，所以在批量生产开始之前不能确定检查标准。在该批量试制阶段确定批量生产阶段中使用的检查标准，在开始批量生产的同时开始稳定的检查，这成为实现生产线的垂直调试的重要课题。

上述的官能检查综合判断声音的大小、高度、外观颜色及形状等各种质量特性来确定合格与否。因此，官能检查的自动化系统从利用麦克风和摄像机等传感器获取的数据中提取出表示质量特性的多个特征量，利用判别函数判定合格与否的模式识别比较有效。一般，模式识别需要准备用于确定判别函数的足够数量的学习样本。

此处，说明基于模式识别的产品检查。

图24是表示模式识别的步骤的说明图。所说模式识别是指根据从数据中提取出的特征量的模式来确定(判别)该数据所属的群的方法。因此，模式识别需要预先在模式空间上根据已经观测到的数据自动生成(学习)判别函数。

并且，模式识别的方法根据分布的表现方法和分布的对称性可以分为四种。

分布的表现方法可以分类为“参量判别”和“非参量判别”。参量判别利用统计参数表示分布，非参量判别不利用统计参数表示分布。