振動センサーは、物体の振動を表す指標、変位、速度、加速度を物理量として計測し、電圧や電流などの電気的な量に変換する素子です。振動センサーには様々な種類があり、それぞれ特徴や特性が異なるため、測定対象の状況や測定したい振動の周波数帯等による使い分けが重要となります。適切な振動センサーが選定されないがために十分な分析が出来ないこともよくありますので、慎重な選定が必要です。振動センサーの概要は下表の通りです。

振動センサーは設置方法で接触型と非接触型があります。測定対象の多くは接触型にて対応可能ですが、対象が回転している物体、高温で触ることが出来ない物体、対象が微小で接触型センサーが利用できない場合などは非接触型を用います。

機械振動を測定する際は、接触型の圧電式加速度ピックアップを使うケースが多いです。圧電式加速度ピックアップは、測定可能な周波数帯域が比較的広いことや、ある程度の高温に耐えるなど、汎用的に利用できます。但し、製品によって感度や周波数特性、位相特性、温度耐性などに差があるので、測定対象とコストに合ったものを選ぶのが難しいと感じています。また、ピックアップを複数利用する場合、同じ型番のピックアップでも個体差があるので、校正ができるように測定系の準備をした方が良いでしょう。

振動の測定、分析

振動の測定ですが、振動分析、異常検知や振動制御に利用することを想定してデータを取得することから、通常は、A/D変換してデジタルデータとして測定器やパソコンに取り込むことになります。

振動の大きさや周波数特性を考慮して、データ活用に適した量子化ビット数やサンプリング周波数を決める必要があります。パソコンやワークステーションでAI処理することを考えると、量子化ビット数は16bit、サンプリング周波数は8kHzといったデータで取得したいところです。実際には測定系のA/D変換の量子ビット数が12bitや14bitということもありますので、必要な場合は、量子化ビット数の変換処理で対応します。

測定した振動データを収集後、時間的な変化を見る時間領域での分析、高速フーリエ変換（FFT）を用いた周波数領域での分析をします。時間領域では、振動の大きさ、時間的な変動の有無、波形が単発なのか、0点に対して上下対象なのかを波形グラフで見ます。周波数領域では、振動に特徴的なピークやノッチが周波数成分として含まれているのかをスペクトルグラフで確認します。波形やスペクトルで、直流（DC）成分やノイズが見られるようなら、フィルタで除去することを検討します。

そして、振動データの分析結果を基に、AIアルゴリズムの選定やシステム構築案の作成を行い、異常検知システムや振動制御システムのPoC（概念実証: Proof of Concept）へと入っていきます。

実測における失敗事例とその対策例

AI処理による異常検知や振動制御の事例  

AIによる異常検知の手法としては、定常時と異なる信号が入ってきた場合を定常時と比較して検出する仕組みが採られています。オートエンコーダやその改良版を用いた異常検知手法が提案、研究、商品化されています。弊社では、AI異常予兆検知ソリューション@DeAnoSにて、AIによる異常検知システムを提供可能です。異常検知や予防保全としての活用例としては、以下が挙げられます。

• 構造物や橋梁の検査
• 製造設備の部品交換、メンテナンス時期の把握

振動制御については、機械的な仕組みなどによるパッシブ制御や、アクチュエータを用いたフィードバック制御やフィードフォワード制御などのアクティブ制御で振動を抑える手法など様々な研究が行われてきました。時代の流れと共に、AIで用いるディープニューラルネットワークを採用した振動制御システムも登場しています。建築物の振動制御や、微小振動を抑制して機械加工の生産性を向上した例などが挙げられます。