こんな課題はありませんか？

本セミナーは、FFTを単なる周波数分析ツールとしてではなく、実務で原因特定に活用するための“信号処理の一要素”として再整理します。
データ取得から前処理、FFTの使い方、条件設定、そして結果の読み取りまでを一貫した流れとして理解し、実務でありがちな誤判断を回避するための考え方を解説します。
さらに、周波数分析だけでは対応できない現象へのアプローチや、AI活用に不可欠な特徴量設計の基礎まで扱い、現場で使える解析力の習得を目指します。

・ FFTの本質と“正しい使いどころ／使ってはいけない場面”の理解
・ 解析結果を左右するデータ取得・前処理・条件設定の考え方
・ スペクトルの読み取りと誤判断を防ぐための判断軸
・ 周波数分析だけでは見抜けない現象への対応方法
・ AI活用につながる信号処理と特徴量設計の基本

• １． 周波数分析のためのアナログフィルタとは？
• 
  1-1 理想的なフィルタと現実のフィルタ
  1-2 BPF、LPF、HPFについて分かりやすい図で解説
  1-3 1/1オクターブフィルタと1/3オクターブフィルタの違いを図で分かりやすく解説
  1-4 1/1オクターブ分析・1/3オクターブ分析・1/Nオクターブ分析の違いを図解
  1-5 1/1オクターブの中心周波数・下限周波数・上限周波数の表
  1-6 1/3オクターブの中心周波数・下限周波数・上限周波数の表
  1-7 周波数分析結果におけるオールパスとオーバーオールの違いは？
  
  ２． 周波数分析のためのディジタルフィルタとは？
• 
  2-1 ディジタルフィルタ(IIRフィルタとFIRフィルタ）を分かりやすく解説
  2-2 ディジタルフィルタに必要となるZ変換の本質とは？
  2-3 A/D変換のプロセスを変わりやすい図で解説
  2-4 Z変換のしかたと理論を分かりやすく解説
  2-5 離散信号（ディジタル信号）の遅延の表し方
  2-6 畳み込み積分が周波数領域では乗算になるとは？
  2-7 畳み込み積分が周波数領域では乗算になることを分かりやすい計算例題で確認してみよう！
  2-8 サンプリングの定理とは？
  2-9 折り返しひずみとは？
  2-10 FIRフィルタについての追加解説
  2-11 IIRフィルタについての追加解説
  
  ３．フーリエ級数とは
  
  3-1 フーリエ級数における直流成分とは？　交流成分とは？
  
  ４．フーリエ変換とは？
  
  4.1 フーリエ変換の公式がやっていることを言葉で説明すると？
  4-2 「あ」を高調波で分解した例
  4-3 高調波を時間と周波数で分類する方法をイメージ図で解説
  4-4 FFT分析器の主要機能の関係を表すブロック図
  4-5 アナログとディジタルによるフーリエ変換（FFT）を整理して解説
  4-6「無限で連続的な数式」から「デジタル処理（計算機）で扱える離散フーリエ変換（DFT）」へと落とし込む標準的な導出プロセスを解説
  
  
• ５． FFTアナライザの各機能について分かりやすく解説
  
  5-1 なぜ窓関数（ウィンドウ）を使用するのか？ その重要性は？
  5-2 窓関数（ウィンドウ）の種類と特徴をイメージ図で理解
  5-3 騒音解析によく使用するウィンドウとその解説
  5-4 振動解析によく使用するウィンドウとは？
  5-5 ウィンドウの重要な役割を整理
  5-6 アベレージング回数の決定のしかた
  
  

６． フーリエスペクトルとパワースペクトルの違いは？

6-1 フーリエスペクトルとは？
6-2 パワースペクトルとは？


７． パワースペクトル密度（PSD）をさらに解説

８．オクターブ分析やFFT分析による振動・騒音の測定・分析のしかたとその技術ノウハウ

8-1 周波数分析により何がわかるのか？
8-2 FFT分析とオクターブ分析、どちらを使用すればよいのか？
8-3 パワースペクトルの測定方法と測定例を詳しく解説
8-4 共振回避を行うための振動の測定例と分析方法を詳しく解説
8-5 アンバランス振動の測定例と分析方法を詳しく解説

９．ボールベアリング（玉軸受け）の振動・騒音の異常分析のための特殊なやり方など

9-1 なぜベアリングの異常診断に「エンベロープ分析」が必要なのか？
9-2 ラジオの仕組みに学ぶ「エンベロープ分析」 : 検波してからエンベロープ処理
9-3 ベアリングの傷による振動の直接FFTとエンベロープFFTの違いを図解で分かりやすく解説
9-4 包絡線処理のための一つの処理としてのヒルベルト変換によるエンベロープ処理についての理論解説
9-5 ベアリングの構造と4大欠陥周波数の計算
9-6 転がり軸受け振動の異常診断法・ヒルベルト変換をしないでフィルターだけで行う方法を分かりやすい図で解説
9-7 ヒルベルト変化による外輪傷を検出するエンベロープ解析しくみを分かりやすい図で解説
9-8 現代のデジタル信号処理 ： ヒルベルト変換を用いたエンベロープ（包絡線）処理のイメージを分かりやすく言葉で解説
9-9 騒音のいろいろな周波数分析のしかたを分かりやすく解説
9-10 各社（リオン、小野測器、東陽テクニカ、HBK、Siemens）のFFT（2026年最新版）の概要

１０．今までの解説でFFＴについて理解できなかったかたのための入門参考資料

10-1 FFTを技術的に正しく使用しないとどういうことになるのか？
10-2 FFTを技術的に正しく使いこなすために必要となる技術とは？
10-3 そもそもFFTとは？
10-4 周波数分析はこのあたりから始まる！

１１．振動・騒音信号のＡＩ化のための特徴量の抽出のために必要になる技術（MATLABなど）

11-1 １次元データの２次元化による方法
11-2 特徴量を抽出する前に必要になるデータの前処理の全体像について
11-3 なぜFFTだけではAIに使えないのか？
11-4 AIに必要な信号前処理の全体像を分かりやすい図で解説
11-5 データの前処理 ： データの補間と欠損データの修復
11-6 データの前処理 ： トレンドや雑音の除去
11-7 データの前処理 ： 成分の強調
11-8 データの前処理 ： 信号間の遅延
11-9 データの前処理 ： 変化点を見つける
11-10 データの前処理 ： 類似成分を見つける
11-11 データの前処理 ： ピークを見つける
11-12 データの前処理 ： 特徴量の抽出
11-13 データの前処理 ： 周期的な変動を特徴とする信号
11-14 重要ポイントの補足
11-15 MATLAB・SimulinkとPythonについての確認事項

１２．2026年、LabVIEWは「計測ソフト」から「AI解析プラットフォーム（AIエージェント）」へ進化する！

12-1 LabVIEWを使うメリット（ブロックダイアグラム＆フロントパネル）
12-5 LabVIEWによる具体的なFFTのプログラムの作成のしかた
12-6 リアルタイムでデータを解析できる
12-7 信号処理機能が充実している
12-8 センサや計測器との接続が容易
12-9 グラフィカルプログラミングで開発しやすい
12-10 今までの整理

１３． LabVIEWとAIを連携させる方法

13-1 計測からAIによる異常診断・予知保全まで
13-2 LabVIEWが担当する処理
13-3 AIが担当する処理
13-4 センサ→DAQ→LabVIEW→Python→LabVIewの関係を分かりやすい図で解説
13-5 実務事例

１４． FFTが約4 Hz以下の分析が苦手！

14-1 なぜFFTは4Hz以下が苦手なのか？
14-2 「なぜFFTは4Hz以下が苦手なのか？」を理解するするための計算例題
14-3 周波数分解能を表す下記の２つの式は同じか？　それとも異なるか？
14-4 FFTの低周波・短時間解析の弱点を改善する多くの方法についての解説
14-5 FFT分野で使う記号には一般的に３つの意味が混在しているので注意が必要
14-6 FFT解析におけるサンプリングと分解能の計算公式（関係式）・計算例・実際のデータ上での確認

１５． HBK、リオン株式会社、 株式会社小野測器株式会社、東陽テクニカ、Siemens、National Instruments（LabVIEW） の振動・音響・FFT・NVH分野での位置（本セミナーの講師の長年の知見も加えて解説）

• １６．質疑応答
  

肩書 ＆ 氏名	有限会社アイトップ　統括技術コンサルタント 日本騒音制御工学会認定技師　 日本音響学会技術開発賞受賞　 元名古屋大学大学院非常勤講師（留学生に英語で講義：2021～2024） 博士（工学）　小林英男
専門	AIを活用した振動・騒音技術および関連分野の理論・応用技術とその実践
実績	技術コンサルタントおよびセミナー講師として30年以上の実務経験と豊富な実績を持ち、日本各地の産業技術センター及び日刊工業新聞社主催のセミナーなどでも長年講師を務めてきました。

技術セミナーの一覧に戻る

(有)アイトップのトップページに戻る