JP3785703B2 - 時系列データの識別方法およびその識別装置 - Google Patents
時系列データの識別方法およびその識別装置 Download PDFInfo
- Publication number
- JP3785703B2 JP3785703B2 JP28965896A JP28965896A JP3785703B2 JP 3785703 B2 JP3785703 B2 JP 3785703B2 JP 28965896 A JP28965896 A JP 28965896A JP 28965896 A JP28965896 A JP 28965896A JP 3785703 B2 JP3785703 B2 JP 3785703B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- series data
- data
- unit
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16H—GEARING
- F16H57/00—General details of gearing
- F16H57/01—Monitoring wear or stress of gearing elements, e.g. for triggering maintenance
- F16H2057/018—Detection of mechanical transmission failures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Description
【０００１】
【発明の属する技術分野】
この発明は、決定論に基づいた時系列データと、確率過程に基づいた時系列データとの識別方法およびその識別装置に関する。
【０００２】
【従来の技術】
例えば、回転機械系システムの軸振動異常を検出する際に、システムから決定論に基づいた時系列データとランダムノイズのような確率過程に基づいた時系列データが合成されて検出器で検出される。これら時系列データのうち、一見するとランダムに見える時系列データでも決定論に従ったものが多くある（決定論的カオス）。このような決定論的カオス系のダイナミクスは、ランダムノイズがわずかに加わった時（すなわち、僅かな異常が発生した時）には、表面上明確な違いが見られない。上記時系列データの特徴判定方法には、一般にＦＦＴ解析法が使用されるが、決定論的カオス系のダイナミクスの場合、それを構成する周波数成分が無限になるので、明確な周波数抽出が不可能となる。
【０００３】
図９はＦＦＴ等のスペクトル解析による周波数の特徴を抽出する方法のフローチャートで、まず、システムからの時系列データを、検出器で検出してステップＳ１でデータを得る。ステップＳ１で得られたデータは、ステップＳ２でＦＦＴによりスペクトル解析される。このＦＦＴによるスペクトル解析結果から特徴のある周波数をステップＳ３で選定する。このようにして選定した値と、正常な場合のデータで予めＦＦＴによるスペクトル解析を行ったときの解析値とを、ステップＳ４で比較し、その比較結果からステップＳ３で選定した値が正常か異常かの判定を行う。
【０００４】
【発明が解決しようとする課題】
上記のように時系列データをＦＦＴ等のスペクトル解析により周波数の特徴を抽出する方法では、決定論系に基づいた時系列データであるか、確率過程系の時系列データであるかの識別ができない場合がある。例を示すと、決定論的カオスの時系列データとして代表的なレスラーカオス時系列データ特性図（図１０ａ、図１１ａ）と、その時系列データに確率過程系の要素（ホワイトノイズ１０％）を加えたレスラーカオス時系列データ特性図（図１０ｂ、図１１ｂ）で比較し、ＦＦＴによるスペクトル解析を行った結果、ノイズを加えた時系列データとノイズを加えない時系列データとのＦＦＴによるスペクトル解析結果を比較しても図１２ａ，ｂ、図１３ａ，ｂに示す特性図のように明確な差異は選られない。このため、決定論系の時系列データと確率過程系の時系列データとの識別は極めて困難である。この結果、回転機械系システムの軸振動異常を検出する際に、ＦＦＴによるスペクトル解析を行っても明確に、軸振動の異常を検出できない問題がある。
【０００５】
この発明は上記の事情に鑑みてなされたもので、決定論に基づいた時系列データと、ランダムノイズのような確率過程に基づいた時系列データとの識別が確実にできる時系列データの識別方法およびその識別装置を提供することを課題とする。
【０００６】
【課題を解決するための手段】
この発明は、上記の課題を達成するために、第１発明は、対象とするシステムから時系列データを検出する検出手段と、検出手段により検出された時系列データを取り込むデータ入力手段と、取り込まれた時系列データを格納するデータ格納手段と、格納された時系列データからｎ次元状態空間に埋め込み処理を行う時系列データの埋め込み処理手段と、埋め込まれた時系列データのデータベクトルの接線方向を検出する接線方向検出手段と、検出されたデータベクトルの接線方向を判定する判定手段と、判定手段の判定結果から時系列データを分離識別する分離識別手段と、識別した結果を表示する表示手段とを備えた時系列データの識別装置における時系列データの識別方法において、
前記ｎ次元状態空間に埋め込まれた時系列データの任意のデータベクトルの接線方向を接線方向検出手段により検出するステップと、前記ｎ次元状態空間の近傍空間内でのデータベクトルの軌道に対する接線方向を検出し、検出されたデータベクトルの接線方向が同一方向であるか、否であるかを判定手段で判定するステップと、その判定結果から決定論に基づく時系列データであるか、確率過程に基づく時系列データであるかを分離識別手段により分離識別するステップとを有することを特徴とするものである。
【０００７】
第２発明は、対象とするシステムから時系列データを得る検出部と、この検出部で検出された時系列データを取り込むデータ入力部と、このデータ入力部に取り込まれた時系列データを格納するデータ格納部と、このデータ格納部に格納されたデータが入力される判定処理部とを備えた時系列データの識別装置であって、
前記判定処理部は、対象とするシステムからの時系列データが入力され、時系列データをある次元と遅れにてｎ次元状態空間に埋め込み処理を行う時系列データの埋め込み処理部と、この処理部で埋め込み処理されたデータを入力し、その中から所望のデータベクトルを選択するデータベクトル選択部と、このデータベクトル選択部で選択されたデータベクトルに近い近傍ベクトルを検出する近傍ベクトル検出部と、前記データベクトル選択部と近傍ベクトル検出部で検出されたベクトルの軌道に対する接線方向を演算により導出する接線方向演算部と、この接線方向演算部で導出されたデータベクトル接線方向と近傍ベクトルの接線方向との平行度が入力され、この平行度を評価する平行度評価部と、統計的誤差をなくすために平行度評価部で評価された平行度の平均を求め、それが「０」なら決定論に基づく時系列データであると判定し、「１」なら確率過程に基づく時系列データであると判定する平行度判定部とからなることを特徴とするものである。
【００１０】
第３発明は、前記判定処理部はコンピュータからなり、検出部で検出された時系列データをアナログ／ディジタル変換器を介してコンピュータに入力させることを特徴とするものである。
【００１１】
【発明の実施の形態】
以下この発明の実施の形態を図面に基づいて説明する。図１はこの発明の実施の第１形態を示すブロック構成図で、図１において、１は図２に示すｎ次元状態空間に埋め込まれた時系列データの任意のデータベクトルを得るデータベクトルＸｉ検出手段、２はその近傍空間内（図２に示す）での、データベクトルＸｊ（ｊ；ｍ個（事前に設定））の軌道（トラジェクトリ）に対する接線の方向Ｔｉ，Ｔｊを得る接線方向検出手段である。この接線方向検出手段２で得られた接線方向がほぼ同一であるか、否であるかを判定手段３で判定する。この判定結果で、同一なら理想的な決定論に基づく時系列データであるとし、否であるなら図３に示すようにシステムに異常が加わった、すなわちランダムノイズ印加で接線方向がランダムになり確率過程に基づく時系列データであると分離識別手段４で分離識別される。
【００１２】
ここで、一例として、決定論的カオスの時系列データである代表的なレスラーカオスと、その時系列データに確率過程系の要素としてホワイトノイズを加えたデータで比較する。ノイズの影響を受けていないデータを埋め込んだときのアトラクタグラフは図４に示すような軌道を描く。しかし、ノイズの影響を受けたデータのときのアトラクタグラフは図５に示すように軌道が支離滅裂になる。この結果、図４から明かのように、ノイズの影響を受けないデータでは、埋め込まれたアトラクタの一部分を見るとそれぞれのデータが同じ方向に流れていることが判る。
【００１３】
図６はこの発明の実施の第２形態を示すブロック構成図で、図６において、１１は計測機器により対象とするシステムから時系列データを得る検出部で、この検出部１１で検出された時系列データをデータ入力部１２に取り込む。取り込まれた時系列データはデータ格納部１３に格納される。格納されたデータは判定処理部１４に入力され、この判定処理部１４で詳細を図７に示すような手段や各部で処理が行われて、データベクトルから接線が導出され、接線の平行度の評価が行われて平行度が判定される。この接線の平行度の判定値からノイズが加わったデータであるかが判定結果部１５で識別される。この判定結果部１５で識別された結果は出力部１６に送られて監視装置などに明示されるとともに、判定結果格納部１７に格納される。
【００１４】
図７は判定処理部１４の詳細なブロック構成図で、図７において、２１は対象とするシステムから時系列データを得る手段で、この手段２１で得られた時系列データは時系列データの埋め込み処理部２２に入力される。この処理部２２では時系列データをある次元と遅れにて埋め込み処理を行う。ただし、次元と遅れは、対象とするシステムによって事前に設定する。処理部２２で埋め込み処理されたデータはデータベクトル選択部２３に入力され、ここで、図２に示すように、ランダムにデータベクトルＸｉを選択する。データベクトルＸｉが選択されたなら、次に近傍ベクトル検出部２４でデータベクトルＸｉに近い近傍ベクトルＸｊ点を検出する。
【００１５】
２５は接線方向演算部で、この演算部２５ではデータベクトルＸｉと近傍ベクトルＸｊのトラジェクトリに対する接線方向ＴｉとＴｊを導出する。導出された接線方向ＴｉとＴｊは平行度評価部２６に入力されて、ＴｉとＴｊとの平行度が評価（平行度が高いほど０となる）される。平行度評価部２６においての接線方向ＴｉとＴｊとの平行度が設定された標本数（Ｎ個分）に達しているかを判断部２７で判断し、達していなかったならデータベクトル選択部２３から処理を再び行う。設定された標本数に達していたなら、平行度の平均を平行度判定部２８で求めてそれが平均以上なら決定論に基づく時系列データであると判定し、平均以下なら確率過程に基づく時系列データ、すなわちランダムノイズであると判定する。
【００１６】
図８はこの発明の実施の形態を回転機械系の軸振動異常検出装置に適用した構成説明図で、特にＡＴ車トランスミション異常振動検出装置に適用したものであり、図８において、３１は被試験機器となるＡＴ車トランスミションで、このトランスミション３１の試験時に発生する音（時系列データ）は検出器３２で検出される。検出された音はコンピュータ３３に入力される際に、Ａ／Ｄ変換器３４でディジタルデータに変換される。このデータは図７に示すような判定処理部１４に入力されて処理され、トランスミション３１が将来発生する異常音などを予測する。その予測した結果は試験ラインの停止や、ＣＲＴ表示部３５、監視盤３６に表示される。なお、３７はＤ／Ａ変換器、３８はインターフェース盤、３９はＬＡＮ用拡張モジュール、４０は他のコンピュータに判定結果を伝送する伝送路である。上記適用例では回転機械系の異常音を検出するようなシステムに適用したが、配管系の損傷などによる異常音の検出にもできる。
【００１７】
上述した実施の形態では異常音の検出ができることについて述べて来たが、圧力センサや温度センサにより検出したものにも適用できる。例えば、自動車のパワーステアリングなどのギャーポンプの異常検出に適用できるなど種々の異常検出が可能となる。
【００１８】
【発明の効果】
以上述べたように、この発明によれば、少ないパラメータ（埋め込み次元、遅れ、近傍数／標本数）の設定により、時系列データの性質として決定論系と確率過程系とを分離識別が可能となる。これにより極めて早期に異常を検出することができるようになる。なぜなら、正常時は設計通りの動作により決定論的挙動が支配的であるが、異常が発生すると確率過程に基づくランダムノイズが重畳されるため、上記のような指標を用いると、極めてわずかなランダムノイズにも敏感に反応するようになる。
【図面の簡単な説明】
【図１】この発明の実施の第１形態を示すブロック構成図。
【図２】アトラクタの局所的特徴説明図。
【図３】局所的に見たシステムのアトラクタ説明図。
【図４】レスラーカオスのアトラクタグラフ。
【図５】１０％ノイズを加えたレスラーカオスのアトラクタグラフ。
【図６】この発明の実施の第２形態を示すブロック構成図。
【図７】判定処理部の詳細なブロック構成図。
【図８】実施の形態を回転機械系の軸振動異常検出装置に適用した構成説明図。
【図９】ＦＦＴ等のスペクトル解析による周波数特徴抽出方法のフローチャート。
【図１０】１０ａはレスラーカオス時系列データ特性図、１０ｂは１０％ノイズを加えたレスラーカオス時系列データ特性図。
【図１１】１１ａはレスラーカオス時系列データ拡大特性図、１１ｂは１０％ノイズを加えたレスラーカオス時系列データ拡大特性図。
【図１２】１２ａはレスラーカオスのＦＦＴグラフ、１２ｂは１０％ノイズを加えたレスラーカオスのＦＦＴグラフ。
【図１３】１３ａはレスラーカオスのＦＦＴグラフ拡大図、１３ｂは１０％ノイズを加えたレスラーカオスのＦＦＴグラフ拡大図。
【符号の説明】
１…データベクトル検出部
２…接線方向検出部
３…判定手段
４…分離識別手段
１１…検出部
１２…データ入力部
１３…データ格納部
１４…判定処理部
１５…判定結果部
１６…出力部
１７…判定結果格納部
２１…時系列を得る手段
２２…時系列埋め込み処理部
２３…データベクトル選択部
２４…近傍ベクトル検出部
２５…接線方向演算部
２６…平行度評価部
２７…判断部
２８…平行度判定部
【発明の属する技術分野】
この発明は、決定論に基づいた時系列データと、確率過程に基づいた時系列データとの識別方法およびその識別装置に関する。
【０００２】
【従来の技術】
例えば、回転機械系システムの軸振動異常を検出する際に、システムから決定論に基づいた時系列データとランダムノイズのような確率過程に基づいた時系列データが合成されて検出器で検出される。これら時系列データのうち、一見するとランダムに見える時系列データでも決定論に従ったものが多くある（決定論的カオス）。このような決定論的カオス系のダイナミクスは、ランダムノイズがわずかに加わった時（すなわち、僅かな異常が発生した時）には、表面上明確な違いが見られない。上記時系列データの特徴判定方法には、一般にＦＦＴ解析法が使用されるが、決定論的カオス系のダイナミクスの場合、それを構成する周波数成分が無限になるので、明確な周波数抽出が不可能となる。
【０００３】
図９はＦＦＴ等のスペクトル解析による周波数の特徴を抽出する方法のフローチャートで、まず、システムからの時系列データを、検出器で検出してステップＳ１でデータを得る。ステップＳ１で得られたデータは、ステップＳ２でＦＦＴによりスペクトル解析される。このＦＦＴによるスペクトル解析結果から特徴のある周波数をステップＳ３で選定する。このようにして選定した値と、正常な場合のデータで予めＦＦＴによるスペクトル解析を行ったときの解析値とを、ステップＳ４で比較し、その比較結果からステップＳ３で選定した値が正常か異常かの判定を行う。
【０００４】
【発明が解決しようとする課題】
上記のように時系列データをＦＦＴ等のスペクトル解析により周波数の特徴を抽出する方法では、決定論系に基づいた時系列データであるか、確率過程系の時系列データであるかの識別ができない場合がある。例を示すと、決定論的カオスの時系列データとして代表的なレスラーカオス時系列データ特性図（図１０ａ、図１１ａ）と、その時系列データに確率過程系の要素（ホワイトノイズ１０％）を加えたレスラーカオス時系列データ特性図（図１０ｂ、図１１ｂ）で比較し、ＦＦＴによるスペクトル解析を行った結果、ノイズを加えた時系列データとノイズを加えない時系列データとのＦＦＴによるスペクトル解析結果を比較しても図１２ａ，ｂ、図１３ａ，ｂに示す特性図のように明確な差異は選られない。このため、決定論系の時系列データと確率過程系の時系列データとの識別は極めて困難である。この結果、回転機械系システムの軸振動異常を検出する際に、ＦＦＴによるスペクトル解析を行っても明確に、軸振動の異常を検出できない問題がある。
【０００５】
この発明は上記の事情に鑑みてなされたもので、決定論に基づいた時系列データと、ランダムノイズのような確率過程に基づいた時系列データとの識別が確実にできる時系列データの識別方法およびその識別装置を提供することを課題とする。
【０００６】
【課題を解決するための手段】
この発明は、上記の課題を達成するために、第１発明は、対象とするシステムから時系列データを検出する検出手段と、検出手段により検出された時系列データを取り込むデータ入力手段と、取り込まれた時系列データを格納するデータ格納手段と、格納された時系列データからｎ次元状態空間に埋め込み処理を行う時系列データの埋め込み処理手段と、埋め込まれた時系列データのデータベクトルの接線方向を検出する接線方向検出手段と、検出されたデータベクトルの接線方向を判定する判定手段と、判定手段の判定結果から時系列データを分離識別する分離識別手段と、識別した結果を表示する表示手段とを備えた時系列データの識別装置における時系列データの識別方法において、
前記ｎ次元状態空間に埋め込まれた時系列データの任意のデータベクトルの接線方向を接線方向検出手段により検出するステップと、前記ｎ次元状態空間の近傍空間内でのデータベクトルの軌道に対する接線方向を検出し、検出されたデータベクトルの接線方向が同一方向であるか、否であるかを判定手段で判定するステップと、その判定結果から決定論に基づく時系列データであるか、確率過程に基づく時系列データであるかを分離識別手段により分離識別するステップとを有することを特徴とするものである。
【０００７】
第２発明は、対象とするシステムから時系列データを得る検出部と、この検出部で検出された時系列データを取り込むデータ入力部と、このデータ入力部に取り込まれた時系列データを格納するデータ格納部と、このデータ格納部に格納されたデータが入力される判定処理部とを備えた時系列データの識別装置であって、
前記判定処理部は、対象とするシステムからの時系列データが入力され、時系列データをある次元と遅れにてｎ次元状態空間に埋め込み処理を行う時系列データの埋め込み処理部と、この処理部で埋め込み処理されたデータを入力し、その中から所望のデータベクトルを選択するデータベクトル選択部と、このデータベクトル選択部で選択されたデータベクトルに近い近傍ベクトルを検出する近傍ベクトル検出部と、前記データベクトル選択部と近傍ベクトル検出部で検出されたベクトルの軌道に対する接線方向を演算により導出する接線方向演算部と、この接線方向演算部で導出されたデータベクトル接線方向と近傍ベクトルの接線方向との平行度が入力され、この平行度を評価する平行度評価部と、統計的誤差をなくすために平行度評価部で評価された平行度の平均を求め、それが「０」なら決定論に基づく時系列データであると判定し、「１」なら確率過程に基づく時系列データであると判定する平行度判定部とからなることを特徴とするものである。
【００１０】
第３発明は、前記判定処理部はコンピュータからなり、検出部で検出された時系列データをアナログ／ディジタル変換器を介してコンピュータに入力させることを特徴とするものである。
【００１１】
【発明の実施の形態】
以下この発明の実施の形態を図面に基づいて説明する。図１はこの発明の実施の第１形態を示すブロック構成図で、図１において、１は図２に示すｎ次元状態空間に埋め込まれた時系列データの任意のデータベクトルを得るデータベクトルＸｉ検出手段、２はその近傍空間内（図２に示す）での、データベクトルＸｊ（ｊ；ｍ個（事前に設定））の軌道（トラジェクトリ）に対する接線の方向Ｔｉ，Ｔｊを得る接線方向検出手段である。この接線方向検出手段２で得られた接線方向がほぼ同一であるか、否であるかを判定手段３で判定する。この判定結果で、同一なら理想的な決定論に基づく時系列データであるとし、否であるなら図３に示すようにシステムに異常が加わった、すなわちランダムノイズ印加で接線方向がランダムになり確率過程に基づく時系列データであると分離識別手段４で分離識別される。
【００１２】
ここで、一例として、決定論的カオスの時系列データである代表的なレスラーカオスと、その時系列データに確率過程系の要素としてホワイトノイズを加えたデータで比較する。ノイズの影響を受けていないデータを埋め込んだときのアトラクタグラフは図４に示すような軌道を描く。しかし、ノイズの影響を受けたデータのときのアトラクタグラフは図５に示すように軌道が支離滅裂になる。この結果、図４から明かのように、ノイズの影響を受けないデータでは、埋め込まれたアトラクタの一部分を見るとそれぞれのデータが同じ方向に流れていることが判る。
【００１３】
図６はこの発明の実施の第２形態を示すブロック構成図で、図６において、１１は計測機器により対象とするシステムから時系列データを得る検出部で、この検出部１１で検出された時系列データをデータ入力部１２に取り込む。取り込まれた時系列データはデータ格納部１３に格納される。格納されたデータは判定処理部１４に入力され、この判定処理部１４で詳細を図７に示すような手段や各部で処理が行われて、データベクトルから接線が導出され、接線の平行度の評価が行われて平行度が判定される。この接線の平行度の判定値からノイズが加わったデータであるかが判定結果部１５で識別される。この判定結果部１５で識別された結果は出力部１６に送られて監視装置などに明示されるとともに、判定結果格納部１７に格納される。
【００１４】
図７は判定処理部１４の詳細なブロック構成図で、図７において、２１は対象とするシステムから時系列データを得る手段で、この手段２１で得られた時系列データは時系列データの埋め込み処理部２２に入力される。この処理部２２では時系列データをある次元と遅れにて埋め込み処理を行う。ただし、次元と遅れは、対象とするシステムによって事前に設定する。処理部２２で埋め込み処理されたデータはデータベクトル選択部２３に入力され、ここで、図２に示すように、ランダムにデータベクトルＸｉを選択する。データベクトルＸｉが選択されたなら、次に近傍ベクトル検出部２４でデータベクトルＸｉに近い近傍ベクトルＸｊ点を検出する。
【００１５】
２５は接線方向演算部で、この演算部２５ではデータベクトルＸｉと近傍ベクトルＸｊのトラジェクトリに対する接線方向ＴｉとＴｊを導出する。導出された接線方向ＴｉとＴｊは平行度評価部２６に入力されて、ＴｉとＴｊとの平行度が評価（平行度が高いほど０となる）される。平行度評価部２６においての接線方向ＴｉとＴｊとの平行度が設定された標本数（Ｎ個分）に達しているかを判断部２７で判断し、達していなかったならデータベクトル選択部２３から処理を再び行う。設定された標本数に達していたなら、平行度の平均を平行度判定部２８で求めてそれが平均以上なら決定論に基づく時系列データであると判定し、平均以下なら確率過程に基づく時系列データ、すなわちランダムノイズであると判定する。
【００１６】
図８はこの発明の実施の形態を回転機械系の軸振動異常検出装置に適用した構成説明図で、特にＡＴ車トランスミション異常振動検出装置に適用したものであり、図８において、３１は被試験機器となるＡＴ車トランスミションで、このトランスミション３１の試験時に発生する音（時系列データ）は検出器３２で検出される。検出された音はコンピュータ３３に入力される際に、Ａ／Ｄ変換器３４でディジタルデータに変換される。このデータは図７に示すような判定処理部１４に入力されて処理され、トランスミション３１が将来発生する異常音などを予測する。その予測した結果は試験ラインの停止や、ＣＲＴ表示部３５、監視盤３６に表示される。なお、３７はＤ／Ａ変換器、３８はインターフェース盤、３９はＬＡＮ用拡張モジュール、４０は他のコンピュータに判定結果を伝送する伝送路である。上記適用例では回転機械系の異常音を検出するようなシステムに適用したが、配管系の損傷などによる異常音の検出にもできる。
【００１７】
上述した実施の形態では異常音の検出ができることについて述べて来たが、圧力センサや温度センサにより検出したものにも適用できる。例えば、自動車のパワーステアリングなどのギャーポンプの異常検出に適用できるなど種々の異常検出が可能となる。
【００１８】
【発明の効果】
以上述べたように、この発明によれば、少ないパラメータ（埋め込み次元、遅れ、近傍数／標本数）の設定により、時系列データの性質として決定論系と確率過程系とを分離識別が可能となる。これにより極めて早期に異常を検出することができるようになる。なぜなら、正常時は設計通りの動作により決定論的挙動が支配的であるが、異常が発生すると確率過程に基づくランダムノイズが重畳されるため、上記のような指標を用いると、極めてわずかなランダムノイズにも敏感に反応するようになる。
【図面の簡単な説明】
【図１】この発明の実施の第１形態を示すブロック構成図。
【図２】アトラクタの局所的特徴説明図。
【図３】局所的に見たシステムのアトラクタ説明図。
【図４】レスラーカオスのアトラクタグラフ。
【図５】１０％ノイズを加えたレスラーカオスのアトラクタグラフ。
【図６】この発明の実施の第２形態を示すブロック構成図。
【図７】判定処理部の詳細なブロック構成図。
【図８】実施の形態を回転機械系の軸振動異常検出装置に適用した構成説明図。
【図９】ＦＦＴ等のスペクトル解析による周波数特徴抽出方法のフローチャート。
【図１０】１０ａはレスラーカオス時系列データ特性図、１０ｂは１０％ノイズを加えたレスラーカオス時系列データ特性図。
【図１１】１１ａはレスラーカオス時系列データ拡大特性図、１１ｂは１０％ノイズを加えたレスラーカオス時系列データ拡大特性図。
【図１２】１２ａはレスラーカオスのＦＦＴグラフ、１２ｂは１０％ノイズを加えたレスラーカオスのＦＦＴグラフ。
【図１３】１３ａはレスラーカオスのＦＦＴグラフ拡大図、１３ｂは１０％ノイズを加えたレスラーカオスのＦＦＴグラフ拡大図。
【符号の説明】
１…データベクトル検出部
２…接線方向検出部
３…判定手段
４…分離識別手段
１１…検出部
１２…データ入力部
１３…データ格納部
１４…判定処理部
１５…判定結果部
１６…出力部
１７…判定結果格納部
２１…時系列を得る手段
２２…時系列埋め込み処理部
２３…データベクトル選択部
２４…近傍ベクトル検出部
２５…接線方向演算部
２６…平行度評価部
２７…判断部
２８…平行度判定部
Claims (3)
- 対象とするシステムから時系列データを検出する検出手段と、
検出手段により検出された時系列データを取り込むデータ入力手段と、
取り込まれた時系列データを格納するデータ格納手段と、
格納された時系列データからｎ次元状態空間に埋め込み処理を行う時系列データの埋め込み処理手段と、
埋め込まれた時系列データのデータベクトルの接線方向を検出する接線方向検出手段と、
検出されたデータベクトルの接線方向を判定する判定手段と、
判定手段の判定結果から時系列データを分離識別する分離識別手段と、
識別した結果を表示する表示手段とを備えた時系列データの識別装置における時系列データの識別方法において、
前記ｎ次元状態空間に埋め込まれた時系列データの任意のデータベクトルの接線方向を接線方向検出手段により検出するステップと、
前記ｎ次元状態空間の近傍空間内でのデータベクトルの軌道に対する接線方向を検出し、検出されたデータベクトルの接線方向が同一方向であるか、否であるかを判定手段で判定するステップと、
その判定結果から決定論に基づく時系列データであるか、確率過程に基づく時系列データであるかを分離識別手段により分離識別するステップとを有する
ことを特徴とする時系列データの識別方法。 - 対象とするシステムから時系列データを得る検出部と、この検出部で検出された時系列データを取り込むデータ入力部と、このデータ入力部に取り込まれた時系列データを格納するデータ格納部と、このデータ格納部に格納されたデータが入力される判定処理部とを備えた時系列データの識別装置であって、
前記判定処理部は、対象とするシステムからの時系列データが入力され、時系列データをある次元と遅れにてｎ次元状態空間に埋め込み処理を行う時系列データの埋め込み処理部と、この処理部で埋め込み処理されたデータを入力し、その中から所望のデータベクトルを選択するデータベクトル選択部と、このデータベクトル選択部で選択されたデータベクトルに近い近傍ベクトルを検出する近傍ベクトル検出部と、前記データベクトル選択部と近傍ベクトル検出部で検出されたベクトルの軌道に対する接線方向を演算により導出する接線方向演算部と、この接線方向演算部で導出されたデータベクトル接線方向と近傍ベクトルの接線方向との平行度が入力され、この平行度を評価する平行度評価部と、統計的誤差をなくすために平行度評価部で評価された平行度の平均を求め、それが「０」なら決定論に基づく時系列データであると判定し、「１」なら確率過程に基づく時系列データであると判定する平行度判定部とからなることを特徴とする時系列データの識別装置。 - 前記判定処理部はコンピュータからなり、検出部で検出された時系列データをアナログ／ディジタル変換器を介してコンピュータに入力させることを特徴とする請求項２記載の時系列データの識別装置。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28965896A JP3785703B2 (ja) | 1996-10-31 | 1996-10-31 | 時系列データの識別方法およびその識別装置 |
| US08/961,246 US6216118B1 (en) | 1996-10-31 | 1997-10-30 | Apparatus and method for discriminating a time series data |
| DE19748312A DE19748312B4 (de) | 1996-10-31 | 1997-10-31 | Vorrichtung zum Unterscheiden eines Zeitreihendatenwerts |
| KR1019970057000A KR100254121B1 (ko) | 1996-10-31 | 1997-10-31 | 시계열 데이타 식별 장치 및 방법 |
| AU43669/97A AU695842B2 (en) | 1996-10-31 | 1997-10-31 | Apparatus and method for discriminating a time series data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28965896A JP3785703B2 (ja) | 1996-10-31 | 1996-10-31 | 時系列データの識別方法およびその識別装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10134034A JPH10134034A (ja) | 1998-05-22 |
| JP3785703B2 true JP3785703B2 (ja) | 2006-06-14 |
Family
ID=17746086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP28965896A Expired - Lifetime JP3785703B2 (ja) | 1996-10-31 | 1996-10-31 | 時系列データの識別方法およびその識別装置 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US6216118B1 (ja) |
| JP (1) | JP3785703B2 (ja) |
| KR (1) | KR100254121B1 (ja) |
| AU (1) | AU695842B2 (ja) |
| DE (1) | DE19748312B4 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009066017A (ja) * | 2007-09-10 | 2009-04-02 | Tokyo Metropolitan Univ | ストレス評価装置、ストレス評価システムおよびストレス評価プログラム |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7124075B2 (en) * | 2001-10-26 | 2006-10-17 | Dmitry Edward Terez | Methods and apparatus for pitch determination |
| JP2003290894A (ja) * | 2002-04-01 | 2003-10-14 | Thermo Techno:Kk | 溶融金属移送ノズル内流動状態検知方法及びその装置 |
| DE10356578A1 (de) * | 2003-12-04 | 2005-07-07 | Atlas Elektronik Gmbh | Verfahren zum Detektieren von Zielen |
| US7440811B2 (en) * | 2004-09-28 | 2008-10-21 | Siemens Aktiengesellschaft | Dynamic-state waiting time analysis method for complex discrete manufacturing |
| JP4954879B2 (ja) * | 2005-07-11 | 2012-06-20 | パナソニック株式会社 | 環境制御装置、環境制御方法、環境制御プログラム及び環境制御プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| JP2008014679A (ja) * | 2006-07-03 | 2008-01-24 | Ritsumeikan | 設備診断方法、設備診断システム及びコンピュータプログラム |
| JP2013140135A (ja) * | 2011-12-09 | 2013-07-18 | Tokyo Electron Ltd | 周期的駆動系の異常検知装置、周期的駆動系を有する処理装置、周期的駆動系の異常検知方法、およびコンピュータプログラム |
| JP6051951B2 (ja) * | 2013-03-01 | 2016-12-27 | 株式会社明電舎 | 部分放電検出装置及び部分放電検出方法 |
| JP6365144B2 (ja) * | 2014-09-05 | 2018-08-01 | 株式会社明電舎 | 時系列データの解析方法及び時系列データの異常監視装置 |
| JP6365146B2 (ja) * | 2014-09-05 | 2018-08-01 | 株式会社明電舎 | 時系列データの解析方法及び時系列データの異常監視装置 |
| JP6365145B2 (ja) * | 2014-09-05 | 2018-08-01 | 株式会社明電舎 | 時系列データの解析方法及び時系列データの異常監視装置 |
| JP6365143B2 (ja) * | 2014-09-05 | 2018-08-01 | 株式会社明電舎 | 時系列データの解析方法及び時系列データの異常監視装置 |
| CN104915550B (zh) * | 2015-05-25 | 2016-06-29 | 东南大学 | 基于多时间尺度建模的轴承寿命预测方法 |
| JP6213655B2 (ja) * | 2016-11-21 | 2017-10-18 | 株式会社明電舎 | 時系列データの異常監視装置、異常監視方法及びプログラム |
| CN110220727B (zh) * | 2018-03-02 | 2021-01-29 | 华为技术有限公司 | 一种电机类设备的异常检测方法及装置 |
| CN111241902B (zh) * | 2019-07-24 | 2023-07-25 | 成都理工大学 | 一种高精度多重同步压缩广义s变换时频分析方法 |
| CN111832910B (zh) * | 2020-06-24 | 2024-03-12 | 陕西法士特齿轮有限责任公司 | 一种多指标异响判定阈值确定方法、系统和计算机设备 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5189908A (en) | 1989-11-30 | 1993-03-02 | Kabushiki Kaisha Meidensha | Testing apparatus for engine driven automotive component with feature of precise simulation of engine transition state |
| JP2792633B2 (ja) * | 1990-02-09 | 1998-09-03 | 株式会社日立製作所 | 制御装置 |
| US5869752A (en) * | 1990-12-10 | 1999-02-09 | Sensortech L.L.C. | Engine degradation detector |
| GB9106082D0 (en) * | 1991-03-22 | 1991-05-08 | Secr Defence | Dynamical system analyser |
| JP3210054B2 (ja) | 1992-02-21 | 2001-09-17 | 烈 山川 | カオス的信号発生装置および方法ならびにカオス・ディバイス |
| US5386689A (en) * | 1992-10-13 | 1995-02-07 | Noises Off, Inc. | Active gas turbine (jet) engine noise suppression |
| US5446828A (en) | 1993-03-18 | 1995-08-29 | The United States Of America As Represented By The Secretary Of The Navy | Nonlinear neural network oscillator |
| KR950013123B1 (ko) | 1993-06-18 | 1995-10-25 | 엘지전자주식회사 | 케이오스(chaos)프로세서 |
| US5465219A (en) * | 1993-08-19 | 1995-11-07 | The Babcock & Wilcox Company | Combustion analyzer based on chaos theory analysis of flame radiation |
| JPH0784974A (ja) | 1993-09-16 | 1995-03-31 | Nissan Motor Co Ltd | リカレント・ニューラルネットワーク |
| JPH0863456A (ja) * | 1994-08-26 | 1996-03-08 | Hitachi Ltd | カオス性判定手段および方法 |
| JPH07270198A (ja) * | 1994-03-30 | 1995-10-20 | Olympus Optical Co Ltd | カオス評価装置 |
| US5537435A (en) | 1994-04-08 | 1996-07-16 | Carney; Ronald | Transceiver apparatus employing wideband FFT channelizer with output sample timing adjustment and inverse FFT combiner for multichannel communication network |
| US5576632A (en) | 1994-06-30 | 1996-11-19 | Siemens Corporate Research, Inc. | Neural network auto-associator and method for induction motor monitoring |
| JP3179969B2 (ja) * | 1994-07-28 | 2001-06-25 | 松下電器産業株式会社 | 振動解析方法 |
| JPH08318765A (ja) * | 1995-05-25 | 1996-12-03 | Hitachi Ltd | 情報化自動車制御装置及び方法 |
| US5933473A (en) * | 1996-04-04 | 1999-08-03 | Hitachi, Ltd. | Non-destructive inspection apparatus and inspection system using it |
| US6041287A (en) * | 1996-11-07 | 2000-03-21 | Reliance Electric Industrial Company | System architecture for on-line machine diagnostics |
| US6053047A (en) * | 1998-09-29 | 2000-04-25 | Allen-Bradley Company, Llc | Determining faults in multiple bearings using one vibration sensor |
-
1996
- 1996-10-31 JP JP28965896A patent/JP3785703B2/ja not_active Expired - Lifetime
-
1997
- 1997-10-30 US US08/961,246 patent/US6216118B1/en not_active Expired - Lifetime
- 1997-10-31 KR KR1019970057000A patent/KR100254121B1/ko active IP Right Grant
- 1997-10-31 DE DE19748312A patent/DE19748312B4/de not_active Expired - Lifetime
- 1997-10-31 AU AU43669/97A patent/AU695842B2/en not_active Expired
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009066017A (ja) * | 2007-09-10 | 2009-04-02 | Tokyo Metropolitan Univ | ストレス評価装置、ストレス評価システムおよびストレス評価プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR100254121B1 (ko) | 2000-04-15 |
| US6216118B1 (en) | 2001-04-10 |
| DE19748312A1 (de) | 1998-05-07 |
| JPH10134034A (ja) | 1998-05-22 |
| DE19748312B4 (de) | 2004-12-02 |
| AU4366997A (en) | 1998-05-07 |
| KR19980033373A (ko) | 1998-07-25 |
| AU695842B2 (en) | 1998-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3785703B2 (ja) | 時系列データの識別方法およびその識別装置 | |
| US11392114B2 (en) | Abnormality determination support apparatus | |
| JP5499900B2 (ja) | パターン自動抽出方法およびパターン自動抽出システム | |
| JP2000207565A5 (ja) | ||
| JPH09166483A (ja) | 機器監視方法及びその装置 | |
| WO2001067623A2 (en) | Complex signal decomposition and modeling | |
| JP2018195119A (ja) | 異変検出装置及び異変検出方法 | |
| EP3193154B1 (en) | Rotating machine abnormality diagnosis device, rotating machine abnormality diagnosis method and rotating machine | |
| JP2008058030A (ja) | 異常監視装置、異常監視方法 | |
| JP2008090529A (ja) | 異常検出装置、異常検出方法 | |
| US20110058706A1 (en) | System and method for video detection of smoke and flame | |
| JP4417318B2 (ja) | 設備診断装置 | |
| JP4371119B2 (ja) | 異常監視方法 | |
| US20040169745A1 (en) | Method and device for recognizing or displaying image defects in image recording systems | |
| JPWO2004068078A1 (ja) | 状態判定方法と状態予測方法及び装置 | |
| Jamil et al. | Feature-based performance of SVM and KNN classifiers for diagnosis of rolling element bearing faults | |
| JP4886461B2 (ja) | 異常監視装置 | |
| JPH1123360A (ja) | 回転機械系システムの異常音検出装置 | |
| JP2005037293A (ja) | 異常診断方法 | |
| CN114600470A (zh) | 信号处理装置、信号处理方法及程序 | |
| JPH07333171A (ja) | 漏洩検出方法及び装置 | |
| JP4775100B2 (ja) | 信号識別装置 | |
| JP7048590B2 (ja) | 構造物異常診断装置及び構造物異常診断プログラム | |
| JP5351219B2 (ja) | 鉄道の車両走行音を用いた車両状態診断装置、診断方法、及びプログラム | |
| KR20210070671A (ko) | IoT 데이터 분석을 통한 모니터링 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050315 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050628 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050829 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060228 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060313 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090331 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100331 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110331 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110331 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120331 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130331 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140331 Year of fee payment: 8 |
|
| EXPY | Cancellation because of completion of term |