JP2010061424A - Method and program for extracting feature from waveform pattern data - Google Patents
Method and program for extracting feature from waveform pattern data Download PDFInfo
- Publication number
- JP2010061424A JP2010061424A JP2008226829A JP2008226829A JP2010061424A JP 2010061424 A JP2010061424 A JP 2010061424A JP 2008226829 A JP2008226829 A JP 2008226829A JP 2008226829 A JP2008226829 A JP 2008226829A JP 2010061424 A JP2010061424 A JP 2010061424A
- Authority
- JP
- Japan
- Prior art keywords
- sample line
- waveform pattern
- pattern data
- amount
- sample
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000000284 extract Substances 0.000 claims abstract description 3
- 238000007689 inspection Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 9
- 230000000977 initiatory effect Effects 0.000 abstract 2
- 238000003909 pattern recognition Methods 0.000 description 7
- 230000002950 deficient Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Image Processing (AREA)
Abstract
Description
本発明は、各種の波形データ（例えば、時系列で変化する計測値による波形パターンデータ、画像データから取り出した波形パターンデータ、スペクトル波形データなど）から、設備の診断・監視や製品の良品・不良品の検査のための特徴を抽出する方法及びプログラムに関する。 The present invention is based on various types of waveform data (for example, waveform pattern data based on measurement values that change in time series, waveform pattern data extracted from image data, spectrum waveform data, etc.), equipment diagnosis / monitoring, and non-defective / non-defective products. The present invention relates to a method and program for extracting features for inspection of non-defective products.
工業製品や食品製造設備、或いは発電設備等の各種設備には、モータ等の駆動機器、ポンプ、加熱機器等が配置されており、これらの設備全体や各構成機器の稼働状況を診断・監視するために、温度センサ、圧力センサ、流量センサ等が設置されている。そして、計測センサ毎に一定時間間隔で値が計測され、一般的にはその時々刻々の値がディスプレイに表示され、或いはコンピュータのデータベースに蓄積される。このようなデータは、隣接する時点における値を結ぶことによって、図５に示すように、波形パターンとして表され、各センサの計測値毎に、こうした波形パターンが得られるが、これらの波形パターンデータを基にして、設備全体及び／又は各構成機器の稼働状況を監視し、或いは今後の推移予測に利用することができる。 Drive equipment such as motors, pumps, heating equipment, etc. are arranged in various equipment such as industrial products, food production equipment, and power generation equipment, and the operation status of these equipment and each component equipment is diagnosed and monitored. Therefore, a temperature sensor, a pressure sensor, a flow rate sensor, and the like are installed. The values are measured at fixed time intervals for each measurement sensor, and generally the values are displayed on the display or stored in a computer database. Such data is represented as a waveform pattern by connecting values at adjacent time points, as shown in FIG. 5, and such a waveform pattern is obtained for each measurement value of each sensor. Based on the above, it is possible to monitor the operation status of the entire equipment and / or each component device, or use it for future transition prediction.
また、蛍光管のような製品は、スペクトル波形パターンによって、その特性を表すことができる。すなわち、蛍光管は、図６に示すように、波長ごとに光エネルギに大小があり、スペクトル波形によって蛍光管の発光特性が表される。このような蛍光管の発光特性は、良品か不良品かを判定する基準のひとつとして利用されており、例えば、登録されている良品のスペクトル波形群と同等か否かによって製品の良否が判定される。また、蛍光管の他にも、化学品や医薬品等の分野において、良品か不良品かの判定にスペクトル波形が利用されている。さらに、輝度情報のデータである画像データも、画像上の一定のライン上の輝度を観察すると、波形パターンデータとして取り扱うことができる（非特許文献２参照）。 Moreover, the characteristics of a product such as a fluorescent tube can be expressed by a spectral waveform pattern. That is, as shown in FIG. 6, the fluorescent tube has a large and small light energy for each wavelength, and the emission characteristics of the fluorescent tube are represented by the spectrum waveform. The light emission characteristics of such fluorescent tubes are used as one of the criteria for determining whether the product is good or defective. For example, whether a product is good or bad is determined based on whether it is equivalent to a registered spectral waveform group. The In addition to fluorescent tubes, spectral waveforms are used in the fields of chemicals, pharmaceuticals, and the like for determining whether products are good or defective. Furthermore, image data, which is data of luminance information, can be handled as waveform pattern data when the luminance on a certain line on the image is observed (see Non-Patent Document 2).
こうした波形パターンデータを用いて、コンピュータで製造設備監視や製品検査などを行う場合、波形パターンから数値としての特徴量を抽出する必要がある。振動数や振幅等の特徴がよく知られており、さらに振動特性を周波数解析した結果を利用する方法等も利用されている。どのような特徴量を利用する場合であっても、設備監視や製品検査等の目的を達成するのに必要な情報を有する特徴量であることが望ましい。そして、抽出した特徴量を用いて、例えばニューラルネットワーク等の人工知能や統計解析手法を用いて、設備の監視や製品の検査を行う。
このような波形パターンデータからの特徴抽出方法については、例えば以下の特許文献や非特許文献に示されているが、以下にその概要を説明する。
When using such waveform pattern data to monitor manufacturing equipment or product inspection with a computer, it is necessary to extract a feature value as a numerical value from the waveform pattern. Features such as frequency and amplitude are well known, and a method using a result of frequency analysis of vibration characteristics is also used. Whatever feature quantity is used, it is desirable that the feature quantity has information necessary to achieve the objectives such as equipment monitoring and product inspection. Then, using the extracted feature quantity, for example, using an artificial intelligence such as a neural network or a statistical analysis technique, the facility is monitored and the product is inspected.
Such a feature extraction method from waveform pattern data is described in, for example, the following patent documents and non-patent documents, and an outline thereof will be described below.
図５に示した波形パターンに対して、図中において点線の矩形で示すような波形に着目し、特徴抽出を行う。すなわち、着目した波形において、ｘ軸すなわち水平方向に平行な横線（以下「標本線」という）を定義し、変化量、存在量などの特徴量を抽出する。 With respect to the waveform pattern shown in FIG. 5, feature extraction is performed by paying attention to a waveform shown by a dotted rectangle in the drawing. That is, in the focused waveform, a horizontal line (hereinafter referred to as “sample line”) parallel to the x-axis, that is, the horizontal direction is defined, and feature quantities such as a change amount and an existence quantity are extracted.
特徴量の各々について図７を参照して詳述すると、以下のとおりである。
或る標本線についての「変化量」とは、波形パターンデータと当該標本線とが交差する箇所の数によって定義される（従って、図７の標本線イについての変化量は、波形パターンデータと標本線イとの交差箇所がａ、ｂであるから、２となる）。
或る標本線についての「存在量」とは、当該標本線より上（即ち、ｙ軸方向に大きい側）に波形パターンデータが存在する範囲の水平方向の長さの和である（従って、図７の標本線イについての存在量は、ａ−ｂの長さとなる）。
或る標本線についての「存在量の最小値」とは、例えば図７の標本線ロにおける区間ｃ−ｄの長さである。すなわち、標本線ロでは、標本線上に波形が存在する個所はｃ−ｄとｅ−ｆであるが、そのうち最小長さの個所ｃ−ｄの長さが存在量の最小値となる。
また、図７の標本線ロについての「存在量の最大値」とは、区間ｅ−ｆの長さである。
「波形パターンの開始点」とは、標本線上で最初に波形が存在し始める位置、即ち、図７の標本線イについてはａ点であり、その値はｓ′−ａの長さとなり、図７の標本線ロについてはｃ点であり、その値はｓ−ｃの長さになる。
「波形パターンの終了点」とは、標本線上で波形が終了する位置、即ち、図７の標本線イについてはｂ点であり、その値はｓ′−ｂの長さとなり、図７の標本線ロについてはｆ点であり、その値はｓ−ｆの長さになる。
波形パターンデータに標本線を設定して、上述のような特徴量を抽出することにより、設備の診断や製品の検査に利用するための波形形状情報を有効に取り出すことができる。このような手法を、以下において「標本線を用いた方法」と呼ぶこととする。
Each feature amount will be described in detail with reference to FIG.
The “change amount” for a certain sample line is defined by the number of points where the waveform pattern data and the sample line intersect (the change amount for the sample line A in FIG. Since the intersections with the sample line a are a and b, it is 2).
“Abundance” for a sample line is the sum of the lengths in the horizontal direction of the range in which the waveform pattern data exists above the sample line (that is, the larger side in the y-axis direction) (therefore, The abundance for the sample line a of 7 is the length of ab).
The “minimum value of the existing amount” for a certain sample line is, for example, the length of the section cd in the sample line B in FIG. That is, in the sample line B, the locations where the waveform exists on the sample line are cd and ef, and the length of the minimum length portion cd is the minimum value of the existence amount.
Further, the “maximum value of the abundance” for the sample line b in FIG. 7 is the length of the section ef.
The “starting point of the waveform pattern” is the position where the waveform first begins to exist on the sample line, that is, the point a for the sample line i in FIG. 7, and the value thereof is the length of s′-a. The sample line B of 7 is point c, and its value is the length of sc.
The “end point of the waveform pattern” is the position where the waveform ends on the sample line, that is, the b point for the sample line a in FIG. 7, the value of which is the length of s′−b, and the sample in FIG. For line b, it is point f, and its value is the length of sf.
By setting a sample line in the waveform pattern data and extracting the above-described feature quantity, it is possible to effectively extract waveform shape information for use in equipment diagnosis and product inspection. Hereinafter, such a method will be referred to as a “method using a sample line”.
しかしながら、「標本線を用いた方法」には、以下のような課題がある。
例えば、標本線は、ｙ軸方向すなわち上下方向に間隔をおいて設定されるため、隣接する標本線の間に存在する波形パターンの特徴を抽出することができなかったり、標本線の設定位置によって、抽出される特徴量の値が大きく異なったりする場合がある。
However, the “method using a sample line” has the following problems.
For example, since the sample lines are set with an interval in the y-axis direction, that is, in the vertical direction, it is impossible to extract the characteristics of the waveform pattern existing between adjacent sample lines, or depending on the setting position of the sample line In some cases, the value of the extracted feature value is greatly different.
図８は、図５の点線領域から取り出した波形パターンを示した図であるが、図８（ａ）と図８（ｂ）においてそれぞれ設定された４本の標本線Ｌ1 、Ｌ2 、Ｌ3 、Ｌ4 は、上下方向の間隔は等しいが、設定位置がやや異なり、図８（ｂ）の標本線の方が図８（ａ）の標本線よりも僅かに高い位置に設定されている。そのため、例えば、標本線Ｌ3 から抽出される変化量は、図８（ａ）では２であるのに対して、図８（ｂ）では１０となる。存在量を含めた他の特徴量の値も、図８（ａ）と図８（ｂ）とでは殆ど相違している。 FIG. 8 is a diagram showing a waveform pattern extracted from the dotted line region of FIG. 5, and the four sample lines L 1 , L 2 , L set in FIG. 8 (a) and FIG. 8 (b), respectively. 3, L 4 is equal vertical intervals, slightly different set position is set to a position slightly higher than the sampling line in FIG. 8 (a) towards the specimen line shown in FIG. 8 (b) . Therefore, for example, the amount of change extracted from the sample line L 3 is 2 in FIG. 8A and 10 in FIG. 8B. The values of other feature amounts including the existence amount are also almost different between FIG. 8A and FIG. 8B.
すなわち、「標本線を用いた方法」では、標本線の上下方向の設定位置が相違すると、抽出される特徴量の値が大きく変化することがある。一般に、抽出した特徴量は、人工知能や統計的手法を用いたパターン認識システムに入力されるが、そのような場合、標本線Ｌ3 についての図８（ａ）における変化量２も図８（ｂ）における変化量１０も、両方とも“あり得る”値として入力される必要がある。すなわち、抽出される特徴量に、標本線の設定位置による偶然性が入りにくい、とり得る特徴量の範囲で網羅されるようにする対策が必要である。
このことは、波形をパターン認識で取り扱う場合には重要な事項であり、偶然によって「２という値しか取らない」等の誤った情報をパターン認識システムに与えることを防止することが必要である。
この課題を解決するために、標本線の数を増やすことも考えられるが、特徴量の数が膨大になるという問題がある。例えば標本線の数が１０本であり、各標本線について定義される特徴量が、変化量、存在量、開始点、および終了点の４種類であるとすると特徴量の数は４０（＝１０×４）となるが、仮に標本線の数が１００本であるとすると、特徴量の数は４００（＝１００×４）となる。そのため、抽出した特徴量をパターン認識に適用する場合に、パターン認識のための計算負荷がきわめて大きくなるという不都合が生ずる。
That is, in the “method using a sample line”, if the set position in the vertical direction of the sample line is different, the value of the extracted feature value may change greatly. In general, the extracted feature quantity is inputted to a pattern recognition system using artificial intelligence and statistical methods, such a case,
This is an important matter when a waveform is handled by pattern recognition, and it is necessary to prevent erroneous information such as “only a value of 2” is given to the pattern recognition system by chance.
In order to solve this problem, it is conceivable to increase the number of sample lines, but there is a problem that the number of feature amounts becomes enormous. For example, if the number of sample lines is 10, and there are four types of feature values defined for each sample line: change amount, existence amount, start point, and end point, the number of feature amounts is 40 (= 10 X4), but if the number of sample lines is 100, the number of feature quantities is 400 (= 100 * 4). Therefore, when the extracted feature amount is applied to pattern recognition, there arises a disadvantage that the calculation load for pattern recognition becomes extremely large.
本発明は、このような事情に鑑みて案出されたものであって、上述のような従来技術における課題を克服した、波形パターンの特徴抽出方法及びプログラムを提供することを目的としている。 The present invention has been devised in view of such circumstances, and it is an object of the present invention to provide a waveform pattern feature extraction method and program that overcome the above-described problems in the prior art.
本願請求項１に記載の、波形パターンデータから、設備の診断・監視、又は製品の特性や外観検査のための特徴を抽出する方法は、着目する波形パターンの近傍の所定範囲における波形パターンデータを選択し、選択した波形パターンデータについて、１本又は複数本の標本線を設定する第１ステップと、前記波形パターンデータと前記標本線とが交差する箇所の数によって定義される前記標本線上における変化量、前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、前記標本線の開始位置から、前記標本線上で最初に波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上における波形パターンの開始点、又は前記標本線の開始位置から、前記標本線上で波形パターンデータが終了する位置までの長さによって定義される前記標本線上における波形パターンの終了点、のうち一部又は全部を抽出する第２ステップと、前記標本線の各々を上方向及び／又は下方向にそれぞれ所定量移動させ、移動させた標本線上における変化量、存在量、存在量の最小値、存在量の最大値、波形パターンの開始点、又は波形パターンの終了点のうち一部又は全部を抽出する第３ステップとを含むことを特徴とするものである。 According to the first aspect of the present invention, a method for extracting features for diagnosis / monitoring of equipment, or product characteristics and appearance inspection from waveform pattern data includes: waveform pattern data in a predetermined range near the waveform pattern of interest; A first step of setting one or more sample lines for the selected waveform pattern data, and a change on the sample line defined by the number of locations where the waveform pattern data and the sample line intersect The amount of the waveform pattern data existing on the sample line defined by the sum of the horizontal lengths of the range where the waveform pattern data exists above the sample line, and the horizontal range of the waveform pattern data existing above the sample line The minimum value of the abundance on the sample line defined by the length of the portion of the minimum length in the direction length, the waveform pattern data is the previous The maximum value of the abundance on the sample line defined by the length of the maximum length of the horizontal length of the range existing above the sample line, starting from the start position of the sample line, first on the sample line From the start point of the waveform pattern on the sample line defined by the length to the position where the waveform pattern data starts to exist, or the length from the start position of the sample line to the position where the waveform pattern data ends on the sample line A second step of extracting a part or all of the end points of the waveform pattern on the sample line defined by the length, and moving each sample line by a predetermined amount in the upward and / or downward directions. Some or all of the amount of change, abundance, minimum abundance, maximum abundance, waveform pattern start point, or waveform pattern end point on the selected sample line It is characterized in that and a third step of extracting.
本願請求項２に記載の方法は、前記請求項１の方法において、前記標本線の移動量が、各標本線ごとに異なることを特徴とするものである。
The method according to
本願請求項３に記載の、波形パターンデータから、設備の診断・監視、又は製品の特性や外観検査のための特徴を抽出するプログラムは、着目する波形パターンの近傍の所定範囲における波形パターンデータを選択し、選択した波形パターンデータについて、１本又は複数本の標本線を設定して記憶装置に格納するステップと、前記波形パターンデータと前記標本線とが交差する箇所の数によって定義される前記標本線上における変化量、前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、前記標本線の開始位置から、前記標本線上で最初に波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上における波形パターンの開始点、又は前記標本線の開始位置から、前記標本線上で波形パターンデータが終了する位置までの長さによって定義される前記標本線上における波形パターンの終了点、のうち一部又は全部を抽出して記憶装置に格納するステップと、前記標本線の各々を上方向及び／又は下方向にそれぞれ所定量移動させ、移動させた標本線上における変化量、存在量、存在量の最小値、存在量の最大値、波形パターンの開始点、又は波形パターンの終了点のうち一部又は全部を抽出して記憶装置に格納するステップとをコンピュータに実行させることを特徴とするものである。 According to the third aspect of the present invention, a program for extracting features for diagnosis / monitoring of equipment or product characteristics and appearance inspection from waveform pattern data includes waveform pattern data in a predetermined range near the waveform pattern of interest. Selecting and storing one or a plurality of sample lines for the selected waveform pattern data and storing them in a storage device; and the number of locations where the waveform pattern data and the sample lines intersect The amount of change on the sample line, the amount on the sample line defined by the sum of the horizontal lengths of the range in which the waveform pattern data exists above the sample line, and the waveform pattern data above the sample line The minimum value of the abundance on the sample line defined by the length of the minimum length portion of the horizontal length of the range to be measured, the wave From the maximum value of the abundance on the sample line defined by the length of the maximum length of the horizontal length of the range where the pattern data exists above the sample line, from the start position of the sample line, The waveform pattern data ends on the sample line from the start point of the waveform pattern on the sample line or the start position of the sample line defined by the length to the position where the waveform pattern data first begins to exist on the sample line. Extracting a part or all of the end points of the waveform pattern on the sample line defined by the length to the position and storing them in the storage device; and each of the sample lines in the upward direction and / or the downward direction , The amount of change on the moved sample line, the existing amount, the minimum value of the existing amount, the maximum value of the existing amount, the starting point of the waveform pattern, or the wave Is characterized in that and a step of storing the extracted and storage some or all of the end point of the pattern on the computer.
本願請求項４に記載のプログラムは、前記請求項３のプログラムにおいて、前記標本線の移動量が、各標本線ごとに異なることを特徴とするものである。
The program according to
本発明によれば、計算負荷を大きくすることなしに、また標本線の設定位置の偶然性に影響されることなしに、波形パターンの特徴の抽出を実行することを可能にし、これにより設備の診断・監視や製品の良否の検査を的確に行うことが可能となる。 According to the present invention, it is possible to perform the extraction of waveform pattern features without increasing the calculation load and without being affected by the contingency of the setting position of the sample line. -Monitoring and product quality inspection can be performed accurately.
次に図面を参照して、本発明の好ましい実施の形態について詳細に説明する。図１は、本発明の方法を実現する手順の一例を示したフロー図である。図２に示す波形パターンデータを例にして説明するが、説明を簡単にするため、抽出する特徴量は“変化量”のみとする。 Next, preferred embodiments of the present invention will be described in detail with reference to the drawings. FIG. 1 is a flowchart showing an example of a procedure for realizing the method of the present invention. The waveform pattern data shown in FIG. 2 will be described as an example. However, in order to simplify the description, only the “change amount” is extracted as a feature amount.
まず、着目する波形パターンの近傍の所定範囲における波形パターンデータを選択し、選択した波形パターンデータについて、１本又は複数本の標本線を設定する（第１ステップ）。次に、各標本線から特徴量（本例では、変化量）を抽出する（第２ステップ）。図２（ａ）では、波形パターンに対して、４本の標本線Ｌ1 、Ｌ2 、Ｌ3 、Ｌ4 が設定され、各標本線が波形パターンと交差する箇所、すなわち“変化量”は、図２（ａ）の表に示すように、＜２，４，２，１＞となる。 First, waveform pattern data in a predetermined range near the waveform pattern of interest is selected, and one or more sample lines are set for the selected waveform pattern data (first step). Next, a feature amount (change amount in this example) is extracted from each sample line (second step). In FIG. 2A, four sample lines L 1 , L 2 , L 3 , and L 4 are set for the waveform pattern, and the location where each sample line intersects the waveform pattern, that is, “change amount” is As shown in the table of FIG. 2A, <2, 4, 2, 1>.
次に、ｎ通りの標本線の上下移動量の設定を行う（第３ステップ）。そして、移動させた標本線から変化量を抽出する。 Next, the amount of vertical movement of n sample lines is set (third step). Then, the amount of change is extracted from the moved sample line.
例えば、上下移動量として「隣接する標本線の間隔の±１／２」の２通りを設定する。まず１通り目として、「隣接する標本線の間隔の＋１／２」の位置に、標本線を移動させる（図２（ｂ）参照）。移動後の標本線の新たな位置が、Ｌ1 '、Ｌ2 '、Ｌ3 '、Ｌ4 'として点線で図示されている。移動後の新たな標本線Ｌ1 '、Ｌ2 '、Ｌ3 '、Ｌ4 'についての変化量は、図２（ｂ）の表に示すように、＜２，４，１０，２＞となる。 For example, two kinds of “up / down movement amount” of “± 1/2 of the interval between adjacent sample lines” are set. First, as a first pattern, the sample line is moved to a position “+1/2 of the interval between adjacent sample lines” (see FIG. 2B). A new position of the specimen line after the movement, L 1 ', L 2' , L 3 ', L 4' is shown in dotted lines as. The amount of change for the new sample lines L 1 ′, L 2 ′, L 3 ′, and L 4 ′ after movement is <2, 4 , 10, 2> as shown in the table of FIG. Become.
第３ステップの２通り目として、「隣接する標本線の間隔の−１／２」の位置に、標本線を移動させる（図２（ｃ）参照）。移動後の標本線の新たな位置が、Ｌ1 ”、Ｌ2 ”、Ｌ3 ”、Ｌ4 ”として点線で図示されている。移動後の新たな標本線Ｌ1 ”、Ｌ2 ”、Ｌ3 ”、Ｌ4 ”についての変化量は、図２（ｃ）の表に示すように、＜４，１０，２，０＞となる。 As a second method of the third step, the sample line is moved to a position “−1/2 of the interval between adjacent sample lines” (see FIG. 2C). The new positions of the sample line after movement are indicated by dotted lines as L 1 ″, L 2 ″, L 3 ″, L 4 ″. As shown in the table of FIG. 2C, the amount of change for the new sample lines L 1 ″, L 2 ″, L 3 ″, and L 4 ″ after movement is <4, 10, 2, 0>. Become.
第３ステップにおいて抽出された変化量は、認識システムに入力される。 The amount of change extracted in the third step is input to the recognition system.
以上の手順によって抽出された変化量を図３に示す。図３において、変化量（オリジナル）は、第２ステップにおいて抽出された変化量、変化量（上）は、第３ステップにおいて標本線を上方に移動させた場合における変化量、変化量（下）は、第３ステップにおいて標本線を下方に移動させた場合における変化量を表している。図３に示す変化量の値はそれぞれ異なっており、標本線の設定位置を固定した場合と比較して、標本線から抽出される変化量（特徴量）の偶然性は回避される。すなわち、例えば標本線Ｌ2 については、変化量として４又は１０のいずれも取り得るし、Ｌ3 については、変化量として２又は１０のいずれも取り得ることが分かる。 The amount of change extracted by the above procedure is shown in FIG. In FIG. 3, the change amount (original) is the change amount extracted in the second step, and the change amount (upper) is the change amount and the change amount (lower) when the sample line is moved upward in the third step. Represents the amount of change when the sample line is moved downward in the third step. The values of the change amounts shown in FIG. 3 are different from each other, and contingency of the change amount (feature amount) extracted from the sample line is avoided as compared with the case where the setting position of the sample line is fixed. That is, it can be seen that, for example, the sample line L 2 can take either 4 or 10 as the amount of change, and L 3 can take either 2 or 10 as the amount of change.
なお、上記方法で抽出された変化量の数自体は変化しない。すなわち、図３に示すように、変化量の数は、４本の標本線Ｌ1 、Ｌ2 、Ｌ3 、Ｌ4 から抽出される４個であり、標本線の移動位置ごとに、新たに４個の変化量が抽出される。換言すると、標本線を３つの位置に設定したことによって、サンプルの数が３倍になる。標本線の数を増やすと、変化量の数が増大するが、本発明の方法によれば、変化量の数は増大せずに、サンプルの数が増加する。したがって、抽出した変化量をパターン認識で処理する場合には、計算精度や計算時間の点で本発明の結果を利用するのが好ましい。 Note that the number of changes extracted by the above method does not change. That is, as shown in FIG. 3, the number of changes is four extracted from the four sample lines L 1 , L 2 , L 3 , and L 4. Four change amounts are extracted. In other words, by setting the sample line at three positions, the number of samples is tripled. Increasing the number of sample lines increases the number of changes. However, according to the method of the present invention, the number of samples increases without increasing the number of changes. Therefore, when processing the extracted change amount by pattern recognition, it is preferable to use the result of the present invention in terms of calculation accuracy and calculation time.
以上の説明では、標本線の上下移動量として「隣接する標本線の間隔の±１／２」の２通りを設定したが、これ以外の位置に設定することもできる。例えば、「隣接する標本線の間隔の＋１／３」の位置に標本線を移動させてもよい（図４参照）。図４の例の場合には、変化量は、＜２，４，６，１＞となる。この場合においても、上述のように、抽出される変化量の数自体は変化せず、サンプル数が移動量の分増加する。 In the above description, two types of “± 1/2 of the interval between adjacent sample lines” are set as the amount of vertical movement of the sample line, but can be set to other positions. For example, the sample line may be moved to a position “+1/3 of the interval between adjacent sample lines” (see FIG. 4). In the example of FIG. 4, the amount of change is <2, 4, 6, 1>. Even in this case, as described above, the number of extracted change amounts itself does not change, and the number of samples increases by the amount of movement.
また、以上の説明においては、各標本線の移動量は同じであるが、標本線ごとに異なる移動量を設定してもよい。 In the above description, the movement amount of each sample line is the same, but a different movement amount may be set for each sample line.
さらに、以上においては、変化量のみに関連して本発明の方法について説明したが、変化量以外の他の特徴量（例えば、存在量、存在量の最小値、存在量の最大値、波形パターンの開始点、波形パターンの終了点）についても、上述の方法を適用することができる。 Further, in the above, the method of the present invention has been described in relation to only the change amount. However, other feature amounts other than the change amount (for example, existence amount, minimum value of existence amount, maximum value of existence amount, waveform pattern) The above method can also be applied to the start point of the waveform pattern and the end point of the waveform pattern.
次に、コンピュータに上述のステップ（第１ステップ〜第３ステップ）を実行させるためのプログラムについて説明する。本プログラムが実行されるコンピュータは、バスによって相互に接続されたＣＰＵ（中央処理装置）、メモリ、ハードディスク等の記憶装置、キーボード等の入力装置、表示装置、及び出力装置（いずれも図示せず）を有する一般的な形式のものでよいし、或いはマイクロチップ形式の処理装置等でもよい。 Next, a program for causing a computer to execute the above steps (first step to third step) will be described. A computer on which the program is executed includes a CPU (Central Processing Unit), a storage device such as a memory and a hard disk, an input device such as a keyboard, a display device, and an output device (all not shown) It may be of a general type having or a microchip type processing apparatus or the like.
まず、入力装置によって入力された波形パターンがメモリに格納される。次いで、メモリに格納された波形パターンのうち、所定範囲における波形パターンデータが選択され、メモリに格納される。次いで、選択された波形パターンデータについて、ＣＰＵにおいて１本又は複数本の標本線が設定され、標本線が設定された波形パターンデータがメモリに格納される。次いで、各標本線から、変化量等の特徴量がＣＰＵにおいて計算・抽出され、このようにして抽出された特徴量がメモリに格納される。 First, the waveform pattern input by the input device is stored in the memory. Next, waveform pattern data in a predetermined range is selected from the waveform patterns stored in the memory and stored in the memory. Next, for the selected waveform pattern data, one or more sample lines are set in the CPU, and the waveform pattern data in which the sample lines are set is stored in the memory. Next, a feature quantity such as a change amount is calculated and extracted from each sample line by the CPU, and the feature quantity thus extracted is stored in the memory.
次いで、メモリに格納された標本線が定められた波形パターンデータについて、ｎ通りの標本線の上下移動量の設定を行い、移動された標本線から、変化量等の特徴量がＣＰＵにおいて計算・抽出され、このようにして抽出された特徴量がメモリに格納される。 Next, with respect to the waveform pattern data in which the sample lines stored in the memory are determined, the n amount of vertical movement of the sample lines is set, and the feature amount such as the change amount is calculated from the moved sample lines by the CPU. The extracted feature quantity is stored in the memory.
このようにして得られたデータは、出力装置等から、認識システムに入力される。 The data thus obtained is input to the recognition system from an output device or the like.
なお、上述の例では、データがメモリに格納されるものとして説明したが、データ量が多い場合には、ハードディスク等の大容量記憶装置に格納される。 In the above example, the data is described as being stored in the memory. However, when the amount of data is large, the data is stored in a mass storage device such as a hard disk.
本発明は、以上の発明の実施の形態に限定されることなく、特許請求の範囲に記載された発明の範囲内で、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることはいうまでもない。 The present invention is not limited to the above-described embodiments, and various modifications can be made within the scope of the invention described in the claims, and these are also included in the scope of the present invention. Needless to say, it is something.
例えば、前記実施の形態では、標本線は、水平な直線として示されているが、傾斜した直線、上方に凸の曲線、下方に凸の曲線、非平行線等、任意の線を使用してよい。 For example, in the above-described embodiment, the sample line is shown as a horizontal straight line, but an arbitrary line such as an inclined straight line, an upward convex curve, a downward convex curve, or a non-parallel line is used. Good.
Claims (4)
着目する波形パターンの近傍の所定範囲における波形パターンデータを選択し、選択した波形パターンデータについて、１本又は複数本の標本線を設定する第１ステップと、
前記波形パターンデータと前記標本線とが交差する箇所の数によって定義される前記標本線上における変化量、
前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、
前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、
前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、
前記標本線の開始位置から、前記標本線上で最初に波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上における波形パターンの開始点、
又は前記標本線の開始位置から、前記標本線上で波形パターンデータが終了する位置までの長さによって定義される前記標本線上における波形パターンの終了点、
のうち一部又は全部を抽出する第２ステップと、
前記標本線の各々を上方向及び／又は下方向にそれぞれ所定量移動させ、移動させた標本線上における変化量、存在量、存在量の最小値、存在量の最大値、波形パターンの開始点、又は波形パターンの終了点のうち一部又は全部を抽出する第３ステップと、
を含むことを特徴とする方法。 A method for extracting features from waveform pattern data for equipment diagnosis and monitoring, or product characteristics and appearance inspection,
A first step of selecting waveform pattern data in a predetermined range near the waveform pattern of interest, and setting one or a plurality of sample lines for the selected waveform pattern data;
The amount of change on the sample line defined by the number of points where the waveform pattern data and the sample line intersect,
The abundance on the sample line defined by the sum of the horizontal lengths of the range in which the waveform pattern data exists above the sample line;
The minimum value of the abundance on the sample line defined by the length of the portion of the minimum length in the horizontal length of the range in which the waveform pattern data exists above the sample line,
The maximum value of the abundance on the sample line defined by the length of the portion of the maximum length in the horizontal length of the range in which the waveform pattern data exists above the sample line,
A waveform pattern start point on the sample line defined by a length from a start position of the sample line to a position where waveform pattern data first exists on the sample line;
Or the end point of the waveform pattern on the sample line defined by the length from the start position of the sample line to the position where the waveform pattern data ends on the sample line,
A second step of extracting some or all of
Each of the sample lines is moved upward and / or downward by a predetermined amount, and the amount of change on the moved sample line, the existing amount, the minimum value of the existing amount, the maximum value of the existing amount, the starting point of the waveform pattern, Or a third step of extracting part or all of the end points of the waveform pattern;
A method comprising the steps of:
着目する波形パターンの近傍の所定範囲における波形パターンデータを選択し、選択した波形パターンデータについて、１本又は複数本の標本線を設定して記憶装置に格納するステップと、
前記波形パターンデータと前記標本線とが交差する箇所の数によって定義される前記標本線上における変化量、
前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、
前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、
前記波形パターンデータが前記標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、
前記標本線の開始位置から、前記標本線上で最初に波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上における波形パターンの開始点、
又は前記標本線の開始位置から、前記標本線上で波形パターンデータが終了する位置までの長さによって定義される前記標本線上における波形パターンの終了点、
のうち一部又は全部を抽出して記憶装置に格納するステップと、
前記標本線の各々を上方向及び／又は下方向にそれぞれ所定量移動させ、移動させた標本線上における変化量、存在量、存在量の最小値、存在量の最大値、波形パターンの開始点、又は波形パターンの終了点のうち一部又は全部を抽出して記憶装置に格納するステップと、
をコンピュータに実行させるためのプログラム。 A program that extracts features from waveform pattern data for equipment diagnosis and monitoring, or product characteristics and appearance inspection.
Selecting waveform pattern data in a predetermined range near the waveform pattern of interest, setting one or a plurality of sample lines for the selected waveform pattern data, and storing the data in a storage device;
The amount of change on the sample line defined by the number of points where the waveform pattern data and the sample line intersect,
The abundance on the sample line defined by the sum of the horizontal lengths of the range in which the waveform pattern data exists above the sample line;
The minimum value of the abundance on the sample line defined by the length of the portion of the minimum length in the horizontal length of the range in which the waveform pattern data exists above the sample line,
The maximum value of the abundance on the sample line defined by the length of the portion of the maximum length in the horizontal length of the range in which the waveform pattern data exists above the sample line,
A waveform pattern start point on the sample line defined by a length from a start position of the sample line to a position where waveform pattern data first exists on the sample line;
Or the end point of the waveform pattern on the sample line defined by the length from the start position of the sample line to the position where the waveform pattern data ends on the sample line,
Extracting some or all of them and storing them in a storage device;
Each of the sample lines is moved upward and / or downward by a predetermined amount, and the amount of change on the moved sample line, the existing amount, the minimum value of the existing amount, the maximum value of the existing amount, the starting point of the waveform pattern, Or extracting a part or all of the end point of the waveform pattern and storing it in a storage device;
A program that causes a computer to execute.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008226829A JP5348977B2 (en) | 2008-09-04 | 2008-09-04 | Method and program for extracting features from waveform pattern data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008226829A JP5348977B2 (en) | 2008-09-04 | 2008-09-04 | Method and program for extracting features from waveform pattern data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2010061424A true JP2010061424A (en) | 2010-03-18 |
| JP5348977B2 JP5348977B2 (en) | 2013-11-20 |
Family
ID=42188155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008226829A Active JP5348977B2 (en) | 2008-09-04 | 2008-09-04 | Method and program for extracting features from waveform pattern data |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5348977B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014155931A (en) * | 2013-02-14 | 2014-08-28 | Japan Transport Engineering Co Ltd | Method for friction stir welding and device for friction stir welding |
| JP2014155930A (en) * | 2013-02-14 | 2014-08-28 | Japan Transport Engineering Co Ltd | Method for friction stir welding and device for friction stir welding |
| JP2021148677A (en) * | 2020-03-23 | 2021-09-27 | 田中精密工業株式会社 | Abnormality detection device of inspection object and abnormality detection method of inspection object |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7134394B2 (en) | 2019-08-06 | 2022-09-12 | エス・オー・シー株式会社 | fuse element |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63238699A (en) * | 1987-03-26 | 1988-10-04 | 日本信号株式会社 | Type identifier for aircraft |
| JPS63238700A (en) * | 1987-03-26 | 1988-10-04 | 日本信号株式会社 | Affiliation identifier for aircraft |
| JP2002228606A (en) * | 2001-01-31 | 2002-08-14 | Hitachi Ltd | Electron beam circuit pattern inspecting method and apparatus therefor |
| JP2007118701A (en) * | 2005-10-26 | 2007-05-17 | Fujitsu Ten Ltd | Abnormality detection processor and abnormality detecting and processing method |
| JP2007298525A (en) * | 2007-06-14 | 2007-11-15 | Shoichi Tejima | Method and program of extracting feature from waveform pattern data for inspecting whether article is acceptable |
| JP2009082949A (en) * | 2007-09-28 | 2009-04-23 | Tokyu Car Corp | Friction stir welding system and friction stir welding method |
| JP2009241118A (en) * | 2008-03-31 | 2009-10-22 | Tokyu Car Corp | Laser welding method |
-
2008
- 2008-09-04 JP JP2008226829A patent/JP5348977B2/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63238699A (en) * | 1987-03-26 | 1988-10-04 | 日本信号株式会社 | Type identifier for aircraft |
| JPS63238700A (en) * | 1987-03-26 | 1988-10-04 | 日本信号株式会社 | Affiliation identifier for aircraft |
| JP2002228606A (en) * | 2001-01-31 | 2002-08-14 | Hitachi Ltd | Electron beam circuit pattern inspecting method and apparatus therefor |
| JP2007118701A (en) * | 2005-10-26 | 2007-05-17 | Fujitsu Ten Ltd | Abnormality detection processor and abnormality detecting and processing method |
| JP2007298525A (en) * | 2007-06-14 | 2007-11-15 | Shoichi Tejima | Method and program of extracting feature from waveform pattern data for inspecting whether article is acceptable |
| JP2009082949A (en) * | 2007-09-28 | 2009-04-23 | Tokyu Car Corp | Friction stir welding system and friction stir welding method |
| JP2009241118A (en) * | 2008-03-31 | 2009-10-22 | Tokyu Car Corp | Laser welding method |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014155931A (en) * | 2013-02-14 | 2014-08-28 | Japan Transport Engineering Co Ltd | Method for friction stir welding and device for friction stir welding |
| JP2014155930A (en) * | 2013-02-14 | 2014-08-28 | Japan Transport Engineering Co Ltd | Method for friction stir welding and device for friction stir welding |
| JP2021148677A (en) * | 2020-03-23 | 2021-09-27 | 田中精密工業株式会社 | Abnormality detection device of inspection object and abnormality detection method of inspection object |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5348977B2 (en) | 2013-11-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5071475B2 (en) | Prediction model creation method, creation device, creation program by multiple regression analysis | |
| US10228994B2 (en) | Information processing system, information processing method, and program | |
| JP5348977B2 (en) | Method and program for extracting features from waveform pattern data | |
| Shahidi et al. | Structural damage detection and localisation using multivariate regression models and two-sample control statistics | |
| JP2015011027A (en) | Method for detecting anomalies in time series data | |
| Lin et al. | Application of multi-scale (cross-) sample entropy for structural health monitoring | |
| US11914356B2 (en) | Integrity index detecting method for device by means of control output signal | |
| JP2004110602A (en) | Method and program for extracting feature for diagnosis/monitoring of facility or inspection of defective/non-defective product from waveform pattern data | |
| JP4253024B2 (en) | Method and program for extracting features for inspection of non-defective and defective products from waveform pattern data | |
| Kim et al. | Fault detection prediction using a deep belief network-based multi-classifier in the semiconductor manufacturing process | |
| Guo et al. | Manufacturing process monitoring with nonparametric change-point detection in automotive industry | |
| Hütten et al. | Deep Learning for Automated Visual Inspection in Manufacturing and Maintenance: A Survey of Open-Access Papers | |
| Kwon et al. | RUL prediction of switched mode power supply using a Kalman filter assisted deep neural network | |
| Kim et al. | Online multichannel forging tonnage monitoring and fault pattern discrimination using principal curve | |
| Patri et al. | Predicting compressor valve failures from multi-sensor data | |
| Kim et al. | Machine learning aided profile measurement in high-aspect-ratio nanostructures | |
| Kolbe et al. | Novel prediction of diagnosis effectiveness for adaptation of the spectral kurtosis technology to varying operating conditions | |
| Söffker et al. | New Approaches for Supervision of Systems with Sliding Wear: Fundamental Problems and Experimental Results Using Different Approaches | |
| Kossakowska et al. | Analysis of the suitability of signal features for individual sensor types in the diagnosis of gradual tool wear in turning | |
| Lee et al. | A random forest‐based fatigue damage classification framework using global loading and displacement information | |
| Abdalla et al. | Deep Insight into Electrical Submersible Pump Maintenance: A Predictive Approach with Deep Learning | |
| Noseda et al. | A Neural Network System for Fault Prediction in Pipelines by Acoustic Emission Techniques | |
| JP4837520B2 (en) | Spectral waveform pattern region dividing method and program | |
| Chin Chang et al. | Modified Shewhart charts for high yield processes | |
| JP7230371B2 (en) | Abnormality detection device, abnormality detection method, abnormality detection program and abnormality detection system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110728 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20121004 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130304 |
|
| 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: 20130819 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130820 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5348977 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |