JP2011065545A - 信号識別装置および信号識別方法 - Google Patents
信号識別装置および信号識別方法 Download PDFInfo
- Publication number
- JP2011065545A JP2011065545A JP2009217334A JP2009217334A JP2011065545A JP 2011065545 A JP2011065545 A JP 2011065545A JP 2009217334 A JP2009217334 A JP 2009217334A JP 2009217334 A JP2009217334 A JP 2009217334A JP 2011065545 A JP2011065545 A JP 2011065545A
- Authority
- JP
- Japan
- Prior art keywords
- inspection
- signal
- feature amount
- data
- neural network
- 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
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
【解決手段】信号識別装置は、複数の学習データを用いてニューラルネットワーク1を学習させてクラスタリングマップを作成する。信号入力部2では、振動センサ21が検査対象Aの振動を検出して検査信号に変換し、マイクロホン22が検査対象Aの音を検出して検査信号に変換する。特徴量抽出部3は、振動センサ21およびマイクロホン22のそれぞれから検査信号を取得し、取得した複数の検査信号の関係を示す特徴量を抽出して検査データとする。演算部5のクラスタ判定部52は、検査データを学習済みのニューラルネットワーク1に入力して上記検査データのクラスタリングマップ上での位置から検査対象Aの状態を判定する。
【選択図】図1
Description
実施形態1に係る信号識別装置は、学習モードにおいて、それぞれ予め収集された学習信号から抽出された特徴量である複数の学習データを教師なし競合学習型ニューラルネットワーク(以下「ニューラルネットワーク」という)1(図2参照)に入力して、ニューラルネットワーク1を学習させる。上記信号識別装置は、学習済みのニューラルネットワーク1からクラスタリングマップを作成する。一方、検査モードにおいては、信号識別装置は、クラスタリングマップを用いて検査対象Aの状態を検査する。
実施形態2に係る信号識別装置は、特徴量を抽出するときに、各検査信号S1,S2の振幅値ではなく、図4に示すように、各検査信号S1,S2のゼロクロスの有無を抽出する点で、実施形態1に係る信号識別装置と相違する。
実施形態3に係る信号識別装置は、特徴量を抽出するときに、各検査信号S1,S2の振幅値ではなく、図5に示すように、各検査信号S1,S2の振幅の極値を抽出する点で、実施形態1に係る信号識別装置と相違する。
実施形態4に係る信号識別装置は、特徴量を抽出するときに、各検査信号S1,S2の振幅の極値だけではなく、各検査信号S1,S2のゼロクロスの有無も抽出する点で、実施形態3に係る信号識別装置と相違する。
実施形態5に係る信号識別装置は、図6に示すように、ユーザによって予め設定された時間領域Tw1,・・・ごとに特徴量を抽出する点で、実施形態1に係る信号識別装置と相違する。
実施形態6では、複数の学習信号として正常信号と異常信号とを組み合わせた場合について説明する。正常信号とは、検査対象Aが正常状態であるときに振動センサ21およびマイクロホン22(信号源)のそれぞれで検出された電気信号である。異常信号とは、検査対象Aが異常状態であるときに振動センサ21およびマイクロホン22のそれぞれで検出された電気信号である。
2 信号入力部(信号入力手段)
21 振動センサ(信号源)
22 マイクロホン(信号源)
3 特徴量抽出部(特徴量抽出手段)
5 演算部
51 マップ作成部
52 クラスタ判定部(判定手段)
A 検査対象
S1,S2 検査信号
Claims (7)
- それぞれ予め収集された学習信号から抽出された特徴量である複数の学習データを教師なし競合学習型ニューラルネットワークに入力して当該教師なし競合学習型ニューラルネットワークを学習させ、当該教師なし競合学習型ニューラルネットワークから、検査対象の状態を表わすカテゴリが設定されたクラスタリングマップを作成し、検査時に前記クラスタリングマップを用いて前記検査対象の状態を検査する信号識別装置であって、
前記検査対象の状態に関する物理量を電気信号に変換して検査信号とする信号入力手段と、
前記信号入力手段から前記検査信号を取得し当該検査信号から前記検査対象の特徴量を抽出して検査データとする特徴量抽出手段と、
前記検査データを学習済みの前記教師なし競合学習型ニューラルネットワークに入力して当該検査データの前記クラスタリングマップ上での位置を取得し、取得した位置から当該検査データがカテゴリに属するか否かを判定することによって前記検査対象の状態を判定する判定手段とを備え、
前記信号入力手段は、それぞれが前記検査対象の状態に関する物理量を検出し電気信号に変換して前記検査信号とする複数の信号源を有し、
前記特徴量抽出手段は、前記複数の信号源のそれぞれから取得される前記検査信号の関係を示す特徴量を抽出して前記検査データとする
ことを特徴とする信号識別装置。 - 前記特徴量抽出手段は、予め設定されたタイミングごとに各検査信号の振幅値の抽出を行い、各検査信号の振幅値の組み合わせごとの抽出頻度を前記特徴量とすることを特徴とする請求項1記載の信号識別装置。
- 前記特徴量抽出手段は、予め設定されたタイミングごとに各検査信号のゼロクロスの有無の抽出を行い、各検査信号のゼロクロスの有無の組み合わせごとの抽出頻度を前記特徴量とすることを特徴とする請求項1記載の信号識別装置。
- 前記特徴量抽出手段は、予め設定された区間ごとに各検査信号の振幅の極値の抽出を行い、各検査信号の振幅の極値の組み合わせごとの抽出頻度を前記特徴量とすることを特徴とする請求項1記載の信号識別装置。
- 前記特徴量抽出手段は、予め設定されたタイミングごとに各検査信号のゼロクロスの有無の抽出を行い、各検査信号のゼロクロスの有無の組み合わせごとの抽出頻度と、各検査信号の振幅の極値の組み合わせごとの抽出頻度とを合わせて前記特徴量とすることを特徴とする請求項4記載の信号識別装置。
- 前記特徴量抽出手段は、予め設定された時間領域に各検査信号を分割し、前記時間領域ごとに前記抽出を行い、前記組み合わせごとの抽出頻度を求め、各時間領域の抽出頻度結果を統合して前記特徴量とすることを特徴とする請求項2〜5のいずれか1項に記載の信号識別装置。
- それぞれ予め収集された学習信号から抽出された特徴量である複数の学習データを教師なし競合学習型ニューラルネットワークに入力して当該教師なし競合学習型ニューラルネットワークを学習させ、当該教師なし競合学習型ニューラルネットワークから、検査対象の状態を表わすカテゴリが設定されたクラスタリングマップを作成し、検査時に前記クラスタリングマップを用いて前記検査対象の状態を検査する信号識別方法であって、
前記検査対象の状態に関する物理量を電気信号に変換して検査信号とする第1のステップと、
前記検査信号から前記検査対象の特徴量を抽出して検査データとする第2のステップと、
前記検査データを学習済みの前記教師なし競合学習型ニューラルネットワークに入力して当該検査データの前記クラスタリングマップ上での位置を取得し、取得した位置から当該検査データがカテゴリに属するか否かを判定することによって前記検査対象の状態を判定する第3のステップとを有し、
前記第1のステップにおいて、複数の信号源のそれぞれが前記検査対象の状態に関する物理量を検出し電気信号に変換して前記検査信号とし、
前記第2のステップにおいて、前記複数の信号源のそれぞれから取得される前記検査信号の関係を示す特徴量を抽出して前記検査データとする
ことを特徴とする信号識別方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009217334A JP5134605B2 (ja) | 2009-09-18 | 2009-09-18 | 信号識別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009217334A JP5134605B2 (ja) | 2009-09-18 | 2009-09-18 | 信号識別装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011065545A true JP2011065545A (ja) | 2011-03-31 |
JP5134605B2 JP5134605B2 (ja) | 2013-01-30 |
Family
ID=43951696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009217334A Expired - Fee Related JP5134605B2 (ja) | 2009-09-18 | 2009-09-18 | 信号識別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5134605B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110515351A (zh) * | 2018-05-21 | 2019-11-29 | 发那科株式会社 | 异常检测器 |
JP2020086786A (ja) * | 2018-11-21 | 2020-06-04 | ファナック株式会社 | 検出装置及び機械学習方法 |
JP2021127742A (ja) * | 2020-02-14 | 2021-09-02 | トヨタ自動車株式会社 | 写像の学習方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08159863A (ja) * | 1994-12-08 | 1996-06-21 | Toshiba Corp | 振動波形の識別方法と識別装置 |
JPH11338848A (ja) * | 1998-05-26 | 1999-12-10 | Ffc:Kk | データ異常検出装置 |
JP2006011849A (ja) * | 2004-06-25 | 2006-01-12 | Kagawa Univ | データ圧縮装置及び方法,データ解析装置及び方法並びにデータ管理システム |
JP2009512031A (ja) * | 2005-10-13 | 2009-03-19 | ナショナル・アイシーティ・オーストラリア・リミテッド | 信号特性の自動識別を行うための方法および装置 |
-
2009
- 2009-09-18 JP JP2009217334A patent/JP5134605B2/ja not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08159863A (ja) * | 1994-12-08 | 1996-06-21 | Toshiba Corp | 振動波形の識別方法と識別装置 |
JPH11338848A (ja) * | 1998-05-26 | 1999-12-10 | Ffc:Kk | データ異常検出装置 |
JP2006011849A (ja) * | 2004-06-25 | 2006-01-12 | Kagawa Univ | データ圧縮装置及び方法,データ解析装置及び方法並びにデータ管理システム |
JP2009512031A (ja) * | 2005-10-13 | 2009-03-19 | ナショナル・アイシーティ・オーストラリア・リミテッド | 信号特性の自動識別を行うための方法および装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110515351A (zh) * | 2018-05-21 | 2019-11-29 | 发那科株式会社 | 异常检测器 |
CN110515351B (zh) * | 2018-05-21 | 2024-03-01 | 发那科株式会社 | 异常检测器 |
JP2020086786A (ja) * | 2018-11-21 | 2020-06-04 | ファナック株式会社 | 検出装置及び機械学習方法 |
JP7251955B2 (ja) | 2018-11-21 | 2023-04-04 | ファナック株式会社 | 検出装置及び機械学習方法 |
JP2021127742A (ja) * | 2020-02-14 | 2021-09-02 | トヨタ自動車株式会社 | 写像の学習方法 |
JP7347251B2 (ja) | 2020-02-14 | 2023-09-20 | トヨタ自動車株式会社 | 写像の学習方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5134605B2 (ja) | 2013-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4605132B2 (ja) | 異常検出装置、異常検出方法 | |
TW201915727A (zh) | 多元感測器之錯誤偵測與分類方法 | |
JP2008040682A (ja) | 異常監視装置 | |
EP3767551A1 (en) | Inspection system, image recognition system, recognition system, discriminator generation system, and learning data generation device | |
US20190360942A1 (en) | Information processing method, information processing apparatus, and program | |
JP5027859B2 (ja) | 信号識別方法および信号識別装置 | |
CN108491931B (zh) | 一种基于机器学习提高无损检测精度的方法 | |
Chen et al. | Automated function generation of symptom parameters and application to fault diagnosis of machinery under variable operating conditions | |
CN110909826A (zh) | 一种能源设备的诊断监测方法、装置及电子设备 | |
JP5134605B2 (ja) | 信号識別装置 | |
CN111709775A (zh) | 一种房产价格评估方法、装置、电子设备及存储介质 | |
CN114548199A (zh) | 一种基于深度迁移网络的多传感器数据融合方法 | |
JP4412306B2 (ja) | 異常判定方法および異常判定装置 | |
JP4760614B2 (ja) | 信号識別装置の学習データの選択方法 | |
US11989013B2 (en) | Abnormality detection apparatus, abnormality detection system, and learning apparatus, and methods for the same and non-temporary computer-readable medium storing the same | |
JP3778177B2 (ja) | 物体検査装置 | |
KR101177876B1 (ko) | 신경 회로망을 이용한 부분 방전 자동 분석 시스템 | |
JP2008097361A (ja) | 異常監視装置 | |
CN117388383A (zh) | 基于敲击法的螺纹连接结构松动状态检测方法及装置 | |
JP4875433B2 (ja) | 信号識別装置の学習方法 | |
JP2013182468A (ja) | パラメータ値設定誤り検出システム、パラメータ値設定誤り検出方法およびパラメータ値設定誤り検出プログラム | |
JP2005115569A (ja) | 信号識別装置および信号識別方法 | |
US11449781B2 (en) | Plant abnormality prediction system and method | |
KR101659989B1 (ko) | 다차원 특징을 이용한 이상신호 분석장치 및 방법 | |
Dervilis et al. | Damage detection in carbon composite material typical of wind turbine blades using auto-associative neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20110701 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20110701 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20110627 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120605 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120806 |
|
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: 20121016 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121109 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151116 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |