JP2020180819A - 異常検知システム、異常検知装置、異常検知方法およびプログラム - Google Patents

Abstract

【課題】観測対象物に異常があっても正常と判定してしまう誤判定を抑制できる異常検知システムを得る。【解決手段】センサからの時系列データを入力する手段と、時系列データを周波数分析する周波数分析手段と、周波数分析の結果に基づきパワースペクトルを推定する推定手段と、パワースペクトルに基づき瞬時尤度を計算する瞬時尤度計算手段と、複数の瞬時尤度に基づき結合尤度を計算する結合尤度計算手段と、結合尤度に基づき正常または異常の判定を行う判定手段とを有するものである。【選択図】図１

Description

本発明は、機械設備が発生する音および振動などの信号から異常を検知する異常検知システム、異常検知装置、異常検知方法、およびその方法をコンピュータに実行させるプログラムに関する。

機械設備に異常が生じると、異常が音に現れることがある。インフラストラクチャーなどの点検では、異常音の確認が点検項目となっている場合もあり、異常音を検知し、機械設備が正常であるか、異常であるかを判断することは重要である。

従来技術として、鉄道車両のような機械設備の点検のために、鉄道車両の走行音データに基づいて異常音を検知する装置およびプログラムが開示されている（例えば、特許文献１参照）。特許文献１に開示された装置では、走行音データのオクターブバンド出力のような周波数帯域の音圧データに対して、所定の平滑化時間で移動平均処理を行って各周波数帯域のデータを特徴ベクトルとして扱う。特許文献１の装置では、正常時の走行音データの周波数帯域のデータの特徴ベクトルを用いて、正常であるか異常であるかの評価対象の走行音データの特徴ベクトルを１クラスサポートベクターマシンによる評価の値によって、正常であるか異常であるかを判断することが記載されている。

特開２０１４−２３２０８４号公報

特許文献１に開示された装置では、正常であるか異常であるかの判断対象となる音響データとして走行音データの周波数帯域の音圧データを特徴ベクトルとし、その特徴ベクトルが全体的に正常時と異なるかどうかを閾値処理によって判断している。特許文献１に開示された装置では、特徴ベクトルを抽出する際、平滑化時間を一定の時間に限っているため、判定対象が限られてしまい、異常があっても正常と誤判定されるおそれがある。

本発明に係る異常検知システムは、センサからの時系列データを入力する手段と、時系列データを周波数分析する周波数分析手段と、周波数分析の結果に基づきパワースペクトルを推定する推定手段と、パワースペクトルに基づき瞬時尤度を計算する瞬時尤度計算手段と、複数の瞬時尤度に基づき結合尤度を計算する結合尤度計算手段と、結合尤度に基づき正常または異常の判定を行う判定手段と、を有するものである。

本発明に係る異常検知装置は、センサから入力される時系列データを周波数分析する周波数分析手段と、周波数分析の結果に基づきパワースペクトルを推定する推定手段と、パワースペクトルに基づき瞬時尤度を計算する瞬時尤度計算手段と、複数の瞬時尤度に基づき結合尤度を計算する結合尤度計算手段と、結合尤度に基づき正常または異常の判定を行う判定手段と、を有するものである。

本発明に係る異常検知方法は、センサからの時系列データを用いて正常か異常かを判定する異常検知方法であって、時系列データを周波数分析し、周波数分析の結果に基づきパワースペクトルを推定し、パワースペクトルに基づき瞬時尤度を計算し、複数の瞬時尤度に基づき結合尤度を計算し、結合尤度に基づき正常または異常の判定を行うものである。

本発明に係るプログラムは、センサからの時系列データを用いて正常か異常かを判定するコンピュータに、時系列データを周波数分析する手段と、周波数分析の結果に基づきパワースペクトルを推定する手段と、パワースペクトルに基づき瞬時尤度を計算する手段と、複数の瞬時尤度に基づき結合尤度を計算する手段と、結合尤度に基づき正常または異常の判定を行う手段を実行させるものである。

本発明によれば、時系列データを周波数分析した後、分析対象を限定せずに、周波数分析結果に基づきパワースペクトルを推定し、推定したパワースペクトルから瞬時尤度を計算し、複数の瞬時尤度から求めた結合尤度に基づいて、観測対象の信号が異常か否かを判定している。そのため、観測対象物に異常があっても正常と判定してしまう誤判定を抑制できる。

実施の形態１の異常検知システムの一構成例を示すブロック図である。 図１に示した信号処理部のハードウェア構成の一例を示すブロック図である。 実施の形態１の異常検知システムが実行する異常検知方法の手順を示すフローチャートである。 図３に示したステップＳ１０４において算出される瞬時尤度の一例を示すグラフである。 実施の形態２の異常検知システムの一構成例を示すブロック図である。 実施の形態２の異常検知システムが実行する異常検知方法の手順を示すフローチャートである。 図６に示したステップＳ２０４において算出される瞬時尤度の一例を示すグラフである。 実施の形態３の異常検知システムの一構成例を示すブロック図である。 図８に示す記憶部に格納された異常原因ＤＢの一構成例を示すテーブルである。 図８に示した記憶部に格納される異常原因ＤＢを生成するＤＢ生成装置の一構成例を示すブロック図である。 実施の形態３の異常検知システムが実行する異常検知方法の手順を示すフローチャートである。

本実施の形態では、異常検知システム、異常検知装置、異常検知方法およびプログラムが、機械設備から放射される音によって、機械設備の正常または異常を定量的に判断する場合について説明する。

実施の形態１．
本実施の形態１の異常検知システムの構成を説明する。
図１は、実施の形態１の異常検知システムの一構成例を示すブロック図である。異常検知システム１は、入力手段２０と、信号処理部１０とを有する。入力手段２０は、マイク２１と、収録装置２２とを有する。信号処理部１０は、周波数分析手段１１と、推定手段１２と、瞬時尤度計算手段１３と、結合尤度計算手段１４と、判定手段１５とを有する。

マイク２１は、観測対象物の放射音を受信し、受信した放射音の音響信号を電気信号に変換して収録装置２２に出力する。本実施の形態１では、マイク２１が受信する信号が音の場合で説明するが、受信する信号は音に限らず、振動であってもよい。また、観測対象物が放射する音および振動等の信号の情報を取得するセンサは、マイク２１に限らない。

収録装置２２は、アンプおよびフィルタなどの電子回路（不図示）と、Ａ／Ｄ（Analog to Digital）変換器（不図示）とを有する。収録装置２２は、マイク２１から出力された電気信号を入力として、電気信号をディジタル信号化した音響データを生成し、音響データを時系列データとして信号処理部１０に出力する。

周波数分析手段１１は、時系列データをフーリエ変換して周波数分析を行う。フーリエ変換は、例えば、高速フーリエ変換（Fast Fourier Transform：ＦＦＴ）である。周波数分析手段１１は、入力された音響データ（時間波形）に対して周波数分析を行う。周波数分析手段１１は、音響データの周波数領域データ（複素数）を出力する。

推定手段１２は、時間積分処理と、正規化処理とを行う。推定手段１２は、時間積分処理において、周波数領域データ（複素数）を入力として、周波数領域データ（複素数）の絶対値の２乗を行い、各周波数の絶対値の２乗の結果に対して時間方向に積分処理を行う。推定手段１２は、時間積分処理により、時間積分した結果である時間積分データを出力する。推定手段１２は、正規化処理において、時間積分データを入力として、ある平均値および標準偏差を用いて、時間積分データを正規化データへ変換する。推定手段１２は、正規化処理の結果として正規化データを出力する。正規化データは、周波数分布を示すパワースペクトルに相当する。

瞬時尤度計算手段１３は、正規化データの大きさから、正常らしさの指標である瞬時尤度を計算し、その瞬時尤度を出力する。結合尤度計算手段１４は、ある時刻の瞬時尤度を入力として、ある時刻よりも前の時刻で取得した瞬時尤度とを組み合わせ、複数の瞬時尤度から結合尤度を計算し、結合尤度を出力する。

判定手段１５は、しきい値処理を行う。判定手段１５は、しきい値処理において、結合尤度を入力として、結合尤度がある一定値を超えたか否かを判定することで、観測対象物の放射音が正常であるか異常であるかを判断する。判定手段１５は、しきい値処理の判断結果を出力する。

図１に示した信号処理部１０のハードウェア構成の一例を説明する。図２は、図１に示した信号処理部のハードウェア構成の一例を示すブロック図である。信号処理部１０は、プログラムを記憶するメモリ３１と、メモリ３１が記憶するプログラムにしたがって処理を実行するＣＰＵ（Central Processing Unit）３２とを有する。メモリ３１は、例えば、フラッシュメモリ等の不揮発性メモリである。

なお、本実施の形態１では、信号処理部１０のハードウェアがＣＰＵ３２およびメモリ３１で構成される場合で説明するが、この場合に限らない。図１に示す信号処理部１０が備える機能のうち、一部または全部の機能を実行する、ＡＳＩＣ（Application Specific Integrated Circuit）等の専用回路が、信号処理部１０に設けられていてもよい。

次に、図１に示した異常検知システム１の動作手順を説明する。図３は、実施の形態１の異常検知システムが実行する異常検知方法の手順を示すフローチャートである。

観測対象物の放射音を、時間の関数としてｘ（ｔ）で表現する。ｔは時刻を表す文字である。マイク２１によって放射音ｘ（ｔ）が受信され、その出力をｙ（ｔ）とする。収録装置２２は、マイク出力ｙ（ｔ）を入力して、ディジタル化された出力ｙ［ｎ］を出力する。ｎは離散化時刻である。

ステップＳ１０１のＦＦＴ処理において、周波数分析手段１１は、ディジタル化されたｙ［ｎ］に対して高速フーリエ変換を適用し、周波数領域データＹ［ｋ］を計算する。ｋは周波数インデックスである。

ステップＳ１０２の時間積分処理では、推定手段１２は、周波数領域データＹ［ｋ］に対して、振幅２乗処理および積分処理の２つの処理を行う。ここで、周波数領域データに対して、時間方向のインデックスも付与し、Ｙｍ［ｋ］として、周波数領域データを表現することとする。ｍは周波数領域データに付与する時刻インデックスである。

推定手段１２は、時間積分処理内の振幅２乗処理では、式（１）に基づいて、振幅２乗値Ａｍ［ｋ］を計算する。

推定手段１２は、時間積分処理内の積分処理では、振幅２乗値Ａｍ［ｋ］を入力として、式（２）に示す時間積分処理出力ＩＡｍ［ｋ］を計算する。式（２）において、Ｍは積分処理に使用する振幅２乗値の数である。

ステップＳ１０３の正規化処理では、推定手段１２は、時間積分処理出力ＩＡｍ［ｋ］を入力として、他に、平均値ｍｅａｎ［ｋ］および標準偏差ｓｔｄ［ｋ］を用いて、式（３）に示す時間積分処理出力ＩＡｍ［ｋ］を変換し、正規化出力ＮＡｍ［ｋ］を計算する。

式（３）において、平均値ｍｅａｎ［ｋ］および標準偏差ｓｔｄ［ｋ］は、過去に収録された同じ観測対象物からの正常時の放射音に対する時間積分処理出力から推定される値である。推定手段１２は、式（４）および式（５）を用いて、平均値ｍｅａｎ［ｋ］および標準偏差ｓｔｄ［ｋ］を計算する。

式（５）において、Ｑは過去に収録された同じ観測対象物からの正常時の放射音に対する時間積分処理出力の数である。この正規化処理を適用することによって、観測対象物が正常であるときの放射音の時間積分処理出力の大きさは、周波数ごとに見ると平均が０、標準偏差が１となる。

ステップＳ１０４の瞬時尤度計算処理では、瞬時尤度計算手段１３は、正規化出力ＮＡｍ［ｋ］を入力として、式（６）によって、正規化出力が正常時のデータに属する尤もらしさの指標である瞬時尤度Ｌｍ［ｋ］を計算する。瞬時尤度計算手段１３は、式（６）を用いて瞬時尤度を計算すると、瞬時尤度を出力する。

ステップＳ１０５の結合尤度計算処理では、結合尤度計算手段１４は、瞬時尤度Ｌｍ［ｋ］に加え、過去の（Ｊ−１）個の瞬時尤度も入力として、式（７）を用いて結合尤度ＩＬｍ［ｋ］を計算する。結合尤度計算手段１４は、式（７）を用いて結合尤度を計算すると、結合尤度を出力する。

ステップＳ１０６のしきい値処理では、判定手段１５は、結合尤度ＩＬｍ［ｋ］を入力として、次の式（８）に示す判断基準にしたがって、観測対象物の放射音が正常であるか異常であるかを判断する。

式（８）に示す判断基準において、δ［ｋ］は結合尤度が正常データによって得られたものか、異常データによって得られたものかを決めるしきい値である。判定手段１５は、式（８）に示す判断基準を用いることで、観測された観測対象物の放射音について周波数ごとに正常であるか、異常であるかを判定できる。

本実施の形態１の効果を説明する。本実施の形態１の異常検知システム１は、センサからの時系列データを入力する入力手段２０と、周波数分析手段１１と、推定手段１２と、瞬時尤度計算手段１３と、結合尤度計算手段１４と、判定手段１５とを有する。周波数分析手段１１は、時系列データを周波数分析する。推定手段１２は、周波数分析の結果に基づきパワースペクトルを推定する。瞬時尤度計算手段１３は、パワースペクトルに基づき瞬時尤度を計算する。結合尤度計算手段１４は、複数の瞬時尤度に基づき結合尤度を計算する。判定手段１５は、結合尤度に基づき正常または異常の判定を行う。

本実施の形態１によれば、時系列データを周波数分析した後、分析対象を限定せずに、周波数分析結果に基づきパワースペクトルを推定し、推定したパワースペクトルから瞬時尤度を計算し、複数の瞬時尤度から求めた結合尤度に基づいて、観測対象の信号が異常か否かを判定している。そのため、観測対象物に異常があっても正常と判定してしまう誤判定を抑制できる。

本実施の形態１では、例えば、過去に収録された正常時の音響データから獲得した周波数ごとの時間積分処理出力の平均値と標準偏差を用いて、正規化出力を獲得する。この正規化出力を用いた瞬時尤度を用いることで、観測対象物からの放射音について周波数ごとに正常時からの乖離度を数値化することができる。

図４は、図３に示したステップＳ１０４において算出される瞬時尤度の一例を示すグラフである。図４の横軸は正規化出力であり、縦軸は瞬時尤度である。図４に示す瞬時尤度は、ある時刻ｍ０およびある周波数ｋ０に対する瞬時尤度Ｌｍ_０［ｋ_０］の場合の例である。正規化出力ＮＡｍ_０［ｋ_０］を入力として、式（６）を用いて瞬時尤度が計算される。図４の例に示すように、正規化出力が平均値から離れるほど、つまり横軸の値が０から離れるほど、瞬時尤度は小さくなる。

本実施の形態１では、結合尤度計算手段１４が時間方向に１つまたは複数の瞬時尤度の値を乗算して結合尤度を獲得する。獲得された結合尤度に対して、判定手段１５が、式（８）を用いた、しきい値処理を適用することで、正常か異常かの判定を行う。結合尤度を用いることによって、判定手段１５がある時間の間に継続して異常と判定できたときのみ、最終的に異常であると判定することができる。この仕組みによって、偶発的に異常と判定されることによる誤警報の影響を軽減できる。

実施の形態２．
本実施の形態２の異常検知システムは、過去に観測された観測対象物の正常時のデータに基づいて、正常か異常かを判定するものである。本実施の形態２では、実施の形態１で説明した構成と同一の構成について同一の符号を付し、その詳細な説明を省略する。

本実施の形態２の異常検知システムの構成を説明する。
図５は、実施の形態２の異常検知システムの一構成例を示すブロック図である。異常検知システム１ａは、入力手段２０と、信号処理部１０ａとを有する。信号処理部１０ａは、周波数分析手段１１と、推定手段１２ａと、瞬時尤度計算手段１３ａと、結合尤度計算手段１４と、判定手段１５とを有する。

推定手段１２ａは、時間積分処理と、第２正規化処理とを行う。推定手段１２は、時間積分処理において、周波数領域データ（複素数）を入力として、周波数領域データ（複素数）の絶対値の２乗を行い、各周波数の絶対値の２乗の結果に対して時間方向に積分処理を行って時間積分データを求める。推定手段１２ａは、第２正規化処理において、過去に収録された同じ観測対象物からの正常時の放射音に対する時間積分データを入力として、ある平均値および標準偏差を用いて、時間積分データを正規化データへ変換する。推定手段１２ａは、第２正規化処理の結果として正規化データを出力する。

瞬時尤度計算手段１３ａは、過去に収録されたデータに基づいて、正常時の時間積分処理の出力の分布形状を周波数ごとに保持している。瞬時尤度計算手段１３ａは、正規化データの大きさから、正常らしさの指標である瞬時尤度を計算し、その瞬時尤度を出力する。過去に収録されたデータ、および正常時の時間積分処理の出力の周波数ごとの分布形状はは、メモリ３１に記憶される。

なお、本実施の形態２の信号処理部１０ａのハードウェア構成は、実施の形態１で説明した信号処理部１０の構成と同様であるため、その詳細な説明を省略する。信号処理部１０ａが備える機能が図２に示したＣＰＵ３２によって実行されてもよく、信号処理部１０ａが備える機能のうち、一部または全部の機能を実行する回路がＡＳＩＣ等の専用回路で構成されてもよい。

次に、図５に示した異常検知システム１ａの動作手順を説明する。図６は、実施の形態２の異常検知システムが実行する異常検知方法の手順を示すフローチャートである。

本実施の形態２においても、実施の形態１と同様に、観測対象物の放射音を、時間の関数としてｘ（ｔ）で表現する。マイク２１によって放射音ｘ（ｔ）が受信され、その出力をｙ（ｔ）とする。収録装置２２は、マイク出力ｙ（ｔ）を入力して、ディジタル化された出力ｙ［ｎ］を出力する。ここで、ｔは時刻を表す文字であり、ｎは離散化時刻である。

図６に示すステップＳ２０１、Ｓ２０２、Ｓ２０５およびＳ２０６のそれぞれは実施の形態１において図３を参照して説明したステップＳ１０１、Ｓ１０２、Ｓ１０５およびＳ１０６のそれぞれと同様な処理であるため、ここではその詳細な説明を省略する。

図６に示すステップＳ２０３の第２正規化処理は、図３を参照して説明したステップＳ１０３の正規化処理と比べ、平均値および標準偏差の計算方法が異なる。そのため、第２正規化処理は、正規化された出力も図３に示したステップＳ１０３の正規化処理と異なる。

ステップＳ２０３の第２正規化処理では、推定手段１２ａは、過去に収録された同じ観測対象物からの正常時の放射音に対する時間積分処理出力を用いて、時間積分処理出力の確率密度関数ｐ（ＩＡｍ［ｋ］）を求める。ｐ（ＩＡｍ［ｋ］）は、ＩＡｍ［ｋ］の大きさがＩＡｍ［ｋ］−（１／２）ｄｘ〜ＩＡｍ［ｋ］＋（１／２）ｄｘの範囲内にある数を、データ総数Ｑによって除算した値である。ここで、ｄｘは確率密度分布を計算する際に設定するパラメータである。

推定手段１２ａは、確率密度関数ｐ（ＩＡｍ［ｋ］）と、式（９）および式（１０）とを用いて、平均値ｍｅａｎ_２［ｋ］と標準偏差ｓｔｄ_２［ｋ］を計算する。

ステップＳ２０３の第２正規化処理では、推定手段１２ａは、時間積分処理出力ＩＡｍ［ｋ］を入力として、平均値ｍｅａｎ_２［ｋ］と標準偏差ｓｔｄ_２［ｋ］を用いて、式（１１）に示すように、時間積分処理出力ＩＡｍ［ｋ］を変換し、正規化出力ＮＡ２ｍ［ｋ］を計算する。

また、推定手段１２ａは、平均値ｍｅａｎ_２［ｋ］と標準偏差ｓｔｄ_２［ｋ］を用いて、確率密度関数ｐ（ＩＡｍ［ｋ］）も正規化し、その正規化した確率密度関数をｐ_２（ＮＡ２ｍ［ｋ］）とする。

ステップＳ２０４の第２瞬時尤度計算処理では、瞬時尤度計算手段１３ａは、正規化出力ＮＡ２ｍ［ｋ］と正規化した確率密度関数Ｐ_２（ＮＡ２ｍ［ｋ］）とを用いて、瞬時尤度Ｌ２ｍ［ｋ］を求める。瞬時尤度計算手段１３ａは、例えば、ある時刻ｍ_０に対する瞬時尤度Ｌ２ｍ_０［ｋ］を、式（１２）を用いて算出する。瞬時尤度計算手段１３ａは、式（１２）で求めた瞬時尤度Ｌ２ｍ_０［ｋ］を出力する。

本実施の形態２の効果を説明する。実施の形態１の正規化処理および瞬時尤度計算処理では、正常時の時間積分処理出力が正規分布であるとして、正常時の積分処理出力の平均値および標準偏差を推定し、その値を用いて正規化出力を計算し、瞬時尤度も計算していた。しかし、正常時の時間積分処理の出力の分布は、必ずしも正規分布であるとは限らない。この場合、実施の形態１では、時間積分処理出力を用いて、正常か異常かの判定を適切に行うことができない場合がある。
そこで、本実施の形態２では、過去に観測された正常時のデータに基づいて時間積分処理の出力を用いて、その値の確率密度分布を推定し、その分布に基づいて平均値および標準偏差を計算することで、正規化出力および瞬時尤度の推定をより適切に行うことができる。

図７は、図６に示したステップＳ２０４において算出される瞬時尤度の一例を示すグラフである。図７の横軸は正規化出力であり、縦軸は瞬時尤度である。図７は、第２正規化処理の出力と正規化した確率密度関数とを用いて、第２瞬時尤度処理を行うイメージを示す。図７に示すように、過去に観測された正常時のデータに基づいて算出された瞬時尤度は、図４に示した平均値となる正規化出力とは異なる値の正規化出力にピークが見られる。

実施の形態３．
本実施の形態３の異常検知システムは、観測対象物が異常と判定された場合、異常原因を推定するものである。本実施の形態３では、実施の形態１および２で説明した構成と同一の構成について同一の符号を付し、その詳細な説明を省略する。

本実施の形態３の異常検知システムの構成を説明する。図８は、実施の形態３の異常検知システムの一構成例を示すブロック図である。異常検知システム１ｂは、入力手段２０と、信号処理部１０ｂと、記憶部２５とを有する。記憶部２５は、例えば、ＨＤＤ（Hard Disk Drive）装置である。記憶部２５は、過去に観測された異常時の異常原因に対応して観測対象物の放射音に関連するデータを記憶する異常原因データベース（ＤＢ）を有する。信号処理部１０ｂは、周波数分析手段１１と、推定手段１２ａと、瞬時尤度計算手段１３ａと、結合尤度計算手段１４と、判定手段１５と、異常推定手段１２ｂと、異常確度計算手段１６と、確度比較手段１７とを有する。

図９は、図８に示す記憶部に格納された異常原因ＤＢの一構成例を示すテーブルである。図９に示すように、異常原因ＤＢには、各異常原因に対応して、データの平均値および標準偏差値が格納されている。

異常推定手段１２ｂは、判定手段１５による、しきい値処理において異常と判定された場合、第３正規化処理を行う。異常推定手段１２ｂは、第３正規化処理において、推定手段１２ａから取得する時間積分データと、異常音原因ＤＢが記憶するデータとを参照する。異常推定手段１２ｂは、各異常原因における平均値および標準偏差を入力とし、正規化データへ変換する。異常推定手段１２ｂは、第３正規化処理による結果を正規化データとして出力する。

瞬時尤度計算手段１３ａは、正規化データの大きさから、各異常原因によるデータらしさの指標である瞬時尤度を計算し、その瞬時尤度を出力する。異常確度計算手段１６は、各異常原因に関する確度を計算し、異常原因毎に確度を出力する。確度比較手段１７は、各異常原因の確度を比較し、異常原因の推定結果を出力する。

ここで、異常原因ＤＢを生成するＤＢ生成装置の一例を説明する。図１０は、図８に示した記憶部に格納される異常原因ＤＢを生成するＤＢ生成装置の一構成例を示すブロック図である。ＤＢ生成装置２は、入力手段２０と、記憶部２５と、信号処理部１０ｃとを有する。信号処理部１０ｃは、周波数分析手段１１と、時間積分処理手段１８と、データ記録手段１９とを有する。信号処理部１０ｃのハードウェアは、例えば、マイクロコンピュータである。

マイク２１は、ある原因による異常状態における観測対象物の放射音を受信すると、受信した放射音の音響信号を電気信号に変換して収録装置２２に出力する。収録装置２２は、マイク２１から出力された電気信号をディジタル信号化した音響データを生成し、異常状態の音響データを時系列データとして周波数分析手段１１に出力する。

時間積分処理手段１８は、周波数分析手段１１から受け取る周波数領域データ（複素数）を入力として、周波数領域データ（複素数）の絶対値の２乗を行い、各周波数の絶対値の２乗結果に対して時間方向に積分処理を行う。時間積分処理からは、この時間積分した結果である、時間積分データを出力する。データ記録手段１９は、時間積分データの平均値および標準偏差を計算する。データ記録手段１９は、時間積分データの平均値および標準偏差を、各異常原因に対応させて記憶部２５に保存し、異常原因データベースを生成する。

ここでは、異常原因ＤＢを生成する装置を説明するために図８に示す異常検知システム１ｂとは別に、図１０に示すＤＢ生成装置２を参照したが、図１０に示すＤＢ生成装置２の機能が図８に示した異常検知システム１ｂに含まれていてもよい。例えば、信号処理部１０ｂの推定手段１２ａが時間積分処理手段１８によって実行される時間積分処理の機能を備え、信号処理部１０ｂがデータ記録手段１９を有していればよい。

なお、本実施の形態３の信号処理部１０ｂのハードウェア構成は、実施の形態１で説明した信号処理部１０の構成と同様であるため、その詳細な説明を省略する。信号処理部１０ｂが備える機能が図２に示したＣＰＵ３２によって実行されてもよく、信号処理部１０ｂが備える機能のうち、一部または全部の機能を実行する回路がＡＳＩＣ等の専用回路で構成されてもよい。

また、本実施の形態３では、異常原因ＤＢにおいて、異常原因に対応して異常時の時間積分データの平均値および標準偏差が格納される場合で説明したが、観測対象の異常を示すデータは平均値および標準偏差に限らない。例えば、異常原因に対応して、異常時の時系列データおよびパワースペクトルのうち、一方または両方が、異常原因ＤＢに格納されていてもよい。また、推定手段１２ａと異常推定手段１２ｂとを分けて説明したが、推定手段１２ａが異常推定手段１２ｂの機能を備えていてもよい。さらに、異常推定手段１２ｂが異常確度計算手段１６および確度比較手段１７の機能を備えていてもよい。

次に、図８に示した異常検知システム１ｂの動作手順を説明する。図１１は、実施の形態３の異常検知システムが実行する異常検知方法の手順を示すフローチャートである。図１１に示すステップＳ３０１〜Ｓ３０６は実施の形態２における図６に示すステップＳ２０１〜Ｓ２０６と同様な処理であるため、ここではその詳細な説明を省略する。

ステップＳ３０６のしきい値処理の判定の結果、異常と判定された場合、異常推定手段１２ｂはステップＳ３０７の第３正規化処理を実行する。第３正規化処理は、第２正規化処理と比べ、正規化に使用する平均値および標準偏差が異なる。第３正規化処理において、異常推定手段１２ｂは、異常原因ＤＢに格納されている各異常原因に対応する平均値および標準偏差を使用して、式（１３）に示すように、時間積分データを正規化する。

式（１３）において、上付きのｃａｓｅｄは、各異常原因に付与されるｉｄ番号を示す。平均値ｍｅａｎ^{ｃａｓｅｄ}［ｋ］および標準偏差ｓｔｄ^{ｃａｓｅｄ}［ｋ］は、同じ観測対象物が、ある異常原因ｄにより異常状態である場合に放射した音に対する時間積分処理出力から推定された値であり、異常原因ＤＢに保存されている。

ステップＳ３０８の第３瞬時尤度計算処理では、瞬時尤度計算手段１３ａは、正規化出力ＮＡ３ｍ^{ｃａｓｅｄ}［ｋ］と正規化した確率密度関数ｐ_２（ＮＡ３ｍ^{ｃａｓｅｄ}［ｋ］）とを用いて、各異常原因ｄに関する瞬時尤度Ｌ３ｍ^{ｃａｓｅｄ}［ｋ］を、式（１４）を用いて求める。式（１４）によって算出される瞬時尤度を、以下では、異常時瞬時尤度と称する。

ステップＳ３０９の異常確度計算処理では、異常確度計算手段１６は、各異常原因ｄに関する異常時瞬時尤度Ｌ３ｍ^{ｃａｓｅｄ}［ｋ］を用いて、式（１５）を用いて、異常確度ＣＦｍ^{ｃａｓｅｄ}を計算する。

式（１５）において、ｗ^{ｃａｓｅｄ}［ｋ］は、各周波数に関して瞬時尤度が確度へ与える寄与度を付与するための重みである。異常確度計算手段１６は、式（１６）を用いて、重みｗ^{ｃａｓｅｄ}［ｋ］を計算する。式（１６）において、ｌは任意の係数である。

ステップＳ３１０の確度比較処理では、確度比較手段１７は、式（１７）に示すように、異常原因の中で最も確度が高いものを選択し、異常原因の推定結果ｒｅｓｕｌｔｍとして出力する。

式（１７）において、δ_ＣＦは、異常原因ＤＢに含まれる異常原因に当てはまるか当てはまらないかを判断するためのしきい値である。ｒｅｓｕｌｔｍ＝０は、異常原因ＤＢに保存されている複数の異常原因のうち、どの異常原因にも当てはまらないことを示す。

本実施の形態３の効果を説明する。実施の形態１および２の異常成分検出処理では、異常周波数を特定することが可能であった。しかし、実施の形態１および２のいずれの実施の形態も、異常の原因を推定することは不十分であった。
そこで、本実施の形態３では、過去に観測された、各異常原因による異常時のデータに基づいた時間積分処理の出力を用いて、その値の確率密度分布を推定し、その分布に基づいて平均値および標準偏差を計算することで、異常原因を推定できる。

本実施の形態３では、異常である周波数成分および異常の原因を特定するために、各周波数成分における音の強さがどの程度であれば、正常または異常として尤もらしいか、定量的に計算している。そのため、異常音が検知された場合に、単に正常であるか異常であるかの判断結果だけでなく、具体的にどの周波数成分または周波数帯域が異常であるか、また、異常の原因が何であるかを特定することが可能となる。

なお、上述した実施の形態１〜３について、２つ以上の実施の形態を組み合わせてもよい。また、実施の形態１では、正規分布を前提としたが、例えば、χ２乗分布など、適用分野によっては前提として他の分布形状を考えることができる場合がある。そのような場合は、前提とする分布形状を変えてもよい。

実施の形態１〜３の時間積分処理では、重み無しの移動平均処理を説明したが、重み付き移動平均処理または指数積分など、一般に用いられる時間積分処理を用いてもよい。実施の形態１〜３では、周波数分析にＦＦＴを用いたが、ウェーブレット変換またはオクターブ分析処理など、他の周波数分析処理を適用してもよい。

また、実施の形態３では、異常確度計算処理について、周波数に関する総積で示したが、調和平均など、他の計算方法により、周波数に関して統合してもよい。実施の形態３では、異常原因推定処理の出力として、確度比較処理にて最も確度が高いもののみを選択すると説明したが、複数の異常原因に関する確度を出力してもよい。

また、実施の形態１および２において、音響データに対して正常か異常かを判定する場合について説明したが、他の信号、例えば、振動センサの出力、および電波など、周波数分析を用いる分野にも、実施の形態１〜３のいずれの実施の形態の技術を適用できる。

実施の形態１〜３では、異常検知システムの場合で説明したが、入力手段２０と接続される異常検知装置が、センサから入力される時系列データを用いて、上述の異常検知方法を実行してもよい。この場合の異常検知装置は、コンピュータ等の情報処理装置であってもよい。

１、１ａ、１ｂ 異常検知システム
２ ＤＢ生成装置
１０、１０ａ〜１０ｃ 信号処理部
１１ 周波数分析手段
１２、１２ａ 推定手段
１２ｂ 異常推定手段
１３、１３ａ 瞬時尤度計算手段
１４ 結合尤度計算手段
１５ 判定手段
１６ 異常確度計算手段
１７ 確度比較手段
１８ 時間積分処理手段
１９ データ記録手段
２０ 入力手段
２１ マイク
２２ 収録装置
２５ 記憶部
３１ メモリ
３２ ＣＰＵ

Claims (9)

1. センサからの時系列データを入力する手段と、
   前記時系列データを周波数分析する周波数分析手段と、
   前記周波数分析の結果に基づきパワースペクトルを推定する推定手段と、
   前記パワースペクトルに基づき瞬時尤度を計算する瞬時尤度計算手段と、
   複数の前記瞬時尤度に基づき結合尤度を計算する結合尤度計算手段と、
   前記結合尤度に基づき正常または異常の判定を行う判定手段と、
   を有する異常検知システム。
2. 前記推定手段は、過去に収録された正常時の時系列データから正常時のパワースペクトルの大きさの確率密度関数を求め、
   前記瞬時尤度計算手段は、前記推定手段によって求められた前記確率密度関数を用いて前記瞬時尤度を計算する、請求項１に記載の異常検知システム。
3. 過去に収録された異常時の異常原因に対応して時系列データを記憶する異常原因データベースと、
   前記センサから受け取る時系列データが異常であると前記判定手段によって判定された場合、前記異常原因データベースを基に異常原因を推定する異常推定手段と、
   をさらに有する、請求項１または２に記載の異常検知システム。
4. 前記異常時の時系列データを前記異常原因データベースに記録するデータ記録手段をさらに有し、
   前記推定手段は、各異常原因に対応する時系列データのパワースペクトルを推定し、
   前記データ記録手段は、前記異常原因毎に前記パワースペクトルの情報を保存して前記異常原因データベースを生成する、請求項３に記載の異常検知システム。
5. 前記異常推定手段が前記異常原因を推定する際、前記瞬時尤度計算手段は、前記異常原因データベースに保存された、各異常原因に対応する前記パワースペクトルを用いて、異常時瞬時尤度を計算し、
   前記結合尤度計算手段は、前記瞬時尤度計算手段によって計算された前記異常時瞬時尤度を用いて前記結合尤度を計算する、請求項４に記載の異常検知システム。
6. 前記異常推定手段は、過去に収録された異常原因に対応する前記時系列データから、各異常原因に対応する前記パワースペクトルの大きさの確率密度関数を求め、
   前記瞬時尤度計算手段は、前記異常推定手段が求めた前記確率密度関数を用いて前記異常時瞬時尤度を計算する、請求項５に記載の異常検知システム。
7. センサから入力される時系列データを周波数分析する周波数分析手段と、
   前記周波数分析の結果に基づきパワースペクトルを推定する推定手段と、
   前記パワースペクトルに基づき瞬時尤度を計算する瞬時尤度計算手段と、
   複数の前記瞬時尤度に基づき結合尤度を計算する結合尤度計算手段と、
   前記結合尤度に基づき正常または異常の判定を行う判定手段と、
   を有する異常検知装置。
8. センサからの時系列データを用いて正常か異常かを判定する異常検知方法であって、
   前記時系列データを周波数分析し、
   前記周波数分析の結果に基づきパワースペクトルを推定し、
   前記パワースペクトルに基づき瞬時尤度を計算し、
   複数の前記瞬時尤度に基づき結合尤度を計算し、
   前記結合尤度に基づき正常または異常の判定を行う、
   異常検知方法。
9. センサからの時系列データを用いて正常か異常かを判定するコンピュータに、
   前記時系列データを周波数分析する手段と、
   前記周波数分析の結果に基づきパワースペクトルを推定する手段と、
   前記パワースペクトルに基づき瞬時尤度を計算する手段と、
   複数の前記瞬時尤度に基づき結合尤度を計算する手段と、
   前記結合尤度に基づき正常または異常の判定を行う手段を実行させるためのプログラム。

Images