JPH10134034A - 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Info
- Publication number
- JPH10134034A JPH10134034A JP28965896A JP28965896A JPH10134034A JP H10134034 A JPH10134034 A JP H10134034A JP 28965896 A JP28965896 A JP 28965896A JP 28965896 A JP28965896 A JP 28965896A JP H10134034 A JPH10134034 A JP H10134034A
- Authority
- JP
- Japan
- Prior art keywords
- data
- time
- unit
- series data
- parallelism
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】 決定論に基づいた時系列データと、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
にできるようにする。 【解決手段】 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データベクトルＸｉ検出
手段１で得る。この検出手段１で得たデータベクトルＸ
ｉの近傍空間内でのデータベクトルＸｊの軌道（トラジ
ェクトリ）に対する接線の方向Ｔｉ，Ｔｊを接線方向検
出手段２で得る。この接線方向検出手段２で得られた接
線方向が、ほぼ同一であるかが判定手段３で判定され
る。この判定結果、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、同一でないならシステムに異常
が加わった、すなわちランダムノイズが印加されたとし
て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で識別される。
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
にできるようにする。 【解決手段】 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データベクトルＸｉ検出
手段１で得る。この検出手段１で得たデータベクトルＸ
ｉの近傍空間内でのデータベクトルＸｊの軌道（トラジ
ェクトリ）に対する接線の方向Ｔｉ，Ｔｊを接線方向検
出手段２で得る。この接線方向検出手段２で得られた接
線方向が、ほぼ同一であるかが判定手段３で判定され
る。この判定結果、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、同一でないならシステムに異常
が加わった、すなわちランダムノイズが印加されたとし
て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で識別される。
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。
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。
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。
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。
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。
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、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
向を検出した後、そ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、検出された接線方向が
同一方向であるか、否であるかを判定した後、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することを
特徴とするものである。
を達成するために、第１発明は、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
向を検出した後、そ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、検出された接線方向が
同一方向であるか、否であるかを判定した後、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からｎ次元状
態空間に埋め込まれた軌道の接線が導出され、接線の平
行度の評価を行ってその判定処理をする判定処理部と、
この判定処理部により判定された接線の平行度の判定値
から確率過程によるランダムノイズが加わったデータで
あるかを識別する判定結果部とを備えたことを特徴とす
るものである。
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からｎ次元状
態空間に埋め込まれた軌道の接線が導出され、接線の平
行度の評価を行ってその判定処理をする判定処理部と、
この判定処理部により判定された接線の平行度の判定値
から確率過程によるランダムノイズが加わったデータで
あるかを識別する判定結果部とを備えたことを特徴とす
るものである。
【０００８】第３発明は、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導出し演算する接
線方向演算部と、この接線方向演算部で演算された接線
方向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」に近づく
程、決定論に基づく時系列データであると判定し、
「１」に近づく程、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。
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導出し演算する接
線方向演算部と、この接線方向演算部で演算された接線
方向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」に近づく
程、決定論に基づく時系列データであると判定し、
「１」に近づく程、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。
【０００９】第４発明は、前記平行度評価部で評価した
平行度の標本数は、設定された標本数に達しているか、
いないかを判断する判断部を設けたことを特徴とするも
のである。
平行度の標本数は、設定された標本数に達しているか、
いないかを判断する判断部を設けたことを特徴とするも
のである。
【００１０】第５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。
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。
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。
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。
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２
２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。
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２
２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１
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。
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１
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Ａ
Ｔ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。
の軸振動異常検出装置に適用した構成説明図で、特にＡ
Ｔ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。
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。
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１】この発明の実施の第１形態を示すブロック構成
図。
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。
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。
【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。
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。
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、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。
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、１
２ｂは１０％ノイズを加えたレスラーカオスのＦＦＴグ
ラフ。
２ｂ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Ｆ
ＦＴグラフ拡大図。
図、１３ｂは１０％ノイズを加えたレスラーカオスのＦ
ＦＴグラフ拡大図。
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
【手続補正書】
【提出日】平成８年１１月２２日
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】００１５
【補正方法】変更
【補正内容】
【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。
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。
Claims (5)
- 【請求項１】 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検出した後、
そ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、検出された接線方向が同一方向である
か、否であるかを判定した後、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することを特徴とする時系
列データの識別方法。 - 【請求項２】 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からｎ次元状態空間に埋め
込まれた軌道の接線が導出され、接線の平行度の評価を
行ってその判定処理をする判定処理部と、この判定処理
部により判定された接線の平行度の判定値から確率過程
によるランダムノイズが加わったデータであるかを識別
する判定結果部とを備えたことを特徴とする時系列デー
タの識別装置。 - 【請求項３】 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導出し演算する接線方向演算
部と、この接線方向演算部で演算された接線方向の平行
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」に近づく程、決定論に
基づく時系列データであると判定し、「１」に近づく
程、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請求項２記載の
時系列データの識別装置。 - 【請求項４】 前記平行度評価部で評価した平行度の標
本数は、設定された標本数に達しているか、いないかを
判断する判断部により行うことを特徴とする請求項３記
載の時系列データの識別装置。 - 【請求項５】 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３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 true JPH10134034A (ja) | 1998-05-22 |
| JP3785703B2 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 (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2008004457A1 (fr) * | 2006-07-03 | 2008-01-10 | Ritsumeikan University | Procédé de diagnostic d'installation, système de diagnostic d'installation, et programme d'ordinateur |
| JP2014169867A (ja) * | 2013-03-01 | 2014-09-18 | Meidensha Corp | 部分放電検出装置及び部分放電検出方法 |
| JP2016057648A (ja) * | 2014-09-05 | 2016-04-21 | 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 |
| JP2016057649A (ja) * | 2014-09-05 | 2016-04-21 | 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 |
| JP2016057651A (ja) * | 2014-09-05 | 2016-04-21 | 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 |
| JP2016057650A (ja) * | 2014-09-05 | 2016-04-21 | 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 |
| JP2017037679A (ja) * | 2016-11-21 | 2017-02-16 | 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 |
Families Citing this family (10)
| 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 |
| 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 |
| JP5046286B2 (ja) * | 2007-09-10 | 2012-10-10 | 公立大学法人首都大学東京 | 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 |
| 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 |
| 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 |
| 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 (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2008004457A1 (fr) * | 2006-07-03 | 2008-01-10 | Ritsumeikan University | Procédé de diagnostic d'installation, système de diagnostic d'installation, et programme d'ordinateur |
| 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 |
| JP2014169867A (ja) * | 2013-03-01 | 2014-09-18 | Meidensha Corp | 部分放電検出装置及び部分放電検出方法 |
| JP2016057648A (ja) * | 2014-09-05 | 2016-04-21 | 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 |
| JP2016057649A (ja) * | 2014-09-05 | 2016-04-21 | 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 |
| JP2016057651A (ja) * | 2014-09-05 | 2016-04-21 | 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 |
| JP2016057650A (ja) * | 2014-09-05 | 2016-04-21 | 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 |
| JP2017037679A (ja) * | 2016-11-21 | 2017-02-16 | 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR100254121B1 (ko) | 2000-04-15 |
| US6216118B1 (en) | 2001-04-10 |
| DE19748312A1 (de) | 1998-05-07 |
| JP3785703B2 (ja) | 2006-06-14 |
| 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 |
|---|---|---|
| JPH10134034A (ja) | 時系列データの識別方法およびその識別装置 | |
| Roy et al. | Autocorrelation aided random forest classifier-based bearing fault detection framework | |
| WO2019064813A1 (ja) | 車両診断装置、車両診断システム及び車両診断プログラム | |
| Arul Prakash et al. | Detection of system compromise in additive manufacturing using video motion magnification | |
| JP2007108107A (ja) | 設備診断装置 | |
| US7860689B2 (en) | Method and computer programme for detecting the stationary state of a roller bearing and a roller bearing which may be analyzed thus | |
| JPWO2004068078A1 (ja) | 状態判定方法と状態予測方法及び装置 | |
| CN113906464A (zh) | 工艺监控方法、计算机程序、数据处理设备、计算机可读介质以及工艺监控设备 | |
| JP2001272268A (ja) | 機械の異常検査装置 | |
| JPH11241945A (ja) | 異音検査装置 | |
| EP1001352A1 (en) | Data conversion method, data converter, and program storage medium | |
| JPH1123360A (ja) | 回転機械系システムの異常音検出装置 | |
| CN110634124A (zh) | 一种区域检测的方法及设备 | |
| KR20200082605A (ko) | 운전조건을 고려한 회전체 고장 진단 데이터 정규화 처리 방법 및 이를 이용한 회전체 고장 진단 방법 | |
| JP3561151B2 (ja) | 異常診断装置および異常診断方法 | |
| KR101752298B1 (ko) | 회전익 진동 기반 건전성 감시 장치 및 이를 이용하는 감시 방법 | |
| 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 | |
| JP2006300524A (ja) | 異音検査方法 | |
| JP2007226639A (ja) | 多変量データ判別装置 | |
| JP2005037293A (ja) | 異常診断方法 | |
| Zhang et al. | Statistical condition monitoring based on vibration signals | |
| JP2007041952A (ja) | データ処理装置およびデータ処理方法 | |
| JP4349888B2 (ja) | エンジン評価装置 |
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 |