[發明專利]異常監視方法及異常監視裝置

在審

• 申請號: 201810919423.1
• 申請日: 2018-08-08
• 公開（公告）號: CN110858273A
• 公開（公告）日: 2020-03-03
• 發明（設計）人: 山田浩臣;喜田博一;石川坂幸
• 申請（專利權）人: 株式會社明和e-TEC
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/52;G06T7/00
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 樸勇

一種異常監視方法及異常監視裝置，能夠切實地檢測出監視對象物的異常及異常的征兆。從監視對象物取得時序監視數據，根據上述監視數據計算小波圖像，計算上述小波圖像的各點處的特征量，并基于上述特征量判定監視對象物是否有異常。上述特征量使用小波圖像上的自預定的原點的矩。基于根據上述特征量計算出的馬氏距離來判定上述監視對象物是否有異常。

技術領域

本發明涉及一種判定機械等監視對象物的異常的有無的異常監視方法及異常監視裝置。

背景技術

為了檢測機械等監視對象物的運轉異常等，在監視對象物上設置傳感器，但是僅憑借從各傳感器得到的檢測信號激增或激減時超過閾值這一點來進行異常檢測的情況下，難以預測異常的征兆來盡早采取對策。

另外，在專利文獻1中提出了如下監視系統，作為從監視對象物得到的多個波形數據的特征量參數，使用基于時間波形數據的特征量參數和基于頻率區域數據的特征量參數，基于這些數據計算馬氏距離(Mahalanobis distance)，根據其大小來檢測監視對象物的異常。

專利文獻1：日本特開2005-241089

發明內容

本發明用于解決上述以往的問題，其目的在于提供一種異常監視方法及異常監視裝置，能夠切實地檢測出監視對象物的異常及異常的征兆。

為了實現上述目的，在本發明的異常監視方法中，從監視對象物取得時序監視數據，根據上述監視數據計算小波圖像，計算上述小波圖像的特征量，并基于上述特征量判定監視對象物是否有異常。此外，本發明的異常監視裝置具備：從監視對象物取得時序監視數據的機構、根據上述監視數據計算小波圖像的機構、以及計算上述小波圖像的特征量并基于上述特征量判定監視對象物是否有異常的機構。

在此，上述特征量能夠使用小波圖像上的自預定的原點的矩。進一步，能夠基于根據上述特征量計算出的馬氏距離來判定上述監視對象物是否有異常。

發明效果

如上所述，根據本發明的異常監視方法及異常監視裝置，能夠切實地檢測監視對象物的異常及異常的征兆。

附圖說明

圖1是表示異常監視裝置的整體結構的圖。

圖2是表示學習處理的步驟的流程圖。

圖3是表示特征量計算處理的步驟的流程圖。

圖4是表示進行運行時的監視對象物的異常判定的處理的步驟的流程圖。

圖5是表示監視數據的波形的一例的圖。

圖6是表示小波圖像的一例的圖。

符號說明

1...監視對象物

11...傳感器

2...個人計算機

具體實施方式

另外，以下說明的實施方式僅是一例，在不脫離本發明的要旨的范圍本領域技術人員所進行的各種設計改良也屬于本發明的范圍。

圖1表示實施本發明方法的異常監視裝置的整體結構。在圖1中，在工業用機器人及工作機械等監視對象物1上為了檢測運轉異常而設置有振動傳感器、溫度傳感器、加速度傳感器、聲音傳感器、電壓傳感器、位置傳感器等傳感器11，從這些傳感器11向個人計算機(PC)2輸入時序測定數據(監視數據)11a。

在異常監視裝置中最初對監視對象物的正常時的1個或多個周期的監視數據進行學習處理。圖2表示學習處理的步驟。另外，以下說明的各處理全部由程序在PC上執行來實現。