[發明專利]檢查設備和檢查學習模型生成設備

在審

• 申請號: 202010079788.5
• 申請日: 2020-02-04
• 公開（公告）號: CN111523370A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 加納正晃
• 申請（專利權）人: 株式會社捷太格特
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N20/00;G01H17/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉雯鑫;楊林森

本發明公開了檢查設備和檢查學習模型生成設備，該檢查設備包括：第一數據存儲單元，其被配置成根據檢查對象的狀態存儲作為時間序列的第一數據；第二數據生成單元，其被配置成通過對第一數據執行短時傅里葉變換來生成第二數據，該第二數據是包括第一頻率分量、時間分量和振幅分量的頻譜圖；第三數據生成單元，其被配置成通過分別針對第二數據中的每個第一頻率分量對時間?振幅數據執行傅里葉變換來生成包括第一頻率分量、第二頻率分量和振幅分量的第三數據；以及確定單元，其被配置成基于第三數據確定檢查對象的狀態。

技術領域

本發明涉及檢查設備和檢查學習模型生成設備。

背景技術

專利文獻1公開了以下技術：將麥克風(聲音傳感器)或加速度傳感器附接至電動助力轉向設備(電動轉向設備)，使得在電動助力轉向設備的檢查中通過麥克風或加速度傳感器檢查出從電動助力轉向設備的部件產生的異常聲音。專利文獻2公開了以下技術：在轉向系統的評估設備(檢查設備)中通過麥克風來檢測當駕駛車輛時從轉向系統(電動轉向設備)產生的異常噪聲(喀噠聲(rattling sound))。專利文獻2公開了通過麥克風檢測到的音頻信號的頻譜圖數據。

[專利文獻1]JP-A-2006-153729

[專利文獻2]JP-A-2018-36269

從加速度傳感器或聲音傳感器獲得的檢測信號是時間序列數據。在時間序列數據中產生異常聲音時的定時不均勻，使得使用所獲得的檢測信號進行檢查所需的特征量出現的定時也是隨機的。另一方面，在電動轉向設備的檢查中，在產生異常聲音時的定時方面的差異不影響隱藏在檢查目標中的異常的存在或不存在。然而，當通過檢查設備使用時間序列數據執行檢查時，產生異常聲音時的定時的隨機性可能對檢查結果產生不利影響。

例如，當按原樣使用所獲得的檢測信號通過機器學習算法利用學習數據來生成檢查學習模型時，所生成的檢查學習模型受到特征量出現時的時間分量的隨機性的影響，使得不能執行良好的學習。因此，即使使用檢查學習模型執行檢查，也不能獲得足夠的檢查精確度。

發明內容

一個或更多個實施方式提供了可以獲得其中在使用時間序列數據執行檢查時消除了時間分量的差的影響的檢查結果的檢查設備和檢查學習模型生成設備。

在一個方面(1)中，一個或更多個實施方式提供一種檢查設備，其包括：第一數據存儲單元，其被配置成根據檢查對象的狀態存儲作為時間序列的第一數據；第二數據生成單元，其被配置成通過對第一數據執行短時傅里葉變換來生成第二數據，該第二數據是包括第一頻率分量、時間分量和振幅分量的頻譜圖；第三數據生成單元，其被配置成通過分別針對第二數據中的每個第一頻率分量對時間-振幅數據執行傅里葉變換來生成包括第一頻率分量、第二頻率分量和振幅分量的第三數據；以及確定單元，其被配置成基于第三數據確定檢查對象的狀態。

根據該方面(1)，第二數據生成單元將時間序列的第一數據轉換成第二數據，該第二數據是包括第一頻率分量、時間分量和振幅分量的頻譜圖數據。第三數據生成單元將第二數據轉換成包括第一頻率分量、第二頻率分量和振幅分量的第三數據。然后，確定單元基于該第三數據確定檢查對象的狀態。

也就是說，第三數據是通過從第一數據中排除時間分量而獲得的，并且確定單元使用不包括時間分量的數據來確定檢查對象的狀態。因此，檢查設備可以獲得其中在使用時間序列數據執行檢查時消除了由于時間分量的差而產生的影響的檢查結果。