[发明专利]状态监视方法及状态监视装置

说明书

本发明提供一种实现较低错误率的状态监视方法和状态监视装置。状态监视装置(100)不是集体处理整条测量数据，而是将整条测量数据分成多个分段并对每个分段进行处理。从测量数据中随机选择应用于异常检测方法(一类支持向量机：OC‑SVM)的训练数据和测试数据。通过重复地计算异常率并对异常率求平均来稳定判别结果。

技术领域

本发明涉及状态监视方法及状态监视装置。

背景技术

以往，通过使用各种传感器测量物理量来监视旋转机构、设施以及包括这些设备的工厂的状态。

作为状态监视的方法，有通过生成物理量的正常模型并计算新测量的物理量偏离正常模型的程度来判别异常的方法(例如参见专利文献1：日本专利公报第5431235号)。另外，还有通过在状态监视系统中对由轴承的损伤或轴的跳动所产生的特征频率峰值进行存储，并观察峰值变化来确定异常的方法(例如参见专利文献2：日本专利公报第5780870号)。

引用文献

专利文献

专利文献1：日本专利公报第5431235号

专利文献2：日本专利公报第5780870号

发明内容

技术问题

然而，在受运转状况、噪声影响的旋转机构中，即使在正常状态下物理量也会发生变化。因此，表示异常的物理量可能被掩盖在正常模型中，或者所生成的正常模型可能会将正常状态错误地判别为异常。

期望有一种状态监视方法能够尽可能地避免错误判别并且能够判别受运转状况或噪声影响的旋转机构中的小损伤。

本发明是为了解决上述问题而完成的，其目的在于提供一种实现较低错误率的状态监视方法和状态监视装置。

发明所要解决的技术问题

本发明涉及一种状态监视方法，其包括：第一工序，在被测试目标正常时，由设置在被测试目标中的传感器在互不相同的时刻获得第一时间长度的多条第一测量数据；第二工序，在被测试目标进行诊断时，在互不相同的时刻获得第一时间长度的多条第二测量数据；第三工序，从多条第一测量数据中随机选择多条训练数据；第四工序，从多条第二测量数据中随机选择多条测试数据；第五工序，将多条训练数据中的每一条分割成多条比第一时间长度短的第二时间长度的分段数据，并且对分割得到的每条分段数据生成包括多个特征值的第一特征值向量；第六工序，根据对多条训练数据的每条分段数据生成的多个第一特征值向量，生成在正常和异常之间的分类边界以及异常判别阈值；第七工序，将多条测试数据中的每一条分割成多条第二时间长度的分段数据，并且对分割得到的每条分段数据生成包括多个特征值的第二特征值向量；第八工序，针对第二特征值向量计算表示距分类边界的距离的异常分数，并且对于多条测试数据中的每一条计算表示超过异常判别阈值的第二特征值向量的异常分数的数量与第二特征值向量的总数之比的异常率；以及第九工序，对第三到第八工序进行多次重复，并且当获得的异常率的平均值超过规定值时，判别被测试目标为异常。