[发明专利]异常检测装置、异常检测方法、以及存储介质

说明书

本发明涉及异常检测装置、异常检测方法、以及存储介质。检测对象装置的异常的异常检测装置包括执行以下处理的处理器：取得所述对象装置的多个种类的测量值的处理；计算所取得的多个种类的所述测量值的马氏距离的处理；提取从所述对象装置的评价时间点起过去的规定期间内计算出的多个所述马氏距离，计算提取出的所述马氏距离的各自的平方值的移动平均值的处理；以及基于所述移动平均值而判定所述对象装置有无异常的处理。

技术领域

本公开涉及异常检测装置、异常检测方法、以及存储介质。本申请基于2019年6月28日于日本申请的特愿2019-121210号主张优先权，并将其内容援引于此。

背景技术

作为诊断检查对象的健全性的技术，已知利用MT(Mahalanobis Taguchi，马氏田口)法来检测异常的方法。在MT法中，计算检查对象的正常状态下的各种特性项目的多个测量值y的方差协方差矩阵Q₀即单位空间，利用该单位空间来计算马氏(Mahalanobis)距离。并且，在所计算的马氏距离较大的情况下，表示背离了作为正常数据的集体的单位空间，因此能够判断为在检查对象的特性项目中发生了异常(例如，参照专利文献1)。

现有技术文献

专利文献

专利文献1：(日本)特开2017-120504号公报

发明内容

发明要解决的课题

在以往的MT法中，直接利用从检查对象获得的测量值y来计算马氏距离。但是，在测量值y中，除了检查对象的实际值x之外，还包含有测量噪声w。因此，检查对象的实际值x的波动有时被测量噪声w的波动所掩盖。例如，设为测量噪声的平均为“0”且方差协方差矩阵遵循“Σ_w”的高斯分布，并且实际值x的平均为“0”且方差协方差矩阵遵循“Σ_x”。此时，若是“Σ_w＞＞Σ_x”，则测量值y几乎等于测量误差w，因此从测量值y获取实际值x的信息是非常困难的。

此外，如上所述，单位空间是测量值y的方差协方差矩阵Q₀。如果在新的时刻t的测量值y_t的统计特性与正常时相同，则马氏距离的平方值的期望值等于测量值的阶数。如果将该阶次设为“m”，则马氏距离的平方值遵循自由度m的卡方分布。于是，马氏距离的平方值的期望值为“m”，方差为“2m”。

图14是表示以往的MT法中的马氏距离的概率分布的一例的图。

在图14中，作为一例，示出了测量值的个数为3个即自由度为“3”时的马氏距离的平方值的概率分布。横轴是马氏距离的平方值，纵轴是概率密度。在图14的例子中，就马氏距离的平方值而言，虽然其平均值为“3”(m＝3)，但成为了在“0”至“20”分布的、右尾部权重较大的分布。若分布如此广，则难以根据马氏距离的值来判定对象装置是正常还是异常。例如，假设在某一时刻t，马氏距离的平方值为“5”。此时，即使是事先知道马氏距离的平方值的平均值为“3”，但根据图14所示的概率分布，由于“5”是可取的值，因此无法判定是异常。因此，除非马氏距离的平方值成为极端偏离的值(在图14的例子中为20以上)，否则不能明确地判定为是异常。因此，若仅采用了现有技术中的马氏距离，则即使是例如测量噪声w的方差协方差矩阵Σ_w为“0”，也难以捕捉到测量值x的细微的波动，因此对象装置的异常的检测精度可能会下降。此外，当存在测量噪声w时，检测精度可能会进一步下降。

本公开是鉴于这种课题而完成的，其提供能够高精度地检测出对象装置的异常的异常检测装置、异常检测方法、以及存储介质。

用于解决课题的手段

为了解决上述课题，本公开采用了以下的方案。