本发明专利技术提供异常检测装置。通过反映设备的功能、故障机制进行学习来进行高精度的异常检测。异常检测装置(100)具有：信号获取部(101)，获取学习对象数据和监视对象数据；状态观测器生成部(104)，使用输入的变量结构所包含的变量来生成状态观测器；正常模型生成部(106)，通过将第一状态观测值和学习对象数据结合并输入到竞争型神经网络来生成阈值，其中，第一状态观测值是将学习对象数据输入到状态观测器而得到的；异常度计算部(108)，通过将第二状态观测值和监视对象数据结合并输入到竞争型神经网络来计算异常度，其中，第二状态观测值是将监视对象数据输入到状态观测器而得到的；以及判定部(109)，通过比较阈值和异常度来求出判定结果。判定结果。判定结果。
【技术实现步骤摘要】
【国外来华专利技术】异常检测装置
[0001]相关申请的交叉引用：本申请基于在2019年2月7日申请的日本专利申请号2019－021084，并在此引用其记载内容。
[0002]本公开涉及使用竞争型神经网络来检测设备异常、异常迹象，特别是检测汽车等输送设备、农业设备、建筑设备的异常、异常迹象的装置。
技术介绍
[0003]近年来，提出了使用机器学习的各种设备的异常检测。机器学习也可以说是具有智能的系统，具有自身能够提高检测精度这样的特质。特别是，神经网络是着眼于生物的神经系统的特征功能建模而成的结构，其有用性得到认可。
[0004]例如，在专利文献1中公开了对旋转设备等装置、设备使用竞争型神经网络，即使在根据转速、随时间的劣化、日期和时间、季节等而正常状态有偏差的情况下，通过无遗漏地学习实际传感器观测值来适当地诊断有无异常的异常监视装置。
[0005]另外，在专利文献2中公开了通过机器学习和实际传感器值生成正常模型，通过阈值判定检测异常，并根据外部环境的变化重建整个正常模型的异常迹象诊断装置。
[0006]专利文献1：日本特开2007－198918号公报
[0007]专利文献2：日本特开2015－18389号公报
[0008]本专利技术人详细研究的结果是在根据从实际传感器的观测值读取的信息、特征来求出用于检测异常的阈值的情况下，随着外部环境的变化，容易产生将异常判定为正常的误判定。另外，发现了若不考虑设备的功能、故障机制进行学习，则进行与应有的方向不同的学习，而偏离设备的功能、故障机制这样的课题。
技术实现思路
[0009]本公开的目的在于通过反映设备的功能、故障机制进行学习，来进行高精度的异常检测。
[0010]本公开的一个方式的异常检测装置具有：信号获取部，获取学习对象数据和监视对象数据；状态观测器生成部，使用输入的变量结构所包含的变量来生成状态观测器；正常模型生成部，通过将第一状态观测值和上述学习对象数据结合并输入到竞争型神经网络来生成阈值，其中，上述第一状态观测值是将上述学习对象数据输入到上述状态观测器而得到的；异常度计算部，通过将第二状态观测值和上述监视对象数据结合并输入到上述竞争型神经网络来计算异常度，其中，上述第二状态观测值是将上述监视对象数据输入到上述状态观测器而得到的；以及判定部，通过比较上述阈值和上述异常度来求出判定结果。
[0011]本公开的另一方式的异常检测方法获取学习对象数据，使用输入的变量结构所包含的变量来生成状态观测器，通过将第一状态观测值和上述学习对象数据结合并输入到竞争型神经网络来生成阈值，其中，上述第一状态观测值是将上述学习对象数据输入到上述
状态观测器而得到的，获取监视对象数据，通过将第二状态观测值和上述监视对象数据结合并输入到上述竞争型神经网络来计算异常度，其中，上述第二状态观测值是将上述监视对象数据输入到上述状态观测器得到的，以及通过比较上述阈值和上述异常度来求出判定结果。
[0012]本公开的另一方式的可在计算机中执行的异常检测程序获取学习对象数据，使用输入的变量结构所包含的变量来生成状态观测器，通过将第一状态观测值和上述学习对象数据结合并输入到竞争型神经网络来生成阈值，其中，上述第一状态观测值是将上述学习对象数据输入到上述状态观测器而得到的，获取监视对象数据，通过将第二状态观测值和上述监视对象数据结合并输入到上述竞争型神经网络来计算异常度，其中，上述第二状态观测值是将上述监视对象数据输入到上述状态观测器而得到的，以及通过比较上述阈值和上述异常度来求出判定结果。
[0013]根据本公开的异常检测装置、异常检测方法以及异常检测程序，通过使用状态观测器反映设备的功能、故障机制，并基于此使用竞争型神经网络来计算异常度，从而能够进行高精度的异常检测。
[0014]另外，通过使用这样的状态观测器，能够分析在设备的哪个功能、哪个部分产生异常、或者是否有产生异常的可能性。
附图说明
[0015]图1是说明实施方式的异常检测装置的结构的框图。
[0016]图2是说明实施方式的异常检测装置的状态观测器的说明图。
[0017]图3是说明实施方式的异常检测装置的状态观测器生成部的处理的说明图。
[0018]图4是说明实施方式的异常检测装置的异常度计算部的动作的流程图。
[0019]图5是说明实施方式的异常检测装置的显示部所显示的信息的说明图。
[0020]图6是说明实施方式的异常检测装置的学习时的动作的流程图。
[0021]图7是说明实施方式的异常检测装置的状态观测器的生成动作的流程图。
[0022]图8是说明实施方式的异常检测装置的监视时以及因素分析时的动作的流程图。
具体实施方式
[0023]以下，参照附图对本公开的实施方式进行说明。
[0024]此外，以下所示的本专利技术是指权利要求书所记载的专利技术，并不限定于以下的实施方式。另外，至少双引号内的语句是指权利要求书所记载的语句，同样地并不限定于以下的实施方式。
[0025]在本专利技术中，权利要求书的从属权利要求所记载的结构和方法、与从属权利要求所记载的结构和方法对应的实施方式的结构和方法、以及未记载于权利要求书而仅记载于实施方式的结构和方法是任意的结构和方法。在权利要求书的记载比实施方式的记载宽的情况下，记载于实施方式的结构和方法也是指本专利技术的结构和方法的例示，在本专利技术中是任意的结构和方法。在任意情况下，通过记载于权利要求书的独立权利要求，而成为本专利技术必需的结构和方法。
[0026]实施方式所记载的效果是具有作为本专利技术的例示的实施方式的结构的情况下的
效果，并不一定是本专利技术所具有的效果。
[0027]在有多个实施方式的情况下，各实施方式所公开的结构不是仅限于各实施方式，能够跨实施方式组合。例如，也可以将一个实施方式所公开的结构与其它实施方式组合。另外，也可以集中组合在多个实施方式中分别公开的结构。
[0028]本公开所记载的见解、课题不是公知的课题，而是本专利技术人独自发现的课题，是与本公开的结构以及方法一起肯定专利技术的创造性的事实。
[0029](实施方式)
[0030]1.异常检测装置的结构
[0031]首先，使用图1，对本实施方式的异常检测装置100(相当于“异常检测装置”)的结构进行说明。
[0032]此外，以下的实施方式主要以搭载于汽车的车载用的异常检测装置为例进行说明，但本专利技术只要在权利要求书中没有限定，则也包含车载用以外的车辆用异常检测装置。例如，可举出设置于车辆的外部，并通过有线或者无线连接至车辆的连接ECU来使用的异常检测装置。
[0033]并且，以下的实施方式也包含车载用异常检测装置、车辆用以外的异常检测装置。
[0034]在这里，所谓的“异常检测装置”不仅是检测异常的装置，也包含检测故障迹象等异常迹象的装置。
[0035]异常检测装置100具有信号获取部101、学习对象数据存储部102、监视本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种异常检测装置(100)，具有：信号获取部(101)，获取学习对象数据和监视对象数据；状态观测器生成部(104)，使用输入的变量结构所包含的变量来生成状态观测器；正常模型生成部(106)，通过将第一状态观测值和上述学习对象数据结合并输入到竞争型神经网络来生成阈值，其中，上述第一状态观测值是将上述学习对象数据输入到上述状态观测器而得到的；异常度计算部(108)，通过将第二状态观测值和上述监视对象数据结合并输入到上述竞争型神经网络来计算异常度，其中，上述第二状态观测值是将上述监视对象数据输入到上述状态观测器而得到的；以及判定部(109)，通过比较上述阈值和上述异常度来求出判定结果。2.根据权利要求1所述的异常检测装置，其中，上述状态观测器反映出在该异常检测装置中成为检测对象的设备的功能或者上述设备的故障机制。3.根据权利要求1所述的异常检测装置，其中，上述变量结构所包含的上述变量是在该异常检测装置中成为检测对象的设备的功能或者上述设备的故障机制的因素。4.根据权利要求1所述的异常检测装置，其中，上述状态观测器生成部通过线性结合上述变量结构所包含的变量，并输入上述学习对象数据来生成上述状态观测器。5.根据权利要求1所述的异常检测装置，其中，还具有输入部，上述输入部输入上述变量结构。6.根据权利要求1所述的异常检测装置，其中，上述状态观测器包括第一状态观测器和第二状态观测器，上述第一状态观测器与上述第二状态观测器的相关性被最大化。7.根据权利要求1所述的异常检测装置，其中，上述状态观测器包括第一状态观测器、第二状态观测器以及第三状态观测器，上述第一状态观测器与上述第二状态观测器的相关性亦即第一相关性、上述第二状态观测器与上述第三状态观测器的相关性亦即第二相关性、以及上述第三状态观测器与上述第一状态观测器的相关性亦即第三相关性的和被最大化。8.根据权利要求6或7所述的异常检测装置，其中，上述第一状态观测器是将汽车的驱动系统作为对象的驱动系统状态观测器，上述第二状态观测器是将供给至发动机的空气与燃料之比作为对象的空燃比系统状态观测器，上述驱动系统状态观测器的上述变量结构包含发动机转速以及涡轮转速作为上述变量，上述空燃比系统状态观...
【专利技术属性】
技术研发人员：森部敦，
申请(专利权)人：株式会社电装，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。