异常温度检测装置具有：温度获取部，其获取温度数据；前处理部，其执行如下前处理，即，对表示温度数据的差分数列的差分数据进行计算，生成将为正数的差分数据和为负数的差分数据中的任一者置换为零的置换数据，对根据正常或异常识别完毕的教师数据而生成的基准数据和置换数据之间的相似度进行计算；学习部，其对由前处理部计算出的相似度进行机器学习而将识别函数输出；以及判定部，其利用识别函数而判定由温度获取部获取并由前处理部执行了前处理的检测用的温度数据的正常或异常。前处理的检测用的温度数据的正常或异常。前处理的检测用的温度数据的正常或异常。
【技术实现步骤摘要】
异常温度检测装置、异常温度检测方法以及记录介质
[0001]本专利技术涉及异常温度检测装置、异常温度检测方法以及记录介质。
[0002]本申请主张2020年8月27日申请的日本专利申请第2020
‑
143271号的优先权并在这里引用其内容。
技术介绍
[0003]如果发生居住用建筑物内的火灾、煤炭火力发电站的火灾、炼钢厂的熔钢的漏出等事故，则有可能产生人命的损失、机会的损失。因此，根据避免人命的损失、机会的损失的观点，检测因产生事故而造成的异常温度极其重要。此外，除了与正常时相比显著升高的温度的含义以外，异常温度有时还用于与正常时相比显著降低的温度的含义。
[0004]日本专利第6076571号公报、日本特开2020
‑
071137号公报以及日本专利第5808605号公报中公开了检测非正常状态(包含异常温度在内)的现有技术。例如，日本专利第6076571号公报公开的技术如下，即，将周期性地反复出现的数据分割为每个周期的数据(周期性数据)，对多个周期性数据实施平均等而制作表示正常时的状态的基准数据。而且，基于所测定的周期性数据和基准数据之间的偏差值而检测非正常状态。
[0005]但是，在日本专利第6076571号公报公开的技术中，在偏差值(相关系数)大于规定的容许误差(阈值)时判定为非正常状态，无法识别温度的时间变化(升高或降低的方向)。因此，在日本专利第6076571号公报公开的技术中，补充导入其他偏差值(差的总和)而能够检测到变化的方向(温度的升高或降低)。然而，在多个偏差值之间检测结果相反的情况下，有可能因检测算法而产生误检测。
[0006]另外，温度的时间变化根据日间变动、季节变动等多种因素而不同，因此用于判定是否产生异常温度的适当的阈值也根据周围环境等而不同。在日本专利第6076571号公报公开的技术中，需要分别使用多个根据周围环境而参照的基准数据来对阈值进行调整，设定与周围环境相应的适当的阈值本身变得困难，难以以高精度检测异常温度。
技术实现思路
[0007]为了解决上述问题，本专利技术的一个方式所涉及的异常温度检测装置(1～3)具有：温度获取部(11)，其获取温度数据；前处理部(12、17)，其执行如下前处理，即，对表示所述温度数据的差分数列的差分数据进行计算，生成将正数的差分数据和负数的差分数据中的任一者置换为零的置换数据，对根据正常或异常识别完毕的教师数据而获得的基准数据和所述置换数据之间的相似度进行计算；学习部(13、18)，其对由所述前处理部计算出的所述相似度进行机器学习而将识别函数输出；以及判定部(14、19)，其利用所述识别函数而判定由所述温度获取部获取并由所述前处理部执行了所述前处理的检测用的温度数据的正常或异常。
[0008]另外，关于本专利技术的一个方式所涉及的异常温度检测装置，所述前处理部具有：数据处理部(12a、22a、24、32a、34)，其执行所述差分数据的计算以及所述置换数据的生成；以
及相似度计算部(12b、26a、35a)，其执行所述相似度的计算。
[0009]另外，关于本专利技术的一个方式所涉及的异常温度检测装置，所述数据处理部对表示所述温度数据的第一差分数列的一阶差分数据以及表示所述温度数据的第二差分数列的二阶差分数据进行计算，至少针对所述一阶差分数据而生成将正数的一阶差分数据和负数的一阶差分数据中的任一者置换为零的所述置换数据。
[0010]另外，关于本专利技术的一个方式所涉及的异常温度检测装置，所述相似度计算部利用动态时间伸缩法而进行所述相似度的计算。
[0011]另外，关于本专利技术的一个方式所涉及的异常温度检测装置，具有作为学习用的所述前处理部的第1前处理部(20)、以及作为检测用的所述前处理部的第2前处理部(30)，所述第1前处理部利用所述第1前处理部所生成的所述置换数据而生成所述基准数据，所述第2前处理部对由所述第1前处理部生成的所述基准数据和所述第2前处理部所生成的所述置换数据之间的所述相似度进行计算。
[0012]另外，关于本专利技术的一个方式所涉及的异常温度检测装置，所述第1前处理部对预先规定的时间的所述置换数据实施多次平均化而生成所述基准数据。
[0013]另外，关于本专利技术的一个方式所涉及的异常温度检测装置，设置有多个所述前处理部、多个所述学习部以及多个所述判定部，具有基于多个所述判定部的结果而判定所述温度数据的正常或异常的综合判定部(40)。
[0014]本专利技术的一个方式所涉及的由异常温度检测装置执行的异常温度检测方法，通过温度获取部，获取温度数据(S11)，通过前处理部执行如下前处理，即，对表示所述温度数据的差分数列的差分数据进行计算，生成将正数的差分数据和负数的差分数据中的任一者置换为零的置换数据，对根据正常或异常识别完毕的教师数据而获得的基准数据和所述置换数据之间的相似度进行计算(S13、S15、S17)，通过学习部，对由所述前处理部计算出的所述相似度进行机器学习而进行将识别函数输出(S18)，通过所述温度获取部，获取检测用的温度数据(S21)，通过所述前处理部，执行针对所述检测用的温度数据的所述前处理(S23、S25、S26)，通过判定部，利用所述识别函数而判定执行了所述前处理的所述检测用的温度数据的正常或异常(S27)。
[0015]另外，关于本专利技术的一个方式所涉及的异常温度检测方法，所述前处理部具有数据处理部以及相似度计算部，通过所述数据处理部，进行所述差分数据的计算以及所述置换数据的生成，通过所述相似度计算部，进行所述相似度的计算。
[0016]另外，关于本专利技术的一个方式所涉及的异常温度检测方法，通过所述数据处理部，对表示所述温度数据的第一差分数列的一阶差分数据以及表示所述温度数据的第二差分数列的二阶差分数据进行计算，通过所述数据处理部，至少针对所述一阶差分数据而生成将正数的一阶差分数据和负数的一阶差分数据中的任一者置换为零的所述置换数据。
[0017]另外，关于本专利技术的一个方式所涉及的异常温度检测方法，通过所述相似度计算部，利用动态时间伸缩法而进行所述相似度的计算。
[0018]另外，关于本专利技术的一个方式所涉及的异常温度检测方法，所述异常温度检测装置具有作为学习用的所述前处理部的第1前处理部、以及作为检测用的所述前处理部的第2前处理部，通过所述第1前处理部，利用所述第1前处理部所生成的所述置换数据而生成所述基准数据，利用所述第2前处理部对由所述第1前处理部生成的所述基准数据和所述第2
前处理部所生成的所述置换数据之间的所述相似度进行计算。
[0019]另外，关于本专利技术的一个方式所涉及的异常温度检测方法，通过所述第1前处理部，对预先规定的时间的所述置换数据实施多次平均化而生成所述基准数据。
[0020]另外，关于本专利技术的一个方式所涉及的异常温度检测方法，设置有多个所述前处理部、多个所述学习部以及多个所述判定部，所述异常温度检测装置还具有综合判定部，通过所述综合判定部，基于多个所述判定部的结果而本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常温度检测装置，其具有：温度获取部，其获取温度数据；前处理部，其执行如下前处理，即，对表示所述温度数据的差分数列的差分数据进行计算，生成将为正数的差分数据和为负数的差分数据中的任一者置换为零的置换数据，对根据正常或异常识别完毕的教师数据获得的基准数据和所述置换数据之间的相似度进行计算；学习部，其对由所述前处理部计算出的所述相似度进行机器学习而将识别函数输出；以及判定部，其利用所述识别函数，判定由所述温度获取部获取并由所述前处理部执行了所述前处理的检测用的温度数据的正常或异常。2.根据权利要求1所述的异常温度检测装置，其中，所述前处理部具有：数据处理部，其执行所述差分数据的计算以及所述置换数据的生成；以及相似度计算部，其执行所述相似度的计算。3.根据权利要求2所述的异常温度检测装置，其中，所述数据处理部对表示所述温度数据的第一差分数列的一阶差分数据、以及表示所述温度数据的第二差分数列的二阶差分数据进行计算，至少针对所述一阶差分数据而生成将正数的一阶差分数据和负数的一阶差分数据中的任一者置换为零的所述置换数据。4.根据权利要求2或3所述的异常温度检测装置，其中，所述相似度计算部利用动态时间伸缩法而进行所述相似度的计算。5.根据权利要求1至3中任一项所述的异常温度检测装置，其中，具有作为学习用的所述前处理部的第1前处理部、以及作为检测用的所述前处理部的第2前处理部，所述第1前处理部利用所述第1前处理部所生成的所述置换数据而生成所述基准数据，所述第2前处理部对由所述第1前处理部生成的所述基准数据和所述第2前处理部所生成的所述置换数据之间的所述相似度进行计算。6.根据权利要求5所述的异常温度检测装置，其中，所述第1前处理部对预先规定的时间的所述置换数据实施多次平均化从而生成所述基准数据。7.根据权利要求1至3中任一项所述的异常温度检测装置，其中，设置有多个所述前处理部、多个所述学习部以及多个所述判定部，具有基于多个所述判定部的结果而判定所述温度数据的正常或异常的综合判定部。8.一种异常温度检测方法，其由异常温度检测装置执行，其中，通过温度获取部，获取温度数据，通过前处理部执行如下前处理，即，对表示所述温度数据的差分数列的差分数据进行计算，生成将为正数的差分数据和为负数的差分数据中的任一者置换为零的置换数据，对根据正常或异常识别完毕的教师数据而获得的基准数据和所述置换数据之间的相似度进行计算，通过学习部，对由所述前处理部计算出的所述相似度进行机器学习而将识别函数输
【专利技术属性】
技术研发人员：古川靖，
申请(专利权)人：横河电机株式会社，
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。