专利名称：运转体的异常检测方法以及异常检测系统的利记博彩app
技术领域：
本发明涉及运转体的异常检测方法以及异常检测系统，其即使在由于外部的影响异常程度的进展或监视信号发生变化的情况下，也可以确切地捕捉到异常程度的进展，可以排除外部的影响高精度地进行异常检测。
背景技术：
将汽车、列车等移动体、电线拧合、挤出、压伸等对原材料进行各种加工的制造装置总称为运转体。希望将运转体设计为适于长时间连续运转。但是，在使运转体长时间连续运转时，或者在由于干扰构成运转体各部分的部件发生了老化时，就会产生运转体变得无法运转、不进行规定的动作、产生安全上的问题、或者在制造的产品中产生不良等不良情况。希望在运转体中产生不良情况之前，检测运转体的异常发出警报，或者使运转体的一部分或者全部停止。
在进行运转体的异常检测时，要从运转体取出某个监视信号。但是，运转体经由各种各样的运转状态进行运转。很多时候随着这些运转状态，上述监视信号会产生变动。因此，需要通过从监视信号中排除依存于运转状态的变动的影响，根据该监视信号进行异常检测，来提高异常检测的检测精度。
如上所述为了排除运转状态的变动的影响，提出了这样的方法亦即，不根据监视信号的电平或振幅进行异常检测，而是使用正常时、异常时、监视时数据的抽样平均和抽样方差的方法(专利文献1)。该方法是利用运转体的特征来提高异常检测的检测精度。
此外，在运转体为旋转体时，提出了使用自适应数字滤波器抽出与旋转同步的信号，来进行运转体的异常检测的方法(专利文献2)。该方法利用运转体的动作特性提高异常检测的检测精度。
此外，为了掌握适合于进行异常检测处理的时机，提出了接收GPS信息判断是否正在高速公路中行驶，如果正在高速公路中行驶，则进行异常检测处理的方法(专利文献3)。该方法通过在适当的时期进行异常检测，来抑制异常的遗漏。
专利文献1特开平7-280603号公报 专利文献2特开2005-335664号公报 专利文献3特开2001-342889号公报
发明内容
希望从发生异常开始在较早的时期发出警报这样的需求高涨。为此，希望进一步改善异常检测的精度，并且希望抑制异常的遗漏。
本发明的发明人着眼于正在进行连续运转的运转体的异常程度以及监视信号还由于外部的影响发生变动的情况，新发明了通过极力排除外部的影响进行异常检测，可以进一步提高异常检测的精度的异常检测方法。
本发明的目的，是要解决上述课题，提供即使在由于外部的影响异常程度的进展或监视信号发生变化的情况下，也可以确切地捕捉到异常程度的进展，可以排除外部的影响高精度地进行异常检测的运转体的异常检测方法以及异常检测系统。
为了达成上述目的，本发明的运转体的异常检测方法连续收集运转体的数据，检测上述运转体的事件，将在通过上述时间划分的规定期间内收集到的上述数据作为对象数据来提取，预先准备好用于异常检测的比较用数据，将上述对象数据与上述比较用数据进行比较，根据该比较结果检测上述运转体的异常。
也可以将物理量传感器的输出信号和控制上述运转体的控制信号的双方或者某一方作为上述数据来收集。
可以检测多个种类的时间，通过相同种类的两个事件的检测定时来划分上述期间。
可以根据上述数据检测上述事件。
可以收集多个种类的数据，根据其中一种以上的数据将上述运转体的状态判定为多个状态种类，对每个判定的状态种类检测异常。
可以收集多个种类的数据，根据其中一种以上的数据将上述运转体的状态判定为多个状态种类，在通过上述事件的检测定时划分的规定期间内，通过规定的状态种类划分部分区间，将在该部分期间内收集的上述数据作为对象数据提取来检测异常。
可以收集物理量传感器的输出信号的数据和控制上述运转体的控制信号的数据，与上述控制信号的数据的输出定时同时或者延迟规定时间地对上述输出信号的数据进行规定的信号处理。
可以收集物理量传感器的输出信号的数据和控制上述运转体的控制信号的数据，根据上述控制信号的数据进行上述输出信号的数据的预测，将该预测数据作为上述比较用数据。
可以对上述对象数据进行数据加工处理，把进行了上述数据加工处理后的对象数据与预先进行了数据加工处理的比较用数据进行比较来检测异常。
可以根据上述对象数据中的具有周期性的成分检测与该周期性相关的异常，根据上述对象数据中的没有周期性的成分检测与周期性不相关的异常。
上述运转体包含旋转部件和非旋转部件，可以根据上述对象数据中的与上述旋转部件的旋转同步的成分检测上述旋转部件的异常，根据上述对象数据中的与上述旋转部件的旋转不同步的成分检测上述非旋转部件的异常。
上述运转体可以是汽车。
此外，本发明的运转体的异常检测系统具备运转体；连续收集该运转体的数据的数据收集部；检测上述运转体的事件的事件检测部；将在通过上述时间划分的规定期间内收集的上述数据作为对象数据提取的对象数据提取部；预先存储了用于异常检测的比较用数据的比较用数据库；以及将上述对象数据与上述比较用数据进行比较，根据该比较结果检测上述运转体的异常的比较运算部。
本发明发挥如下的优异的效果。
(1)排除外部的影响可以高精度地进行异常检测。
图1是应用了本发明一实施方式的异常检测方法的运转体(汽车)的概要结构图。
图2是应用了本发明的异常检测方法的运转体(汽车)的转向机构以及轮胎驱动机构的概要结构图。
图3是本发明的异常检测系统的电路图。
图4是图2的轮胎驱动机构的路面高度的变化形状图以及上下加速度的时间波形图。
图5是图2的轮胎驱动机构的右旋转时的左轮以及右轮的上下加速度的时间波形图。
图6是图2的轮胎驱动机构的汽车加速时的前轮以及后轮的上下加速度时间波形图。
图7(a)是图2的轮胎驱动机构的旋转部件异常时的加速度传感器的输出信号电压的时间波形图，(b)是图2的轮胎驱动机构的非旋转部件异常时的加速度传感器的输出信号电压的时间波形图。
图8表示从事件检测到异常检测的步骤。
图9(a)～(c)是用于对在状态种类A(左旋转)的期间内进行的异常检测处理进行说明的各种信号的时间波形图。
图10(a)～(d)是用于对在状态种类P(刚刚启动后)的期间内进行的发动机控制电路的异常检测处理进行说明的各种信号的时间波形图。
图11表示从事件检测到异常检测的步骤。
图12(a)～(f)是用于对轮胎部的异常检测处理进行说明的各种信号的时间波形图。
图13(a)～(d)是控制信号、电磁噪声、传感器输出信号、滤波器输出信号的时间波形图。
图14是对象数据的频率成分分布图。
符号说明
1 运转体 2 车体 3 轮胎 4 方向盘 5 发送机 6 加速度传感器 7 数据处理部 8 转向机构 11 转向节 13 悬架
具体实施例方式 以下根据附图对本发明的一实施方式进行叙述。
如图1所示，本发明的运转体1的异常检测方法连续收集运转体1的数据，检测运转体1的事件，作为对象数据提取在通过上述时间划分的规定期间内收集的上述数据，预先准备用于异常检测的比较用数据，将上述对象数据与上述比较用数据进行比较，根据该比较结果检测移动体1的异常。
数据是指可以在异常检测、事件检测或后述的状态判定中可使用的所有监视信号，包含物理量传感器检测的物理量的输出信号、通过运行操作等控制运转体时的控制信号等。
在此，在运转体1是汽车时，作为数据具有在整个汽车中产生的或者在一部分中产生的速度、加速度、振动、声音、角速度、部件的畸变、部件温度等。
在运转体1为汽车时，作为事件有越过高低不平的地面、通过洼地等路面形状引起的数据变化；紧急转向、紧急加减速等的运行操作引起的数据变化；拆装轮胎、定期检修等维修作业引起的数据变化等。通过根据数据进行规定的运算来检测这些事件(详细的内容如表1所示)。在用于与转向操作有关的事件检测的数据中，可以使用检测方向盘的旋转角的方向盘传感器的输出。
表1 在运转体1为汽车时，作为运转体1的状态的种类，具有转向、加减速等运行状态；高速行驶、低速行驶等行驶状态；雨天、高温等气象状态等。在本发明中，对于这些各个种类的状态，根据一种以上的数据对运转体1的状态进行状态判定，判定为多个状态种类(详细的内容如表2所示)。在用于判定与转向有关的状态的数据中，可以使用转向角传感器的输出。
表2 数据可以在进行了加工处理后，用于事件检测、状态判定、异常检测。作为数据加工处理，对于在相应期间(事件和事件之间、运转体为规定的状态种类的部分期间等)收集到的数据，具有求出平均值、方差值的统计处理；求出振幅、频率等的波形处理；与轮胎转动的同步处理(在为汽车时)；滤波等选择处理；基于预先的运动的预想数据和根据实际的运动得到的数据的差分处理，上述预想的运动是对于在控制信号中出现的操作量(转向操作量、刹车操作量等)所预想的运动；按照与针对动力转向控制、ABS控制、扭矩分配控制中的控制信号的信号传递定时同步的定时，进行的除去规定频率成分的处理等。
比较用数据，例如是正常时的数据，或者是异常时的数据，可以根据运转体1的设计条件或者根据预先进行的运转试验的结果来生成。
如图1所示，汽车1具备车体2；将车体2支撑在地上，并且通过轴承支承转动车体2使车体2移动的轮胎(车轮)3；用于进行改变轮胎3的朝向的转向操作的方向盘4；成为用于使轮胎3转动的驱动器的发送机5；为了检测在车体2中产生的加速度或者在作为车体2的一部分的部件中产生的加速度，配置在车内适当部位的多个加速度传感器6；以及通过计算机处理执行本发明的异常检测方法的数据处理部7。
如图2所示，从方向盘4到前轮胎3fl、3fr的转向机构8，具备通过方向盘4进行转动的齿轮9；通过齿轮9进行移动，在中间部具有连结器17的转向轴10；以及通过转向轴10进行转动的转向节11。
在前轮部和后轮部中，在轮毂12上设置转向节11。转向节11支撑悬架13的下部，悬架13的上部在重力方向缓冲支撑车体2。在各个轮毂12的外周安装了轮胎3fl、3fr、3rl、3rr。
轮胎驱动的机构具备通过发动机(驱动器)5进行转动的齿轮14；对齿轮14的转动进行传递的左右的连结器15；通过连结器15进行转动的车轴16，通过车轴16轮毂12转动。
在本实施方式中，作为对数据处理部7输出成为数据的监视信号的物理量传感器，具备在左前轮部的转向节11中安装的左前轮加速度传感器6fl；在右前轮部的转向节11中安装的右前轮加速度传感器6fr；在左后轮部的转向节11中安装的左后轮加速度传感器6rl；以及在右后轮部的转向节11中安装的右后轮加速度传感器6rr。这些加速度传感器6检测在各个转向节11中产生的一个轴以上的加速度。
如图3所示，分别将左前轮加速度传感器6fl、右前轮加速度传感器6fr、左后轮加速度传感器6rl、右后轮加速度传感器6rr的输出信号输入给数据处理部7。在数据处理部7内设置有本发明的异常检测系统的数据收集部、事件检测部、对象数据提取部、比较用数据库、和比较运算部(全部未图示)。此外，把控制汽车各部(包含未图示的部分)的多个控制机构(Engine Control Unit)ECU1、ECU2、......的输出信号输入给数据处理部7。因此，数据处理部7可以将汽车的各部的控制数据作为数据处理部7的数据来使用。
以下针对运转体1为汽车的情况，说明异常检测的概要。
与轮胎3的转动一同进行转动的轮毂12，经由轴承安装在作为非转动部件的转向节11上。在前后左右四个部位的转向节11上分别安装了加速度传感器6。加速度传感器6的灵敏度轴以汽车水平静止时为基准，包含垂直轴方向(以下称为上下方向)的灵敏度轴。
除了各个加速度传感器6的输出信号，还经由控制机构ECU1、ECU2、......向数据处理部7输入汽车的速度、表示发动机5是否已经启动的信息、冷却水温度、发动机室气氛温度、轮胎周围的气氛温度、轮胎转速。
作为要检测的异常，有轮毂12等部件的裂纹、连接部件之间的螺栓松弛、轴承的损坏或缺失、轮胎3的空气压、轮胎踏面(轮胎的接地部)的剥落等。
当汽车行驶时，由于路面的凸凹、速度变化或转向操作，在设置有加速度传感器的部件上产生上下运动，所以加速度传感器的输出信号变化。当使该加速度传感器输出信号的变化的原因与外部因素、运行状态、汽车的运动相关联时，就成为以下那样。
在汽车直线行驶时当路面有凹凸时，对应于轮胎通过凹凸，转向节11上下运动，所以安装在转向节11上的加速度传感器6的输出信号如图4那样进行变化。即，当路面从平坦区域(高度为0)开始在较长的距离内为缓缓地圆形凸起，然后为缓缓地圆形凹陷时，在转向节11中产生的与路面垂直方向的加速度在从0开始缓缓地正增加后，进行减小而转为负，在成为负的最大值后绝对值减小而转为正，然后返回到0(正表示向上的加速度，负表示向下的加速度，以下也相同)。此外，在路面上具有短距离的矩形的凸部时，在转向节11上产生的与路面垂直的方向的加速度在急剧地成为正的大值后，急剧地减小成为负的大值，在短时间内返回到0。在图4的图表中假定车速恒定。
当通过转向操作汽车向右转向时，车体2的左侧下沉。因此，在左右的转向节11中安装的加速度传感器6的输出信号如图5那样变化。即，在左轮，加速度从0开始缓缓地负增大，在成为负的最大值之后，绝对值减小返回到0。与此相反，在右轮，加速度从0开始缓缓地正增大，在成为正的最大值后绝对值减小返回到0。
当汽车加速时，车体2的后部降低。因此，安装在前后的转向节11中的加速度传感器6的输出信号如图6那样变化。即，在前轮中，加速度从0开始缓缓地正增大，在成为正的最大值后绝对值减小返回到0。与此相反，在后轮中，加速度从0开始缓缓地负增大，在成为负的最大值后绝对值减小返回到0。
当轮胎转动偏心、在轮毂12上固定轮胎3的部分松弛、轮毂12的疲劳导致产生裂纹、轴承(未图示)出现异常等在转动部件中存在某种异常时，安装有加速度传感器6的转向节11与转动部件的转动同步地上下运动，所以加速度传感器6的输出信号如图7(a)那样变化。即，在路面平坦，且原本由路面导致的上下加速度为0并且恒定时，加速度传感器6的输出信号按照与转动部件的转动周期相同的周期，重复出现与上下的加速度相当的电压。
当轴承向转向节11的安装部、转向节11、将转向节11与车辆2连接的悬挂13等非转动部件中存在某种异常时，还存在与轮胎3等转动部件的转动同步的信号成分。在转动部件的转动中非同步的信号成分变得显著。例如，因为与路面形状或运行状态相关联转向节11上下运动，所以加速度传感器6的输出信号像图7(b)那样变化。即，当长期观察电压时，例如从0开始缓缓地负增大，在成为负的最大值后绝对值减小返回到0。在此期间，按照与转动部件的转动周期相同的周期，重复出现与上下的加速度相当的电压。
即使非转动部件正常，但在转向或者加速等运行状态下加速度传感器6的输出信号也会像图5、图6所示那样进行变化。这样的输出信号变化与图7(b)中的输出信号的长时间的变化类似。但是，当在非转动部件中存在异常时，振幅变化大，或波形形状不同。在左右的前轮和左右的后轮总计四个部位上配置的加速度传感器6的输出信号的相对变化，在非转动部件正常时以及异常时不同。在本发明中，例如，在将左轮一侧的加速度传感器6的输出信号设为Gl(t)(t为时间)，将右轮一侧的加速度传感器6的输出信号设为Gr(t)时，求出 左右比函数F(t)＝Gl(t)/Gr(t) 在非转动部件正常时左右比函数F(t)的值进入到一定范围内(例如|F(t)|＜F0)，但例如当在右轮中产生异常，左轮中的加速度传感器6的输出信号的变化增大时，F(t)的非周期成分脱离一定范围。由此，当利用将在后面详细叙述的事件检测、状态判定，来调查在通过事件划分的规定时间或者通过状态种类划分的部分期间内的上述四个部位的加速度传感器6的输出信号的相对变化时，可以检测异常。
希望不论是转动部件还是非转动部件，都可以早期发现这些部件的异常。但是，加速度传感器6的输出信号还由于产生异常而发生变化，即使在没有异常时也会由于路面形状或运行状态而发生变化。为此，将加速度传感器6的输出信号作为监视信号，难以根据该监视信号高精度地判断有无异常。
使用监视信号的特征，或者对每个运行状态选择适当的异常检测方法，或者利用转动部件的动作特性等，通过在异常检测方法上下工夫，可以期待提高异常检测的精度，但在现有技术中精度并不足够 本发明的发明人考虑了在由于路面形状产生了某种事件时、或者在产生了运行状态满足规定条件的事件时，在汽车运行方面成为问题的汽车异常的产生、进展(恶化)、以及显著化。根据这样的思考达成了本发明。
在异常检测中使用的数据可以是瞬间数据，但在本实施方式中，设为时间上连续的数据。对于该时间上连续的数据，划分某个期间，在该期间内按照规定的短时间间隔进行取样来生成时间序列数据。作为对象数据可以直接提取这样的时间序列数据。还可以使用上述时间序列数据，进行计算平均值、方差值、振幅值、最大值、最小值等统计值的统计处理，作为对象数据直接提取得到的统计值。
将预先设定的正常数据或异常数据作为比较用数据，通过将对象数据与比较用数据进行比较来检测异常。
作为划分时间序列数据的从采样开始到采样结束的期间的定时，可以使用事件发生时刻。
如上所述，通过作为对象数据提取通过事件划分的期间的数据，可以把在异常检测中使用的数据限定为与某个特定的路面形状、运行操作、维修作业相关的数据。此外，因为通过对异常的产生、进展产生影响的事件进行划分来提取对象数据，所以在各个时间得到的基于相同事件的多个对象数据对应于相同的异常。如此，通过与事件相对应地提取对象数据，异常检测的精度提高。此外，容易捕捉到事件所表示的路面形状、运行操作、维修作业等导致的异常产生和进展。
在多个种类的事件中，把划分提取对象数据的期间的事件限定为相同种类的事件也是有效的。由此，与相同种类的异常相对的对象数据的量增加。根据异常的种类，存在由于某种事件该异常发生、进展的情形。当把划分提取对象数据的期间的事件限定为相同种类的事件时，与相同的异常程度相对的对象数据量增加，可以提高异常检测的精度。
例如，假设运转体1为汽车，且作为数据收集四个部位的加速度传感器6的输出信号，考虑按照以下的顺序连续发生了紧急转向操作和紧急停止这两个种类的事件(表1的#2、#3)的情况。假设在日期时间ET1发生紧急停止，在日期时间ET2发生紧急转向操作，在日期时间ET3发生紧急停止，在日期时间ET4发生紧急转向操作，在日期时间ET5发生紧急停止，并且判断出减速的运行状态(表2的$05、记号E)在期间ET1～ET2之间发生一次，在期间ET2～ET3之间发生一次，在期间ET3～ET4之间发生一次，在期间ET4～ET5之间发生一次。此外，假设把针对减速的运行状态的异常检测处理设为“在左前轮加速度传感器6fl和左后轮加速度传感器6rl的输出信号的差分Gdif的最大值超过了阈值Gth5时，作为异常”的处理，在存在多个进行异常检测处理的期间的情况下，进行多个期间中的输出信号的差分Gdif的平均值和阈值Gth5的大小比较，在平均值超过了阈值Gth5时作为异常。
当按照图8所示的顺序，在通过全部种类的事件划分的期间内的被判定出减速的运行状态的部分期间内提取对象数据时，在期间ET1～ET2之间一次、期间ET2～ET3之间一次、期间ET3～ET4之间一次、期间ET4～ET5之间一次的各个部分期间内提取对象数据。
假设通过在各个期间的异常检测处理计算的多个对象数据之间的差分为Gdif12、Gdif23、Gdif34、Gdif45。在最初期间的异常检测处理中，进行差分Gdif12和阈值Gth5的大小比较，在下一期间的异常检测处理中进行差分Gdif23和阈值Gth5的大小比较，以下同样地在各个期间的异常检测处理中进行差分Gdif34和阈值Gth5的大小比较，差分Gdif45和阈值Gth5的大小比较。
另一方面，当在仅通过紧急停止的事件划分的期间中提取数据时，根据状态判定在期间ET1～ET3之间划分两次的部分期间，在期间ET3～ET5之间划分两次的部分期间。此时，在最初的异常检测处理中进行差分Gdif12和差分Gdif23的平均值与阈值Gth5的大小比较，在下一期间的异常检测处理中，进行差分Gdif34和差分Gdif45的平均值与阈值Gth5的大小比较。
如上所述，当在仅通过紧急停止划分的期间中提取对象数据时，在与阈值的比较中使用在一次期间的异常检测处理中在两次的部分期间中提取出的多个对象数据的差分的平均值。由此，与在通过两种事件划分的期间中提取对象数据的情况相比，可以提高异常检测的精度。
当在事件检测中使用在异常检测中使用的数据时，可以增强异常和事件的关联性，异常检测的精度提高。例如，在运转体1为汽车的情况下，在越过高低不平的地面或者通过洼地时，在转向节11中在上下方向上产生大的加速度，在转向操作或者加减速时，产生车体2左右或者前后的倾斜，在各个轮胎的转向节11中产生的加速度的平衡发生变化。当产生这样的加速度变化时，在关联部件中机械负荷变大，有可能成为轮毂12、轴承恶化的契机，或者有可能进一步恶化。当如此地把与异常的发生、进展相关联的数据用于事件检测时，事件和异常的关联性增强，异常检测的精度提高。
如果在维修时传感器(例如加速度传感器6)以及数据处理部7的电源接通，则可以将轮胎的拆卸等引起的加速度变化用于事件检测。在维修时，多数情况停止发动机5，一般还切断传感器的电源。此时，在把通过进行发动机5的停止、启动操作产生的控制信号用于事件检测时，可以在进行维修作业时检测事件。虽然除了维修时以外也频繁地使发动机5停止、启动，但在把通过进行发动机5的停止、启动操作产生的控制信号用于事件检测时，除了维修时以外，可以在对象数据中捕捉到在发动机5刚刚启动后特异性出现的异常所引起的信号。在发动机5刚刚启动后特异性出现的信号中具有在部件的温度较低时产生的信号、部件之间的温度差小时产生的信号、由于启动时的浪涌电压导致的电路故障(异常)而产生的信号。
在本发明中，通过事件划分进行异常检测的期间(＝提取对象数据的期间)。在该期间内，可以通过表示状态细节的状态种类将对象数据划分为部分期间，例如可以划分为进行规定操作的部分期间、成为规定的运行状态的部分期间等，使用该部分期间内的对象数据进行异常检测处理。如此，在异常引起的信号中，可以精度良好地检测在规定的操作或规定的运行状态中显著出现的信号。
以下说明数据处理部7的动作。
如图8所示，将把连续的事件之间的数据作为对象数据时，在运转体1运转的过程中，数据处理部7如下那样进行动作。
数据处理部7在数据收集部中连续收集运转体1的数据，在事件检测部中检测运转体1的事件。数据是物理量传感器检测的物理量的输出信号、控制运转体1的控制信号等。可以根据连续收集到的数据检测事件。反复检测事件。
数据处理部7在检测到某个事件时(事件检测定时T1)，根据该数据或者收集到的其他种类的数据，将运转体1的状态判定为预先决定的多个状态种类(状态判定定时T2)。
通过表3的例子说明数据处理部7以后的动作。表3汇总了按照图8所示的顺序进行处理后的结果。在表3中没有记载异常检测结果。按照图8的顺序，反复进行事件检测→状态判定→对象数据的提取→异常检测→事件检测→......的处理。
表3 进行了初始的事件检测的结果是检测到事件e1。然后，进行状态判定，在从开始日期时间t0(11)到结束日期时间t1(11)定义的部分期间t0(11)～t1(11)之间判定为状态种类P(刚刚启动后)。然后，判断在从本次的事件(此时为事件e1)检测到本次的状态判定之间，是否进行了相同种类的状态判定。此时，因为在本次事件发生后立即进行了状态判定，所以没有相应的状态判定的记录。因此，使对象数据仅为在本次的状态判定的部分期间t0(11)～t1(11)中提取出的对象数据，进行了异常检测处理。
在此，如图9所示，通过图9(a)的左轮向上加速度GL和图9(b)的右轮向上加速度GR之比GL/GR大于图9(c)的阈值Gth1，来判定状态种类A(左转)。
在部分期间t0(16)～t1(16)之间判定为状态种类A，但在从本次检测到的事件e1到本次的状态判定之间，还在部分期间t0(14)～t1(14)中检测到与本次判定出的状态种类A相同的状态种类A。因此，作为对象数据，除了部分期间t0(16)～t1(16)之外，还把在部分期间t0(14)～t1(14)中收集到的数据作为对象数据。对于这些部分期间的对象数据，进行了异常检测处理。作为异常检测的条件，考虑各种的条件，例如通过所划分的部分期间内的加速度传感器6的输出信号的峰值是否大于比较用数据Gth1来进行异常检测，在假设部分期间t0(14)～t1(14)中的最大值为G14，部分期间t0(16)～t1(16)中的最大值为G16时，例如通过使用最大值G14和最大值G16的平均值等进行处理，可以降低加入到在异常检测中使用的对象数据的误差的影响。
说明在事件e2时判定为状态种类A的部分期间t0(23)～t1(23)中提取对象数据的方法。判定为状态种类A的部分期间，位于本次的状态种类A的判定之前。但是，当按照图8进行判定时本次检测出的事件成为e2，在检测到事件e2后没有进行状态种类A的判定。因此，对象数据仅为进行了本次的状态种类A的判定的部分期间t0(23)～t1(23)中的数据。
在数据处理部7中，在比较用数据库中预先存储有用于异常检测的比较用数据。在数据处理部7中，比较运算部将对象数据和比较用数据进行比较，如果对象数据和比较用数据之差为阈值以上或者为阈值以下，则判断运转体1存在异常(异常检测结果输出定时T3)。
作为一个例子，通过图10说明状态种类P(刚刚启动后)。在状态种类P(刚刚启动后)中，可能会产生由启动时的浪涌电压导致的电路的故障等。例如，在检测出由于控制发动机的电路发生故障而踩踏油门踏板时的加速比正常时迟缓的故障(异常)时，可以通过与油门踏板的行程传感器输出相对的前后方向加速度的大小，比正常时小来检测异常。以下表示异常检测处理的例子。如图10(d)那样，以比率的方式进行根据图10(a)的油门踏板行程传感器输出A0(t)和此时的图10(b)的向前加速度Gx(t)计算出的图10(c)的加速度行程比函数Faog(t)＝Gx(t)/A0(t)的大小与正常时的向前加速度和油门踏板行程之比Faog0(t)的比较，设置阈值，例如在小20％以上时检测为异常。在此，把油门踏板行程超过规定值A01时的时刻设为0，例如进行从时刻0秒开始到10秒期间的比较。
然后，返回图8的开始，因为虽然进行了事件检测但没有检测出，所以直接进行了状态判定处理。进行状态判定处理的结果为在部分期间t0(12)～t1(12)之间判定为状态种类BG(右转和紧急减速同时的操作状态、运行状态)。然后，判断在从本次的事件(此时为事件e1)检测开始到本次的状态判定之间，是否具有相同种类的状态判定结果。因为是状态种类B和状态种类G同时的操作状态、运行状态，所以作为相同种类的状态判定状态种类B、状态种类G以及状态种类BG。
在从本次的事件e1开始到本次的状态判定之间，因为没有产生要进行判断的操作状态、运行状态，所以仅在进行了本次的状态判定的部分期间t0(12)～t1(12)中提取对象数据。反复进行相同的处理，在部分期间t0(13)～t1(13)之间，因为没有相应的状态种类，所以没有提取出对象数据。反复进行了这样的处理。
然后说明数据处理部7的其他的动作。
说明图11。表示了在多个种类的事件中，通过相同种类的事件划分提取对象数据的期间时的例子。表4汇总了按照图11所示的顺序进行处理后的结果。
表4 按照图11的顺序，反复进行事件检测→状态判定→对象数据的提取→异常检测→事件检测→...的处理。与图8的顺序相比，对象数据提取的部分不同。在检测到表4的事件e4之前，没有产生相同种类的事件，所以与按照图8的顺序进行处理的情况没有不同。在事件e4中检测到发动机停止后的启动，因为在事件e1中也检测到发动机启动，所以将对象数据的提取开始日期时间设为事件e1的开始日期时间t0(11)。因此，进行期间t0(41)～t1(41)之间的状态种类P的异常检测处理时的对象数据提取期间成为期间t0(11)～t1(41)。在该期间内，在部分期间t0(11)～t1(11)和部分期间t0(41)～t1(41)两次判定状态种类P。
例如，在检测到控制发动机的电路发生故障而踩踏油门踏板时的加速比正常时迟缓的故障(异常)时，进行根据油门踏板行程传感器输出A0(t)和此时的向前加速度Gx(t)计算出的加速度行程比函数Faog(t)＝Gx(t)/A0(t)的大小与正常时的向前加速度和油门踏板行程之比Faog0(t)的比较，例如在小20％以上时检测为异常。在此，把油门踏板行程超过规定值A01时的时刻设为0，例如进行从时刻0秒开始到10秒期间的比较。因为本次提取的对象数据为两组，所以对于两组对象数据分别按照上述顺序计算加速度行程比函数Faog(t)(设计算结果为Faog1(t)、Faog2(t))，将作为计算结果的Faog1(t)和Faog2(t)的平均值作为加速度行程比函数Faog(t)。进行加速度行程比函数Faog(t)和正常时的比Faog0(t)的比较，例如在比正常时小20％以上时检测为异常。在对于本次提取出的对象数据的异常检测处理中，因为取得根据两组的对象数据得到的Faog1(t)和Faog2(t)的平均值，将该平均值作为加速度行程比函数Faog(t)进行了异常检测，所以与只使用一组对象数据的情况相比，可以提高异常检测精度。
在图3的异常检测系统中，数据处理部7收集四个加速度传感器6的输出信号来作为数据，并且收集来自几个控制机构ECU1、ECU2、......的速度、温度等输出信号来作为数据，使用这些多个种类的数据，参照预先设定的事件检测条件来检测事件。即，如表1所示，在数据处理部7内对每个事件的种类设定了检测条件。在各个事件中存在与该事件具有相关性的路面形状或运行状态。
例如，在事件#1中，对于通过一个以上的加速度传感器6的输出信号得到的数据进行数据加工处理来求出振幅，将该振幅与预先决定的阈值进行比较，把振幅大于阈值的瞬间，或者振幅小于阈值的瞬间作为检测到事件#1的时刻。事件#1与由于越过高低不平的地面或者通过洼地在转向节11上产生向上或者向下的加速度具有大的相关性。
此外，在事件#4中，对于通过一个以上的加速度传感器6的输出信号得到的数据进行数据加工处理来求出频率特性，求出该频率特性和预先决定的频率特性的相似度，把相似度大于阈值的瞬间或者相似度小于阈值的瞬间作为事件#4的检测时刻。事件#4与轮胎的拆装或进行维修具有大的相关性。
在装卸轮胎的情况下，在卸下固定了轮胎的螺栓的操作开始时或者在检修中使用工具时需要急剧地施加较大的力，所以加速度传感器6的输出信号的高频成分增加。因此，可以计算比频率的阈值Fth低的频率成分的积分值Glow和比阈值Fth高的频率成分的积分值GHigh之比RHL，把比值RHL大于预先决定的阈值RHL0的时刻设为检测到事件#4的时刻。
如上所述，数据处理部7根据加速度传感器6的输出信号、来自控制机构ECU1、ECU2等的输出信号，检测事件的发生和事件的种类。
并且，数据处理部7使用上述多个种类的数据，参照预先设定的判定条件来判定状态种类。即，如表2所示，在数据处理部7内对每个状态种类设定了判定条件。各状态种类是判定出汽车的操作状态、运行状态的状态种类，在数据处理部7内赋予了用于识别的记号。
例如，在状态种类$01中，求出左轮的向上加速度传感器的输出信号和右轮的向上加速度传感器的输出信号之比，将该比值与阈值进行比较，在比值大于阈值时，将汽车的状态判定为状态种类$01。状态种类$01与左转操作汽车的操作状态以及汽车进行左转的运行状态具有较大的相关性。使识别状态种类$01的记号为A。
同样地，在状态种类$02中，求出左轮的向上加速度传感器的输出信号和右轮的向上加速度传感器的输出信号之比，将该比值与阈值进行比较，在比值小于阈值时，将汽车的状态判定为状态种类$02。状态种类$02与向右操作汽车的操作状态以及汽车向右转的运行状态具有较大的相关性(参照图5)。使识别状态种类$02的记号为B。
如此，数据处理部7根据加速度传感器6的输出信号、来自控制机构ECU1、ECU2等的输出信号，将汽车的状态判定为多个状态种类。
然后，数据处理部7在检测出事件后，对每个判定出的状态种类，比较对象数据和比较用数据来进行异常检测。即，如表3所示，数据处理部7对应事件的种类，并且对于每个状态种类提取从开始日期时间到结束日期时间的数据来作为对象数据。
表3所示的状态种类的记号是在表2中定义过的。在多个状态种类同时成立时，连续记载各个状态种类的记号。例如，记号AE(表3中没有)是左转(记号A)和减速(记号E)的状态种类同时成立，这与汽车一边左转一边减速的运行状态具有较大的相关性。在同时成立3个以上或4个以上的多个状态种类时，与此相对应连续记载状态种类的记号。
数据处理部7通过对上述提取出的对象数据进行数据加工处理(在此进行统计性处理或频域的处理)，计算平均值、方差值、振幅值、最大值、最小值等统计值。通过对比较用数据预先执行统计性处理，可以缩短运算时间。此外，如果只存储统计性处理后的比较用数据，则可以削减存储的数据量，节约存储区域。
数据处理部7把上述提取出的对象数据或者进行上述数据加工处理后的对象数据与比较用数据进行比较运算来检测异常。作为具体的比较运算，如上所述，取出根据两个种类的对象数据运算的函数值与正常时的函数值之比，在比值超过规定的百分比时(或者不足规定的百分比时)，作为检测到异常。
在此，作为具体的例子，通过图12说明检测轮胎部的异常的情况。把安装在转向节11上的向上加速度传感器的输出信号、以及针对轮胎3转动一圈输出一周期的逻辑反转信号的轮胎转动传感器的输出信号作为监视信号，收集这些监视信号的数据。根据未图示的事件检测和状态判定，在规定的期间提取对象数据。提取图12(a)所示的向上加速度传感器的输出信号和图12(b)所示的轮胎转动传感器的输出信号。通过分别对向上加速度传感器的输出信号的频率和轮胎转动传感器的输出信号的频率(1/T)进行频率分析的数据加工处理，得到图12(c)、图12(d)所示的频率的时间变化Gf、Vf。当在轮胎转动传感器的输出信号的每个周期，提取该一个周期中的向上加速度传感器的输出信号的振幅最大值时，得到由图12(e)的○表示的多个振幅最大值。当作为相似度求出频率的时间变化Gf、Vf之比Gf/Vf时，成为图12(f)那样。
在各振幅最大值超过阈值Ath，并且频率的时间变化Gf、Vf之比Gf/Vf在规定的相似度范围内，例如在1±0.1的范围内时，对于轮胎3的每一圈旋转产生规定以上的向上加速度，并且向上加速度和轮胎转动的频率特性相似。此时，检测出产生了与轮胎3的转动同步的异常。
频率的时间变化Gf、Vf之比接近1，表示向上加速度的变化与轮胎3的转动同步。此外，轮胎转动传感器的输出信号的一个周期中的向上加速度传感器的输出信号的振幅最大值是否超过阈值Ath，与有无异常具有相关性。作为与轮胎3的转动同步的异常，考虑轮胎转动的偏心、将轮胎3固定在轮毂12上的部分松弛、由轮毂12的疲劳导致的产生裂纹、轴承的异常等。虽然在此没有说明如何确定发生了这些异常中的哪个异常，但通过检测产生了得到与转动同步的监视信号的异常，与之后的异常确定密切相关。
可以对每个状态种类进行异常检测。并且，可以将每个状态种类的检测结果作为中间检测结果，通过组合多个中间检测结果，可以形成多个状态组合的检测结果。由此，可以进行更加详细的检测。
例如，假设在状态种类C(紧急左转)检测到与轮胎3的转动同步的异常，但在状态种类A(左转)没有检测到相同的异常。此时，可以判断异常的程度比较轻。但是，当在状态种类C和状态种类A中都检测到上述异常时，可以判断为异常的程度重。如此，通过组合每个状态种类的中间检测结果来进行最终检测，可以进行更加详细的检测。由此，可以进行根据异常的程度改变警告级别等应用。
此外，每个状态种类的异常检测可以是1个状态种类的异常检测，也可以是组合了多个状态种类的状态种类的异常检测，还可以重复进行这些异常检测。例如，分别进行记号A的状态种类的异常检测和记号AI的状态种类的异常检测。如表2所示，记号A的状态种类与左转有关，记号I的状态种类与打滑有关。通过重复进行异常检测可以进行更详细的检测。
例如，虽然在状态种类A时检测到得到与轮胎3的转动同步的监视信号的异常，但在状态种类AI(左转和打滑)时没有检测到上述异常的情况，与在状态种类AI时还检测到上述异常的情况相比，异常的程度有可能较轻。其原因在于，由于轮胎3打滑，对轮胎3施加的负荷被释放，所以在监视信号中不出现异常。如此，通过在多个状态种类中重复检测同种的异常，可以进行详细的检测。
如以上说明的那样，根据本发明的异常检测方法，持续收集运转体1的数据，检测运转体1的事件，作为对象数据提取在通过上述事件划分的规定期间内收集的上述数据，预先准备用于异常检测的比较用数据，将上述对象数据与上述比较用数据进行比较，根据该比较结果检测运转体1的异常，所以即使在由于外部的影响异常程序的进展或监视信号发生变化的情况下，也可以确切地捕捉到异常程序的进展，可以排除外部的影响精度良好地进行异常检测。
以下说明本发明的其他的实施方式。
在运转体1为汽车时，还考虑将监视信号(例如加速度传感器6的输出信号)分离为与轮胎3的转动同步的信号和非同步的信号。例如，可以根据为了ABS(刹车防抱死系统)在各个轮胎3中设置的轮胎转动传感器的输出脉冲检测轮胎3的转动速度。此外，可以通过在轮胎3转动一圈中对轮胎转动传感器输出脉冲进行计数来检测轮胎3的转动速度。与轮胎3旋转一圈相对的轮胎转动传感器输出脉冲数由轮胎转动传感器的设计决定。可以根据检测到的轮胎3的转动速度(轮胎转动传感器输出脉冲)，从监视信号中分离出与轮胎3的转动同步的信号和非同步的信号。根据这样的考虑，数据处理部7把从加速度传感器6的输出信号得到的对象数据分离为轮胎的同步信号数据和非同步信号的数据。
根据与轮胎3的转动同步的信号，可以对于轮毂12、保持轮毂12的轴承、车轴16、齿轮14、在轮毂12上安装轮胎3的车轮(未图示)、在车轮上安装轮胎3的螺母(螺栓)检测异常。例如，可以检测螺栓的松弛、车胎接地面的异常。可以根据与车胎3的转动非同步的信号，对于转向节11、悬架13、连接器15、车胎3检测异常。例如，可以检测车胎3的空气压异常。
当车胎3的空气压降低时，路面的凹凸产生的上下运动难以传播到加速度传感器6。在前后左右的四个车胎3中，当一个车胎3的空气压降低时，空气压降低的车胎3附近的加速度传感器6的输出信号的振幅小于其他车胎3附近的加速度传感器6的输出信号的振幅。因为路面的凹凸导致的上下运动与和车胎3的转动同步的上下运动相比明显，所以作为与车胎3的转动非同步的信号检测路面的凹凸导致的上下运动。由此，从对象数据中分离与车胎3的转动非同步的数据，上述对象数据是从前后左右四个加速度传感器6的输出信号得到的数据，比较分离出的四个数据的振幅，当存在振幅比其他数据小规定值(规定比)以上的数据时，可以检测出该加速度传感器6附近的车胎3的空气压异常。
把对象数据分离为同步信号的数据和非同步信号的数据的实施方式不仅限于具有转动部件的运转体1，还可用于具备往复运动的部件、摆动运动的部件、周期振动的部件等的运转体。即，可以根据对象数据中的具有周期性的成分，检测与周期性相关的异常，根据对象数据中的没有周期性的成分，检测与周期性不相关的异常。
在运转体1为汽车时，可以针对操作量(方向盘操作量、刹车操作量)，预想在汽车中产生的运动。可以基于该运动预测，来预测在设置有加速度传感器6的部件中产生的加速度。计算预测的加速度和实际测定的加速度的差分，在差分不在规定值范围内时，可以判断为异常。即，数据处理部7根据控制信号中包含的操作量预测在汽车中产生的运动，基于该运动预测来预测从加速度传感器6大概得到的数据。数据处理部7将该预测数据作为比较用数据，把从加速度传感器6的输出信号得到的对象数据与比较用数据进行比较。
叙述运转体1为汽车时的运动预测方法的一例。汽车的运动方程式可以通过以下公式来表示。
(式1) (式2) (式3) β＝∫dβdt(式4) m车辆的质量 I车辆的偏航惯性矩 lf车辆重心与前车轴之间的距离 lr车辆重心与后车轴之间的距离 Kf每个前车轮的车胎侧偏功率 Kr每个后车轮的车胎侧偏功率 V车辆的行驶速度 δ前轮的真实转向角 β车辆重心的侧滑角 γ车辆的偏航角速度 t时间 在这些方程式(式1)～(式4)的变量中，质量m、惯性矩I、重心前车轴间距离lf、重心后车轴间距离lr，由设计值决定。行驶速度V、转向角δ、偏航角速度γ、横向加速度Gy通过传感器进行检测。如果知道以上的变量，则可以求出侧偏功率Kf、Kr。方向盘操作量相当于转向角δ。通过刹车操作，行驶速度V变化。
侧偏功率Kf、Kr相当于在汽车(车胎3)和路面之间作用的力，因为考虑到汽车只在路面上进行运动，所以可以掌握汽车的运动。
虽然根据汽车的运动方程式，如式4那样可以求出侧滑角β，但可以根据加速度和速度，通过以下的式5求出侧滑角β2。
(式5) β2根据加速度求出的侧滑角 Gy横向加速度(测定值) Gx前后方向加速度(测定值)
前后方向速度的时间变化率(车速V的时间变化率)
左右方向速度的时间变化率(横向速度Vy的时间变化率) Vy＝V×tanβ (β使用用公式求出的值) 通过进行在式5中求出的侧滑角β2和在式4中求出的侧滑角β的比较，可以进行加速度传感器6的异常检测。
在假设运转体1为汽车，进行电动助力转向控制、ABS控制、向各个轮胎分配驱动转矩的控制，且以电动助力转向控制信号、ABS控制信号、驱动转矩分配控制信号作为本发明的监视信号的数据的情况下，由于各个控制信号中的信号传递的定时，控制信号对于监视信号的数据来说有可能成为噪声源。此外，在由上述控制信号进行控制电动机等被控制设备进行动作时，有可能产生电磁噪声与监视信号的数据重叠。
对于上述问题，在本发明中，可以预先测定产生电磁噪声的定时相对于控制信号的输出定时的延迟时间、以及噪声源的频率，然后设定在数据处理部7中。关于与控制信号同步的监视信号，在控制信号进行电压变化的同时，或者在从控制信号进行电压变化开始直到经过了考虑了电动机动作时间常数等的规定延迟时间的规定期间内，从对象数据中除去噪声源的频率成分。使噪声不会对重叠的期间以外的频率成分造成影响。通过根据除去了噪声源的频率成分的对象数据检测异常，可以防止噪声引起的误检测。
图13(c)是设置在轮胎附近的加速度传感器6的输出信号(传感器输出信号103)中叠加了来自图13(a)的刹车控制信号101的图13(b)的电磁噪声102的波形。在输出了方波脉冲状的控制信号101后，进行时间延迟，然后从被控制设备产生包含较高的高频成分的电磁噪声102。在传感器输出信号103中，在本来的输出信号(与图7(b)相当的缓缓地曲线变化的成分和与轮胎3的转动同步的异常引起的信号成分(倒三角波脉冲状的周期信号))中，叠加了与电磁噪声同步并且波形相似的信号成分，上述电磁噪声是从控制信号进行了时间延迟的被控制设备的电磁噪声。
预先调查电磁噪声102持续的期间(滤波期间)104以及电磁噪声102的频带，仅在滤波期间104进行阻断上述频率的低通滤波处理。在此假设与电磁噪声相似的成分的频带和短周期重复的脉冲状成分的噪声频带重复。
滤波输出信号105成为在离散存在的多个位置的滤波期间104中，阻断了上述频带的信号。此时，将传感器输出信号103中的与电磁噪声相似的成分全部除去。另一方面，虽然在滤波期间104中除去传感器输出信号103中的与轮胎3的转动同步的短周期重复的脉冲状成分，但在非滤波期间106中未能除去而是留有上述脉冲状成分。还留有作为本来的输出信号的缓缓地曲线变化的成分。
通过图13所示的波形处理，即使在监视信号中叠加了原因或特征不同的多个成分时，也可以在完全除去一方成分的同时，在成分彼此不重叠的期间检测另一方成分。例如，即使在与轮胎3的转动同步产生的异常引起的信号成分的频带与电磁噪声引起的信号成分的频带重叠的情况下，在电磁噪声102的产生期间以外的数据中，在对象数据中留有与轮胎3的转动同步产生的异常引起的信号成分，可以进行异常检测。
把对于电磁噪声产生期间的数据进行低通滤波处理得到的数据(图13(d))作为对象数据。如图14所示，通过FFT(高速傅立叶变换)把作为时间序列数据的对象数据变换为频率数据。与此相伴将时间响应变换为频率响应。如图所示在通过FFT处理得到的频率数据中，具有在异常引起的信号的频率范围内包含的成分103c、103d、103e以及不包含在该频率范围内的成分103a、103b、103f。对于在对象数据的频率范围内包含的成分，通过具有超过阈值的成分103d来检测异常。
作为在事件检测或异常检测中使用的监视信号的数据，在运转体1为汽车的上述实施方式中，使用安装在转向节11上的、检测上下方向的加速度的加速度传感器6。除了上下方向以外，本发明还可以使用检测汽车的行驶方向、横向等各种方向的加速度的加速度传感器。例如，当在一部位安装了上下方向、行驶方向、以及横向的加速度传感器时，可以作为三维矢量捕捉到该安装部位的加速度。由此，可以提高异常检测精度。
在上述实施方式中，在转向节11上安装了加速度传感器6，但还可以考虑在转向节11以外的部件中，在与悬架13相比靠近轮胎3的一侧，轮胎3等转动部件以外的各个非转动部件相互进行相同的运动，所以通过在与悬架13相比靠近轮胎3一侧的非转动部件中安装加速度传感器6，可以得到与在转向节11上安装加速度传感器6时相同的信号。还可以在进行转动的轮胎3内设置物理量传感器，通过无线方式将物理量传感器的输出信号传输给安装在非转动部件上的接收器。
此外，如果在汽车的其他部分，例如在发动机5的周边设置物理量传感器，则可以将本发明用于发动机5的异常检测。如果在方向盘4等转向装置附近设置物理量传感器，可以将本发明用于转向装置的异常检测。
在上述实施方式中，在转向节11上安装了加速度传感器6，但还可以将加速度传感器安装在在悬架13的上侧支撑的车体2中。此时，因为整个汽车内部与车体2一体进行运动，所以如果在车体2的一个部位安装加速度传感器，则可以检测在整个汽车内部产生的加速度，收集与汽车内部的举动有关的数据。但是，由于悬架13吸收在悬架13的下侧产生的振动，所以在车体2中安装的加速度传感器对于轮胎3的振幅，灵敏度弱。由此，通过在支撑悬架13下侧的转向节11上安装加速度传感器6，有利于轮胎周边部件的异常检测。
在上述实施方式中，作为输出监视信号的传感器使用了加速度传感器，但在本发明中还可以使用振动传感器、声音传感器、角速度传感器、检测部件畸变的畸变传感器、汽车的速度传感器、轮胎转动传感器、温度传感器等物理量传感器。以对应于异常输出信号进行变化的方式配置这些物理量传感器。可以单独或者多个组合地使用这些物理量传感器。使用的物理量传感器的种类、数量越多，越可以期待高精度的异常检测，所以考虑成本平衡来决定物理量传感器的种类和数量。此外，物理量传感器不仅限于用于检测异常的目的，还可以公用于其他的用途，例如汽车运动控制。通过公用可以削减成本。
然后，作为使用相同种类的事件之间的数据时的例子，在表4中表示了对于刚刚启动后和越过高低不同的地面事件进行应用的例子，在图8中表示了处理的流程。关于刚刚启动后的状态(记号P)，在事件e4的发动机启动时还组合使用之前事件e1的数据，来增加数据量提高检测精度。同样地，虽然在越过高低不同的地面事件e3和e5之间具有发动机停止启动事件e4，但在左转状态(记号A)和右转状态(记号B)的异常检测处理中，全部使用事件e3～事件e5之间的相应状态的数据，来增加数据量提高检测精度。
在上述实施方式中使运转体1为汽车，但本发明也可用于拧合装置、挤压装置、轧制装置。在这些制造装置的连续运转的过程中，通过本发明进行异常检测是有效的。
在电线等拧合装置中，作为异常具有拧合线材的重叠、切断、粗细变动等。作为事件具有拧合速度的变化、材料替换、启动等。作为操作状态、运行状态具有间距设定、进给速度的高低等。在用于事件检测、异常检测的数据中使用中心材料或进给材料用张力传感器、进给速度传感器、温度传感器等物理量传感器的输出信号和各种控制信号。
在挤压装置中，作为异常具有挤压完成品的尺寸偏差增大、材料密度偏差增大、堵塞等。作为事件具有挤压速度的变化、材料替换、启动等。作为操作状态、运行状态具有挤压速度等级、挤压压力的高低、使用材料的种类等。在用于事件检测、异常检测的数据中，使用挤压速度传感器、压力传感器、温度传感器等物理量传感器的输出信号和各种控制信号。
在轧制装置中，作为异常具有轧制完成品的厚度偏差增大、强度偏差增大等。作为事件具有进给速度变化、材料替换、启动等。作为操作状态、运行状态具有进给速度等级、温度的高低等。在用于事件检测、异常检测的数据中，使用进给速度传感器、温度传感器等物理量传感器的输出信号和各种控制信号。
权利要求
1.一种运转体的异常检测方法，其特征在于，
连续收集运转体的数据，
检测上述运转体的事件，
将在由上述事件的检测定时划分出的规定期间内所收集的上述数据作为对象数据来提取，
预先准备好用于异常检测的比较用数据，
将上述对象数据与上述比较用数据进行比较，根据该比较结果检测上述运转体的异常。
2.根据权利要求1所述的运转体的异常检测方法，其特征在于，
将物理量传感器的输出信号和控制上述运转体的控制信号的双方或者某一方作为上述数据来收集。
3.根据权利要求1或2所述的运转体的异常检测方法，其特征在于，
检测多个种类的事件，
用相同种类的两个事件的检测定时来划分上述期间。
4.根据权利要求1～3的任何一项所述的运转体的异常检测方法，其特征在于，
根据上述数据检测上述事件。
5.根据权利要求1～4的任何一项所述的运转体的异常检测方法，其特征在于，
收集多个种类的数据，
根据上述多种数据中的一种以上的数据将上述运转体的状态判定为多个状态种类，
对判定出的每个状态种类检测异常。
6.根据权利要求1～4的任何一项所述的运转体的异常检测方法，其特征在于，
收集多个种类的数据，
根据上述多种数据中的一种以上的数据将上述运转体的状态判定为多个状态种类，
在由上述事件的检测定时划分出的规定期间内，用规定的状态种类划分部分区间，
将在该部分期间内收集的上述数据作为对象数据提取来检测异常。
7.根据权利要求1～6的任何一项所述的运转体的异常检测方法，其特征在于，
收集物理量传感器的输出信号的数据和控制上述运转体的控制信号的数据，
与上述控制信号的数据同时或者延迟规定时间地对上述输出信号的数据进行规定的信号处理。
8.根据权利要求1～6的任何一项所述的运转体的异常检测方法，其特征在于，
收集物理量传感器的输出信号的数据和控制上述运转体的控制信号的数据，
根据上述控制信号的数据进行上述输出信号的数据的预测，
将该预测数据作为上述比较用数据。
9.根据权利要求1～8的任何一项所述的运转体的异常检测方法，其特征在于，
对上述对象数据进行数据加工处理，
把进行了上述数据加工处理的对象数据与预先进行了数据加工处理的比较用数据进行比较来检测异常。
10.根据权利要求1～9的任何一项所述的运转体的异常检测方法，其特征在于，
根据上述对象数据中的具有周期性的成分检测与该周期性相关的异常，
根据上述对象数据中的没有周期性的成分检测与周期性不相关的异常。
11.根据权利要求1～10的任何一项所述的运转体的异常检测方法，其特征在于，
上述运转体包含旋转部件和非旋转部件，
根据上述对象数据中的与上述旋转部件的旋转同步的成分检测上述旋转部件的异常，
根据上述对象数据中的与上述旋转部件的旋转不同步的成分检测上述非旋转部件的异常。
12.根据权利要求1～11的任何一项所述的运转体的异常检测方法，其特征在于，
上述运转体是汽车。
13.一种运转体的异常检测系统，其特征在于，
具备
运转体；
连续收集该运转体的数据的数据收集部；
检测上述运转体的事件的事件检测部；
将在由上述事件划分出的规定期间内收集的上述数据作为对象数据来提取的对象数据提取部；
预先存储有用于异常检测的比较用数据的比较用数据库；以及
将上述对象数据与上述比较用数据进行比较，根据该比较结果检测上述运转体的异常的比较运算部。
全文摘要
提供一种异常检测方法以及异常检测系统，其即使在异常程度的进展以及监视信号由于外部的影响而发生变动的情况下，也可以排除外部的影响高精度地进行异常检测。连续收集运转体(1)的数据，检测运转体(1)的事件，将在通过上述事件划分的规定期间内收集到的上述数据作为对象数据来提取，预先准备好用于异常检测的比较用数据，将上述对象数据与上述比较用数据进行比较，根据该比较结果检测上述运转体(1)的异常。
文档编号G01M99/00GK101782468SQ20091020837
公开日2010年7月21日 申请日期2009年11月12日 优先权日2009年1月16日
发明者山本哲 申请人:日立电线株式会社