异常检测装置及异常检测程序.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115989465A(43)申请公布日2023.04.18(21)申请号202180049128.5(74)专利代理机构北京市金杜律师事务所(22)申请日2021.06.1811256专利代理师陈伟周丽娜(30)优先权数据2020-1240622020.07.20JP(51)Int.Cl.G05B23/02(2006.01)(85)PCT国际申请进入国家阶段日2023.01.09(86)PCT国际申请的申请数据PCT/JP2021/0232452021.06.18(87)PCT国际申请的公布数据WO2022/019020JA2022.01.27(71)申请人本田技研工业株式会社地址日本东京都(72)发明人久保结人竹腰响辅大岛英司权利要求书1页说明书7页附图6页按照条约第19条修改的权利要求书1页按照条约第19条修改的声明或说明1页(54)发明名称异常检测装置及异常检测程序(57)摘要本发明提供能够抑制车辆的个体差异及试验中的消耗造成的影响并进行异常检测的异常检测装置。异常检测装置(20)包括：时间窗处理部(22)，其通过以时间窗划分包含时间序列数据的多个车辆信号来提取该时间窗中包含的数据；学习部(25)，其通过使用以时间窗划分的车辆信号的时间序列数据的学习来生成已学习信息；以及异常度计算部(23)，其基于已学习信息对以时间窗划分的车辆信号的时间序列数据进行重构计算重构前后的误差，并基于所计算的误差和已学习信息来计算异常度。CN115989465ACN115989465A权利要求书1/1页1.一种异常检测装置，其特征在于，包括：时间窗处理部，其通过以时间窗划分包含时间序列数据的多个车辆信号来提取该时间窗中包含的数据；学习部，其通过使用以所述时间窗划分的所述车辆信号的时间序列数据的学习来生成已学习信息；以及异常度计算部，其基于所述已学习信息重构由所述时间窗划分的所述车辆信号的时间序列数据计算重构前后的误差，并基于所计算的所述误差和所述已学习信息计算异常度。2.根据权利要求1所述的异常检测装置，其特征在于，所述异常度计算部基于以本次的所述时间窗划分的所述车辆信号的时间序列数据和使用以前次以前的所述时间窗划分的所述车辆信号的时间序列数据的所述已学习信息计算所述异常度。3.根据权利要求2所述的异常检测装置，其特征在于，所述已学习信息包含以前次以前的所述时间窗划分的所述车辆信号的时间序列数据的最大值及最小值，所述异常度计算部基于所述最大值及所述最小值，对以本次的所述时间窗划分的所述车辆信号的时间序列数据进行缩放，通过所述已学习信息中包含的自编码器对缩放得到的所述车辆信号的时间序列数据进行重构。4.根据权利要求1至3中任一项所述的异常检测装置，其特征在于，具备使多个所述车辆信号的采样率一致的采样率调整部，所述时间窗处理部以所述时间窗划分采样率调整后的多个所述车辆信号的时间序列数据。5.根据权利要求1至4中任一项所述的异常检测装置，其特征在于，具备异常判定部，所述异常判定部在规定数量的所述时间窗连续发生异常的情况下，基于所计算的所述异常度判定所述车辆信号为异常。6.一种异常检测程序，其特征在于，使计算机作为权利要求1至5中任一项所述的异常检测装置发挥功能。2CN115989465A说明书1/7页异常检测装置及异常检测程序技术领域[0001]本发明涉及检测车辆信号异常的技术。背景技术[0002]专利文献1、2中记载了下述技术：在车辆的耐久试验时，预先使用其他车辆采集表示正常的基准数据，使用该基准数据检测在耐久试验中计测的数据的异常。[0003]现有技术文献[0004]专利文献[0005]专利文献1：日本特开2015‑170121号公报[0006]专利文献2：日本特开2016‑045861号公报发明内容[0007]发明要解决的课题[0008]在专利文献1、2记载的技术中，由于从与试验对象不同的车辆采集基准数据，因此在试验对象车辆的相对于基准数据的个体差异大的情况下，存在即使正常也检测为异常检测的可能性。另外，在从消耗少的车辆采集基准数据的情况下，将试验中的消耗引起的计测数据的变化检测为异常的可能性变高。[0009]本发明是鉴于前述问题提出的，课题在于提供能够抑制车辆的个体差异及试验中的消耗造成的影响并进行异常检测的异常检测装置及异常检测程序。[0010]用于解决课题的手段[0011]为了解决前述课题，本发明的异常检测装置的特征在于，包括：时间窗处理部，其通过以时间窗划分包含时间序列数据的多个车辆信号来提取该时间窗中包含的数据；学习部，其通过使用以所述时间窗划分的所述车辆信号的时间序列数据的学习来生成已学习信息；以及异常度计算部，其基于所述已学习信息重构由所述时间窗划分的所述车辆信号的