异常检测装置以及异常检测方法与流程

本发明涉及异常检测装置以及异常检测方法。

背景技术：

以往，已经公开一种技术，即，加速度传感器对振动振幅进行采样来检测振动振幅。

现有技术文献

专利文献

专利文献1：(日本)特开2017-63952号公报

技术实现要素：

发明所要解决的技术问题

但是，因为加速度传感器等传感器以恒定的采样频率对设备进行采样并输出采样信号，所以，在设备异常出现在比采样频率更高的高频带的情况下，不能检测出设备的异常。

本发明是鉴于上述问题而提出的，其目的在于提供一种异常检测装置以及异常检测方法，能够在比传感器的采样频率更高的高频带检测设备的异常。

用于解决技术问题的技术方案

本发明的一个方式的异常检测装置使检测设备状态的传感器在相互不同的多个开始定时开始采样。而且，将采样信号进行合成，并基于合成后的采样信号，检测设备的异常。

发明的效果

根据本发明，能够在比传感器的采样频率更高的高频带检测设备的异常。

附图说明

图1是表示包括实施方式的异常检测装置在内的系统的结构的图。

图2是表示作业机器人2中传感器23的配置例的图。

图3是表示运算处理部13的结构概况的块图。

图4是表示运算处理部13的处理流程的流程图。

图5是对相同作业类型的采样信号m11、m12、以及表示设备状态的波形进行表示的例子的图。

图6是表示采样信号m11、m12a、t1的例子的图。

图7是表示测量结果140的显示例的图。

图8是表示第一变形例中传感器23的配置例的图。

图9是表示第二变形例中传感器23的配置例的图。

具体实施方式

参照附图，说明实施方式。在附图的说明中对于相同的部分使用相同的标记，从而省略说明。

图1是表示包括实施方式的异常检测装置在内的系统的结构的图。

异常检测装置1是判定设备是否异常的装置，例如判定组装机动车的多轴机械即作业机器人2(设备)是否异常。异常检测装置1与作业机器人2设置在生产现场3内，异常检测装置1经由通信线路4，与计算机5连接。

作业机器人2是具有作业机器人2的旋转机构(例如马达，下面称为马达21)、以及将马达21的扭矩转换为高扭矩而由作业机器人2的臂部等移动载重较大的物体的机构(例如减速器，下面称为减速器22)的设备。作业机器人2反复进行为了组装机动车而需要的规定的作业a。马达21在接收到用于使马达21开始工作的作业开始信号100时开始工作。

在减速器22附近的部位，例如作为检测该部位的振动的振动传感器而配置有检测减速器22附近的部位的加速度的传感器23。传感器23生成伴随着配置了传感器23的部位的振动的、表示加速度的波形、即表示作业机器人2状态的波形，并在规定的采样周期t对该波形进行采样，输出采样信号m1。需要说明的是，作为传感器23，不限于检测加速度的传感器，也可以使用可通过检测所配置的部位的速度及位移来检测振动的大小的传感器。例如，可以使用压电传感器、角速度传感器、陀螺仪传感器等可以时间序列获取姿势变化的各种传感器。

另外，作为传感器23，可以是如上所述生成振动的波形、并对该波形进行采样的传感器，也可以是对其它的传感器生成的振动的波形进行采样、并输出通过采样检测出的检测值的传感器。

具体而言，传感器23将接收采样开始信号200时作为采样的开始定时来开始采样。传感器23首先在规定的采样期间(下面简称为采样期间)之间进行采样。即，传感器23在采样期间以采样周期t进行采样(波形的值的检测)。也就是说，传感器23在采样期间进行多次采样。第一次采样在接收采样开始信号200时进行。传感器23在采样期间，将检测出的波形的值(检测值)依次作为采样信号m1进行输出。将检测值整体称为采样信号m1。

图2是表示作业机器人2中传感器23的配置例的图。

作业机器人2例如具有三个旋转轴201，各自设有马达21与减速器22。传感器23例如在其中一个旋转轴201设置的减速器22的附近进行配置。减速器22的更换比马达21麻烦，为了能够尽早检测出减速器22的异常，将传感器23配置在减速器22附近。

返回图1，继续说明。

异常检测装置1具有：马达控制部11、传感器控制部12、运算处理部13、显示部14、音频输出部15、通信部16以及存储部17。

异常检测装置1包括具有cpu(中央处理装置)、存储器、以及输入输出部的通用微型计算机(也称为控制部)。微型计算机安装有用于作为异常检测装置而发挥作用的计算机程序(异常检测程序)。通过执行计算机程序，微型计算机作为异常检测装置所具有的多个信息处理电路(11～13、16)而发挥作用。需要说明的是，在此，表示了利用软件实现异常检测装置所具有的多个信息处理电路(11～13、16)的例子，但当然也可以准备用于执行如下所示的各信息处理的专用硬件，构成信息处理电路(11～13、16)。另外，也可以由单独的硬件构成多个信息处理电路(11～13、16)。

马达控制部11在开始各作业a时将作业开始信号100向马达21与传感器控制部12输出。根据作业开始信号100，马达21进行工作，随着马达21的工作，减速器22也进行工作。通过马达21与减速器22的工作，执行作业a。马达控制部11为了使作业机器人进行规定的动作而存储、输出在马达21流通的电流的大小及时间、定时等，并控制马达21，此外将该信息向传感器控制部12、运算处理部13输出。

传感器控制部12在作业开始信号100的接收时刻将采样开始信号200向传感器23发送，使传感器23检测加速度。而且，在减速器22的工作期间，从传感器23接收采样信号m1，并向运算处理部13转发。例如，为方便起见，将进行反复进行的作业a中的一次作业a时的采样信号m1称为采样信号m11。传感器控制部12可以称为信号输入部，其输入有由传感器23检测出的对设备(2)的状态进行采样的采样信号m1。

另外，传感器控制部12在下一次的作业a时，在从作业开始信号100的接收时刻起经过了时间δ时，将采样开始信号200向传感器23发送，从传感器23接收采样信号m1，并向运算处理部13转发。为方便起见，将该采样信号m1称为采样信号m12。

时间δ是比采样周期t更短的时间，传感器控制部12预先进行存储。另外，运算处理部13也预先存储有时间δ。

传感器控制部12在下一次的作业a时，与所述的采样信号m11相同，将采样信号m11向运算处理部13转发。

另外，在下一次的作业a时，与所述的采样信号m12相同，将采样信号m12向运算处理部13转发。

这样，传感器控制部12反复发送采样信号m11、m12。

需要说明的是，作业a的内容根据作业a的类型(作业类型)而有所不同，有时不同的作业类型的采样信号m11、m12混合而向运算处理部13转发。下面，以这样不同的作业类型的采样信号m混合为前提进行说明。

运算处理部13接收采样信号m11、m12，将相同作业类型的采样信号m11、m12进行合成。另外，运算处理部13根据采样信号m11、m12，分别通过fft(fastfouriertransform：快速傅里叶变换)等，算出频率特性f11、f12，并算出合成后的采样信号t1的频率特性f1。另外，基于频率特性f1，检测作业机器人2的异常。频率特性也称为功率频谱。

显示部14将采样信号m11、m12、频率特性f11、f12、频率特性f1、作业机器人2是否异常的判定结果(下面，将上述统称为测量结果140)实时进行显示，例如为液晶显示器。显示部14不论作业机器人2是否异常，均显示测量结果140。

音频输出部15在判定作业机器人2异常的情况下，通过警报声及振动，向操作人员通报异常，例如为扬声器。

通信部16用于将测量结果140向远程(外部)的计算机5发送，例如为有线lan路由器或无线(wifi等)路由器。

存储部17将接收到的采样信号m11、m12、采样信号m11、m12的接收时刻进行存储。另外，存储部17具有根据作业机器人2正常时获取的频率特性预先生成的正常模型。正常模型包括在作业机器人2是否正常的判定中所使用的阈值。

因为计算机5由在远程等监控作业机器人2的监控人员及维护人员使用，所以，接收并显示测量结果140，以图像，声音或音频、振动等向监控人员等提示异常等。

图3是表示运算处理部13的结构概况的块图。

运算处理部13具有：信号合成部131、频率特性算出部132、异常判定部133以及测量结果输出部134。

信号合成部131接收采样信号m11、m12，将相同作业类型的采样信号m11、m12进行合成，生成采样信号t1。

频率特性算出部132根据采样信号m11、m12分别算出频率特性f11、f12，并算出合成后的采样信号t1的频率特性f1。

异常判定部133基于频率特性f1，判定作业机器人2是否异常。具体而言，利用频率特性f1与正常模型，判定作业机器人2是否异常。

测量结果输出部134将测量结果140显示在显示部14。另外，在判定了作业机器人2异常的情况下，由音频输出部15发出警报声及振动。另外，将测量结果140向通信部16输出。

图4是表示运算处理部13的处理流程的流程图。

首先，信号合成部131接收采样信号m11、m12，并存储在存储部17(s1、s3)。需要说明的是，将与采样信号m11对应的作业开始信号100的接收时刻(下面称为接收时刻t11)、以及与采样信号m12对应的作业开始信号100的接收时刻(下面称为接收时刻t12)存储在存储部17。

另外，在后面叙述的判定中判定作业机器人2正常的情况下，根据在存储部17存储的采样信号，可以更新正常模型与阈值。

图5是表示相同作业类型的采样信号m11、m12与原始波形的例子的图。

传感器23从接收到采样开始信号200的时刻(接收时刻t11)起开始对伴随所配置的位置的振动的、表示加速度大小的波形w进行采样。也就是说，传感器23以采样周期t开始采样。传感器23将检测值p1依次作为采样信号m11进行输出。需要说明的是，作为传感器23，如上所述，也可以使用可通过检测所配置的部位的速度及位移来检测振动的大小的传感器。

另外，传感器23接着从接收到采样开始信号200的时刻(接收时刻t12)起开始下一次的采样。也就是说，传感器23以采样周期t开始采样。传感器23将检测值p2依次作为采样信号m12进行输出。

需要说明的是，得到采样信号m11的采样的采样周期与得到采样信号m12的采样的采样周期不必完全相同，也可以含有误差。可以说，即使采样周期含有误差，实际上也是相同的。也就是说，各采样的采样周期只要大致相同即可。

返回图4，继续说明。

运算处理部13判定相同作业类型的采样信号m11与m12是否在存储部17中(s4)，在相同作业类型的采样信号m11与m12不在存储部17中的情况下(s4：no)，返回步骤s1。

另一方面，在相同作业类型的采样信号m11与m12在存储部17中的情况下(s4：yes)，进入步骤s5。

在步骤s5中，信号合成部131选择相同作业类型的采样信号m11与m12。而且，使一方的采样信号m12为采样信号(下面称为采样信号m12a)，其在将从接收时刻t11起经过了时间δ时作为开始定时的采样中得到。而且，将另一方的采样信号m11与采样信号m12a进行合成，生成采样信号t1(合成后的采样信号)(s5)。

图6是表示采样信号m11、m12a、t1的例子的图。

采样信号m11是从在接收时刻t11检测出的检测值p1开始的检测值p1的集合。采样信号m12a是从在自接收时刻t11起经过了时间δ的时刻t11a检测出的检测值p2开始的检测值p2的集合。

即，采样信号m12a各次的采样的时刻(采样定时)是比采样信号m11各次的采样的时刻(采样定时)只延迟了时间δ(比采样周期t短)的时刻。也就是说，采样信号m12a各次的采样的时刻(采样定时)与采样信号m11各次的采样的时刻(采样定时)只偏离时间δ，时间δ也可以说是采样定时的差分、采样定时的偏差量。

采样信号t1是在采样的时刻(采样定时)直接将采样信号m11、m12a进行合成而得到的。因此，可以使采样信号t1的采样周期为采样周期t的一半，使采样信号t1的采样频率为采样信号m11、m12a、m12的采样频率的两倍。即，可以模拟生成具有两倍采样频率的采样信号。

需要说明的是，如图6所示，也可以不相对于采样信号m11的采样定时使采样信号m12a的采样定时延迟，而是相对于采样信号m12a的采样定时使采样信号m11延迟。后面叙述的变形例也是相同的。

返回图4，继续说明。

频率特性算出部132算出各采样信号m11、m12的频率特性f11、f12，并算出采样信号t1的频率特性f1(s7)。因为采样信号t1的采样频率是采样信号m11、m12的采样频率的两倍，所以频率特性f1中最高的频率为频率特性f11、f12中最高的频率的两倍。即，能够模拟使频率特性的频率范围为两倍。因此，基于只通过一个采样信号m1而不能得到的作业机器人2及减速器22在高频带的振动(加速度)，能够在比传感器的采样频率更高的高频带检测作业机器人2的异常。

接着，异常判定部133基于频率特性f1，判定作业机器人2是否异常(s9)。即，检测异常。在此，例如从存储部17读取根据以与作业机器人2正常时相同的方法获取的频率特性生成并预先存储在存储部17中的正常模型。

正常模型例如包括根据作业机器人2正常时的加速度的频率特性生成的平均值的频率特性u'与分散值的频率特性δ²。

平均值的频率特性u'是通过在作业机器人2正常时的加速度的频率特性中算出规定范围的加速度的平均值、并将该规定范围沿频率的轴(横轴)移动并反复算出平均值而得到的。即，可以将随时间细微变化的频率作为缓慢的变化来掌握。

或者，也可以如通常的“移动平均值”那样，算出规定范围的频率特性，并将该范围沿频率的轴(横轴)移动，对频率特性进行积分，算出其平均值。是通常的称为“移动平均值”的算出方法。相邻的不同的范围彼此也可以一部分重复(重叠)。

分散值的频率特性δ²是通过算出作业机器人2正常时的加速度的频率特性在规定范围的加速度的分散值、并将该范围沿频率的轴(横轴)移动并反复算出分散值而得到的。或者，也可以如通常的“移动平均值”那样，算出规定范围的频率特性，并将该范围沿频率的轴(横轴)移动，对频率特性进行积分，算出其分散值。相邻的不同的范围彼此也可以一部分重复。

在步骤s9中，首先，与平均值的频率特性u'相同，在频率特性f1中算出规定范围的加速度的平均值，将范围沿频率的轴(横轴)移动并反复算出平均值，由此，求出平均值的频率特性f1'。或者，也可以如通常的“移动平均值”那样，算出规定范围的频率特性，并将该范围沿频率的轴(横轴)移动，对频率特性进行积分，求出其平均值作为频率特性f1'。

接着，求出频率特性u'与频率特性f1'的差分的平方的频率特性。接着，通过由分散值的频率特性δ²去除已求出的频率特性，对已求出的频率特性进行校正。

接着，在校正后的频率特性中对每个频率的值进行积分。而且，在积分后的值比正常模型的阈值大的情况下，判定作业机器人2异常(s9：yes)，在积分后的值为阈值以下的情况下，判定作业机器人2正常(s9：no)。

需要说明的是，正常模型中包括作业机器人2正常时的加速度的中间值、最大值、最小值等的频率特性，利用上述各值，也可以进行步骤s9的判定。

或者，也可以将加速度的时间序列数据建模为ar模型等，算出与作业机器人2正常时的模型的差，将该差与阈值进行比较。

或者，也可以求出采样信号t1中检测值的平均值及分散值，根据平均值及分散值是否包含在规定的范围，来判定作业机器人2的异常。

测量结果输出部134在判定作业机器人2异常的情况下(s9：yes)，使警报声或振动从音频输出部15发出(s11)。

另外，测量结果输出部134在判定作业机器人2正常的情况下(s9：no)、或者步骤s11结束后，将测量结果140显示在显示部14(s13)。即，将采样信号m11、m12、频率特性f11、f12、频率特性f1、以及在步骤s9的判定结果显示在显示部14(s13)。另外，将测量结果140向通信部16输出。

通信部16将测量结果140向计算机5发送(s13)。计算机5显示测量结果140。另外，在作业机器人2异常的情况下，发出声音或音频、振动。监控人员及维护人员根据测量结果140及发出的声音等，能够知晓作业机器人2是否异常。

接着，针对异常检测装置1判定生产现场3的操作人员等是否进行了结束处理的操作(s15)，在未进行操作的情况下，返回步骤s1，在进行了操作的情况下结束处理。

图7是表示测量结果140的显示例的图。显示部14与计算机5例如如图7所示以图像显示测量结果140。

在显示部14及计算机5的显示区域，作为测量结果140而显示有采样信号m11、m12、频率特性f11、f12、以及频率特性f1。需要说明的是，在图7中，构成各采样信号m11、m12的多个检测值虽然是离散值，但可见为连续的线。

另外，与采样信号m11一起显示表示在开始定时没有差异(偏差)的信息“δ＝0”。另外，与采样信号m12一起显示表示开始定时的差分(δ)为采样周期t的1/2的信息“δ＝0.5t”。

另外，例如显示表示作业机器人2正常的显示信息141。在作业机器人2异常的情况下，显示表示异常的信息。

另外，频率特性f11、f12例如表示了至400hz的加速度的特性。频率特性f1例如表示了至400hz的两倍的800hz的加速度的特性。需要说明的是，在图7中，虽然分别显示了频率特性f11、f12、f1，但通过区分颜色及线条类型来重叠进行显示，能够容易地理解频率特性f1的频率是频率特性f11、f12的频率的两倍。

另外，在显示区域例如显示有表示在由作业机器人2进行的作业中所制造的车辆车型的显示信息142。

生产现场3的操作人员通过观察该显示，另外根据音频输出部15的警报声及振动，能够知晓作业机器人2是否异常。另外，远程的监控人员及维护人员通过观察该显示，另外根据计算机5所产生的声音等，能够知晓作业机器人2是否异常。

需要说明的是，在目前的说明中，虽然对两个采样信号m11、m12a进行了合成，但也可以合成n个(n为3以上)采样信号。此时，只要利用两种以上的时间δ，防止采样的定时重复即可。由此，能够使采样频率为三倍以上。其结果是，能够生成具有传感器23的采样频率三倍以上的频率的采样信号t1，基于该采样信号t1，能够在比传感器的采样频率更高的高频带检测设备的异常。

另外，也可以将作业a中途的时刻(例如作业内容发生变化的时刻)作为开始定时，而不是将开始作业a时作为采样的开始定时。另外，在作业a中反复进行作业b的情况下，也可以将作业b认为是上述说明的作业a。另外，也可以根据情况，将在相互不同的作业中获取的采样信号进行合成。即使是在该情况下，也能够得到比传感器的采样频率更高的高频带的频率特性，所以能够在高频带检测作业机器人2的异常。

如上所述，实施方式的异常检测装置1具有控制部(包括传感器控制部12与运算处理部13的控制部)，该控制部包括输入有由传感器23检测出的对设备(2)的状态进行采样的采样信号的信号输入部(传感器控制部12)，并基于采样信号检测设备的异常。而且，控制部的传感器控制部12使传感器23在相互不同的多个开始定时(t11、t12)开始采样。而且，控制部的运算处理部13将在开始定时开始采样并输出的多个采样信号m11、m12(m12a)进行合成，并基于合成后的采样信号t1，检测设备的异常(s9)。

因此，可以使合成后的采样信号t1的频率比传感器23的采样频率高，即，可以模拟生成由采样频率较高的传感器得到的采样信号，其结果是，能够在比传感器23的采样频率更高的高频带检测设备的异常。另外，利用异常检测装置1所进行的上述异常检测方法也同样可以在比传感器的采样频率更高的高频带检测设备的异常。

另外，采样频率较高的传感器价格昂贵，但也可以不使用上述昂贵的传感器，即，可以廉价地在高频带检测设备的异常。

另外，因为在相互不同的多个开始定时(t11、t12)开始采样，所以，利用一个传感器23，可以得到高频率的采样信号t1，并基于该采样信号t1，能够在比传感器的采样频率更高的高频带检测设备的异常。即，与将从多个传感器23输出的采样信号进行合成的情况相比，即使传感器23的数量较少，也能够在比传感器的采样频率更高的高频带检测设备的异常。

另外，因为控制部的运算处理部13算出合成后的采样信号t1的频率特性f1(s7)，并基于算出的频率特性f1，判定设备是否异常(s9)，所以能够基于在比传感器的采样频率更高的高频带的频率特性，判定设备是否异常，其结果是，能够在比传感器的采样频率更高的高频带检测设备的异常。

另外，因为控制部的运算处理部13及通信部16将频率特性f1显示在显示部14及计算机5(s13)，所以能够观察确认在比传感器23的采样频率更高的高频带的设备的状态。另外，通过也显示频率特性f11、f12，使监控人员及维护人员等相关人员能够更准确地了解设备(2)的状态。

另外，因为采样信号是对设备的振动状态进行采样的采样信号，所以针对因异常而产生振动的设备，能够在比传感器的采样频率更高的高频带检测设备的异常。

另外，因为设备(2)是具有旋转机构(21)的多轴机械，所以能够在比传感器的采样频率更高的高频带检测多轴机械的异常。

另外，在相互不同的多个开始定时(t11、t12)开始的采样的采样周期相同。因此，在图6中，在采样信号m11中包含的检测值p1的时刻(采样定时)与在采样信号m12a中包含的检测值p2的时刻(采样定时)不重复。因此，能够使合成后的采样信号t1的频率比传感器23的采样频率高。因此，基于该采样信号t1，能够在比传感器的采样频率更高的高频带检测设备的异常。

需要说明的是，也可以在合成前的采样信号中使相互的采样周期不同，而不是使采样周期大致相同。即使为不同的采样周期，通过防止采样定时重复，也能够合成高频率的采样信号t1，能够在比传感器的采样频率更高的高频带检测设备的异常。

(变形例)

接着，针对上述实施方式的变形例进行说明。在此，主要说明与上述实施方式的不同之处，因为针对相同或类似的内容是重复的，所以省略说明。

(第一变形例)

图8是表示第一变形例中传感器23的配置例的图。

在第一变形例中，使用多个传感器23。例如，一个作业机器人2设有两个传感器23，一方的传感器23在一个旋转轴201设置的减速器22附近进行配置，另一方的传感器23在其它的旋转轴201设置的减速器22附近进行配置。需要说明的是，各传感器23也可以在相同的旋转轴201设置的减速器22的附近进行配置。

传感器控制部12在进行某作业a时的作业开始信号100的接收时刻t0，将采样开始信号200向一方的传感器23发送。而且，从传感器23接收采样信号m1，并将该采样信号m1作为采样信号m11向运算处理部13转发。在该作业a中，可以只使与一方的传感器23对应的马达21工作，也可以使与双方的传感器23对应的马达21工作。

另外，传感器控制部12在从向所述一方的传感器23发送采样开始信号200的时刻(作业开始信号100的接收时刻t0)起经过了时间δ的时，将采样开始信号200向另一方的传感器23发送。而且，从传感器23接收采样信号m1，并将该采样信号m1作为采样信号m12a向运算处理部13转发。

运算处理部13的处理与实施方式相同。但是不需要步骤s4。

即，在第一变形例中，因为使用输出采样信号m11的第一传感器23以及输出采样信号m12(m12a)的第二传感器23，所以在进行一次相同作业类型的作业a期间、即在相同的定时能够获取采样信号m11、m12a。也就是说，因为上述的采样信号的作业类型相同，所以不需要如实施方式的步骤s4那样确认作业类型，另外在一次作业后，能够立即合成采样信号，并基于合成后的采样信号，检测设备的异常。另外，能够解决使用多个振动传感器、考虑各自的采样的定时之类的问题。

另外，一方的采样信号m11与另一方的采样信号m12a的采样定时的差分(时间δ)比上述采样信号的采样周期t短。即，差分(时间δ)比采样信号m11的采样周期短且比采样信号m12a的采样周期短。因此，能够在信号之间防止采样定时重复，能够确实使合成后的采样信号t1的频率比传感器23的采样频率高。其结果是，基于该采样信号t1，能够在比传感器的采样频率更高的高频带检测设备的异常。

需要说明的是，在第一变形例中，例如在一方的旋转轴201进行工作的时间带与另一方的旋转轴201进行工作的时间带不重复的情况下，在一方的时间带能够检测一方的旋转轴201在高频带的异常。在另一方的时间带能够检测另一方的旋转轴201在高频带的异常。即，在相同的作业机器人2的不同的旋转轴201附近设置了传感器23的情况下，能够结合相互的旋转轴201的工作状态，检测各自的旋转轴201在高频带的异常。

(第二变形例)

图9是表示第二变形例中传感器23的配置例的图。

在第二变形例中也使用多个传感器23。例如设有两个作业机器人2，在各作业机器人2上与实施方式相同地设置传感器23。需要说明的是，也可以对每个作业机器人2改变传感器23的位置。

传感器控制部12在双方的作业机器人2进行工作的、进行作业a时的作业开始信号100的接收时刻t0，将采样开始信号200向一方的传感器23发送。而且，从传感器23接收采样信号m1，并将该采样信号m1作为采样信号m11向运算处理部13转发。

另外，传感器控制部12在从进行相同作业a时的作业开始信号100的接收时刻t0起经过了时间δ时，将采样开始信号200向另一方的传感器23发送。而且，从传感器23接收采样信号m1，并将该采样信号m1作为采样信号m12a向运算处理部13转发。

运算处理部13的处理与实施方式相同。但是不需要步骤s4。

即，在第二变形例中，因为使用输出采样信号m11的第一传感器23以及输出采样信号m12(m12a)的第二传感器23，所以在进行一次相同作业类型的作业a期间、即相同定时，能够获取采样信号m11、12a。也就是说，因为上述采样信号的作业类型相同，所以不需要如实施方式的步骤s4那样确认作业类型，另外在一次作业后，能够立即合成采样信号，并基于合成后的采样信号检测设备的异常。另外，能够解决使用多个振动传感器、考虑各自的采样的定时之类的问题。

另外，一方的采样信号m11与另一方的采样信号m12a的采样定时的差分(时间δ)比上述的采样信号的采样周期t短。即，差分(时间δ)比采样信号m11的采样周期短且比采样信号m12a的采样周期短。因此，能够在信号之间防止采样定时重复，并能够确实使合成后的采样信号t1的频率比传感器23的采样频率高。其结果是，基于该采样信号t1，能够在比传感器的采样频率更高的高频带检测设备的异常。

另外，在第二变形例中，因为在多个作业机器人2分别配置了传感器23，所以可以将上述作业机器人2作为一套设备，在比传感器的采样频率更高的高频带检测设备的异常。

需要说明的是，在两个作业机器人2只有一方工作的情况下，与实施方式相同，只要判定作业机器人2的异常即可。

另外，在第一变形例与第二变形例中，也可以与上述实施方式相同，合成n个(n为3以上)采样信号。在该情况下，也可以在三个以上的作业机器人2分别设置传感器23。此时，只要防止采样的定时重复即可。由此，能够使采样频率为三倍以上。其结果是，能够生成具有传感器23的采样频率的三倍以上的频率的采样信号t1，并能够基于该采样信号t1，在比传感器的采样频率更高的高频带检测设备的异常。

具体而言，针对三个以上的开始定时的任意两个开始定时，只要满足如下的条件即可。也就是说，只要两个开始定时之间的时间差t满足t＝n×t+a，其中，t为传感器23的采样周期，n为0或正整数，0＜a＜t即可。由此，能够防止采样的定时重复，能够在比传感器的采样频率更高的高频带检测设备的异常。

另外，也可以将作业a中途的时刻(例如作业内容发生变化的时刻)作为开始定时，而不是将作业a开始时作为采样的开始定时。另外，在作业a之中反复进行作业b的情况下，也可以将作业b认为是上述说明的作业a。另外，也可以根据情况，合成在相互不同的作业中得到的采样信号。

如上所述，根据第一变形例或者第二变形例，控制部的运算处理部13将由第一传感器23检测出的对设备的状态进行采样的第一采样信号m11、以及由第二传感器23检测出的对设备的状态进行采样的第二采样信号m12(m12a)进行合成，并基于合成后的采样信号，检测设备的异常。

因此，不需要从采样信号m12向采样信号m12a的转换，能够直接合成比传感器23的采样频率更高的频率的采样信号。另外，在一次作业后，能够立即合成采样信号。另外，不必进行作业类型的确认，能够合成采样信号。因此，基于该采样信号，能够在比传感器的采样频率更高的高频带检测设备的异常。另外，在使用多台振动传感器的情况下，能够考虑各振动传感器的采样定时来合成采样信号，并基于该采样信号，在比传感器的采样频率更高的高频带检测设备的异常。

另外，根据第一变形例，因为第一传感器23与第二传感器23配置在相同设备(2)的相互不同的部位，所以能够拓宽设置传感器23的设备的范围，并基于在该拓宽的范围的状态，能够在比传感器的采样频率更高的高频带检测设备的异常。

另外，根据第二变形例，因为第一传感器23与第二传感器23配置在多个设备(2)的每一个，所以能够将多个设备(2)作为一套检测目标，检测该检测目标在比传感器的采样频率更高的高频带的异常。

另外，因为两个开始定时之间的时间差t满足t＝n×t+a，其中，t为采样周期，n为0或正整数，0＜a＜t，所以，能够防止采样的定时重复，并能够在比传感器的采样频率更高的高频带检测设备的异常。

需要说明的是，传感器控制部12优选针对在变形例中使用的多个传感器23可以设定各采样周期与采样的开始定时。由此，能够提高合成后的采样信号的准确性，并基于准确性较高的合成后的采样信号，能够在比传感器的采样频率更高的高频带检测设备的异常。

此外，利用第一变形例那样的、在多轴机械(2)的不同的旋转轴201附近配置的传感器23，能够生成准确性较高的合成后的采样信号，所以，基于该采样信号，能够在比传感器的采样频率更高的高频带检测设备的异常。

上面，说明了本发明的实施方式，形成本公开的一部分的论述及附图不应该理解为是对本发明的限定。本领域的技术人员可以根据本公开实施各种替代的实施方式、实施例以及应用技术是显而易见的。

例如，传感器不是对设备的振动状态进行采样，而是例如对设备内的电流及电压进行采样。另外，异常判定、以及判定异常类型的目标的设备不限于作业机器人2。例如，也可以替代马达而使用机动车的发动机，替代减速器而使用传动机构。另外，移动体的旋转机构、游乐园的游乐设备等移动体、三维打印机等的工作机械、即具有与旋转机构进行传递的机构的所有设备也可以成为检测目标。另外，也可以将其它类型的设备作为检测目标。

另外，异常检测装置1也可以与计算机5相同地远程进行配置，并经由通信线路接收、发送需要的信号及数据，来检测设备的异常。另外，也可以由一台异常检测装置1检测多个设备的异常。另外，多个设备也可以配置在相互不同的位置。另外，也可以利用计算机来构成马达控制部11、传感器控制部12及运算处理部13等功能块。

另外，通过异常检测装置1进行的异常检测也可以应用在故障的预报、预测中。例如，在已知从异常的产生至发生故障的时间的情况下，可以将异常的检测说成是故障的预报、预测。

在上述各实施方式中所示的各功能可利用一个或者多个处理电路来安装获得。处理电路包括具有电子电路的处理装置等被编程的处理装置。处理装置另外包括为了执行实施方式所述的功能而布置的面向指定用途的集成电路(asic)及常规的电路配件之类的装置。

附图标记说明

1异常检测装置；2作业机器人(设备)；11马达控制部；12传感器控制部(控制部的一部分)；13运算处理部(控制部的一部分)；14显示部；15音频输出部；21马达；22减速器；23传感器；100作业开始信号；131信号合成部；132频率特性算出部；133异常判定部；134测量结果输出部；140测量结果；200采样开始信号；201旋转轴；a，b作业；p1，p2检测值；t采样周期；f11，f12，f1频率特性；m1，m11，m12，m12a合成前的采样信号；t11，t12接收时刻；t1合成后的采样信号；w波形；δ时间(差分)