X射線管故障預兆檢測裝置、X射線管故障預兆檢測方法及X射線攝像裝置與流程

本發明涉及一種檢測X射線管的故障預兆的X射線管故障預兆檢測裝置及X射線管故障預兆檢測方法，以及應用了該X射線管故障預兆檢測裝置的X射線攝像裝置。

背景技術：

在透射型X射線攝像裝置或X射線CT(Computer Tomography計算機斷層掃描)裝置等X射線攝像裝置中，多使用通過向旋轉的陽極照射從高電壓的陰極射出的電子來產生X射線的類型的X射線管。在這樣的X射線管中，為了順暢的旋轉陽極而使用固體潤滑軸承，但是當固體潤滑軸承發生劣化時會引起X射線管故障，該X射線攝像裝置自身變得無法使用。

特別是在醫療現場不允許X射線攝像裝置突然無法使用。因此，X射線管在發生故障相當長時間之前的可充分使用狀態下更換為新品。這是X射線的維護費用增大的主要原因。為了消減維護費用，需要將X射線管使用到即將發生故障之前為止，并盡可能長時間使用。

在長時間使用X射線管時，已知由于陽極的旋轉軸或固體潤滑軸承的劣化或磨損，會產生異常噪聲。因此，如果檢測出該異常噪聲，則能夠預兆X射線管的故障。例如，在專利文獻1中公開了，通過振動傳感器來檢測X射線管的異常噪聲，并進行所得到的振動數據的頻率分析，對特定頻率的成分量進行閾值判定，由此檢測X射線管的故障預兆的技術。

另外，在專利文獻2中公開了，通過振動傳感器檢測設備的振動，并進行該振動數據的頻率分析，將正常的設備的振動數據的頻率成分作為輸入，使神經網絡進行學習來生成簇，并將作為診斷對象的設備的振動數據輸入到已完成學習的神經網絡來判定設備的正常或異常的技術。

現有技術文獻

專利文獻

專利文獻1：日本特開2011-45626號公報

專利文獻2：日本特開2006-300896號公報

技術實現要素：

發明要解決的課題

一般來說，從X射線管發出的異常噪聲取決于X射線攝像裝置的機種或X射線管的工作狀態(工作時的位置、姿態、溫度等)。這意味著專利文獻1中所說的特定頻率取決于X射線攝像裝置的機種或X射線管的工作狀態(工作時的位置、姿態、溫度等)而發生改變。因此，為了使用專利文獻1所記載的技術來檢測高精度的故障預兆，根據X射線攝像裝置，特別是X射線管的各種工作條件來事先求出適當的特定頻率或判定的閾值，在維護診斷時，每次都需要設定這些值等工夫。

因此，考慮將專利文獻2所公開的技術應用于X射線攝像裝置。在這樣的X射線攝像裝置中，針對從正常的X射線管發出的振動進行頻率分析，該頻率分析結果通過使用了神經網絡的學習而生成簇，并將該簇用作故障預兆判定的基準。此時，不需要設定專利文獻1中所說的特定頻率等的工夫。

然而，在專利文獻2中完全沒有談及振動的頻率分析結果取決于設備的工作狀態的情況。這意味著在使用了專利文獻2所公開的技術時，作為故障預兆判定的基準的簇只基于振動的頻率分析結果來生成。即，由于作為基準的簇不考慮X射線管的工作狀態(工作時的位置、姿態、溫度等)而統一生成，因此在還考慮了X射線管的工作狀態(工作時的位置、姿態、溫度等)時，未必生成適當的簇。

例如，考慮到從X射線管發出的振動的頻率考慮依存于X射線管的姿態(陽極的旋轉軸與水平面形成的角)來進行變化。在這種情況下，將從正常的X射線管取某種姿態時的振動的頻率分析結果得到的簇使用在變為其他姿態的X射線管的故障預兆判定中是不合適的。如果進行了使用，則劣化后的X射線管的某種姿態下的異常噪聲的頻率可能包含在其他姿態下正常的頻率的簇中。在這種情況下，無法檢測出該X射線管的劣化即故障預兆。這樣一來，只將專利文獻2公開的技術簡單地應用于X射線攝像裝置，難以高精度地檢測X射線管的故障預兆。

鑒于上述現有技術的問題，本發明的目的在于提供一種能夠高精度檢測X射線管的故障預兆的X射線管故障預兆檢測裝置、X射線管故障預兆檢測方法以及X射線攝像裝置。

用于解決課題的手段

本發明的X射線管故障預兆檢測裝置具備：模式設定部，其設定禁止模式、學習模式以及故障預兆檢測模式中的任意一個動作模式；振動數據取得部，其取得從X射線管產生的振動的振動數據，并且每當取得的所述振動數據的數量達到一次頻率分析所使用的既定數據數量的倍數時，輸出振動數據取得完成通知；頻率分析部，其對通過所述振動數據取得部取得的所述既定數據數量的每個振動數據進行頻率分析；狀態數據取得部，其取得表示所述X射線管的動作狀態的狀態數據，并且以接收到從所述振動數據取得部輸出的振動數據取得完成通知的定時，同步取得的所述狀態數據；學習部，其在通過所述模式設定部設定了學習模式的情況下，將由所述頻率分析部通過頻率分析而得到的頻率成分數據和通過所述狀態數據取得部同步后的狀態數據組成的多個學習數據作為輸入來進行聚類分析，并生成一個以上的簇數據；異常度計算部，其在通過所述模式設定部設定了故障預兆檢測模式的情況下，計算從故障預兆檢測對象數據所表示的位置到通過所述學習部生成的各個簇的表面的距離中最小的距離，作為異常度，所述故障預兆檢測對象數據由所述頻率分析部通過頻率分析而得到的頻率成分數據和通過所述狀態數據取得部同步后的狀態數據組成；故障預兆判定部，其將通過所述異常度計算部計算出的異常度與既定的閾值相比較，由此判定故障預兆。

發明效果

根據本發明，提供了一種能夠高精度地檢測X射線管的故障預兆的X射線管預兆檢測裝置、X射線管故障預兆檢測方法及X射線攝像裝置。

附圖說明

圖1示出了本發明的實施方式的X射線管故障預兆裝置以及X射線管的結構的例子。

圖2示出了X射線管故障預兆檢測裝置的功能塊結構的例子。

圖3示出了狀態數據取得部的功能塊結構的例子。

圖4示出了由模式設定部設定的動作模式的例子。

圖5示出了學習部的功能塊結構的例子。

圖6示出了異常度計算部的功能塊結構的例子。

圖7示意性地示出了在學習部中生成并在異常度計算部中使用的簇以及異常度的例子。

圖8示出了本發明的實施方式的X射線管故障預兆檢測裝置中的全體處理流程的例子。

圖9示出了學習處理的詳細處理流程的例子。

圖10示出了故障預兆檢測處理的詳細處理流程的例子。

圖11示出了代表值清零處理的詳細處理流程的例子。

圖12示出了測量數據取得處理的詳細處理流程的例子。

圖13示出了代表值保存處理的詳細處理流程的例子。

圖14示出了代表值取得處理的詳細處理流程的例子。

圖15示出了異常度計算處理的詳細處理流程的例子。

圖16示出了存儲在記錄裝置中的數據的結構的例子。

圖17示出了包含在X射線管狀態數據中的位置數據的詳細結構的例子。

圖18示出了包含在頻率分析數據中的頻率分析結果數據的詳細結構的例子。

圖19示出了包含在學習數據中的簇數據的詳細結構的例子。

圖20示出了包含在故障預兆檢測數據中的故障預兆判定結果數據的詳細結構的例子。

圖21示意性地示出了應用了本發明的實施方式的X射線管故障預兆檢測裝置的透射型X射線攝影裝置的結構例子。

圖22示意性地示出了應用了本發明的實施方式的X射線管故障預兆檢測裝置的X射線CT裝置的結構例子。

具體實施方式

以下，參照附圖對用于實施本發明的方式(以下稱為“實施方式”)進行詳細的說明。

圖1示出了本發明的實施方式的X射線管故障預兆檢測裝置11以及X射線管12的結構的例子。如圖1所示的那樣，X射線管12包含在內部配置了旋轉陽極123以及陰極124的X射線球管121、生成用于使旋轉陽極123進行旋轉的磁場的線圈122、控制流過線圈122的交流電流以及施加到陰極124的電壓等的控制部125而構成。

在這里，旋轉陽極123經由未圖示的固體潤滑的軸承機構被X射線球管121的容器內壁支持而旋轉自由。另外，在支持旋轉陽極123的容器部分的外壁上配置了生成用于使旋轉陽極123進行旋轉的磁場的線圈122。并且，在X射線球管121的內壁上配置的陰極124與旋轉陽極123之間施加高電壓時，從陰極124的燈絲放出的電子被加速，并與安裝在旋轉陽極123上的目標部件123a進行碰撞。并且，通過該碰撞產生X射線。

控制部125基于來自操作臺14的指令，進行在線圈122中流過電流來使旋轉陽極123旋轉，并且向陰極124施加高電壓來產生X射線這樣的控制。在這里，控制部125可以在接收到來自操作臺14的指令時，產生一次既定時間寬度的X射線，也可以按照既定的周期多次產生既定時間寬度的X射線。另外，操作臺14可以由對該X射線管12專門設置的按鈕開關等構成，或者，也可以是附屬于使用了該X射線管12的透射型X射線攝影裝置或X射線CT裝置的操作臺(輸入輸出裝置)。

另外，控制部125具有通過對從X射線管12射出了X射線的次數進行計數，來對拍攝了被攝體的次數進行計數的功能，并將該計數值作為攝影次數數據Dc來輸出。

其次，傳感器單元13包含加速度傳感器131、溫度傳感器132、陀螺傳感器133、A/D轉換器134、信號處理部135等而構成，并安裝在X射線管12的殼體中。在這里，加速度傳感器131是所謂的三軸加速度傳感器，測量X射線管12受到的三維方向(x方向、y方向以及z方向)的加速度，溫度傳感器132測量X射線管12的殼體溫度，陀螺傳感器133測量X射線管12的姿態角。此外，X射線管12的姿態角是指旋轉陽極123與水平面形成的角度。

A/D轉換器134將分別通過加速度傳感器131、溫度傳感器132以及陀螺傳感器133測量到的模擬信號轉換為數字數據。

信號處理部135從A/D轉換后的各個數字數據中去除在X射線管12的故障預兆檢測(以下簡稱為檢測)中不需要的頻率成分。并且，信號處理部135將經由加速度傳感器131得到的三維加速度數據轉換為X射線管12產生的振動數據，并作為振動數據Dv來輸出。另外，信號處理部135通過將三維的各方向的加速度數據進行二階積分，計算出表示X射線管12的位置的三維位置數據Dp并輸出。另外，信號處理部135處理經由溫度傳感器132得到的溫度的測量值來作為溫度數據Dt輸出，并處理經由陀螺傳感器133得到的姿態角的測量值來作為角度Da輸出。

此外，在傳感器單元13中，A/D轉換器134和信號處理部135的處理順序也可以相反。另外，作為檢測X射線管12產生的振動的傳感器，也可以使用聲音檢測用的麥克風來代替加速度傳感器131。

并且，如圖1所示的那樣，X射線管故障預兆檢測裝置11由顯示裝置111、警報裝置112、中央處理裝置113、操作輸入裝置114、記錄裝置115、存儲裝置116、I/O端口117等構成，并具有所謂個人計算機等一般計算機的結構。

在這里，I/O端口117根據各自被輸出的定時來取得從傳感器單元13輸出的振動數據Dv、位置數據Dp、溫度數據Dt及角度數據Da，以及從X射線管12輸出的攝影次數數據Dc，并將該各個數據寫入到記錄裝置115。記錄裝置115是記錄X射線管故障預兆檢測處理所需要數據的存儲裝置，在本實施方式中，將記錄裝置115與存儲程序或臨時數據的存儲裝置116進行區別。

中央處理裝置113通過執行預先存儲在存儲裝置116中的程序，實現X射線管故障預兆檢測裝置11具有的各種功能。此外，對于該功能使用圖2以后的附圖來詳細進行說明。

顯示裝置111根據中央處理裝置113執行的程序來針對操作者進行要求許可或禁止X射線管12的故障預兆檢測或學習的處理等的顯示。另外，操作者輸入許可或禁止X射線管12的故障預兆檢測或學習的處理等的指示數據時使用操作輸入裝置114，在X射線管12的故障預兆檢測的處理結果為檢測到故障預兆等情況下發出警報時使用警報裝置112。

圖2示出了X射線管故障預兆檢測裝置11的功能塊結構的例子。如圖2所示的那樣，X射線管故障預兆檢測裝置11由振動數據取得部20、頻率分析部21、狀態數據取得部22、禁止標志設定部23、模式設定部24、學習部25、異常度計算部26、故障預兆判定部27等構成。此外，通過X射線管故障預兆檢測裝置11的中央處理裝置113執行預先存儲在存儲裝置116中的程序來實現這些功能塊的功能。

此外，在圖2中針對X射線管12以及傳感器單元13，分別同時示出其一部分的功能塊結構的例子用于參考。

振動數據取得部20從傳感器單元13的振動數據輸出部1351取得以既定的周期輸出的振動數據Dv，并將取得的振動數據Dv與此時的時刻一起存儲到記錄裝置115(參照圖1)。另外，振動數據輸出部1351每當該取得的振動數據Dv的數量超過在一次頻率分析中使用的數量(例如，相當于FFT點數等，以下稱為頻率分析對象數據數)的倍數時，輸出表示取得了頻率分析用的振動數據Dv的振動數據取得完成通知Ve。

頻率分析部21從通過振動數據取得部20取得并存儲在記錄裝置115中的振動數據中取得以頻率分析對象數據數來分割的振動數據，針對該取得的振動數據實施快速傅里葉變換(FFT：Fast Fourier Transform快速傅里葉變換)等頻率分析，并將其頻率分析結果作為頻率分析結果Fa來輸出。

狀態數據取得部22從傳感器單元13的位置數據輸出部1352、溫度數據輸出部1353以及角度數據輸出部1354分別取得以相互不同的周期輸出的位置數據Dp、溫度數據Dt以及角度數據Da。然后，以接收到從頻率分析部21輸出的振動數據取得完成通知Ve的定時來同步該以相互不同的周期取得的位置數據Dp、溫度數據Dt以及角度數據Da。

具體來說，狀態數據取得部22分別針對在通過振動數據取得部20取得一次頻率分析的量的振動數據Dv的期間得到的位置數據Dp、溫度數據Dt以及角度數據Da，例如計算平均值，并將該平均值分別作為同步位置代表值xyz、同步溫度代表值T、同步角度代表值θ來輸出。

此外，另外參照圖3來說明狀態數據取得部22的進一步詳細結構以及功能。

禁止標志設定部23根據操作者經由操作輸入裝置114(參照圖1)輸入的數據來設定禁止標志Fi的值。在這里，X射線管故障預兆檢測裝置11中的故障預兆檢測處理以及學習處理的任意一個都在禁止標志Fi的值為“1”時被禁止，在禁止標志Fi的值為“0”時被許可。

模式設定部24基于通過X射線管12的控制部125的攝影次數計數部1251計數的攝影次數數據Dc和通過禁止標志設定部23設定的禁止標志Fi來設定X射線管故障預兆檢測裝置11的動作模式。在這里，作為該動作模式，設想禁止模式、學習模式以及故障預兆檢測模式這三個模式。即，模式設定部24分別根據禁止模式、學習模式以及故障預兆檢測模式來設定模式編號Mod(“1”、“2”或“3”)，并進行輸出。

此外，對于向模式設定部24的輸入數據(攝影次數數據Dc以及禁止標志Fi)與通過模式設定部24設定的模式編號Mod之間的關系，另外參照圖4來進行說明。

學習部25在通過模式設定部24設定了學習模式(Mod＝“2”)時，將從頻率分析部21輸出的頻率分析結果Fa、以及從狀態數據取得部22輸出的同步位置代表值xyz、同步溫度代表值T以及同步角度代表值θ作為輸入數據來進行聚類分析，并生成一個以上的簇。然后，分別針對該生成的簇來計算重心坐標Cc以及半徑Cr。

此外，對于學習部25的進一步詳細的結構以及功能，另外參照圖5來進行說明。

異常度計算部26在通過模式設定部24設定了故障預兆檢測模式(Mod＝“3”)時，針對從作為故障預兆檢測的對象的X射線管12得到的振動數據Dv，計算通過頻率分析部21分析出的頻率分析結果Fa、以及從狀態數據取得部22輸出的同步位置代表值xyz、同步溫度代表值T以及同步角度代表值θ所表示的坐標和各個簇j的重心坐標Ccj之間的距離。并且，異常度計算部26計算從該計算出的距離減去各個簇j的半徑Crj而得的值dj，并從計算出的值dj中求出最小值，將該最小值作為異常度Sd來輸出。

此外，對于異常度計算部26的進一步詳細的結構以及功能，另外參照圖6來進行說明。

故障預兆判定部27在通過模式設定部24設定了故障預兆檢測模式(Mod＝“3”)時，通過將由異常度計算部26計算出的異常度Sd與既定的閾值相比較，判定有無針對作為故障預兆檢測對象的X射線管12的故障預兆，并輸出其判定結果Sp。

例如，作為既定的閾值能夠采用“0”。此時，當異常度Sd為“0”以下(“0”或負值)時，判定為沒有檢測到故障預兆，當異常度Sd大于“0”(正值)時，判定為檢測到了故障預兆。

即，當針對從作為故障預兆檢測對象的X射線管12得到的振動數據Dv的頻率分析結果Fa、同步位置代表值xyz、同步溫度代表值T以及同步角度代表值θ所表示的坐標包含在由學習部25生成的簇(重心坐標Cc、半徑Cr)中的任意一個中時，判定為沒有檢測到故障預兆，在沒有包含在任意一個簇中時，判定為檢測到了故障預兆。

圖3示出了狀態數據取得部22的功能塊結構的例子。如圖3所示的那樣，狀態數據取得部22包含位置代表值取得部221、溫度代表值取得部222以及角度代表值取得部223而構成。并且，位置代表值取得部221、溫度代表值取得部222以及角度代表值取得部223分別以接收到來自振動數據取得部20的振動數據取得完成通知Ve的定時來計算同步位置代表值xyz、同步溫度代表值T以及同步角度代表值θ，記錄到記錄裝置115(參照圖1)，并且根據需要進行輸出。

并且，在狀態數據取得部22中，位置代表值取得部221包含當前位置存儲部2211、位置代表值計算部2212、位置代表值存儲部2213以及位置代表值履歷存儲部2214而構成。同樣的，溫度代表值取得部222包含當前溫度存儲部2221、溫度代表值計算部2222、溫度代表值存儲部2223以及溫度代表值履歷存儲部2224而構成。另外，角度代表值取得部223包含當前角度存儲部2231、角度代表值計算部2232、角度代表值存儲部2233以及角度代表值履歷存儲部2234而構成。

在這里，對位置代表值取得部221的結構以及功能進行詳細的說明。當前位置存儲部2211在模式編號Mod為“2”或“3”(學習模式或故障預兆檢測模式)時，從傳感器單元13取得以既定的周期(例如，10m秒)輸出的三維的位置數據Dp(xc，yc，zc)，并進行存儲。

位置代表值計算部2212在通過當前位置存儲部2211取得了位置數據Dp(xc，yc，zc)時，使用此時取得的位置數據Dp(xc，yc，zc)和此時存儲在位置代表值存儲部2213中的位置代表值(xa，ya，za)以及樣本數Na，根據下面的式(1)、(2)來計算新的位置代表值(xa’，ya’，za’)以及新的樣本數Na’。

xa’＝{xa﹒Na+xc}/(Na+1)

ya’＝{ya﹒Na+yc}/(Na+1)

za’＝{za﹒Na+zc}/(Na+1) (1)

Na’＝Na+1 (2)

在式(1)、(2)中，樣本數Na是在該時間點之前的位置代表值計算中使用的位置數據Dp(xc，yc，zc)的數量。在這里，設位置代表值(xa，ya，za)以及樣本數Na的初期值中的任意一個均為零，每當通過振動數據取得部20取得的振動數據Dv的數量超過頻率分析對象數據數時被清零。換而言之，每當接收來自振動數據取得部20的振動數據取得完成通知Ve時被清零。

位置代表值履歷存儲部2214在接收到來自振動數據取得部20的振動數據取得完成通知Ve時，將對在該時間點在位置代表值存儲部2213中存儲的位置代表值(xa，ya，za)附加了此時的時刻t的數據作為位置代表值履歷數據(t(i)，xa(i)，ya(i)，za(i))來存儲。在這里，i是為了識別位置代表值履歷數據而按照時刻順序附加的編號。

另外，位置代表值履歷存儲部2214根據來自學習部25或異常度計算部26的要求，提取與指定的時刻t最接近的時刻的位置代表值履歷數據(t(i)，xa(i)，ya(i)，za(i))，并作為同步位置代表值xyz(x，y，z)來輸出。

同樣地，溫度代表值取得部222從溫度代表值履歷存儲部2224輸出同步溫度代表值T，另外，角度代表值取得部223從角度代表值履歷存儲部2234輸出同步角度代表值θ。

圖4示出了通過模式設定部24設定的動作模式的例子。如圖4所示的那樣，對模式設定部24輸入禁止標志Fi以及攝影次數數據Dc，并根據該輸入的值來設定禁止模式、學習模式、故障預兆檢測模式中的任意一個動作模式。另外，從模式設定部24根據各個動作模式而輸出“1”、“2”、“3”的模式編號Mod。

如圖4所示的那樣，當禁止標志Fi為“1”時，與攝影次數數據Dc的值無關而設定禁止模式。在禁止模式中，不執行學習處理以及故障預兆檢測處理中的任意一個。另外，在禁止標志Fi為“0”，攝影次數數據Dc為9次以下，即在第一上限值以下時，也設定禁止模式。另外，在禁止標志Fi為“0”，攝影次數數據Dc為10次以上、19次以下，即在第二上限值以下時，設定學習模式，在攝影次數數據Dc為20次以上，9，999，999次以下時，設定故障預兆檢測模式。

此外，決定各個動作模式的攝影次數數據Dc的下限值以及上限值并不限定于圖4所示的值。另外，從X射線管12的攝影次數計數部1251輸出的攝影次數數據Dc也可以一日一次或一周一次等在經過了既定的時間時，或攝影次數超過了既定的次數(例如，100次等)時等情況下被清零。

如上所述，基于攝影次數數據Dc設定的禁止模式，在應用了該X射線管故障預兆檢測裝置11的X射線攝像裝置或X射線CT裝置中，針對其初始運行時或試運行時的與通常不同的振動數據，能夠自動禁止學習處理以及故障預兆檢測處理。由此，能夠減輕作業者的作業負擔，并且能夠防止初始運行時或試運行時的誤學習或誤檢測。

圖5示出了學習部25的功能塊結構的例子。如圖5所示，學習部25包含多路分配器251、簇數據生成部252以及多路轉換器253而構成。

在此，輸入頻率分析結果Fa的多路分配器251將該輸入的頻率分析結果Fa分解為頻率成分w1，w2，…，wn。另外，對簇數據生成部252輸入該頻率成分w1，w2，…，wn以及從狀態數據取得部22輸出的同步位置代表值xyz(x，y，z)、同步溫度代表值T以及同步角度代表值θ。

簇數據生成部252將輸入的頻率成分w1，w2，…，wn、同步位置代表值xyz(x，y，z)、同步溫度代表值T以及同步角度代表值θ的數據視為(n+5)維的矢量的成分，執行針對這些(n+5)維的矢量的簇生成處理。并且，在該簇生成處理中，生成至少一個簇(m個簇：m≥1)，針對各個簇計算重心坐標Cc1，Cc2，…，Ccm以及半徑Cr1，Cr2，…，Crm。此外，在簇生成處理中，例如可以使用公知的k平均法等。

多路轉換器253將通過簇數據生成部252計算出的重心坐標Cc1，Cc2，…，Ccm以及半徑Cr1，Cr2，…，Crm匯總起來，作為簇重心坐標Cc以及簇半徑Cr來輸出。

此外，對簇數據生成部252，作為許可其動作的信號而輸入模式編號Mod。在此，假定當輸入模式編號Mod＝“2”時，即動作模式為學習模式時，執行簇數據生成部252中的簇生成處理。

圖6示出了異常度計算部26的功能塊結構的例子。如圖6所示，異常度計算部26包含多路分配器261、m個距離計算部262以及最小值提取部263而構成。

在此，被輸入了簇重心坐標Cc以及簇半徑Cr的多路分配器261將輸入的簇重心坐標Cc以及簇半徑Cr分解為m個簇的重心坐標Cc1，Cc2，…，Crm以及半徑Cr1，Cr2，…，Crm。并且，對距離計算部262(#j)輸入第j個簇的重心坐標Ccj以及半徑Crj，并且輸入頻率分析結果Fa、同步位置代表值xyz(z，y，z)、同步溫度代表值T以及同步角度代表值θ。此外，這里所說的頻率分析結果Fa，具體是指通過未圖示的多路分配器分解成的頻率成分w1，w2，…，wn。

并且，距離計算部262(#j)針對將頻率成分w1，w2，…，wn、同步位置代表值xyz(x，y，z)、同步溫度代表值T以及同步角度代表值θ作為成分的(n+5)維的矢量，計算該矢量表示的位置與第j個簇的重心坐標Ccj表示的位置之間的距離，進而將從該距離減去半徑Crj而得的值作為到第j個簇的表面的距離dj來輸出。

即，距離計算部262(#j)按照以下的式子計算到第j個簇的表面的距離dj。

djxyz(t)＝(x(t)-xj)²+(y(t)-yj)²+(z(t)-zj)² (5)

djT(t)＝(T(t)-Tj)² (6)

djθ(t)＝(θ(t)-θj)² (7)

此外，使用在以上的式(3)～(7)中使用的參數記號表示為(wj1，wj2，…，wjn，xj，yj，zj，Tj，θj)的坐標相當于第j個簇的重心坐標Ccj。另外，式(3)中的rj相當于圖5中第j個簇的半徑Crj。

同樣，使用在式(3)～(7)中使用的變量記號表示為(w1(t)，w2(t)，…，wn(t)，x(t)，y(t)，z(t)，T(t)，θ(t))的矢量Vt，表示以時刻t被同步并分別輸入到m個距離計算部262(#j)(參照圖6)的故障預兆檢測對象的輸入數據。即，變量記號wk(t)相當于圖6中的頻率分析結果Fa即頻率成分w1，w2，…，wn，變量記號x(t)，y(t)，z(t)、變量記號T(t)、θ(t)相當于圖6中所述的同步位置代表值xyz(x，y，z)、同步溫度代表值T以及同步角度代表值θ。因此，式(3)中所示的dj(t)表示從以時刻t被同步的輸入矢量Vt表示的坐標位置到第j個簇表面的距離dj。

接著，被輸入從m個距離計算部262分別輸出的距離d1，d2，…，dm的最小值提取部263從該輸入的距離d1，d2，…，dm中提取最小值，將提取出的最小值作為異常度Sd來輸出。但是，在提取出的最小值為負值的情況下，最小值提取部263例如輸出異常度Sd＝0。在該情況下，在判定的閾值為“0”時，判定為沒有任何異常，即未檢測到任何故障預兆。

此外，對簇數據生成部252(參照圖5)，作為許可其動作的信號而輸入模式編號Mod。在此，假定當輸入模式編號Mod＝“3”時，即動作模式為故障預兆檢測模式時，執行簇數據生成部252中的簇生成處理。

圖7示意性地示出由學習部25生成并在異常度計算部26中使用的簇以及異常度的例子。如上所述，本實施方式所涉及的簇在(n+5)維的空間中生成，難以用2維平面來表示該空間，但在圖7中僅示意性地示出頻率成分w1，w2，wn的坐標軸以及同步角度代表值θ的坐標軸。另外，在圖7中，黑色的四角標記(■標記)表示在學習模式時輸入的數據(學習數據)，黑色的圓形標記(●標記)表示在故障預兆檢測模式時輸入的數據(故障預兆檢測對象數據)。

如圖7所示，在學習模式時，學習部25以在學習數據(■標記)密集的部分包含它們的方式，生成用多維球體表示的簇#1以及簇#2。并且，在故障預兆檢測模式時，被輸入故障預兆檢測對象數據(●標記)時，異常度計算部26計算到與該故障預兆檢測對象數據(●標記)表示的位置最近的簇#1或#2的表面的距離作為異常度Sd。

如上所述，故障預兆判定部27(參照圖2)通過將異常度Sd與既定的閾值進行比較來判定故障預兆的有無。一般設定“0”作為該閾值。因此，故障預兆檢測對象數據(●標記)表示的位置被包含在簇#1或#2的表面或內部的情況下，異常度Sd成為零或負值，判定為未檢測出故障預兆。與此相對，在異常度Sd為正值的情況下，該故障預兆檢測對象數據(●標記)未被包含在任意簇中，因此判定為檢測出異常數據、即故障預兆。

在此，使用圖7還說明了本實施方式的效果。在本實施方式中，學習部25生成簇的空間，除了使用通過頻率分析而得到的頻率成分w1，w2，…，wn以外，還使用同步位置代表值xyz(x，y，z)、同步溫度代表值T以及同步角度代表值θ。因此，在X射線管12的位置、溫度、角度(姿態角)不同的情況下，未必生成具有相同頻率成分的簇。

例如，以圖7來說，同步角度代表值(X射線管12的姿態角)為0度附近和60度附近，分別形成不同的簇#1以及簇#2。這意味著姿態角為0度附近和60度附近，從正常的X射線管12產生的振動的頻率不同。這種情況下，在本實施方式中，在故障預兆檢測對象的X射線管12的姿態角為0度的情況下，從該X射線管12產生了包含在簇#2中的振動時，可以將其作為異常而檢測出。與此相對，生成簇的空間僅通過頻率成分w1，w2，…，wn形成的情況下，無法將其作為異常而檢測出。

即，本實施方式考慮X射線管12的位置、溫度、姿態角的區別，也能夠檢測出該異常噪聲的區別，因此，能夠更高精度地檢測出X射線管12的故障預兆。

圖8示出了本發明的實施方式的X射線管故障預兆檢測裝置11中的全體處理流程的例子。圖8以后所示的處理通過X射線管故障預兆檢測裝置11的中央處理裝置113(參照圖1)執行。此時，假定由模式設定部24(參照圖4)設定的動作模式已被設定為禁止模式、學習模式、故障預兆檢測模式的某一個，該設定信息被存儲在存儲裝置116中(參照圖1)。

如圖8所述，中央處理裝置113首先判定由模式設定部24設定的動作模式是否是禁止模式(步驟S01)。該判定的結果為禁止模式的情況下(步驟S01，“是”)，中央處理裝置113直接結束處理。另外，在不是禁止模式的情況下(步驟S01，否)，中央處理裝置113進一步判定動作模式是否是學習模式(步驟S02)。

并且，在步驟S02中的判定的結果為學習模式的情況下(步驟S02，是)，中央處理裝置113執行學習處理(步驟S03)。另外，在不是學習模式的情況下(步驟S02，否)，中央處理裝置113進一步判定是否已完成學習處理并且動作模式是故障預兆檢測模式(步驟S04)。

并且，在步驟S04中的判定的結果為已完成學習處理并且動作模式是學習模式的情況下(步驟S04，是)，中央處理裝置113執行故障預兆檢測處理(步驟S05)，結束處理。另外，在未完成學習處理或者不是故障預兆檢測模式的情況下(步驟S04，否)，中央處理裝置113結束處理。

此外，步驟S03的學習處理是用于實現學習部25的處理，另外參照圖9說明更詳細的處理流程。另外，步驟S05的故障預兆檢測處理是用于實現異常度計算部26以及故障預兆判定部27的處理，另外參照圖10說明更詳細的處理流程。

圖9示出了學習處理的詳細處理流程的例子。如圖9所示，在學習處理中，中央處理裝置113首先執行代表值清零處理(步驟S11)。代表值清零處理是將位置代表值存儲部2213、溫度代表值存儲部2223以及角度代表值存儲部2233中分別存儲的位置代表值、溫度代表值以及角度代表值清零的處理，另外參照圖11說明其詳細的處理流程。

接著，中央處理裝置113將步驟S12至步驟S17的處理重復與學習樣本數相同的次數。此外，學習樣本數是在學習模式中為了頻率分析處理而輸入的一系列的時序的振動數據(FFT點數量的振動數據)的序列數。

在從步驟S12至步驟S17的重復處理中，中央處理裝置113首先執行測量數據取得處理，直到FFT點數量的振動數據收集完成為止(步驟S13、步驟S14)。此外，測量數據取得處理是取得通過傳感器單元13的加速度傳感器131、溫度傳感器132、陀螺傳感器133測量的三軸加速度、溫度、角速度的各數據，計算振動數據、位置代表值、溫度代表值以及角度代表值的處理，另外參照圖12說明其詳細的處理流程。

中央處理裝置113，若FFT點數量的振動數據取得完成(步驟S14，是)，則執行代表值保存處理(步驟S15)，進而執行代表值清零處理(步驟S16)。在此，代表值保存處理是將振動數據取得完成時間點的位置代表值、溫度代表值以及角度代表值與此時的時刻對應起來，分別存儲在狀態數據取得部22(參照圖3)的位置代表值履歷存儲部2214、溫度代表值履歷存儲部2224以及角度代表值履歷存儲部2234中的處理，另外參照圖13說明其詳細的處理流程。另外，步驟S16的代表值清零處理是與步驟S11的代表值清零處理相同的處理。

接著，中央處理裝置113將步驟S18至步驟S21的處理重復與學習樣本數相同的次數，在該重復處理中，執行針對每個學習樣本的振動數據的FFT處理(步驟S19)，進而執行代表值取得處理(步驟S20)。在此，FFT處理是使用快速傅里葉變換，針對每個學習樣本的振動數據進行頻率分析的處理。另外，代表值取得處理是參照位置代表值履歷存儲部2214、溫度代表值履歷存儲部2224以及角度代表值履歷存儲部2234，分別取得與取得各個在頻率分析中使用的振動數據的最終數據的時刻最近的時刻的位置代表值、溫度代表值以及角度代表值，作為同步位置代表值、同步溫度代表值以及同步角度代表值的處理。此外，另外參照圖14說明代表值取得處理的詳細處理流程。

通過以上的步驟S18至步驟S21的重復處理，得到學習樣本數量的頻率分析結果w1，w2，...，wn、同步位置代表值xyz(x，y，z)、同步溫度代表值T以及同步角度代表值θ的數據。即，生成學習樣本數量的學習數據的矢量(w1，w2，…，wn，x，y，z，T，θ)。因此，中央處理裝置113以該學習樣本數量的學習數據的矢量(w1，w2，…，wn，x，y，z，T，θ)為對象進行聚類分析，針對所生成的簇計算其簇半徑以及重心坐標(步驟S22)，結束該學習處理。

此外，在步驟S21中的聚類分析中，可以不僅包含通過從步驟S18至步驟S21的重復的處理生成的學習數據的矢量，還包含過去從相同X射線管12得到的學習數據的矢量來進行聚類分析。

圖10示出了故障預兆檢測處理的詳細處理流程的例子。如圖10所示，在故障預兆檢測處理中，中央處理裝置113首先執行代表值清零處理(步驟S31)。該代表值清零處理是與圖9的學習處理中的代表值清零處理(步驟S11)相同的處理，另外參照圖11說明其詳細處理流程。

以下，從步驟S32至步驟S37的處理，除了在圖9的學習處理中的步驟S12以及步驟S17中將學習樣本數替換為檢測對象樣本數以外，與步驟S12至步驟S17的處理相同，因此，省略其說明。此外，檢測對象樣本數是在故障預兆檢測模式中為了頻率分析處理而輸入的一系列的時序的振動數據(FFT點數量的振動數據)的序列數。

接著，中央處理裝置113將步驟S38至步驟S42的處理重復與檢測對象樣本數相同的次數，在該重復處理中，執行針對每個檢測對象樣本的振動數據的FFT處理(步驟S39)，執行代表值取得處理(步驟S40)，進而執行異常度計算處理(步驟S41)，結束該故障預兆檢測處理。

在此，步驟S39的FFT處理以及步驟S40的代表值取得處理是與圖9的學習處理中的FFT處理(步驟S19)以及代表值取得處理(步驟S20)相同的處理。因此，作為這些處理結果，生成故障預兆檢測對象數據的矢量(w1，w2，…，wn，x，y，z，T，θ)。然后，異常度計算處理(步驟S41)中，在n+5維的矢量空間中求出故障預兆檢測對象數據的矢量(w1，w2，…，wn，x，y，z，T，θ)表示的位置與通過學習處理(參照圖8)生成的簇的距離，進而計算通過式(3)表示的異常度。此外，另外參照圖15說明異常度計算處理的詳細的處理流程。

如上所述，當針對各個檢測對象數樣本計算異常度時，中央處理裝置113執行閾值判定處理(步驟S43)，將其結果作為故障預兆檢測數據而輸出。此外，在閾值判定處理中，將通過異常度計算處理(步驟S41)計算出的異常度與既定的閾值進行比較，由此判定有無檢測出故障預兆，但是作為該情況下的判定基準，可以設想各種基準。例如，即使僅檢測出一個比既定閾值大的異常度，也可以判定為檢測出故障預兆，或者也可以例如當檢測出5個以上比既定閾值大的異常度時判定為檢測出故障預兆。

圖11示出了代表值清零處理的詳細的處理流程的例子。如圖11所示，中央處理裝置113在代表值清零處理中，首先將位置代表值存儲部2213(參照圖3)中存儲的位置代表值(xa，yz，za)以及樣本數Na清零(步驟S111)。接著，中央處理裝置113將溫度代表值存儲部2223中存儲的溫度代表值Ta以及樣本數Na清零(步驟S112)，進而，將角度代表值存儲部2233中存儲的角度代表值θa以及樣本數Na清零(步驟S113)，結束該代表值清零處理。

圖12示出了測量數據取得處理的詳細的處理流程的例子。如圖12所示，在測量數據取得處理中，三軸加速度、角速度以及溫度(殼體溫度)分別在不同定時取得。此外，在該例子中，從三軸加速度計算振動數據，因此，三軸加速度的取得定時例如為10μ秒左右的間隔，但是溫度的取得定時例如可以是1秒間隔。

中央處理裝置113，首先判定是否是三軸加速度取得定時，在是三軸加速度取得定時的情況下(步驟S51，是)，取得通過加速度傳感器131測量出的三軸加速度(步驟S52)。接著，中央處理裝置113從該三軸加速度計算振動數據Dv，與此時的時刻一起存儲在記錄裝置115中(步驟S53)。另外，中央處理裝置113從三軸加速度計算此時當前的位置數據(xc，yc，zc)，與此時的時刻一起存儲在當前位置存儲部2211中(步驟S54)。而且，中央處理裝置113使用之前說明的式(1)以及式(2)計算位置代表值(xa，yz，za)以及樣本數Na，與此時的時刻一起存儲在位置代表值存儲部2213中(步驟S55)。

另一方面，在不是三軸加速度取得定時的情況下(步驟S51，否)，中央處理裝置113跳過步驟S52～步驟S55的處理，轉移到步驟S56的判定處理。

接著，中央處理裝置113判定是否是溫度取得定時，在是溫度取得定時的情況下(步驟S56，是)，取得通過溫度傳感器132測量到的X射線管12的殼體的溫度數據Dt(步驟S57)，將所取得的溫度數據Dt與此時的時刻一起存儲在當前溫度存儲部2221中(步驟S58)。進而，中央處理裝置113使用與式(1)、式(2)同樣的式子計算溫度代表值Ta以及樣本數Na，與此時的時刻一起存儲在溫度代表值存儲部2223中(步驟S59)。

另一方面，在不是溫度取得定時的情況下(步驟S56，否)，中央處理裝置113跳過步驟S57至步驟S59的處理，轉移到步驟S60的處理。

接著，中央處理裝置113判定是否是角速度取得定時，在是角速度取得定時的情況下(步驟S60，是)，取得通過陀螺傳感器133測量到的角速度(步驟S61)，根據該取得的角速度計算此時當前的角度數據Da，與此時的時刻一起存儲在當前角度存儲部2231中(步驟S62)。進而，中央處理裝置113使用與式(1)、式(2)同樣的式子計算角度代表值θa以及樣本數Na，與此時的時刻一起存儲在角度代表值存儲部2233中(步驟S63)。接著，中央處理裝置113結束該測量數據取得處理。

另一方面，在不是角速度取得定時的情況下(步驟S56，否)，中央處理裝置113跳過步驟S61至步驟S63的處理，結束該測量數據取得處理。

此外，在以上說明的測量數據取得處理中，中央處理裝置113從傳感器單元13取得三軸加速度，根據該三軸加速度計算振動數據以及位置數據，但是也可以如圖2中說明的那樣，通過傳感器單元13的信號處理部135計算振動數據Dv并輸出(振動數據輸出部1351)，計算位置數據Dp并輸出(位置數據輸出部1352)。同樣，可以通過傳感器單元13的信號處理部135根據角速度計算角度數據Da并輸出(角度數據輸出部1354)。

圖13示出了代表值保存處理的詳細的處理流程的例子。如圖9以及圖10所示，當成為單位的頻率分析中所需的時序振動數據(FFT點數量的振動數據)的取得完成后執行代表值保存處理。

如圖13所示，在代表值保存處理中，中央處理裝置113將該時間點在位置代表值存儲部2213中存儲的位置代表值(xa，ya，za)與此時的時刻一起保存在位置代表值履歷存儲部2214中(步驟S151)。接著，中央處理裝置113將該時間點在溫度代表值存儲部2223中存儲的溫度代表值Ta與此時的時刻一起保存在溫度代表值履歷存儲部2224中(步驟S152)。進而，中央處理裝置113將該時間點在角度代表值存儲部2233中存儲的角度代表值θa與此時的時刻一起保存在角度代表值履歷存儲部2234中(步驟S153)，結束該代表值保存處理。

此外，通過以上的代表值保存處理，在位置代表值履歷存儲部2214、溫度代表值履歷存儲部2224以及角度代表值履歷存儲部2234中分別保存的位置代表值(xa，ya，za)、溫度代表值Ta以及角度代表值θa，可以指以成為單位的頻率分析所需的時序振動數據(FFT點數量的振動數據)的取得完成的時刻t被同步的代表值。

圖14示出了代表值取得處理的詳細的處理流程的例子。如圖9、圖10所示，在FFT處理(步驟S19、S39)之后執行代表值取得處理(步驟S20、S40)。

在圖14中的代表值取得處理中，中央處理裝置113首先取得與在之前的FFT處理中使用的振動數據中的最終的振動數據對應的時刻t(步驟S201)。接著，中央處理裝置113從位置代表值履歷存儲部2214中，將與時刻t最近的時刻所對應的位置代表值(xa，ya,，za)作為同步位置代表值(x(t)，y(t)，z(t))提取出來(步驟S202)。接著，中央處理裝置113從溫度代表值履歷存儲部2224中，將與時刻t最近的時刻所對應的溫度代表值Ta作為同步溫度代表值T(t)提取出來(步驟S203)。接著，中央處理裝置113從角度代表值履歷存儲部2234，將與時刻t最近的時刻所對應的角度代表值θa作為同步角度代表值θ(t)提取出來(步驟S204)，結束該代表值取得處理。

圖15示出了異常度計算處理的詳細的處理流程的例子。異常度計算處理是針對由從故障預兆檢測處理的FFT處理(圖10：步驟S39)、代表值取得處理(同圖：步驟S40)得到的頻率成分w1(t)，w2(t)，…，Wn(t)、同步位置代表值x(t)，y(t)，z(t)、同步溫度代表值T(t)以及同步角度代表值θ(t)構成的(n+5)維的矢量，計算從該矢量表示的位置到通過學習處理(參照圖9)而生成的m個簇各自的表面的距離，從中提取最小值，設為異常度的處理。

因此，中央處理裝置113對全部簇(j＝1，…，m)重復執行步驟S71～步驟S73的處理。并且，在該重復處理中，計算從所述矢量(w1(t)，w2(t)，…，wn(t)，x(t)，y(t)，z(t)，T(t)，θ(t))表示的位置到簇j的表面的距離dj(t)(步驟S72)。此外，使用所述式(3)～式(7)計算距離dj(t)。

而且，中央處理裝置113計算通過步驟S71～步驟S73的處理計算出的m個距離dj(t)(j＝1，…，m)的最小值作為異常度Sd(t)(步驟S74)，結束該異常度計算處理。

圖16表示在記錄裝置115中存儲的數據的結構的例子。如圖16所示，在記錄裝置115中存儲有模式表數據50、時序振動數據51、X射線管狀態數據52、頻率分析數據53、學習數據55、故障預兆檢測數據56等。

模式表數據50通過將模式編號501、攝影次數上限502以及攝影次數下限503作為一組數據的多組數據而構成。該各個一組數據對應于X射線管故障預兆檢測裝置11的一個動作模式。因此，模式設定部24(參照圖1、圖3)從X射線管12取得攝影次數，從禁止標志設定部取得禁止標志，并且參照模式表數據50，設定其動作模式。

時序振動數據51是將從傳感器單元13輸出的振動數據Dv按照時刻順序存儲而得的數據，由將時刻511和振動數據512對應起來的多個時序數據組成。時序振動數據51是成為頻率分析的對象的數據，在頻率分析部21中被使用。

X射線管狀態數據52由位置數據521、溫度數據522以及角度數據523構成，是存儲從傳感器單元13輸出的位置數據Dp、溫度數據Dt以及角度數據Da的當前值或其代表值等而得的數據。此外，另外參照圖17說明位置數據521的更詳細的結構。

頻率分析數據53由采樣頻率531、頻率分析點數532、頻率分析結果數據533等構成。在此，采樣頻率531是決定取得振動數據512的周期的數據，頻率分析點數532是決定在頻率分析中輸出的頻率成分的數量的數據。另外，頻率分析結果數據533是通過頻率分析部21生成的數據，另外參照圖18說明其詳細的結構。

學習數據55由學習樣本數551、簇數最大值552、簇數據553等構成。在此，學習樣本數551是由學習部25生成簇數據553時輸入的一系列的時序振動數據(FFT點數量的振動數據)的序列數。另外，簇數最大值是學習部25生成簇時的簇數最大值。另外，簇數據553由學習部25生成，另外參照圖19說明其詳細結構。

故障預兆檢測數據56由檢測對象樣本數561、異常度閾值562、故障預兆判定結果數據563等構成。在此，故障預兆判定結果數據563是異常度計算部26計算異常度時輸入的一系列的時序振動數據(FFT點數量的振動數據)的序列數。異常度閾值562是用于判定通過異常度計算部26計算出的異常度Sd是正常還是異常的閾值。另外，故障預兆判定結果數據563由故障預兆判定部27生成，另外參照圖20說明其詳細結構。

圖17表示X射線管狀態數據52中包含的位置數據521的詳細結構的例子。如圖17所示，位置數據521由當前位置數據5211、位置代表值數據5212、位置代表值履歷數據5213等構成。而且，當前位置數據5211包含當前時刻、當前位置的坐標值(xc，yc，zc)而構成，位置代表值數據5212包含當前時刻、此時當前的位置代表值(xc，yc，zc)、樣本數(Na)而構成。

另外，位置代表值履歷數據5213是每當通過頻率分析部21將頻率分析結束通知數據54的頻率分析完成標志設為“開(ON)”時，將此時作為位置代表值數據5212而存儲的位置代表值(xa，ya，za)與頻率分析完成時刻對應起來存儲而得的數據。即，位置代表值履歷數據5213由各個頻率分析完成時刻即完成時刻(t(i))和該時刻被同步的多個位置代表值(xa(i)，ya(i)，za(i))構成。

在此，當前位置數據5211是圖3中的當前位置存儲部2211中存儲的數據，位置代表值數據5212是圖3中的位置代表值存儲部2213中存儲的數據，位置代表值履歷數據5213是圖3中的位置代表值履歷存儲部2214中存儲的數據。

此外，X射線管狀態數據52(參照圖16)中包含的溫度數據522以及角度數據523的詳細的結構，按照位置數據521的詳細的結構，在此省略其說明。

圖18表示頻率分析數據53中包含的頻率分析結果數據533的詳細結構的例子。如圖18所示，頻率分析結果數據533由學習樣本數或檢測對象樣本數的單位分析結果數據構成，各個單位分析結果數據由頻率分析的完成時刻、多個頻率成分數據、同步位置代表值(xa，ya，za)、同步溫度代表值(Ta)、同步角度代表值(θa)構成。此時，各個頻率成分數據由頻率、功率、相位的各數據構成。

此外，學習模式時得到的頻率分析結果數據533，在學習部25進行的簇生成時被使用，故障預兆檢測模式時得到的頻率分析結果數據533，在異常度計算部26進行的異常度Sd的計算中被使用。

圖19表示學習數據55中包含的簇數據553的詳細結構的例子。如圖19所示，簇數據553由通過學習部25生成的簇數量的單位簇數據構成。并且，各個單位簇數據(第j個簇的數據)由簇重心坐標(wj1，wj2，…，wjn，xj，yj，zj，Tj，θj)以及簇半徑rj構成。

圖20表示故障預兆檢測數據56中包含的故障預兆判定結果數據563的詳細結構的例子。如圖20所示，故障預兆判定結果數據563由檢測對象樣本數561的量的單位判定結果數據構成。并且，各個單位判定結果數據包含時刻、異常度、判定數據而構成。在此，時刻是取得故障預兆檢測對象樣本的時刻，異常度以及判定數據基于異常度計算部26以及故障預兆判定部27中的處理結果而設定。

在以上說明的實施方式中，X射線管故障預兆檢測裝置11不僅包含對基于測量X射線管12中產生的振動而得的振動數據的頻率分析結果的數據，還包含X射線管12的位置、姿態角、溫度的數據來進行聚類分析，生成了簇數據。另外，在檢測故障預兆的情況下，也使用不僅包含基于從X射線管12得到的振動數據的頻率分析結果的數據，還包含此時的X射線管12的位置、姿態角、溫度的數據的數據，計算到最近的簇表面的距離即異常度Sd。因此，如此求出的異常度Sd，與使用僅基于振動數據的頻率分析結果而生成的簇來檢測來自X射線管12的振動數據的異常(異常噪聲)的情況相比，其故障預兆的檢測精度提高。其理由如使用圖7所說明的那樣。

圖21示意性地示出了應用了本發明的實施方式的X射線管故障預兆檢測裝置11的透射型X射線攝影裝置1的結構的例子。如圖21所示，透射型X射線攝影裝置1是對載置在床3上的被攝體7從配置在其上方的X射線管12照射X射線6，并通過配置在床3的下側的X射線檢測器2檢測透射了被攝體7的X射線6，由此對被攝體7的X射線透射像進行攝像的裝置。

此時，在X射線管12的殼體內安裝有傳感器單元13，傳感器單元13與X射線管故障預兆檢測裝置11連接。并且，通過傳感器單元13測量出的振動數據Dv、位置數據Dp、溫度數據Dt、角度數據Da被輸入到X射線管故障預兆檢測裝置11。另外，X射線管12也與X射線管故障預兆檢測裝置11連接(連接布線省略圖示)，從X射線管12向X射線管故障預兆檢測裝置11輸入該X射線管12中的攝影次數數據Dc。

另外，X射線管12被X射線管保持體5保持，構成為能夠沿著被攝體7的體軸方向以及與體軸垂直的方向自由移動。另外，X射線管保持體5通過支柱4被床3或地面支持，并且通過使支柱4伸縮，能夠調節X射線管12與被攝體7的距離。而且，X射線管保持體5構成為能夠以被攝體7的體軸為中心使支柱4傾斜或旋轉。

以上那樣使X射線管12移動或者傾斜(旋轉)的控制由攝影控制裝置10進行。另外，攝影控制裝置10控制X射線管12中的X射線發生定時，并且根據由X射線檢測器2取得的X射線的強度數據生成被攝體7的透射像。

圖22示意性地示出了應用了本發明的實施方式的X射線管故障預兆檢測裝置11的X射線CT裝置1a的結構的例子。X射線CT裝置1a的基本結構要素及其功能與圖21所示的透射型X射線攝影裝置1幾乎沒有區別，但是，具體來說在以下方面不同。以下，僅說明不同的方面。

在X射線CT裝置1a中，與X射線管保持體5相當的部分被稱為機架5a。機架5a形成為圓環形狀，載置在床3上的被攝體7沿著體軸被放入機架5a的圓環的中心部。在機架5a上，X射線管12以及X射線檢測器2以被配置在以被攝體7的體軸為中心的相互相反側的位置的方式被支持，而且機架5a構成為能夠使該X射線管12以及X射線檢測器2以被攝體7的體軸為中心進行360度旋轉。因此，X射線管12能夠從任意方向對被攝體7照射X射線6。

因此，攝影控制裝置10控制X射線管12以及X射線檢測器2，取得來自被攝體7的360度任意方向的X射線透射像，使用來自該被攝體7的360度任意方向的X射線透射像生成與被攝體7的體軸垂直的截面的斷層圖像。即，X射線CT裝置1a并非取得被攝體7的簡單的透射像，而是取得被攝體7的斷層像，這一點與圖21的透射型X射線攝影裝置1大不相同。

此外，X射線檢測器2并非被配置在X射線管12的相反側的位置，而可以繞機架5a的圓環的全周來配置。在該情況下，在X射線管12沿著機架5a的圓環旋轉時，X射線檢測器2也不旋轉。

在以上那樣的X射線CT裝置1a中，X射線管12與圖21所示的透射型X射線攝影裝置1的情況相比，位置的移動量和姿態角的變動量都大。因此，X射線CT裝置1a具備X射線管故障預兆檢測裝置11，由此可以高精度地檢測X射線管12的振動數據的異常(異常噪聲)。

此外，本發明并不限定于上述的實施方式，還進一步包含各種各樣的變形例子。上述實施方式是為了更好的理解本發明而進行的詳細說明，但是并不限定于必須具備說明的全部結構。另外，能夠將某個實施方式的結構的一部分替換為其他實施方式的結構，并且，能夠在某個實施方式的結構中添加其他實施方式結構的一部分或者全部。

符號說明

1：透射型X射線攝影裝置(X射線攝像裝置)；

1a：X射線CT裝置(X射線攝像裝置)；

2：X射線檢測器；

3：床；

4：支柱；

5：X射線管保持體；

6：X射線；

7：被攝體；

10：攝影控制裝置；

11：X射線管故障預兆檢測裝置；

111：顯示裝置；

112：警報裝置；

113：中央處理裝置；

114：操作輸入裝置；

115：記錄裝置；

116：存儲裝置；

117：I/O端口；

12：X射線管；

121：X射線球管；

122：線圈；

123：旋轉陽極；

123a：目標部件；

124：陰極；

125：控制部；

1251：攝影次數計數部；

13：傳感器單元；

131：加速度傳感器；

132：溫度傳感器；

133：陀螺傳感器；

134：A/D轉換器；

135：信號處理部；

1351：振動數據輸出部；

1352：位置數據輸出部；

1353：溫度數據輸出部；

1354：角度數據輸出部；

14：操作臺；

20：振動數據取得部；

21：頻率分析部；

22：狀態數據取得部；

221：位置代表值取得部；

2211：當前位置存儲部；

2212：位置代表值計算部；

2213：位置代表值存儲部；

2214：位置代表值履歷存儲部；

222：溫度代表值取得部；

2221：當前溫度存儲部；

2222：溫度代表值計算部；

2223：溫度代表值存儲部；

2224：溫度代表值履歷存儲部；

223：角度代表值取得部；

2231：當前角度存儲部；

2232：角度代表值計算部；

2233：角度代表值存儲部；

2234：角度代表值履歷存儲部；

23：禁止標志設定部；

24：模式設定部；

25：學習部；

251：多路分配器；

252：簇數據生成部；

253：多路轉換器；

26：異常度計算部；

261：多路分配器；

262：距離計算部；

263：最小值提取部；

27：故障預兆判定部。