CN102575973B - 工程机械的诊断系统及诊断方法 - Google Patents
工程机械的诊断系统及诊断方法 Download PDFInfo
- Publication number
- CN102575973B CN102575973B CN200980161988.7A CN200980161988A CN102575973B CN 102575973 B CN102575973 B CN 102575973B CN 200980161988 A CN200980161988 A CN 200980161988A CN 102575973 B CN102575973 B CN 102575973B
- Authority
- CN
- China
- Prior art keywords
- diagnostic
- data
- diagnosis
- characteristic
- knowledge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
- E02F9/2025—Particular purposes of control systems not otherwise provided for
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/26—Indicating devices
- E02F9/267—Diagnosing or detecting failure of vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Abstract
本发明提供一种工程机械的诊断系统及诊断方法,即使对于几乎不具备与诊断工程机械的步骤以及手法相关的知识的使用者来说,也能够在短时间内实施与诊断对象机器的数据特性相适应的诊断。诊断装置(10)从诊断数据保管装置(30)取得诊断数据,并从诊断数据所包含的信息中抽取数据特性,并从诊断知识保管装置(20)取得对于该数据特性有效的诊断手法,并与有效度一起向使用者进行提示。而且,使用者利用有效度选择诊断手法,进行诊断。另外,为了有效地活用诊断知识保管装置(20)中所存储的诊断知识,诊断知识生成部(107)对与每个诊断手法的要素共同的数据特性进行分类,将分类的数据特性和诊断手法的要素作为新的诊断知识进行保管。
Description
技术领域
本发明涉及对工程机械的状态进行诊断的系统及方法,更详细地说,涉及如下的工程机械的诊断系统及诊断方法,即使对于几乎不具备与诊断状态的步骤以及手法相关的知识的使用者来说,也能够实施与诊断对象数据相应的有效的诊断。
背景技术
在利用设置在机器上的多个传感器数据诊断机器的状态的情况下,仅通过将传感器数据直接输入到诊断程序中无法得到最佳的结果。为了得到最佳的结果,需要对诊断所使用的传感器数据的选择、对传感器数据的前处理、诊断手法的选择、该诊断手法所使用的参数的设定等各种各样的步骤进行适当地实施。另外,即使诊断对象机器相同,由于根据使用方法以及使用环境来判断异常的基准不同,所以,需要适当地设定其基准。这样的诊断中的分析步骤以及判断基准等的知识,以往由进行各个诊断的使用者所储备,由于根据使用者的知识的大小而进行诊断所需要的时间大幅度地变化,所以,难以适用于要求进行迅速的诊断的工程机械。
对于这样的课题,已知一种技术,将过去设计的产品的特性和在该产品所产生的不良件数量保存在数据库中,在设计时通过对数据库进行检索而能够容易地取得与过去的不良相关的知识(例如,参照专利文献1)。
另外,已知一种技术,其将数据的分析目的和分析方法的组合存储在数据库中,根据数据分析时从使用者输入的分析目的来提示分析方法(例如,参照专利文献2)。
专利文献1:日本特开平10-275168号公报
专利文献2:日本特开平10-232874号公报
对产品的特性和过去的不良发生件数的组合进行保管并向使用者进行提示的技术是以设计时的支援为目的的技术,无法适用于工程机械的状态的诊断。另外,在基于数据的分析目的而对分析方法进行提示的技术中,在存在有多个与分析目的相应的分析方法的情况下,由于使用者必须选择适当的分析方法,所以,存在根据使用者的知识量选择了不是最佳的分析方法以及为了取得正确的分析结果而导致所需要的时间增加的问题。
发明内容
本发明的目的在于提供一种工程机械的诊断系统及诊断方法,即使对于几乎不具备与诊断工程机械的步骤以及手法相关的知识的使用者来说,也能够在短时间内实施与诊断对象机器的数据特性相适应的诊断。
为了实现上述目的,本发明中,在通过诊断装置实施诊断的情况下,取得所输入的诊断数据的数据特性,从诊断知识保管装置取得认为是对该特性有效的诊断手法,并实施诊断。
通过这样根据诊断数据的数据特性取得有效的诊断手法,即使对于几乎不具有与诊断工程机械的步骤以及手法相关的知识的使用者来说,也能够在短时间内实施与诊断对象机器的数据特性相适应的诊断。
更具体地说,诊断装置从诊断数据保管装置取得诊断数据,并从诊断数据所包含的信息中抽取包含数据所包含的参数的数量、各参数的传感器的种类以及参数的特性等的数据特性,并从诊断知识保管装置取得认为是对于诊断目的以及数据特性有效的诊断手法,将与数据特性相匹配的数量和从事例数计算的有效度一起向使用者进行提示。而且,使用者以有效度为基础选择诊断手法,进行诊断。
另外,诊断实施后,将成为诊断对象的诊断数据的数据特性和对该数据的诊断有效的诊断手法的组合作为诊断知识保管在诊断知识保管装置中。
而且,为了有效地活用存储在诊断知识保管装置中的诊断知识,对与每个诊断手法的要素共同的数据特性进行分类,将分类的数据特性和诊断手法的要素作为新的诊断知识进行保管。
发明的效果
根据本发明,即使对于几乎不具备与诊断工程机械的步骤以及手法相关的知识的使用者来说,也能够在短时间内实施与诊断对象机器的数据特性相适应的诊断。
附图说明
图1是用于说明适用本发明的一个实施方式的诊断系统的构成的图。
图2是表示图1所示的诊断装置的硬件构成的图。
图3是例示通过适用本发明的第一实施方式的诊断系统而实施的诊断流程的图。
图4是例示通过适用本发明的第一实施方式的诊断系统而实施的诊断知识保管装置的最优化流程的图。
图5是例示在本发明的第一实施方式所利用的诊断数据的构造的图。
图6是例示在本发明的第一实施方式所利用的诊断知识的构造的图。
图7是例示在本发明的第一实施方式所利用的数据特性的构造的图。
图8是例示在本发明的第一实施方式所利用的诊断手法的构造的图。
图9是例示在本发明的第一实施方式的具体的诊断事例中利用的工程机械的图。
图10是例示在本发明的第一实施方式的具体的诊断事例中诊断手法的抽取的流程的图。
图11是例示在本发明的第一实施方式执行的诊断知识保管装置的最优化的流程的图。
图12是例示在本发明的第一实施方式在诊断开始前向使用者提示的界面画面的图。
图13是例示在本发明的第一实施方式在诊断后向使用者提示的界面画面的图。
具体实施方式
对本发明的一个实施方式进行说明。此外,本实施方式不对本发明进行限制,在本发明的主旨的范围内能够进行各种变更。
图1是适用有本发明的一个实施方式的工程机械的诊断系统的构成图。
本实施方式的诊断系统,如图1所例示,诊断装置10、诊断知识保管装置20、诊断数据保管装置30相互连接地构成。
诊断装置10包括:从外部输入数据以及信息、并输出结果的输入输出部101;从所述诊断数据保管装置30取得诊断数据的诊断数据取得部102;根据取得的诊断数据取得其诊断数据的特性的数据特性取得部103;具有诊断知识取得部104A的作用的诊断知识输入输出部104,其从所述诊断知识保管装置20取得与由所述数据特性取得部所取得的数据特性相适合的诊断手法;利用由所述诊断数据取得部102取得的所述诊断数据和由所述诊断知识输入输出部104(诊断知识取得部104A)取得的所述诊断手法进行诊断的诊断部105。
输入输出部101具有:对诊断初始画面(图12)、诊断知识检索后画面(图12)、诊断结果画面(图13)等的与诊断相关的各种画面进行显示的显示装置101A、以及键盘、鼠标等的输入装置。
诊断部105还具有以下功能,即在诊断实施后诊断知识中所包含的使用后的诊断手法有效的情况下,将诊断数据的特性和使用后的诊断手法的组合作为新的诊断知识从诊断知识输入输出部104存储到诊断知识保管装置20中。
另外,诊断装置10还包括如下的诊断知识生成部107:对由诊断知识输入输出部104(诊断知识取得部104A)取得的诊断手法的有效度进行计算的有效度计算部106;从诊断知识保管装置20中所保管的诊断知识中收集包含有共用的诊断手法的各要素(后述)的诊断知识,将收集的诊断知识中所包含的数据特性的构成要素间的共同点和所述诊断手法要素的组合作为新的诊断知识生成,并存储在诊断知识保管装置20中。
诊断知识保管装置20包括:进行所述诊断装置10和数据的发送接收的数据发送接收部201;对包含所述数据特性和所述诊断手法的所述诊断知识进行保管的诊断知识保管部202。
诊断数据保管装置30包括:进行所述诊断装置10和数据的发送接收的数据发送接收部301;对机器的运转数据以及传感器信息等的诊断数据进行保管的诊断数据保管部302。
图2是例示诊断装置10的硬件构成的图。诊断装置10由通信装置11;输入、输出装置12;存储装置13;CPU14;存储器15;读取装置16构成,这些部件通过总线等内部通信线18连结。输入、输出装置12是与图1的输入输出部101对应的装置,如上所述,具有显示装置、键盘、鼠标等输入装置。此外,图2所示的构成在诊断知识保管装置20以及诊断数据保管装置30中是相同的。
对本实施方式的诊断系统中的处理流程进行说明。以下所述的处理流程以如下方式进行,将存储在各装置10、20、30的存储装置中的程序下载到存储器中,并由CPU执行,由此,通过在构成诊断系统的各装置10、20、30上被具体化的各处理部而执行处理流程。另外,各程序可以预先存储在存储装置中,还可以经由其他的存储介质或者通信介质(网络或在网络上传输的输送波)在必要时导入。
图3是表示在诊断装置10、诊断数据保管装置30和诊断知识保管装置20之间执行的诊断流程的图。
首先,诊断装置10在输入输出部101的显示装置101A中显示诊断初始画面(步骤S301(以下仅表现为“S301”。下同))。诊断初始画面是指具有图12所示的项目的画面,详细后述。
然后,使用者利用诊断初始画面向诊断装置10的输入输出部101输入诊断目的(S302)。这里,诊断目的是指对进行哪个机种的状态诊断、以及进行着眼于哪个机种的哪个部位的什么样的观点的诊断等进行特定的信息,例如,是进行装载型的液压挖掘机的状态诊断或液压挖掘机的发动机的热平衡诊断、泵的压力诊断等信息。接下来,使用者利用诊断初始画面向诊断装置10的输入输出部101输入诊断数据信息(S303)。诊断数据信息是指对成为诊断对象的诊断数据进行识别的信息,例如,是指日期、取得地点、设置地点、号机编号等的信息。然后,将诊断数据信息(A301)向诊断数据保管装置30发送。该发送是通过按下例如诊断初始画面的检索按钮进行的。
然后,诊断数据保管装置30基于接收的诊断数据信息从诊断数据保管部302取得作为对象的诊断数据(S304)。这里,诊断数据是指具有图5所示的构造的数据,详细后述。然后,将取得的诊断数据(A302)向诊断装置10的诊断数据取得部102发送。
接下来,诊断装置10的数据特性取得部103从诊断数据取得部102取得的诊断数据取得其诊断数据的数据特性(S305)。这里,数据特性是指具有图7所示的构造的数据,详细后述。然后,诊断知识输入输出部104将输入输出部101输入的诊断目的和数据特性取得部103取得的数据特性(A303)向诊断知识保管装置20发送。
然后,诊断知识保管装置20从诊断知识保管部202取得与接收的诊断目的相符的诊断手法中、数据的特性合适的诊断手法(S306)。这里,诊断知识保管部202以数据特性、诊断手法和事例数的组合对诊断知识进行保管。诊断知识的详细构造利用图6后述。数据的特性合适的诊断手法是指,不仅是所输入的数据特性和诊断知识的数据特性完全一致的手法,还包括部分一致的手法。另外,诊断手法是指,具有图8所示的构造的数据,详细后述。而且,合适的诊断手法不是一个,可以为多个。
接下来,诊断知识保管部202将取得的诊断手法及其诊断手法的事例数(A304)向诊断装置10的诊断知识输入输出部104(诊断知识取得部104A)发送。
然后,诊断装置10的有效度计算部106对诊断知识取得部104A所取得的诊断手法的有效度进行计算(S307)。这里,有效度通过以下方式计算,即将为了从诊断知识保管装置20取得与由数据特性取得部103取得的数据特性相适合的诊断知识而从诊断知识输入输出部104向诊断知识保管装置20输入的数据特性的要素数、和与该数据特性一致的诊断知识中所包含的数据特性的要素数的比,与一致的诊断知识中所包含的事例数进行乘积运算,并由该积来计算。
接下来,诊断装置10在输入输出部101的显示装置101A中显示诊断知识检索后画面,并将诊断手法和诊断手法的有效度向使用者显示(S308)。诊断知识检索后画面是指具有图12所示的项目的画面,详细后述。
这里,大多数情况下诊断手法都由多个工序(诊断手法要素)构成,该情况下,在S308中优选按诊断手法要素来显示诊断手法和有效度。
接下来,催促使用者进行诊断手法的选择(S309)。这里,在存在多个有效的诊断手法的情况下,为了不对使用者造成混乱,例如通过显示有效度前五位的诊断手法等来限制显示的件数。另外,诊断手法选择(S309)并不是使用者必须实施的步骤,还可以自动选择有效度最高的诊断手法,并进行诊断。
接下来,诊断装置10的诊断部105根据使用者的选择结果实施诊断(S310)。实施该诊断的开始是通过例如按下诊断知识检索后画面的诊断按钮来指示的。接着,诊断部105在输入输出部101的显示装置101A中显示诊断结果画面,并向使用者显示诊断结果(S311)。诊断结果画面是指具有图13所示的项目的画面,详细后述。然后,对是否按下了诊断结果画面的有效按钮进行判断(S312)。在没有按下有效按钮的情况下结束处理(S313)。在按下了有效按钮的情况下,诊断部105将诊断数据的特性和使用后的诊断手法的组合作为新的诊断知识(A305)经由诊断知识输入输出部104向诊断知识保管装置20发送。这里,由使用者进行诊断结果是否有效的判断。另外,将此时的事例数作为1并生成诊断知识。
然后,诊断知识保管装置20存储接收的诊断知识(S314),并将响应(A306)向诊断装置10发送。
图4是为了提高诊断知识保管装置20中所保管的诊断知识的利用效率而记载了诊断装置10的诊断知识生成部107进行的最优化步骤的流程图。
首先,诊断装置10的诊断知识生成部107向诊断知识保管装置20发送诊断手法要素一览表取得指令(A401),要求取得诊断手法要素一览表。这里,如前所述,诊断手法多数情况下由多个步骤(诊断手法要素)构成,诊断手法中的这些多个工序(诊断手法要素)分别包含具体的多个特定要素。作为诊断手法要素一览表而取得的诊断手法要素是指,该多个工序(诊断手法要素)中所包含的具体的多个特定要素。例如,在诊断手法要素为参数的前处理方法的情况下,取得的诊断手法要素为例如FFT(高速傅立叶变换)、最大值的选择等。
接下来,诊断知识保管装置20对诊断知识保管部202进行检索,并取得诊断手法要素一览表(S401)。然后,将取得的诊断手法要素一览表(A402)向诊断装置10的诊断知识生成部107发送。
然后,诊断知识生成部107从接收的诊断手法要素一览表中选择诊断手法要素,将选择的诊断手法要素(A4031)向诊断知识保管装置20发送(S4021)。这里,诊断手法要素的选择是按照每个作为诊断手法的工序的诊断手法要素,对于各诊断手法要素所包含的特定要素,而由诊断知识生成部107以事先决定的顺序进行的。
接下来,诊断知识保管装置20从诊断知识保管部202取得与接收的诊断手法要素对应的数据特性(S4031)。然后,将取得的数据特性组(A4041)向诊断装置10的诊断知识生成部107发送。
下面,诊断知识生成部107在接收的数据特性组中抽取具有共同的要素的特性,并进行分类(S4041)。然后,利用各分类的每个特性所包含的个数计算事例数(S4051)。关于该特性的分类方法及事例数的计算方法在图11中有详细记载。接下来,将分类的数据特性、诊断手法要素、事例数(A4051)向诊断知识保管装置20发送。
然后,诊断知识保管装置20将接收的分类数据特性、诊断手法要素、事例数的组合作为新的诊断知识存储在诊断知识保管部202中(S4061)。接下来,将表示存储的结果的响应(A4061)向诊断装置10的诊断知识生成部107发送。
在存在有多个诊断手法要素的情况下,通过对上述的步骤(A4021~A4061)反复实施诊断手法要素的数量那么多遍,能够实现诊断知识保管装置20内的最优化。此外,上述流程可以在图3的S304之前实施,还可以在S308之后实施,也可以按某固定期间定期地实施。另外,可以在诊断知识保管装置20内实施,也可以在其与诊断装置10以外的装置之间实施。
通过实施这样的最优化,即使在诊断知识保管装置20内所蓄积的诊断知识较少的情况下,也能够对于所输入的数据的局部特性提示有效的诊断手法,能够提高诊断知识的利用效率。
在图3及图4所示的流程中,在诊断装置10和诊断数据保管装置30之间、以及诊断装置10和诊断知识保管装置20之间虽没有特别记载认证处理、署名验证处理、数据密码处理等处理,但为了更安全,也可以实施这些处理。
图5是表示由图3的S303所取得的诊断数据(A302)的构造的详细的图。图5中,通过附图标记A501表示诊断数据。
诊断数据(A501)包括:表示诊断对象机器的种类以及名称的对象机器(A502);表示取得数据的日期的数据取得日期(A503);表示取得数据的地点的数据取得地点(A504);表示在对象机器中观测的参数传感器的数量的观测参数个数(A505);表示观测参数的名称的参数名称(A5061);表示观测参数的传感器的种类的参数传感器种类(A5071);表示实际所观测的数据的参数数据列(A5081)。在存在有多个观测参数的情况下,根据参数的个数而包含有多个上述构成(A5061~A5081)。这里,诊断数据中无需包含全部上述构成要素,只要包含至少一个要素即可。另外,诊断数据的要素的顺序不限于此。
图6是表示由图1的诊断知识保管部202所保管的诊断知识的构造的图。
诊断知识(A601)包括:从诊断数据取得的数据特性(A602);能够对该诊断数据进行有效地诊断的诊断手法(A603);表示包含所述数据特性和该诊断手法的组合的事例的数量的事例数(A604)。关于数据特性及诊断手法的详细构造记载在后面的图7及图8中。另外,关于事例数的计算方法记载在图11中。这里,诊断知识的要素的顺序不限于此,只要至少包含上述构成要素即可。
图7是详细地表示图6的数据特性(A602)、即由图3的S304取得的数据特性的构造的图。图7中,通过附图标记A701表示数据特性。
数据特性(A701)包括:表示诊断对象机器的种类以及名称的对象机器(A702);表示取得数据的日期的数据取得日期(A703);表示取得数据的地点的数据取得地点(A704);表示在对象机器中所观测的参数的数量(或对其参数进行计测的传感器的数量)的观测参数个数(A705);表示观测参数的特性的参数特性(A7061),参数特性包括:表示参数的名称的参数名称(A7071);表示生成参数的传感器的种类的传感器种类(A7081);参数的数据量(A7091);参数的运转模式数(A7101);表示取得参数的频率的数据取得频率(A7111);参数的平均值(A7121);参数的离散值(A7131);参数的最大值(A7141);参数的最小值(A7151);参数的变化倾向(A7161)。在存在多个观测参数的情况下,与参数的个数相应地包含多个上述构成(A7071~A7161)。这里,运转模式数是对参数的数据列进行分析并从离散的变化发生的次数来计算的。例如,在时间t中值为0,但在时间t+1中,值变成100的情况下,假定运转模式发生了变化,并使运转模式数增加1。通过该计算方法对全部数据列进行确认,计算运转模式数。此外,检测出运转模式的变化的阈值虽根据数据的种类而稍有不同,但以标准化的数据列在每单位时间的变化量为10以上作为标准。这里,作为标准化的方法,可以为使用最大值、最小值的方法以及使用平均、离散的方法,但不限于这些方法。另外,变化倾向是指参数随着时间的变化的倾向,例如是指单调增加、单调减少这样的倾向,由于各数据点中的离散值的扩展,抽取单调减少、单调增加这样的倾向、接近标准分布的倾向等,并作为变化倾向进行记载。这里,数据特性中无需包含全部上述构成要素,只要包含至少上述一个要素即可。另外,数据特性的要素的顺序也不限于此。
图8是详细地表示图6的诊断手法(A603)、即由图3的S305取得的诊断手法的构造的图。图8中,用附图标记A801表示诊断手法。
诊断手法(A801)包括:表示实施诊断的目的的诊断目的(A802);表示诊断使用的参数的一览表的数据抽取(A803);表示针对各参数的事先处理的前处理(A804);表示状态诊断的手法的诊断(A807);表示诊断结果的显示方法的结果显示(A810)。这里,在前处理(A805)中包括:表示进行前处理的参数的组合的前处理对象参数(A805);对其组合实施的前处理方法(A806)。在存在多个前处理对象参数的情况下,在前处理(A805)内包含多个上述构成(A805~A806)。另外,诊断(A807)包括:表示阈值判定、分类以及相关分析等的诊断方法(A808);表示诊断时使用的阈值以及分类数、权重等的设定值的诊断设定值(A809)。另外,结果显示(A810)中包括:表示输出诊断结果的方法(text、线图、棒线图等)的结果输出方法(A811);表示在输出的结果中识别状态时应关注的点的结果关注点(A812)。这里,诊断手法中无需包含上述构成要素的全部,只要包含至少一个要素即可。另外,诊断手法的要素的顺序也不限于此。
图9是例示具体的诊断的事例的说明中利用的工程机械的图。
例子中,以两种液压挖掘机和两种自卸车作为诊断的对象。首先,表示液压挖掘机中使铲斗从上向下下摆地进行挖掘的反向铲(back hoe)(A901)和使铲斗从下向上上摆地进行挖掘的装载机(A903)的特征。反向铲由于几乎不使用履带,所以,几乎没有履带压的变动,平均履带压成为小的值(A902)。另一方面,装载机由于多用履带进行挖掘,所以,履带的变动较大,平均履带压成为大的值(A904)。这里,履带压是指,为了调整履带的张力而设的液压缸的驱动压。
然后,表示在对由液压挖掘机挖掘的砂土等进行搬运的自卸车中,在平地行驶的自卸车(A905)和在斜面行驶的自卸车(A907)的特征。在平地行驶的自卸车,由于对发动机的负载小,所以,平均发动机转速成为小的值(A906)。而在斜面行驶的自卸车,由于对发动机的负载大,所以,发动机转速总是成为高的值(A908)。
图10是表示为了进行图9所示的工程机械的状态诊断,而从输入数据导出诊断手法的流程,是表示图3的S301~S305的处理步骤的一例的图。
首先,将诊断对象的输入数据(A1001)输入到数据特性取得部103。
然后,抽取输入的数据的数据特性(A1002)。这里,通过诊断知识的检索,作为必要的数据特性,抽取诊断对象机器(A1003)、每单位时间的履带压(A1004)、每单位时间的发动机转速(A1005)。接下来,将诊断目的(A1005)和取得的数据特性(A1002)输入诊断知识保管部202。在诊断知识保管部202中抽取与输入的诊断目的(A1006)及数据特性(A1002)相适合的诊断手法。具体而言,首先,对诊断对象机器进行识别(S1001)。在诊断对象机器为液压挖掘机的情况下,参照履带压的每单位时间的平均值(S1002)。其结果为,在每单位时间的履带压为1.0bar以上的情况下,判断为装载机特性(A1002),并抽取对该特性有效的诊断手法(A1011)。另外,在每单位时间的履带压为不足1.0bar的情况下,判断为反向铲特性(A1003),并抽取在这些特性有效的诊断手法(A1012)。另一方面,在诊断对象机器为自卸车的情况下,参照输入数据的发动机转速的每单位时间的平均值(S1003)。其结果为,在每单位时间的发动机转速为1500rpm以上的情况下,判断为在斜面行驶的自卸车的特性(A1004),抽取对该特性有效的诊断手法(A1013)。另外,在每单位时间的发动机转速不足1500rpm的情况下,判断为在平地行驶的自卸车的特性(A1005),并抽取对该特性有效的诊断手法(A1014)。
在装载机的情况下抽取的诊断手法(A1011)为,在数据抽取中抽取斗杆液压缸压力数据(A1015),作为前处理取得最大值(A1016),诊断是指,进行斗杆液压缸压是否为4.0bar以上的阈值判定(A1017),作为结果输出方法使用折线图,并关注超过阈值的点(A1018)。另一方面,在为反向铲的情况下抽取的诊断手法(A1012)为,在数据抽取中抽取斗杆液压缸压数据(A1019),作为前处理取得最大值(A1020),诊断是指,进行斗杆液压缸压是否为3.6bar以上的阈值判定(A1021),作为结果输出方法使用折线图,并关注超过阈值的点(A1022)。在为装载型的液压挖掘机的情况下,由于利用斗杆的挖掘作业比反向铲型的液压挖掘机多,所以,斗杆液压缸压的阈值成为比反向铲型的液压挖掘机大的值。
另外,在为在斜面行驶的自卸车的情况下抽取的诊断手法(A1013)如下,在数据抽取中抽取冷却水温度(A1023),作为前处理取得最大值(A1024),诊断是指,进行冷却水温度是否为70度以上的阈值判定(A1025),作为结果输出方法使用折线图,并关注超过阈值的点(A1026)。另一方面,在为在平地行驶的自卸车的情况下抽取的诊断手法(A1014)为,在数据抽取中抽取冷却水温度(A1027),作为前处理取得最大值(A1028),诊断是指,进行冷却水温度是否为60度以上的阈值判定(A1029),作为结果输出方法使用折线图,并关注超过阈值的点(A1030)。在为在斜面行驶的自卸车的情况下,由于在斜面行驶,所以,发动机转速必然高,伴随来自发动机的发热量的增加,存在冷却水温度增高的倾向,所以,冷却水温度的阈值成为比在平地行驶的自卸车高的值。
以上那样抽取的各诊断手法如前述那样被输出到显示装置101A,并显示在诊断知识检索后画面中,用于诊断。
这样,即使对于相同的液压挖掘机、自卸车等工程机械,根据使用环境、工程机械的特性适当切换诊断手法,由此,与以往的状态诊断相比,能够实施精度更高的状态诊断。
此外,图10的例子是基于各特性而被抽取的有效的诊断手法为一个的情况下的例子,但在存在多个有效的诊断手法的情况下,还可以抽取多个诊断手法。该情况下,如前所述,计算诊断手法的有效度,并通过对例如有效度前五件的诊断手法进行显示等来限制显示的件数。
另外,图10的例子是对成组地包含数据抽取、前处理、诊断、结果显示的诊断手法要素的诊断手法进行抽取的情况下的例子,通过诊断知识生成部107生成的诊断知识被诊断知识保管装置20保管的情况,还可以根据每个诊断手法要素而单独抽取各诊断手法要素(图12)。
而且,在图10的例子中,是诊断对象机器为液压挖掘机、自卸车等的机种单位,诊断目的为该机种单位的对象机器的状态诊断的情况,但还可以为诊断对象机器为特定的机种(例如装载型的液压挖掘机)的特定的部位(例如发动机、泵等)的状态诊断、或着眼于特定的部位的特定观点的诊断(例如发动机的热平衡诊断、泵的压力诊断等)。
图11是表示在图4的S404及S405实施的分类特性的取得方法和事例数的计算方法的具体例的图。
这里,作为诊断手法要素以一个前处理即FFT为例进行说明。首先,将前处理方法的FFT(A1101)作为检索关键词输入到诊断知识保管部202(S1101:相当于图4的S402)。然后,在诊断知识保管部202中对与FFT相关联的数据特性进行检索(S1102:相当于图4的S403)。其结果为,这里假定作为检索结果(A1102)输出有五种数据特性。接下来,在输出的数据特性间抽取共同的要素,进行分类(S1103:相当于图4的S404)。其结果为,在该例中,作为第一个分类特性抽取振动传感器(A11031)的特性,作为第二个分类特性抽取声音传感器(A10032)的特性。这里,将具有抽取的分类特性的数据特性的个数作为事例数(A11041、A11042)进行计算(相当于图4的S405)。在该例中,在振动传感器的分类特性中,算出事例数2,在声音传感器的分类特性中算出事例数3。然后,对抽取的分类特性(A11031、A11032)和诊断手法要素(A1101)和事例数(A11041,A11042)进行组合并生成新的诊断知识(A11051,A11052)(S1104:相当于图4的S406)。这里,不以数值而以数据特性为例进行说明,但在为数值的情况下,即使在值本身不一致的情况下,也能够视为共同的特性并进行分类。例如,在存在对最大值为50及最大值为60的数据有效的诊断手法要素的情况下,作为在最大值为50~60的情况下其诊断手法要素有效地生成分类特性。通过实现这样的流程,能够抽取能够有效地活用各诊断手法要素的数据特性,能够增加诊断知识的适用可能性。
图12是表示使用者利用诊断装置10实施诊断时显示的画面图像的图。
诊断初始画面(A1201)是由图3的S301显示的画面,包括:输入诊断目的的模板(A1202);输入诊断对象数据的信息的模板(A1203);根据输入到模板的信息从诊断数据保管装置30取得诊断数据,并从诊断知识保管部202检索认为是对取得的诊断数据有效的诊断知识的诊断知识检索按钮(A1204)。这里,诊断初始画面的构成要素不限于此,只要能够实现上述构成要素的功能,模板和按钮的数量多少都可以。
接下来,对按下诊断知识检索按钮(A1204)后的诊断知识检索后画面(A1205)进行记载。诊断知识检索后画面(A1205)是由图3的S308显示的画面,除了诊断初始画面(A1201)的构成要素以外,按照实施诊断的步骤,还包括:数据抽取(A1206);前处理(A1210);诊断(A1214);结果显示(A1218);按照设定的诊断信息实施诊断的诊断按钮(A1222)。数据抽取(A1206)包括:表示在诊断对象数据中符合诊断目的、数据特性的应抽取的数据的数据抽取方法(A1207);其有效度(A1208);在诊断知识保管部202中不存在与诊断目的、数据特性对应的诊断手法的情况下、不使用诊断知识而实施分析的情况下所利用的使用者输入模板(A1209)。另外,前处理(A1210)包括:表示认为是对在所述数据抽取中抽取的数据有效的前处理的前处理方法(A1211);其有效度(A1212);在诊断知识保管部202中不存在与数据特性对应的诊断手法的情况下、在不使用诊断知识而实施分析的情况下所利用的使用者输入模板(A1213)。另外,诊断(A1214)包括:利用对在所述数据抽取中抽取的数据实施所述前处理的数据、表示符合诊断目的、数据特性的诊断方法的诊断方法(A1215);其有效度(A1216);在诊断知识保管部202中不存在与数据特性对应的诊断手法的情况下、在不使用诊断知识而实施分析的情况下所利用的使用者输入模板(A1217)。另外,结果显示(A1218)包括:显示利用对在所述数据抽取中抽取的数据实施所述前处理的数据来实施所述诊断的结果的结果显示方法(A1219);其有效度(A1220);在诊断知识保管部202中不存在与数据特性对应的诊断手法的情况下、在不使用诊断知识而实施分析的情况下所利用的使用者输入模板(A1221)。这里,在各项目中存在多个符合条件的诊断手法的情况下,显示多个诊断手法和有效度的组合,使用者能够自由地选择。不过,若同时显示多个诊断手法,则可能导致使用者的混乱,所以,例如通过下拉菜单对有效的诊断手法的前五位进行显示等来限制显示件数。另外,还可以根据使用者选择的项目(例如诊断方法)通过对其诊断方法所属的诊断手法的组合进行颜色区分等进行显示,使用者能够简单地识别高有效度和其诊断手法的组合。而且,诊断知识检索后画面的构成要素不限于此,只要能够实现上述构成要素的功能,模板以及按钮的数量多少都可以。
图13是表示使用者利用诊断装置10实施诊断后所显示的画面图像的图。
诊断结果画面(A1301)是由图3的S311所显示的画面,包括:图表等的显示诊断结果的部分(A1302);在诊断结果有效的情况下按下的有效按钮(A1303)。这里,诊断结果画面的构成要素不限于此,只要能够实现上述构成要素的功能,模板以及按钮的数量多少都可以。
如以上说明的那样,通过实现根据诊断数据的数据特性而取得有效的诊断手法并进行提示的步骤及数据构成,即使对于几乎不具备与对工程机械进行诊断的步骤以及手法相关的知识的使用者来说,也能够在短时间内实施与诊断对象机器的数据特性相适的诊断。
此外,本发明不限于上述的实施方式,在其主旨的范围内能够进行各种变形。
例如,存在诊断装置10、诊断知识保管装置20和诊断数据保管装置30相互通过网络等连接的情况、以及不对工程机械而进行机器的诊断的情况等。
在该实施方式的情况中,对于诊断装置10进行的处理没有本质上的变化。
附图标记的说明
10:诊断装置
11:通信装置
12:输入输出装置
13:存储装置
14:CPU
15:存储器
16:读取装置
17:存储介质
18:内部信号线
20:诊断知识保管装置
30:诊断数据保管装置
101:输入输出部
102:诊断数据取得部
103:数据特性取得部
104:诊断知识输入输出部
105:诊断部
201:数据发送接收部
202:诊断知识保管部
301:数据发送接收部
302:诊断数据保管部
A301:诊断数据信息
A302:诊断数据
A303:诊断目的、数据特性
A304:诊断手法、事例数
A305:诊断知识
A306:响应
A401:诊断手法要素一览表取得指令
A402:诊断手法要素一览表
A4031~A403N:诊断手法要素
A4041~A404N:数据特性组
A4051~A405N:分类数据特性、诊断手法要素、事例数
A4061~A406N:响应
A501:诊断数据
A502:对象机器
A503:数据取得日期
A504:数据取得地点
A505:观测参数个数
A5061~A506N:参数名称
A5071~A507N:参数传感器种类
A5081~A508N:参数数据列
A601:诊断知识
A602:数据特性
A603:诊断手法
A604:事例数
A701:数据特性
A702:对象机器
A703:数据取得日期
A704:数据取得地点
A705:观测参数个数
A7061~A706N:参数特性
A7071~A707N:参数名称
A7081~A708N:传感器种类
A7091~A709N:数据量
A7101~A710N:运转模式数
A7111~A711N:数据取得频率
A7121~A712N:平均值
A7131~A713N:离散值
A7141~A714N:最大值
A7151~A715N:最小值
A7161~A716N:变化倾向
A801:诊断手法
A802:诊断目的
A803:数据抽取
A804:前处理
A805:前处理对象参数
A806:前处理方法
A807:诊断
A808:诊断方法
A809:诊断设定值
A810:结果显示
A811:结果输出方法
A812:结果关注点
A901:反向铲
A902:反向铲的履带压的时间变化
A903:装载机
A904:装载机的履带压的时间变化
A905:在平地行驶的自卸车
A906:在平地行驶的自卸车的发动机转速的时间变化
A907:在斜面行驶的自卸车
A908:在斜面行驶的自卸车的发动机转速的时间变化
A1001:输入数据
A1002:数据特性
A1003,诊断对象机器
A1004:每单位时间的履带压
A1005:每单位时间的发动机转速
A1006:诊断目的
A1007:装载机特性
A1008:反向铲特性
A1009:自卸车(斜面)特性
A1010:自卸车(平地)特性
A1011:诊断手法
A1012:诊断手法
A1013:诊断手法
A1014:诊断手法
A1015:数据抽取
A1016:前处理
A1017:诊断
A1018:结果显示
A1019:数据抽取
A1020:前处理
A1021:诊断
A1022:结果显示
A1023:数据抽取
A1024:前处理
A1025:诊断
A1026:结果显示
A1027:数据抽取
A1028:前处理
A1029:诊断
A1030:结果显示
A1101:诊断手法要素
A1102:检索结果
A11031~A11032:分类特性
A11041~A11042:事例数
A11051~A11052:新的诊断知识
A1201:诊断初始画面
A1202:诊断目的
A1203:诊断数据信息输入模板
A1204:诊断知识检索按钮
A1205:诊断知识检索后画面
A1206:与数据抽取相关的诊断信息
A1207:数据抽取方法
A1208:有效度
A1209:使用者输入模板
A1210:与前处理相关的诊断信息
A1211:前处理方法
A1212:有效度
A1213:使用者输入模板
A1214:与诊断相关的诊断信息
A1215:诊断方法
A1216:有效度
A1217:使用者输入模板
A1218:与结果显示相关的诊断信息
A1219:结果显示方法
A1220:有效度
A1221:使用者输入模板
A1222:诊断按钮
A1301:诊断结果画面
A1302:诊断结果
A1303:有效按钮
Claims (12)
1.一种诊断系统,基于至少由传感器取得的参数数据对工程机械的状态进行诊断,其特征在于,
具有:对工程机械进行诊断的诊断装置(10);对包含诊断所使用的诊断手法在内的诊断知识进行保管的诊断知识保管装置(20);对包含由所述传感器所取得的参数数据在内的、诊断所使用的诊断数据进行保管的诊断数据保管装置(30),
所述诊断装置具有:
与外部进行数据输入、输出的输入输出部(101);
基于被输入到所述输入输出部的数据,从所述诊断数据保管装置取得包含符合的参数数据在内的诊断数据的诊断数据取得部(102);
从由所述诊断数据取得部所取得的诊断数据取得作为其诊断数据的数据特性的、包括至少表示所述参数数据具有的特性的参数特性在内的数据特性的数据特性取得部(103);
从所述诊断知识保管装置取得与由所述数据特性取得部所取得的数据特性相适合的诊断手法的诊断知识取得部(104A);
利用由所述诊断数据取得部所取得的包含所述参数数据在内的诊断数据和由所述诊断知识取得部所取得的所述诊断手法进行诊断的诊断部(105),
所述诊断装置(10)还具有对由所述诊断知识取得部(104A)取得的所述诊断手法的有效度进行计算的有效度计算部(106),
所述诊断部(105)根据由所述有效度计算部计算的诊断手法的有效度选择由所述诊断知识取得部取得的所述诊断手法中的最合适的手法并实施诊断,所述诊断知识还包括表示所述数据特性和所述诊断手法的组合有效的事例的数量的事例数,
所述诊断知识取得部(104A)除了所述诊断手法以外还取得所述事例数,
所述有效度计算部(106)以如下方式计算所述有效度,即将为了从诊断知识保管装置(20)取得与由所述数据特性取得部(103)取得的数据特性相适合的诊断手法而向所述诊断知识保管装置(20)输入的数据特性的要素数、和与该输入的数据特性一致的诊断知识中所包含的数据特性的要素数的比,与所述诊断知识中所包含的所述事例数进行乘积运算,并由该积来计算。
2.如权利要求1所述的诊断系统,其特征在于,
所述诊断知识保管装置(20)中所保管的诊断知识包括:事先取得的诊断数据的数据特性;对该诊断数据的诊断有效的所述诊断手法,
所述诊断知识取得部(104A)至少取得与由所述数据特性取得部(103)取得的数据特性相适合的数据特性所属的诊断知识的诊断手法,
所述诊断部(105)对于由所述诊断数据取得部取得的所述诊断数据,利用由所述诊断知识取得部取得的所述诊断手法进行诊断,
所述数据特性取得部(103)取得的所述诊断数据的数据特性以及所述诊断知识所包含的所述诊断数据的数据特性,除了表示所述参数数据具有的特性的参数特性以外,还包括以下中的至少一个:表示诊断对象机器的名称、种类的对象机器;表示取得所述诊断数据的日期的数据取得日期;表示取得所述诊断数据的地点的数据取得地点;表示在所述对象机器观测的参数的数量的观测参数个数。
3.如权利要求1或2所述的诊断系统,其特征在于,
所述参数特性包括以下中的至少一个:表示所述参数的名称的参数名称;表示生成所述参数的传感器的种类的传感器种类;所述参数的数据量;表示所述参数在短时间内大幅变动的次数的运转模式数;表示取得所述参数的频率的数据取得频率;所述参数的平均值;所述参数的离散值;所述参数的最大值;所述参数的最小值;表示所述参数的变化的倾向的变化倾向。
4.如权利要求1或2所述的诊断系统,其特征在于,
所述诊断手法包括以下中的至少一个:表示诊断所述诊断数据的目的的诊断目的;表示在所述诊断数据的参数中诊断所使用的参数的数据抽取方法;表示对于诊断所使用的参数在诊断前实施的前处理的前处理方法;表示进行诊断的方式、运算法则的诊断方法;表示实施该诊断的结果的输出方法的结果输出方法。
5.如权利要求1或2所述的诊断系统,其特征在于,
所述诊断装置(10)还具有诊断知识生成部(107),其从所述诊断知识保管装置(20)所保管的诊断知识中收集包含有共同的诊断手法要素的诊断知识,并将所收集的诊断知识中所包含的数据特性的构成要素间的共同点和所述诊断手法要素的组合作为新的诊断知识生成,并存储在所述诊断知识保管装置中。
6.如权利要求5所述的诊断系统,其特征在于,
所述诊断知识生成部(107),在生成所述新的诊断知识时,将包含共同的数据特性的构成要素的诊断知识的个数作为事例数向所述新的诊断知识赋予。
7.一种诊断方法,基于至少由传感器取得的参数数据对工程机械的状态进行诊断,其特征在于:
基于从输入输出部(101)输入的数据,从对包含诊断使用的诊断数据进行保管的诊断数据保管装置(30)取得符合条件的包含参数数据的诊断数据的第一步骤(S304),其中所述诊断数据包含由所述传感器取得的参数数据;
从由所述第一步骤取得的诊断数据取得作为其诊断数据的数据特性的、包含表示至少所述参数数据具有的特性的参数特性在内的数据特性的第二步骤(S305);
从对包含诊断使用的诊断手法的诊断知识进行保管的诊断知识保管装置(20)取得与由所述第二步骤取得的数据特性相适合的诊断手法的第三步骤(S306);
利用所述第一步骤所取得的包含所述参数数据的诊断数据和所述第三步骤所取得的所述诊断手法进行诊断的第四步骤(S310),
还具有对由所述第三步骤(S306)取得的所述诊断手法的有效度进行计算的第五步骤(S307),
所述第四步骤(S310)根据由所述第五步骤计算的诊断手法的有效度选择由所述第三步骤取得的所述诊断手法中的最合适的手法,并实施诊断,
所述诊断知识还包括:表示所述数据特性和所述诊断手法的组合有效的事例的数量的事例数,
所述第三步骤(S306)除了所述诊断手法以外还取得所述事例数,
所述第五步骤(S307)中,以如下方法计算,即将为了从诊断知识保管装置(20)取得与由所述第二步骤(S305)取得的数据特性相适合的诊断手法而向所述诊断知识保管装置(20)输入的数据特性的要素数、和与该输入的数据特性一致的诊断知识中所包含的数据特性的要素数的比,与所述诊断知识中所包含的所述事例数进行乘积运算,并由该积来计算。
8.如权利要求7所述的诊断方法,其特征在于,
所述诊断知识保管装置(20)所保管的诊断知识包括:事先取得的诊断数据的数据特性、和对该诊断数据的诊断有效的所述诊断手法,
所述第三步骤(S306)至少取得与所述第二步骤(S305)所取得的数据特性相适合的数据特性所属的诊断知识的诊断手法,
所述第四步骤(S310)对于由所述第一步骤(S304)取得的所述诊断数据,利用所述第三步骤(S306)取得的所述诊断手法进行诊断,
由所述第一步骤取得的所述诊断数据的数据特性以及所述诊断知识中所包含的所述诊断数据的数据特性,除了表示所述参数数据所具有的特性的参数特性以外,还包括以下的至少一个:表示诊断对象机器的名称以及种类的对象机器;表示取得所述诊断数据的日期的数据取得日期;表示取得所述诊断数据的地点的数据取得地点;表示在所述对象机器观测的参数的数量的观测参数个数。
9.如权利要求7或8所述的诊断方法,其特征在于,
所述参数特性包括以下的至少一个:表示所述参数的名称的参数名称;表示生成所述参数的传感器的种类的传感器种类;所述参数的数据量;表示所述参数在短时间内大幅变动的次数的运转模式数;表示取得所述参数的频率的数据取得频率;所述参数的平均值;所述参数的离散值;所述参数的最大值;所述参数的最小值;表示所述参数的变化的倾向的变化倾向。
10.如权利要求7或8所述的诊断方法,其特征在于:
所述诊断手法包括以下的至少一个:表示诊断所述诊断数据的目的的诊断目的;表示在所述诊断数据的参数中诊断所使用的参数的数据抽取方法;表示对于诊断所使用的参数在诊断前实施的前处理的前处理方法;表示进行诊断的方式运算法则的诊断方法;表示实施该诊断的结果的输出方法的结果输出方法。
11.如权利要求7或8所述的诊断方法,其特征在于:
还具有第六步骤(S401~S406),从所述诊断知识保管装置(20)所保管的诊断知识中收集包含有共同的诊断手法要素的诊断知识,将所收集的诊断知识中包含的数据特性的构成要素间的共同点和所述诊断手法要素的组合作为新的诊断知识进行生成,并存储在所述诊断知识保管装置中。
12.如权利要求11所述的诊断方法,其特征在于,
所述第六步骤(S401~S406),在生成所述新的诊断知识时,将包含共同的数据特性的构成要素的诊断知识的个数作为事例数向所述新的诊断知识赋予。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2009/068038 WO2011048661A1 (ja) | 2009-10-19 | 2009-10-19 | 建設機械の診断システム及び診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102575973A CN102575973A (zh) | 2012-07-11 |
CN102575973B true CN102575973B (zh) | 2015-06-24 |
Family
ID=43899912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980161988.7A Active CN102575973B (zh) | 2009-10-19 | 2009-10-19 | 工程机械的诊断系统及诊断方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9057174B2 (zh) |
EP (1) | EP2492660A4 (zh) |
JP (1) | JP5296219B2 (zh) |
CN (1) | CN102575973B (zh) |
AU (1) | AU2009354283B2 (zh) |
WO (1) | WO2011048661A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9569327B2 (en) * | 2012-10-03 | 2017-02-14 | Xerox Corporation | System and method for labeling alert messages from devices for automated management |
DE102013212505A1 (de) * | 2013-06-27 | 2014-12-31 | Robert Bosch Gmbh | Werkstatt-Diagnosesystem |
KR102324425B1 (ko) * | 2014-11-17 | 2021-11-11 | 현대두산인프라코어 주식회사 | 시야성 가상 검증 방법 |
WO2017127042A1 (en) * | 2015-12-08 | 2017-07-27 | Sight Machine, Inc. | System and method for monitoring manufacturing |
CN106193144A (zh) * | 2016-07-01 | 2016-12-07 | 蔡雄 | 一种具备道路检测功能的装载车 |
GB201709406D0 (en) | 2017-06-13 | 2017-07-26 | Euro-Cletique S A | Compounds for treating TNBC |
US11042786B2 (en) | 2018-03-30 | 2021-06-22 | Mitsubishi Electric Corporation | Learning processing device, data analysis device, analytical procedure selection method, and recording medium |
US11180904B2 (en) | 2018-04-18 | 2021-11-23 | Deere & Company | Excavator control for load delivery |
JP7099037B2 (ja) * | 2018-05-07 | 2022-07-12 | オムロン株式会社 | データ処理装置、モニタリングシステム、覚醒システム、データ処理方法、及びデータ処理プログラム |
US11222202B2 (en) | 2019-01-14 | 2022-01-11 | Deere & Company | Targeted testing and machine-learning systems for detecting and identifying machine behavior |
JP7217216B2 (ja) * | 2019-10-25 | 2023-02-02 | 日立建機株式会社 | 故障診断装置及び故障診断方法 |
CN112924205B (zh) * | 2021-01-27 | 2023-10-13 | 上海三一重机股份有限公司 | 作业机械故障诊断方法、装置、作业机械和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101162394A (zh) * | 2006-10-12 | 2008-04-16 | 大隈株式会社 | 异常诊断方法及其装置 |
CN101263499A (zh) * | 2005-07-11 | 2008-09-10 | 布鲁克斯自动化公司 | 智能状态监测和故障诊断系统 |
CN101434221A (zh) * | 2007-11-13 | 2009-05-20 | 尤博科技株式会社 | 车辆故障诊断设备 |
CN101438249A (zh) * | 2006-05-07 | 2009-05-20 | 应用材料股份有限公司 | 用于错误诊断的多种错误特征 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2872451B2 (ja) | 1991-07-23 | 1999-03-17 | 東洋運搬機株式会社 | 電気−機械系装置の診断装置 |
JPH07271589A (ja) * | 1994-03-29 | 1995-10-20 | Fuji Heavy Ind Ltd | 故障診断装置 |
JPH08164827A (ja) * | 1994-12-13 | 1996-06-25 | Nissan Motor Co Ltd | 車両故障診断装置 |
JPH08189846A (ja) * | 1995-01-11 | 1996-07-23 | Yokogawa Electric Corp | プラント診断システム |
JPH08221117A (ja) | 1995-02-09 | 1996-08-30 | Mitsubishi Electric Corp | 異常診断支援用解析装置 |
JPH10232874A (ja) | 1997-02-19 | 1998-09-02 | Hitachi Ltd | 情報処理ノウハウ共有方法 |
JPH10275168A (ja) | 1997-03-31 | 1998-10-13 | Hitachi Ltd | 設計支援方法および設計支援システム |
JP2001202125A (ja) * | 2000-01-20 | 2001-07-27 | Snap On Tools Corp | 装置作動状態のダイナミック診断システム |
JP4267173B2 (ja) * | 2000-05-01 | 2009-05-27 | トヨタ自動車株式会社 | 異常診断システム |
JP2002342508A (ja) | 2001-05-17 | 2002-11-29 | Nec Fielding Ltd | 自動車の故障検出と修理依頼システムおよび方法 |
JP2003178148A (ja) * | 2001-12-12 | 2003-06-27 | Komatsu Ltd | 機械の保守点検システム、その保守点検方法およびその保守点検プログラム |
JP4277311B2 (ja) | 2003-03-28 | 2009-06-10 | マツダ株式会社 | 遠隔故障診断システム、情報センター装置及び遠隔故障診断方法 |
US7444216B2 (en) * | 2005-01-14 | 2008-10-28 | Mobile Productivity, Inc. | User interface for display of task specific information |
CN101351599B (zh) * | 2006-01-12 | 2012-06-06 | 日立建机株式会社 | 工程机械的检修历史信息管理系统 |
US8423226B2 (en) * | 2006-06-14 | 2013-04-16 | Service Solutions U.S. Llc | Dynamic decision sequencing method and apparatus for optimizing a diagnostic test plan |
JP4940779B2 (ja) | 2006-06-22 | 2012-05-30 | マツダ株式会社 | 遠隔故障診断システム |
CA2613491C (en) * | 2007-12-04 | 2015-03-24 | Clark Equipment Company | Power machine diagnostic system and method |
JP2009146059A (ja) | 2007-12-12 | 2009-07-02 | Autonetworks Technologies Ltd | 診断項目の設定方法、故障診断装置、プログラム及び記録媒体 |
US8185290B2 (en) * | 2008-03-07 | 2012-05-22 | Caterpillar Inc. | Data acquisition system indexed by cycle segmentation |
-
2009
- 2009-10-19 AU AU2009354283A patent/AU2009354283B2/en active Active
- 2009-10-19 US US13/502,896 patent/US9057174B2/en active Active
- 2009-10-19 JP JP2011537044A patent/JP5296219B2/ja not_active Expired - Fee Related
- 2009-10-19 CN CN200980161988.7A patent/CN102575973B/zh active Active
- 2009-10-19 WO PCT/JP2009/068038 patent/WO2011048661A1/ja active Application Filing
- 2009-10-19 EP EP09850559.7A patent/EP2492660A4/en not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101263499A (zh) * | 2005-07-11 | 2008-09-10 | 布鲁克斯自动化公司 | 智能状态监测和故障诊断系统 |
CN101438249A (zh) * | 2006-05-07 | 2009-05-20 | 应用材料股份有限公司 | 用于错误诊断的多种错误特征 |
CN101162394A (zh) * | 2006-10-12 | 2008-04-16 | 大隈株式会社 | 异常诊断方法及其装置 |
CN101434221A (zh) * | 2007-11-13 | 2009-05-20 | 尤博科技株式会社 | 车辆故障诊断设备 |
Also Published As
Publication number | Publication date |
---|---|
US20120209570A1 (en) | 2012-08-16 |
US9057174B2 (en) | 2015-06-16 |
AU2009354283A1 (en) | 2012-04-19 |
EP2492660A4 (en) | 2017-02-01 |
JP5296219B2 (ja) | 2013-09-25 |
CN102575973A (zh) | 2012-07-11 |
WO2011048661A1 (ja) | 2011-04-28 |
AU2009354283B2 (en) | 2013-05-30 |
EP2492660A1 (en) | 2012-08-29 |
JPWO2011048661A1 (ja) | 2013-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102575973B (zh) | 工程机械的诊断系统及诊断方法 | |
US8190335B2 (en) | Performance management system for multi-machine worksite | |
US9691025B2 (en) | Machine operation classifier | |
CN101819411B (zh) | 一种基于gpu的改进加权关联规则的设备故障预警与诊断方法 | |
CN102326066B (zh) | 作业机械的学习诊断系统、状态诊断装置及状态学习装置 | |
EP1764728A1 (en) | Data compressing device and method, data analyzing device and method, and data managing system | |
CN102192825A (zh) | 不基于测量历史诊断旋转机器状况的用户界面系统和方法 | |
CN102741676A (zh) | 作业机械的监视诊断装置 | |
CN105275043A (zh) | 挖土机支援装置 | |
CN103814335A (zh) | 挖土机、挖土机管理装置及挖土机管理方法 | |
CN104271846A (zh) | 作业机管理装置 | |
JP6414925B2 (ja) | ショベルの処理装置及び作業内容判定方法 | |
JP6584601B2 (ja) | ショベルの処理装置及び作業内容判定方法 | |
AU2005234089B2 (en) | System and method to query for machine conditions | |
JP6232498B2 (ja) | 装置劣化の発生原因推定方法、及びその装置 | |
CN110197333A (zh) | 基于碾压过程实时监控与pda移动检测的面板堆石坝填筑施工全过程管控方法 | |
CN103760845B (zh) | 监控方法、系统及旋挖钻机 | |
JP2013120143A (ja) | 異常診断システム及び異常診断方法 | |
US20170098182A1 (en) | Operator performance monitoring system | |
CN104074179A (zh) | 土坡稳定性自动检测系统及检测方法 | |
JP6314065B2 (ja) | 振動応答評価システム、振動応答評価方法及び振動応答評価プログラム | |
CN114676646B (zh) | 用于边坡的智能预警方法、装置、设备及可读存储介质 | |
JP2021043107A (ja) | 情報処理装置、情報処理方法、プログラム及び掘削システム | |
Segalini et al. | Improving Geotechnical Monitoring System Performances by Integrating Advanced Technologies for Data Acquisition and Elaboration | |
Cañavate-Grimal | A probabilistic analysis to assess the most probable design parameters for use in the observational method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |