CN109952562A - 劣化诊断装置、劣化诊断方法以及劣化诊断程序 - Google Patents

劣化诊断装置、劣化诊断方法以及劣化诊断程序 Download PDF

Info

Publication number
CN109952562A
CN109952562A CN201680090805.7A CN201680090805A CN109952562A CN 109952562 A CN109952562 A CN 109952562A CN 201680090805 A CN201680090805 A CN 201680090805A CN 109952562 A CN109952562 A CN 109952562A
Authority
CN
China
Prior art keywords
performance number
deterioration
maintenance data
performance
value
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.)
Pending
Application number
CN201680090805.7A
Other languages
English (en)
Inventor
辻村达德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN109952562A publication Critical patent/CN109952562A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
    • B60H1/00978—Control systems or circuits characterised by failure of detection or safety means; Diagnostic methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
    • B60H1/00—Heating, cooling or ventilating [HVAC] devices
    • B60H1/00507—Details, e.g. mounting arrangements, desaeration devices
    • B60H1/00585—Means for monitoring, testing or servicing the air-conditioning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/38—Failure diagnosis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0232—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Thermal Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Air Conditioning Control Device (AREA)
  • Debugging And Monitoring (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

在劣化诊断装置(101)中，计算部(105)根据运用数据(201)估计在与试验时的环境条件相同的环境条件下设备的实际运用中的性能，运用数据(201)包含测定设备的实际运用中的性能而得到的性能值和表示实际运用中的环境条件的一个以上的条件值。计算部(105)计算通过估计而得到的性能值与对设备劣化前的性能进行试验而得到的性能值之间的比率即校正率。诊断部(107)比较对设备劣化后的性能进行试验而得到的性能值与新的运用数据(201)中包含的性能值和校正率之积，进行设备的劣化诊断。

Description

劣化诊断装置、劣化诊断方法以及劣化诊断程序
技术领域
本发明涉及劣化诊断装置、劣化诊断方法以及劣化诊断程序。
背景技术
车辆空调机的检修方法目前是定期检修。除了定期检修以外，铁路经营商正在研究应用被称作劣化诊断的检修方法。劣化诊断是通过分析车辆空调机的状态信息，检测车辆空调机的经年劣化和异常的方法。铁路经营商通过应用劣化诊断，根据每台车辆空调机的设备寿命更换装置或者部件，由此，实现购买和替换的成本降低以及进一步的运行稳定化。
在专利文献1中公开有如下方法：在空调机的初期运转时，计算与多个外部气温条件对应的劣化判定基准值。
在专利文献2中公开有如下方法：预先设定表示车辆空调机的压缩机的适当运转状态的基准运转模式，对在实际使压缩机运转时得到的实际运转模式与基准运转模式进行比较，由此判断劣化。
在专利文献3中公开有如下方法：对功耗量和外部气温的第一年度的数据与自次年度起测定出的数据进行比较，判定制冷机的劣化程度。
现有技术文献
专利文献
专利文献1：日本特开2014-214970号公报
专利文献2：日本特开2007-83872号公报
专利文献3：日本特开2010-243092号公报
发明内容
发明要解决的问题
专利文献1公开的方法是在空调机的实际运用中实施的方法。在该方法中，在满足多个外部气温条件之前劣化判定基准值的计算不会结束，因而劣化判定基准值的计算需要时间。
在专利文献2公开的方法中，基准运转模式没有表示劣化状态的模式，因而仅靠比较结果不能判断劣化。
在专利文献3公开的方法中，与专利文献2公开的方法相同，没有表示劣化状态的数据，因而仅靠比较结果不能判断劣化。
本发明的目的在于，缩短计算用于使用表示劣化状态的数据进行劣化诊断的基准值所需要的时间。
用于解决问题的手段
本发明的一个方式的劣化诊断装置具有：
蓄积部，其蓄积运用数据，该运用数据包含测定设备的实际运用中的性能而得到的性能值即运用性能值和表示实际运用中的环境条件的一个以上的条件值；
计算部，其取得试验数据，该试验数据包含对所述设备的劣化前及劣化后的性能进行试验而得到的性能值即劣化前性能值及劣化后性能值和表示试验时的环境条件的一个以上的条件值，该计算部根据由所述蓄积部蓄积的运用数据，估计在与所述试验时的环境条件相同的环境条件下所述设备的实际运用中的性能，计算通过估计而得到的性能值即估计性能值与所述劣化前性能值之间的比率即校正率；以及
诊断部，其取得新的运用数据，对所述新的运用数据中包含的运用性能值和所述劣化后性能值中的一个性能值、与另一个性能值和所述校正率之积进行比较，进行所述设备的劣化诊断。
发明效果
在本发明中，估计在与试验时的环境条件相同的环境条件下设备的实际运用中的性能。并且，根据估计出的性能，计算用于使用表示劣化状态的数据进行劣化诊断的基准值即校正率。由此，能够缩短计算校正率所需要的时间。
附图说明
图1是示出实施方式1的劣化诊断装置的结构的框图。
图2是示出实施方式1的运用数据的数据格式的图。
图3是示出实施方式1的试验数据的数据格式的图。
图4是示出实施方式1的试验数据的数据格式的图。
图5是示出实施方式1的劣化诊断装置的操作部的动作的流程图。
图6是示出实施方式1的劣化诊断装置的接收部的动作的流程图。
图7是示出实施方式1的劣化诊断装置的蓄积部的动作的流程图。
图8是示出实施方式1的劣化诊断装置的计算部的动作的流程图。
图9是示出实施方式1的劣化诊断装置的计算部的动作的流程图。
图10是示出实施方式1的劣化诊断装置的计算部的动作的流程图。
图11是示出实施方式1的劣化诊断装置的计算部的动作的流程图。
图12是示出实施方式1的劣化诊断装置的保存部的动作的流程图。
图13是示出实施方式1的劣化诊断装置的保存部的动作的流程图。
图14是示出实施方式1的劣化诊断装置的诊断部的动作的流程图。
图15是示出实施方式1的劣化诊断装置的诊断部的动作的流程图。
具体实施方式
下面，使用附图说明本发明的实施方式。在各图中，对相同或者相当的部分标注相同的标号。在实施方式的说明中，对于相同或者相当的部分适当省略或者简化说明。另外，本发明不限于以下说明的实施方式，可以根据需要进行各种变更。例如，也可以部分地实施以下说明的实施方式。
实施方式1
使用图1～图15说明本实施方式。
***结构的说明***
参照图1说明本实施方式的劣化诊断装置101的结构。
劣化诊断装置101是计算机。劣化诊断装置101具有处理器111，并且具有存储器112、显示器接口113和通信接口114这样的其它硬件。处理器111经由信号线而与其它硬件连接，控制这些其它硬件。
作为功能要素，劣化诊断装置101具有操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107。操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的功能通过软件来实现。
处理器111是进行各种处理的IC。“IC”是Integrated Circuit(集成电路)的缩略语。处理器111例如是CPU。“CPU”是Central Processing Unit(中央处理单元)的缩略语。
存储器112中存储有运用数据201和试验数据301、401。存储器112例如是闪存或者RAM。“RAM”是Random Access Memory(随机存取存储器)的缩略语。
显示器接口113与显示器连接。显示器例如是LCD。“LCD”是LiquidCrystalDisplay(液晶显示器)的缩略语。
通信接口114与专用线路或者网络连接。通信接口114包含接收数据的接收机和发送数据的发送机。通信接口114例如是通信芯片或者NIC。“NIC”是Network InterfaceCard(网络接口卡)的缩略语。
作为硬件，劣化诊断装置101也可以具有输入接口。输入接口与输入装置连接。输入装置例如是鼠标、键盘或者触摸面板。
存储器112中存储有实现操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的功能的程序即劣化诊断程序。劣化诊断程序被处理器111读取并由处理器111执行。存储器112中还存储有OS。“OS”是Operating System(操作系统)的缩略语。处理器111一边执行OS一边执行劣化诊断程序。另外，劣化诊断程序的一部分或者全部也可以组入到OS中。
劣化诊断程序和OS还可以存储在辅助存储装置中。辅助存储装置例如是闪存或者HDD。“HDD”是Hard Disk Drive(硬盘驱动器)的缩略语。存储于辅助存储装置的劣化诊断程序和OS被加载于存储器112并由处理器111执行。
劣化诊断装置101还可以具有替代处理器111的多个处理器。这些多个处理器分担执行劣化诊断程序。各个处理器与处理器111相同，是进行各种处理的IC。
表示操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的处理结果的信息、数据、信号值和变量值存储在存储器112、辅助存储装置或者处理器111内的寄存器或闪存中。
劣化诊断程序还可以存储在磁盘和光盘这样的移动记录介质中。
参照图2说明运用数据201的数据格式。
运用数据201是包含运用性能值和一个以上的条件值的数据。运用性能值是测定设备的实际运用中的性能而得到的性能值。运用数据201中包含的条件值是表示实际运用中的环境条件的值。
设备可以是任意的设备，在本实施方式中是电车的车辆空调机。因此，在本实施方式中，运用数据201是包含在电车运用中得到的车辆空调机的状态信息的数据。车辆空调机的状态信息是表示车辆空调机的性能的信息即性能值。
运用数据201包含设备ID202、时刻203和电车运用204。“ID”是Identifier(标识符)的缩略语。
设备ID202是表示车辆空调机的序列号的值。时刻203是表示测定出车辆空调机的性能的时刻的值。电车运用204是表示在电车运用中测定出车辆空调机的性能的值。
作为条件值，运用数据201还可以包含表示任意的环境条件的值，在本实施方式中，包含气温205、门开闭状态206、乘车率207和行进速度208。作为条件值，还可以包含对空调机设定的运转强度等表示与车辆空调机的每种机型的规格对应的条件的值。
气温205是表示搭载有设备ID202所示的车辆空调机的车辆的外部气温的值。门开闭状态206是表示搭载有设备ID202所示的车辆空调机的车辆的门的开闭状态的值。乘车率207是表示实际的乘员数与搭载有设备ID202所示的车辆空调机的车辆的定员数的比率的值。行进速度208是表示搭载有设备ID202所示的车辆空调机的车辆的行进速度的值。
另外，在本实施方式中，使用气温205、门开闭状态206、乘车率207和行进速度208这4个条件值，但也可以仅使用1个条件值，还可以使用2个、3个或者5个以上的条件值。
作为性能值，运用数据201还可以包含表示任意性能的值，在本实施方式中，包含压缩机电流209和制冷剂压力210。
压缩机电流209是设备ID202所示的车辆空调机的压缩机的电流值。制冷剂压力210是表示设备ID202所示的车辆空调机内的制冷剂气体的压力的值。
另外，在本实施方式中，使用压缩机电流209和制冷剂压力210这2个性能值，但也可以仅使用1个性能值，还可以使用3个以上的性能值。
参照图3说明试验数据301的数据格式。
试验数据301是包含劣化前性能值和1个以上的条件值的数据。劣化前性能值是对设备劣化前的性能进行试验而得到的性能值。试验数据301中包含的条件值是表示试验时的环境条件的值。
设备可以是任意的设备，如前所述，在本实施方式中是电车的车辆空调机。因此，在本实施方式中，试验数据301是包含在出厂试验时设车辆空调机为正常状态而得到的车辆空调机的状态信息的数据。
试验数据301包含设备ID302、时刻303、出厂试验304和正常状态305。
设备ID302是表示车辆空调机的序列号的值。时刻303是表示测定出车辆空调机的性能的时刻的值。出厂试验304是表示在出厂试验时测定出车辆空调机的性能的值。正常状态305是表示在设备ID302所示的车辆空调机的状态是正常状态时测定出车辆空调机的性能的值。
作为条件值，试验数据301只要包含表示与运用数据201中包含的条件值相同或者相似的环境条件的值即可，在本实施方式中是包含试验室温度306。
试验室温度306是表示实施设备ID302所示的车辆空调机的出厂试验的试验室的温度的值。试验室温度306与运用数据201中包含的气温205对应。
另外，在本实施方式中是使用试验室温度306这样的1个条件值，但也可以使用2个以上的条件值。
作为性能值，试验数据301只要包含表示与运用数据201中包含的性能值相同或者相似的性能的值即可，在本实施方式中是包含压缩机电流307和制冷剂压力308。
压缩机电流307是设备ID302所示的车辆空调机的压缩机的电流值。制冷剂压力308是表示设备ID302所示的车辆空调机内的制冷剂气体的压力的值。
参照图4说明试验数据401的数据格式。
试验数据401是包含劣化后性能值和1个以上的条件值的数据。劣化后性能值是对设备劣化后的性能进行试验而得到的性能值。试验数据401中包含的条件值是表示试验时的环境条件的值。
设备可以是任意的设备，如前所述，在本实施方式中是电车的车辆空调机。因此，在本实施方式中，试验数据401是包含在出厂试验时设车辆空调机为劣化状态而得到的车辆空调机的状态信息的数据。
试验数据401包含设备ID402、时刻403、出厂试验404和劣化状态405。
设备ID402是表示车辆空调机的序列号的值。时刻403是表示测定出车辆空调机的性能的时刻的值。出厂试验404是表示在出厂试验时测定出车辆空调机的性能的值。劣化状态405是表示在设备ID402所示的车辆空调机的状态是劣化状态时测定出车辆空调机的性能的值。在出厂试验时模拟车辆空调机的劣化状态。
作为条件值，试验数据401只要包含表示与运用数据201中包含的条件值相同或者相似的环境条件的值即可，在本实施方式中是包含试验室温度406。
试验室温度406是表示实施设备ID402所示的车辆空调机的出厂试验的试验室的温度的值。试验室温度406与运用数据201中包含的气温205对应。
另外，在本实施方式中是使用试验室温度406这样的1个条件值，但也可以使用2个以上的条件值。
作为性能值，试验数据401只要包含表示与运用数据201中包含的性能值相同或者相似的性能的值即可，在本实施方式中是包含压缩机电流407和制冷剂压力408。
压缩机电流407是设备ID402所示的车辆空调机的压缩机的电流值。制冷剂压力408是表示设备ID402所示的车辆空调机内的制冷剂气体的压力的值。
试验数据401还包含劣化程度409。
劣化程度409是表示模拟设备ID402所示的车辆空调机的劣化状态时的劣化程度的值。
***动作的说明***
参照图5～图15说明本实施方式的劣化诊断装置101的动作。劣化诊断装置101的动作与本实施方式的劣化诊断方法相当。
在以下说明的动作中，操作部102使用显示器接口113在显示器显示用于受理用户操作的操作画面。接收部103使用通信接口114从劣化诊断装置101的外部接收在电车运用中和出厂试验时得到的车辆空调机的状态信息。蓄积部104使用存储器112保存由接收部103接收到的状态信息。计算部105访问存储器112，取得在出厂试验时在正常状态下和劣化状态下得到的车辆空调机的状态信息以及在电车运用中得到的车辆空调机的状态信息。计算部105根据取得的状态信息，生成决定车辆空调机是正常状态还是劣化状态的状态信息的基准值。保存部106使用存储器112保存由计算部105生成的基准值。诊断部107访问存储器112，取得在电车运用中得到的车辆空调机的状态信息和状态信息的基准值。诊断部107对取得的状态信息和基准值进行比较，由此判断车辆空调机是正常状态还是劣化状态。
事前在出厂试验中分别在正常状态下和模拟劣化的状态下测定车辆空调机的性能。劣化的模拟具体是通过将通气口封堵来模拟过滤器堵塞、或者将制冷剂气体泄气来模拟制冷剂气体泄露而进行的。劣化的程度是由将通气口封堵的比率以及制冷剂气体的填充量的比率决定的。表示测定出的性能的性能值包含在试验数据301、401中。
在图5的步骤S501和步骤S502中，操作部102在由操作画面请求存储在出厂试验中得到的状态信息时，通知接收部103开始接收。
在图6的步骤S601～步骤S603中，接收部103接收来自操作部102的接收开始通知，在接收到试验数据301、401时，向蓄积部104发送试验数据301、401。
在图7的步骤S701～步骤S703中，蓄积部104在接收到从接收部103发送的试验数据301、401时，记录试验数据301、401，通知接收部103记录完成。
在图6的步骤S604和步骤S605中，接收部103在接收到来自蓄积部104的记录完成通知时，通知操作部102存储完成。
然后，存储电车运用中的车辆空调机的状态信息。
在图6的步骤S606和步骤S607中，接收部103每当接收到包含电车运用中的车辆空调机的状态信息的运用数据201时，向蓄积部104发送运用数据201。
在图7的步骤S704～步骤S706中，蓄积部104在接收到从接收部103发送的运用数据201时，记录运用数据201，通知接收部103记录完成。
在图6的步骤S608中，接收部103在接收到来自蓄积部104的记录完成通知时结束动作。
如上所述，在步骤S705中，蓄积部104蓄积运用数据201。
然后，计算用于比较电车运用时和出厂试验时的状态信息的校正率。
在图5的步骤S504和步骤S505中，操作部102在由操作画面请求计算校正率时，通知计算部105开始计算。
在图8的步骤S801和步骤S802中，计算部105接收来自操作部102的计算开始通知，根据由蓄积部104蓄积的数据中的试验数据301的出厂试验304和正常状态305识别试验数据301，并参照试验室温度306。然后，在图8的步骤S803中，计算部105通知蓄积部104读出完成。在图7的步骤S709和步骤S710中，蓄积部104接收该读出完成通知。
在图8的步骤S804中，计算部105根据由蓄积部104蓄积的数据中的运用数据201的电车运用204识别运用数据201，选择气温205与试验室温度306相等、门开闭状态206为关闭、乘车率207为0％、行进速度208为0km/h的运用数据201。然后，在图8的步骤S805中，计算部105通知蓄积部104读出完成。在图7的步骤S707和步骤S708中，蓄积部104接收该读出完成通知。
在图8的步骤S806中，计算部105计算选择出的运用数据201的压缩机电流209和制冷剂压力210各自的平均值。然后，在图8的步骤S807中，计算部105计算试验数据301的压缩机电流307与压缩机电流209的平均值之商作为压缩机电流的校正率C1，计算试验数据301的制冷剂压力308与制冷剂压力210的平均值之商作为制冷剂压力的校正率C1。
在图8的步骤S808中，计算部105将各校正率C1通知给保存部106。
在图12的步骤S901～步骤S903中，保存部106在接收到来自计算部105的压缩机电流的校正率C1和制冷剂压力的校正率C1的通知时，记录各校正率C1，通知计算部105记录完成。
在图8的步骤S804中，在电车运用中得到的运用数据201有时没有气温205与试验室温度306相等、门开闭状态206为关闭、乘车率207为0％、行进速度208为0km/h这4个条件全部满足的运用数据201。在这种情况下，以只有1个条件不同的运用数据201为对象，生成针对不同的1个条件的状态信息的近似曲线，估计满足这1个条件时的状态信息。“不同的1个条件”是按照预先决定的优先顺位选择的。在本实施方式，作为“不同的1个条件”，气温205被第一个选择。具体的步骤如下所述。
在图9的步骤S810中，计算部105根据由蓄积部104蓄积的数据中的运用数据201的电车运用204识别运用数据201，选择门开闭状态206为关闭、乘车率207为0％、行进速度208为0km/h的运用数据201。然后，在图9的步骤S811中，计算部105通知蓄积部104读出完成。在图7的步骤S707和步骤S708中，蓄积部104接收该读出完成通知。
在图9的步骤S812中，计算部105对选择出的运用数据201中的气温205相等的运用数据201，计算压缩机电流209和制冷剂压力210各自的平均值。
在图9的步骤S813中，计算部105生成针对气温205的压缩机电流209和制冷剂压力210各自的平均值的近似曲线。
近似曲线是根据一般的线性近似、指数近似、对数近似、多项式近似或者乘方近似生成的。选择R-2乘值最高的情况。R-2乘值是表示近似曲线的估计值与实际的数据接近到何种程度的0到1的值。
在图9的步骤S814中，计算部105根据生成的近似曲线，确定气温与试验室温度306相等时的压缩机电流和制冷剂压力各自的值。然后，在图9的步骤S815中，计算部105计算试验数据301的压缩机电流307与已确定的压缩机电流的值之商作为压缩机电流的校正率C2，计算试验数据301的制冷剂压力308与已确定的制冷剂压力的值之商作为制冷剂压力的校正率C2。
在图9的步骤S816中，计算部105将各校正率C2通知给保存部106。
在图12的步骤S904～步骤S906中，保存部106在接收到来自计算部105的压缩机电流的校正率C2和制冷剂压力的校正率C2的通知时，记录各校正率C2，通知计算部105记录完成。
在图9的步骤S810中，在电车运用中得到的运用数据201有时没有门开闭状态206为关闭、乘车率207为0％、行进速度208为0km/h这3个条件全部满足的运用数据201。在这种情况下，作为“不同的1个条件”，乘车率207被第二个选择。具体的步骤如下所述。
在图10的步骤S818中，计算部105根据由蓄积部104蓄积的数据中的运用数据201的电车运用204识别运用数据201，选择气温205与试验室温度306相等、门开闭状态206为关闭、行进速度208为0km/h的运用数据201。然后，在图10的步骤S819中，计算部105通知蓄积部104读出完成。在图7的步骤S707和步骤S708中，蓄积部104接收该读出完成通知。
在图10的步骤S820中，计算部105对选择出的运用数据201中的乘车率207相等的运用数据201，计算压缩机电流209和制冷剂压力210各自的平均值。
在图10的步骤S821中，计算部105生成针对乘车率207的压缩机电流209和制冷剂压力210各自的平均值的近似曲线。
在图10的步骤S822中，计算部105根据生成的近似曲线，确定乘车率为0％时的压缩机电流和制冷剂压力各自的值。然后，在图10的步骤S823中，计算部105计算试验数据301的压缩机电流307与已确定的压缩机电流的值之商作为压缩机电流的校正率C3，计算试验数据301的制冷剂压力308与已确定的制冷剂压力的值之商作为制冷剂压力的校正率C3。
在图10的步骤S824中，计算部105将各校正率C3通知给保存部106。
在图12的步骤S907～步骤S909中，保存部106在接收到来自计算部105的压缩机电流的校正率C3和制冷剂压力的校正率C3的通知时，记录各校正率C3，通知计算部105记录完成。
在图10的步骤S818中，在电车运用中得到的运用数据201有时没有气温205与试验室温度306相等、门开闭状态206为关闭、行进速度208为0km/h这3个条件全部满足的运用数据201。在这种情况下，作为“不同的1个条件”，行进速度208被第三个选择。具体的步骤如下所述。
在图11的步骤S826中，计算部105根据由蓄积部104蓄积的数据中的运用数据201的电车运用204识别运用数据201，选择气温205与试验室温度306相等、门开闭状态206为关闭、乘车率207为0％的运用数据201。然后，在图11的步骤S827中，计算部105通知蓄积部104读出完成。在图7的步骤S707和步骤S708中，蓄积部104接收该读出完成通知。
在图11的步骤S828中，计算部105对选择出的运用数据201中的行进速度208相等的数据，计算压缩机电流209和制冷剂压力210各自的平均值。
在图11的步骤S829中，计算部105生成针对行进速度208的压缩机电流209和制冷剂压力210各自的平均值的近似曲线。
在图11的步骤S830中，计算部105根据生成的近似曲线，确定行进速度为0km/h时的压缩机电流和制冷剂压力各自的值。然后，在图11的步骤S831中，计算部105计算试验数据301的压缩机电流307与已确定的压缩机电流的值之商作为压缩机电流的校正率C4，计算试验数据301的制冷剂压力308与已确定的制冷剂压力的值之商作为制冷剂压力的校正率C4。
在图11的步骤S832中，计算部105将各校正率C4通知给保存部106。
在图12的步骤S910～步骤S912中，保存部106在接收到来自计算部105的压缩机电流的校正率C4和制冷剂压力的校正率C4的通知时，记录各校正率C4，通知计算部105记录完成。
为了简化说明，在图11的步骤S826中，假设在电车运用中得到的运用数据201不存在没有气温205与试验室温度306相等、门开闭状态206为关闭、乘车率207为0％这3个条件全部满足的运用数据201的情况。另外，在存在这种情况时，如后所述，以只有2个条件不同的运用数据201为对象，分阶段地生成分别针对不同的2个条件的状态信息的近似曲线，估计满足这2个条件时的状态信息。
另外，通过在电车营业运转前的检修中进行车辆空调机的动作确认，能够使门开闭状态206为关闭、乘车率207为0％、行进速度208为0km/h这3个条件全部满足的运用数据201必然存在。在这种情况下，可以省略步骤S818～步骤S833。
如上所述，在步骤S802中，计算部105取得试验数据301。在步骤S804、步骤S806、步骤S810、步骤S812～步骤S814、步骤S818、步骤S820～步骤S822、步骤S826以及步骤S828～步骤S830中，计算部105根据由蓄积部104蓄积的运用数据201，估计与试验时的环境条件相同的环境条件下设备的实际运用中的性能。在步骤S807、步骤S815、步骤S823以及步骤S831中，计算部105计算通过估计而得到的性能值即估计性能值与劣化前性能值之间的比率即校正率。能够计算用于性能估计的运用数据201的蓄积量越多则精度越高的校正率，但是，在本实施方式中，即使是半年到一年左右的较短期间的蓄积量，也能够计算足够精度的校正率。
如果在由蓄积部104蓄积的运用数据201中具有至少1个条件值与试验数据301一致的运用数据201，则在步骤S806、步骤S814、步骤S822以及步骤S830中，计算部105根据相应的运用数据201中该至少1个条件值相互一致的运用数据201决定估计性能值。
如果在由蓄积部104蓄积的运用数据201中具有全部条件值与试验数据301一致的运用数据201，则在步骤S806中，计算部105将相应的运用数据201中包含的运用性能值决定为估计性能值。
另一方面，如果在由蓄积部104蓄积的运用数据201中没有全部条件值与试验数据301一致的运用数据201，则在步骤S812～步骤S814、步骤S820～步骤S822以及步骤S828～步骤S830中，计算部105分析由蓄积部104蓄积的运用数据201中包含的条件值与运用性能值的相关关系来计算估计性能值。
在本实施方式中，由蓄积部104蓄积的运用数据201和试验数据301、401分别包含表示一种环境条件的条件值即第1条件值。如果在由蓄积部104蓄积的运用数据201中没有第1条件值与试验数据301一致的运用数据201，则在步骤S814、步骤S822～步骤S830中，计算部105计算在表示由蓄积部104蓄积的运用数据201中包含的第1条件值与运用性能值的相关关系的近似曲线上，与试验数据301中包含的第1条件值对应的运用性能值的近似值，作为估计性能值。
作为具体例，运用数据201的气温205和试验数据301的试验室温度306分别与第1条件值相当。如果在由蓄积部104蓄积的运用数据201中没有气温205与试验室温度306一致的运用数据201，则在步骤S814中，计算部105计算在表示由蓄积部104蓄积的运用数据201中包含的气温205与压缩机电流209的相关关系的近似曲线上，与试验数据301中包含的试验室温度306对应的压缩机电流的近似值，作为估计性能值。计算部105还计算在表示由蓄积部104蓄积的运用数据201中包含的气温205与制冷剂压力210的相关关系的近似曲线上，与试验数据301中包含的试验室温度306对应的制冷剂压力的近似值，作为估计性能值。
最后，进行车辆空调机的劣化诊断。
在图5的步骤S507和步骤S508中，操作部102在由操作画面请求执行劣化诊断时，通知诊断部107开始执行。
在图14的步骤S1001～步骤S1003中，诊断部107接收来自操作部102的执行开始通知，读出由保存部106保存的校正率C1，通知保存部106读出完成。在图13的步骤S913和步骤S914中，保存部106接收该读出完成通知。
在图14的步骤S1002中，有时没有保存校正率C1。在这种情况下，在图14的步骤S1004和步骤S1005中，诊断部107读出由保存部106保存的校正率C2，通知保存部106读出完成。在图13的步骤S915和步骤S916中，保存部106接收该读出完成通知。
在图14的步骤S1004中，有时没有保存校正率C2。在这种情况下，在图14的步骤S1006和步骤S1007中，诊断部107读出由保存部106保存的校正率C3，通知保存部106读出完成。在图13的步骤S917和步骤S918中，保存部106接收该读出完成通知。
在图14的步骤S1006中，有时没有保存校正率C3。在这种情况下，在图14的步骤S1008和步骤S1009中，诊断部107读出由保存部106保存的校正率C4，通知保存部106读出完成。在图13的步骤S919和步骤S920中，保存部106接收该读出完成通知。
为了简化说明，在图14的步骤S1008中，假设不存在没有保存校正率C4的情况。
在图15的步骤S1010和步骤S1011中，诊断部107根据由蓄积部104蓄积的数据中的运用数据201的电车运用204识别运用数据201，读出运用数据201，通知蓄积部104读出完成。在图7的步骤S707和步骤S708中，蓄积部104接收该读出完成通知。
根据如上所述读出的数据，校正在电车运用中得到的状态信息。
在图15的步骤S1012和步骤S1013中，诊断部107根据由蓄积部104蓄积的数据中的试验数据401的出厂试验404和劣化状态405识别试验数据401，读出试验数据401，通知蓄积部104读出完成。在图7的步骤S711和步骤S712中，蓄积部104接收该读出完成通知。
在图15的步骤S1014中，诊断部107计算运用数据201的压缩机电流209与读出的压缩机电流的校正率之积。然后，诊断部107对该积与试验数据401的压缩机电流407进行比较。并且，诊断部107计算运用数据201的制冷剂压力210与读出的制冷剂压力的校正率之积。然后，诊断部107对该积与试验数据401的制冷剂压力408进行比较。
在图15的步骤S1015和步骤S1016中，诊断部107将比较的结果是值一致时的劣化程度409作为诊断结果，并通知给操作部102。
在图5的步骤S509和步骤S510中，操作部102在接收到来自诊断部107的诊断结果通知时，在操作画面上显示诊断结果。
如上所述，在步骤S1010中，诊断部107取得新的运用数据201。在步骤S1016和步骤S1017中，诊断部107对新的运用数据201中包含的运用性能值和劣化后性能值中的一个性能值、与另一个性能值和校正率之积进行比较，进行设备的劣化诊断。在本实施方式中，计算部105将劣化前性能值除以估计性能值来计算校正率。因此，诊断部107对劣化后性能值与新的运用数据201中包含的运用性能值和校正率之积进行比较，进行设备的劣化诊断。另外，作为变形例，计算部105还可以将估计性能值除以劣化前性能值来计算校正率。在这种情况下，诊断部107对新的运用数据201中包含的运用性能值与劣化后性能值和校正率之积进行比较，进行设备的劣化诊断。
如前所述，在步骤S804中，在电车运用中得到的运用数据201有时没有气温205与试验室温度306相等、门开闭状态206为关闭、乘车率207为0％、行进速度208为0km/h这4个条件全部满足的运用数据201。在这种情况下，以只有1个条件不同的运用数据201为对象，生成针对不同的1个条件的状态信息的近似曲线，估计满足这1个条件时的状态信息。但是，在此，作为变形例，假设只有1个条件不同的运用数据201也不存在。在该例子中，以只有2个条件不同的运用数据201为对象，分阶段地生成分别针对不同的2个条件的状态信息的近似曲线，估计满足这2个条件时的状态信息。“不同的2个条件”是按照预先决定的优先顺位选择的。在此，作为“不同的2个条件”，气温205和乘车率207的组合被第一个选择。具体的步骤如下所述。
首先，计算部105根据由蓄积部104蓄积的数据中的运用数据201的电车运用204识别运用数据201，选择门开闭状态206为关闭、乘车率207为10％、行进速度208为0km/h的运用数据201。
与步骤S812的处理相同，计算部105对选择出的运用数据201中的气温205相等的运用数据201，计算压缩机电流209和制冷剂压力210各自的平均值。
与步骤S813的处理相同，计算部105生成针对气温205的压缩机电流209和制冷剂压力210各自的平均值的近似曲线。
与步骤S814的处理相同，计算部105根据生成的近似曲线，确定气温与试验室温度306相等时的压缩机电流和制冷剂压力各自的值。
这样，计算部105使用乘车率207为10％的运用数据201，计算与乘车率207为10％的情况对应的、气温与试验室温度306相等时的压缩机电流和制冷剂压力各自的值。计算部105不仅对乘车率207为10％的情况，而且对乘车率207为20％、30％、…、100％的情况，也计算气温与试验室温度306相等时的压缩机电流和制冷剂压力各自的值。另外，乘车率207还可以按照1％单位等其它的单位来设定而不是按照10％单位来设定。
然后，计算部105根据如上所述计算出的压缩机电流和制冷剂压力各自的值，生成针对乘车率207的压缩机电流和制冷剂压力各自的值的近似曲线。
与步骤S814的处理相同，计算部105根据生成的近似曲线，确定乘车率207为0％时的压缩机电流和制冷剂压力各自的值。然后，与步骤S815的处理相同，计算部105计算试验数据301的压缩机电流307与已确定的压缩机电流的值之商作为压缩机电流的校正率C5，计算试验数据301的制冷剂压力308与已确定的制冷剂压力的值之商作为制冷剂压力的校正率C5。
校正率C5与校正率C1、C2、C3、C4相同，可以用于车辆空调机的劣化诊断。
在此，设N为2以上的整数，由蓄积部104蓄积的运用数据201和试验数据301、401分别包含表示种类相互不同的环境条件的条件值即第1条件值～第N条件值。设M为与N相等的整数，如果在由蓄积部104蓄积的运用数据201中没有第1条件值～第M条件值中的至少任意一个条件值与试验数据301一致的运用数据201，则计算部105对在由蓄积部104蓄积的运用数据201中第1条件值～第M-1条件值的组合相互一致的运用数据201进行分组。计算部105执行如下处理：按照每个组计算在表示各组的运用数据201中包含的第M条件值与运用性能值的相关关系的近似曲线上，与试验数据301中包含的第M条件值对应的运用性能值的近似值。然后，设M为逐次减1的整数，计算部105反复执行上述处理直到M为1为止。计算部105计算在表示上一次进行分组时各组的运用数据201中包含的第1条件值与按照每个组计算出的运用性能值的近似值的相关关系的近似曲线上，与试验数据301中包含的第1条件值对应的运用性能值的近似值，作为估计性能值。
作为具体例，运用数据201的乘车率207和试验数据301的乘车率分别与第1条件值相当。虽然出厂试验中的乘车率的值并非明显地包含在试验数据301中，但是，在此视为0％，可认为明显地包含在试验数据301中。运用数据201的气温205和试验数据301的试验室温度306分别与第2条件值相当。如果在由蓄积部104蓄积的运用数据201中没有乘车率207和气温205中的至少任意一方与试验数据301一致的运用数据201，则计算部105对在由蓄积部104蓄积的运用数据201中乘车率207相互一致的运用数据201进行分组。计算部105执行如下处理：按照每个组计算在表示各组的运用数据201中包含的乘车率207与压缩机电流209的相关关系的近似曲线上，与试验数据301中包含的试验室温度306对应的压缩机电流的近似值。计算部105还执行如下处理：按照每个组计算在表示各组的运用数据201中包含的乘车率207与制冷剂压力210的相关关系的近似曲线上，与试验数据301中包含的试验室温度306对应的制冷剂压力的近似值。计算部105计算在表示上一次进行分组时各组的运用数据201中包含的乘车率与按照每个组计算出的压缩机电流的近似值的相关关系的近似曲线上，与试验数据301中包含的乘车率对应的运用性能值的近似值，作为估计性能值。计算部105计算在表示上一次进行分组时各组的运用数据201中包含的乘车率与按照每个组计算出的制冷剂压力的近似值的相关关系的近似曲线上，与试验数据301中包含的乘车率对应的制冷剂压力的近似值，作为估计性能值。
***实施方式的效果说明***
在本实施方式中，估计在与试验时的环境条件相同的环境条件下车辆空调机的实际运用中的性能。然后，根据估计出的性能，计算用于使用表示劣化状态的数据进行劣化诊断的基准值即校正率。由此，能够缩短计算校正率所需要的时间。
在本实施方式中，通过在出厂试验时模拟车辆空调机的劣化状态并追加取得状态信息，对在电车运用时取得的状态信息进行校正以符合出厂试验时的测定条件，能够以表示在出厂试验中取得的劣化状态的状态信息为基准进行劣化诊断。
***其它结构***
在本实施方式中，操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的功能通过软件来实现，作为变形例，操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的功能也可以通过软件和固件的组合来实现。即，也可以是，操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的功能的一部分通过专用的电子电路来实现，其它部分通过软件来实现。
专用的电子电路例如是单一电路、复合电路、程序化的处理器、并行程序化的处理器、逻辑IC、GA、FPGA或者ASIC。“GA”是Gate Array(门阵列)的缩略语。“FPGA”是FieldProgrammable Gate Array(现场可编程门阵列)的缩略语。“ASIC”是ApplicationSpecificIntegrated Circuit(面向特定用途的集成电路)的缩略语。
将处理器111、存储器112和专用的电子电路统称作“处理线路”。即，不论操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的功能是通过软件来实现还是通过软件和硬件的组合来实现，操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的功能都是通过处理线路来实现。
也可以将劣化诊断装置101的“装置”改写成“方法”，将操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的“部”改写成“工序”。或者，还可以将劣化诊断装置101的“装置”改写成“程序”、“程序产品”或者“记录有程序的计算机能读取的介质”，还可以将操作部102、接收部103、蓄积部104、计算部105、保存部106和诊断部107的“部”改写成“步骤”或者“处理”。
标号说明
101劣化诊断装置；102操作部；103接收部；104蓄积部；105计算部；106保存部；107诊断部；111处理器；112存储器；113显示器接口；114通信接口；201运用数据；202设备ID；203时刻；204电车运用；205气温；206门开闭状态；207乘车率；208行进速度；209压缩机电流；210制冷剂压力；301试验数据；302设备ID；303时刻；304出厂试验；305正常状态；306试验室温度；307压缩机电流；308制冷剂压力；401试验数据；402设备ID；403时刻；404出厂试验；405劣化状态；406试验室温度；407压缩机电流；408制冷剂压力；409劣化程度。

Claims (10)

1.一种劣化诊断装置，该劣化诊断装置具有：
蓄积部，其蓄积运用数据，该运用数据包含测定设备的实际运用中的性能而得到的性能值即运用性能值和表示实际运用中的环境条件的一个以上的条件值；
计算部，其取得试验数据，该试验数据包含对所述设备的劣化前及劣化后的性能进行试验而得到的性能值即劣化前性能值及劣化后性能值和表示试验时的环境条件的一个以上的条件值，该计算部根据由所述蓄积部蓄积的运用数据，估计在与所述试验时的环境条件相同的环境条件下所述设备的实际运用中的性能，计算通过估计而得到的性能值即估计性能值与所述劣化前性能值之间的比率即校正率；以及
诊断部，其取得新的运用数据，对所述新的运用数据中包含的运用性能值和所述劣化后性能值中的一个性能值、与另一个性能值和所述校正率之积进行比较，进行所述设备的劣化诊断。
2.根据权利要求1所述的劣化诊断装置，其中，
如果在由所述蓄积部蓄积的运用数据中具有至少1个条件值与所述试验数据一致的运用数据，则所述计算部根据在相应的运用数据中该至少1个条件值相互一致的运用数据，决定所述估计性能值。
3.根据权利要求1或2所述的劣化诊断装置，其中，
如果在由所述蓄积部蓄积的运用数据中具有全部条件值与所述试验数据一致的运用数据，则所述计算部将相应的运用数据中包含的运用性能值决定为所述估计性能值。
4.根据权利要求1～3中的任意一项所述的劣化诊断装置，其中，
如果在由所述蓄积部蓄积的运用数据中没有全部条件值与所述试验数据一致的运用数据，则所述计算部分析由所述蓄积部蓄积的运用数据中包含的条件值与运用性能值的相关关系，计算所述估计性能值。
5.根据权利要求1～4中的任意一项所述的劣化诊断装置，其中，
由所述蓄积部蓄积的运用数据和所述试验数据分别包含表示一种环境条件的条件值即第1条件值，
如果在由所述蓄积部蓄积的运用数据中没有第1条件值与所述试验数据一致的运用数据，则所述计算部计算在表示由所述蓄积部蓄积的运用数据中包含的第1条件值与运用性能值的相关关系的近似曲线上，与所述试验数据中包含的第1条件值对应的运用性能值的近似值，作为所述估计性能值。
6.根据权利要求1～4中的任意一项所述的劣化诊断装置，其中，
设N为2以上的整数，由所述蓄积部蓄积的运用数据和所述试验数据分别包含表示种类相互不同的环境条件的条件值即第1条件值～第N条件值，
设M为与N相等的整数，如果在由所述蓄积部蓄积的运用数据中没有第1条件值～第M条件值中的至少任意一个条件值与所述试验数据一致的运用数据，则所述计算部对在由所述蓄积部蓄积的运用数据中第1条件值～第M-1条件值的组合相互一致的运用数据进行分组，
所述计算部执行如下处理：按照每个组计算在表示各组的运用数据中包含的第M条件值与运用性能值的相关关系的近似曲线上，与所述试验数据中包含的第M条件值对应的运用性能值的近似值，
设M为逐次减1的整数，所述计算部反复执行上述处理直到M为1为止，
所述计算部计算在表示上一次进行分组时各组的运用数据中包含的第1条件值与按照每个组计算出的运用性能值的近似值的相关关系的近似曲线上，与所述试验数据中包含的第1条件值对应的运用性能值的近似值，作为所述估计性能值。
7.根据权利要求1～6中的任意一项所述的劣化诊断装置，其中，
所述计算部将所述劣化前性能值除以所述估计性能值来计算所述校正率，
所述诊断部对所述劣化后性能值与所述新的运用数据中包含的运用性能值和所述校正率之积进行比较，进行所述设备的劣化诊断。
8.根据权利要求1～6中的任意一项所述的劣化诊断装置，其中，
所述计算部将所述估计性能值除以所述劣化前性能值来计算所述校正率，
所述诊断部对所述新的运用数据中包含的运用性能值与所述劣化后性能值和所述校正率之积进行比较，进行所述设备的劣化诊断。
9.一种劣化诊断方法，在该劣化诊断方法中，
蓄积部蓄积运用数据，该运用数据包含测定设备的实际运用中的性能而得到的性能值即运用性能值和表示实际运用中的环境条件的一个以上的条件值；
计算部取得试验数据，该试验数据包含对所述设备的劣化前及劣化后的性能进行试验而得到的性能值即劣化前性能值及劣化后性能值和表示试验时的环境条件的一个以上的条件值，该计算部根据由所述蓄积部蓄积的运用数据，估计在与所述试验时的环境条件相同的环境条件下所述设备的实际运用中的性能，计算通过估计而得到的性能值即估计性能值与所述劣化前性能值之间的比率即校正率，
诊断部取得新的运用数据，将所述新的运用数据中包含的运用性能值和所述劣化后性能值中的一个性能值、与另一个性能值和所述校正率之积进行比较，进行所述设备的劣化诊断。
10.一种劣化诊断程序，其使在存储器蓄积运用数据的计算机执行如下步骤，该运用数据包含测定设备的实际运用中的性能而得到的性能值即运用性能值和表示实际运用中的环境条件的一个以上的条件值，
所述步骤包含：
取得试验数据，该试验数据包含对所述设备的劣化前及劣化后的性能进行试验而得到的性能值即劣化前性能值及劣化后性能值和表示试验时的环境条件的一个以上的条件值，根据所述存储器中蓄积的运用数据，估计在与所述试验时的环境条件相同的环境条件下所述设备的实际运用中的性能，计算通过估计而得到的性能值即估计性能值与所述劣化前性能值之间的比率即校正率；以及
取得新的运用数据，对所述新的运用数据中包含的运用性能值和所述劣化后性能值中的任意一个性能值、与另一个性能值和所述校正率之积进行比较，进行所述设备的劣化诊断。
CN201680090805.7A 2016-11-21 2016-11-21 劣化诊断装置、劣化诊断方法以及劣化诊断程序 Pending CN109952562A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/084465 WO2018092312A1 (ja) 2016-11-21 2016-11-21 劣化診断装置、劣化診断方法および劣化診断プログラム

Publications (1)

Publication Number Publication Date
CN109952562A true CN109952562A (zh) 2019-06-28

Family

ID=62145458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680090805.7A Pending CN109952562A (zh) 2016-11-21 2016-11-21 劣化诊断装置、劣化诊断方法以及劣化诊断程序

Country Status (5)

Country Link
US (1) US20210138873A1 (zh)
EP (1) EP3531036B1 (zh)
JP (1) JP6758403B2 (zh)
CN (1) CN109952562A (zh)
WO (1) WO2018092312A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11550687B2 (en) * 2019-12-09 2023-01-10 Micron Technology, Inc. Using memory device sensors
JP7480683B2 (ja) * 2020-11-18 2024-05-10 トヨタ自動車株式会社 状態推定装置、方法およびプログラム
JP2023062950A (ja) * 2021-10-22 2023-05-09 株式会社日立製作所 車両情報管理装置、車両情報管理システム及び空調装置の異常判定方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279353A (zh) * 2010-06-08 2011-12-14 株式会社日立制作所 配电设备劣化诊断装置
JP2015148394A (ja) * 2014-02-07 2015-08-20 三菱電機株式会社 圧縮機劣化診断装置及び圧縮機劣化診断方法
EP2950626A1 (en) * 2014-05-29 2015-12-02 Hitachi, Ltd. Error detection system for cooling apparatus

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6701727B2 (en) * 2001-10-12 2004-03-09 Hitachi Building Systems Co., Ltd. Apparatus and method for managing heat source unit for air conditioner
JP3792634B2 (ja) * 2002-10-22 2006-07-05 本田技研工業株式会社 内燃機関の排気ガス浄化装置の劣化判別装置
JP4958421B2 (ja) 2005-09-22 2012-06-20 三菱電機株式会社 鉄道車両用空気調和システム
JP4290705B2 (ja) * 2006-03-07 2009-07-08 株式会社Ｎｔｔファシリティーズ 空気調和機の診断方法及び診断システム
JP4891020B2 (ja) * 2006-09-27 2012-03-07 株式会社ケーヒン 車両用空気調和装置
JP2010243092A (ja) 2009-04-07 2010-10-28 Fuji Electric Fa Components & Systems Co Ltd 冷凍機の劣化検出方法およびシステム
EP2913601A4 (en) * 2012-10-25 2016-07-06 Mitsubishi Electric Corp MONITORING SYSTEM
US9551504B2 (en) * 2013-03-15 2017-01-24 Emerson Electric Co. HVAC system remote monitoring and diagnosis
JP5642227B2 (ja) 2013-04-25 2014-12-17 三菱電機株式会社 空気調和装置及び空気調和装置監視システム
JP2015162032A (ja) * 2014-02-27 2015-09-07 株式会社日立製作所 移動体の診断装置
JP6414667B2 (ja) * 2014-03-27 2018-10-31 株式会社日立プラントコンストラクション 鉄道車両保守計画解析システム
CN105135591B (zh) * 2015-07-01 2018-04-10 西安理工大学 基于多分类策略的列车空调机组故障诊断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279353A (zh) * 2010-06-08 2011-12-14 株式会社日立制作所 配电设备劣化诊断装置
JP2015148394A (ja) * 2014-02-07 2015-08-20 三菱電機株式会社 圧縮機劣化診断装置及び圧縮機劣化診断方法
EP2950626A1 (en) * 2014-05-29 2015-12-02 Hitachi, Ltd. Error detection system for cooling apparatus

Also Published As

Publication number Publication date
EP3531036A1 (en) 2019-08-28
US20210138873A1 (en) 2021-05-13
EP3531036A4 (en) 2019-10-30
EP3531036B1 (en) 2020-09-30
JPWO2018092312A1 (ja) 2019-03-28
WO2018092312A1 (ja) 2018-05-24
JP6758403B2 (ja) 2020-09-23

Similar Documents

Publication Publication Date Title
US10671933B2 (en) Method and apparatus for evaluating predictive model
Liu et al. Automated in vivo segmentation of carotid plaque MRI with morphology‐enhanced probability maps
CN109952562A (zh) 劣化诊断装置、劣化诊断方法以及劣化诊断程序
Zheng et al. A nonlinear prognostic model for degrading systems with three-source variability
CN109447156B (zh) 用于生成模型的方法和装置
CN103678139B (zh) 进行瘦供给的方法和装置
US20160100826A1 (en) Predicted menstruation start date calculation apparatus, program, and body analysis apparatus
US11288065B2 (en) Devops driven cognitive cost function for software defect prediction
CN109471862A (zh) 数据处理方法及装置、电子设备、存储介质
CN114049072B (zh) 指标确定方法、装置、电子设备和计算机可读介质
CN105335592A (zh) 生成时间数据序列的缺失区段中的数据的方法和设备
Chen et al. Hyper-parameter optimization based nonlinear multistate deterioration modeling for deterioration level assessment and remaining useful life prognostics
CN109639526A (zh) 网络数据监控方法、装置、设备及介质
CN109669875A (zh) 应用崩溃测试方法、装置、电子设备及存储介质
WO2018167826A1 (ja) 因果関係評価装置、因果関係評価システムおよび因果関係評価方法
US20130085725A1 (en) Method and circuit for calculating sensor modelling coefficients
KR102460360B1 (ko) 무선 통신 시스템에서 위치 추정 장치 및 방법
JP2022054457A (ja) Ｑ学習を用いたスキャンチェーンワイヤ長の最適化の方法、コンピュータシステム、コンピュータプログラム（ｑ学習を用いたスキャンチェーンワイヤ長の最適化ベースの強化学習）
US11508465B2 (en) Systems and methods for determining event probability
JP4947427B2 (ja) 検査時間制御装置、方法、およびプログラム
CN117761563A (zh) 一种电池的健康状态确定方法、装置、设备和存储介质
US9608746B1 (en) Detecting deviation in broadcasting device properties
US11537115B2 (en) Digital replica based simulation to predict preventative measures and/or maintenance for an industrial location
JP3127856B2 (ja) Ｌｓｉ組み合わせ回路故障推論装置
Hendrawan Accessibility Degradation Prediction on LTE/SAE Network Using Discrete-Time Markov Chain (DTMC) Model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190628