CN110168461A - 异常诊断系统 - Google Patents

异常诊断系统 Download PDF

Info

Publication number
CN110168461A
CN110168461A CN201780082562.7A CN201780082562A CN110168461A CN 110168461 A CN110168461 A CN 110168461A CN 201780082562 A CN201780082562 A CN 201780082562A CN 110168461 A CN110168461 A CN 110168461A
Authority
CN
China
Prior art keywords
diagnostic process
diagnostic
processing
exploration
sensor
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.)
Granted
Application number
CN201780082562.7A
Other languages
English (en)
Other versions
CN110168461B (zh
Inventor
鹈沼宗利
藤原淳辅
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.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of CN110168461A publication Critical patent/CN110168461A/zh
Application granted granted Critical
Publication of CN110168461B publication Critical patent/CN110168461B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/25—Testing of logic operation, e.g. by logic analysers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26—Functional testing
    • G06F11/273—Tester hardware, i.e. output processing circuits
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
    • G05B23/0294—Optimizing process, e.g. process efficiency, product quality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • 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
    • G06F11/3452—Performance evaluation by statistical analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

在现有的诊断装置中，在固定处理内容，并变更了诊断对象或诊断传感器时，需要面向新的诊断对象或诊断传感器重新制作诊断装置。此外，在研发了新的诊断算法的情况下，存在无法将与此前所使用的算法的优势等进行比较的问题。因此，本发明设为如下结构。即，一种检测诊断对象机械的故障征兆的异常诊断系统，其由以下部分构成：诊断处理探索部，其对多个诊断处理次序进行比较而探索适当的诊断处理次序，并且输出与该适当的诊断处理次序对应的再构成信息；以及诊断处理部，其具有能够再构成的处理部，并且根据所述再构成信息来再构成所述处理部，由此使用所述诊断处理探索部探索出的所述适当的诊断处理次序来检测所述诊断对象机械的故障征兆。

Description

异常诊断系统
技术领域
本发明涉及具有驱动部分的机械的异常诊断系统、以及异常诊断方法。
背景技术
作为本技术领域的关联技术存在专利文献1。例如，在同一文献的摘要中，有如下记载：“异常征兆诊断装置具有：传感器数据取得单元，其取得由设置于机械设备的多个传感器测定出的多维传感器数据；数据采集部，其针对诊断对象数据，根据表示距正常模型的背离的程度的异常度来诊断有无异常征兆，所述正常模型通过使用了机械设备正常运转时的传感器数据的学习而生成；以及远程监控部，其根据个别传感器数据的值是否处于预先设定的规定范围内，来诊断有无异常征兆，数据采集部按照初始化指示单元的指示，在外部环境的状态变动得大时，执行初始化模式的学习从而进行正常模型的再构筑。”
现有技术文献
专利文献1：日本特开2015-18389号公报
发明内容
发明要解决的课题
在专利文献1中，叙述了根据距正常模型的背离的程度来诊断机械设备的异常的征兆这样的方法。此外，还叙述了对应于外部环境的变化来再构筑正常模型的方法。
但是，在固定该诊断装置的处理内容，变更了诊断对象或诊断传感器的情况下，需要面向新的诊断对象或诊断传感器重新制作诊断装置。
此外，关于诊断算法的变更没有叙述，在研发了新的诊断算法的情况下，存在没有对与此前所使用的算法的优势等进行比较的单元的问题。
用于解决课题的手段
为了解决上述的课题，本发明的异常检测系统检测诊断对象机械的故障征兆，其构成为：诊断处理探索部，其对多个诊断处理次序进行比较而探索适当的诊断处理次序，并且输出与该适当的诊断处理次序对应的再构成信息；以及诊断处理部，其具有能够再构成的处理部，并且根据所述再构成信息来再构成所述处理部，由此使用所述诊断处理探索部探索出的所述适当的诊断处理次序来检测所述诊断对象机械的故障征兆。
发明效果
根据本发明，由于可以容易地再构成诊断处理部，因此即使是诊断对象机械或诊断对象项目发生变更的情况下，也可以简单、迅速地实现与变更后的诊断对象等相适合的诊断处理次序的故障征兆检测。
附图说明
图1是一实施例的异常诊断系统的结构图
图2是一实施例的异常诊断系统的处理流程
图3是能够再构成的电路的概要
图4是图2的各处理的处理内容
图5是准备的诊断处理次序的示例
图6是从图5的诊断处理次序中选择出的最佳诊断处理次序的示例
具体实施方式
以下，使用附图对本发明的实施例进行说明。
图1是一实施例的异常诊断系统100的结构图。该异常诊断系统100用于检测诊断对象机械的故障征兆，如这里所示，构成为：最佳诊断处理探索部1(也称为“诊断处理探索部”)，其探索最佳的诊断处理次序；实际运用诊断处理部2(也称为“诊断处理部”)，其用于实际检测诊断对象机械的故障征兆；网络上的存储处理装置101；以及将它们连接的通信路102。另外，以下，以具有网络上的存储处理装置101的系统为前提来进行说明，但是也可以设为将其省略后的结构。另外，以下使用的“最佳诊断处理”的表现并非意味着考虑了所有的条件之后的“最佳诊断处理”，其指的是在已限定的条件下可以确认的“最佳诊断处理”，换言之，也叫做“适当的诊断处理”。
在图1中，异常诊断系统100的诊断对象是由电源3a、旋转机3b、空气压缩机本体3c构成的空气压缩装置3。在电源3a中安装有测量某个部位的电流的电流传感器4a、5a，在旋转机3b中安装有加速度传感器4b、5b，在空气压缩机本体3c中安装有加速度传感器4c、5c。另外，以下，将由电流传感器4a、加速度传感器4b、4c获得的传感器数据称为第一传感器数据6a，将由电流传感器5a、加速度传感器5b、5c获得的传感器数据称为第二传感器数据6b。
其中，第一传感器数据6a输入到最佳诊断处理探索部1，第二传感器数据6b输入到实际运用诊断处理部2。在图1中，将加速度传感器分为最佳诊断处理探索部1专用和实际运用诊断处理部2专用而分别设置的结构，将电流传感器设为共用一个传感器的结构，但是本发明的应用对象不限定于该结构。
在诊断对象的测定范围等未知的情况下，如图1的加速度传感器那样，优选分别设置传感器，将最佳诊断处理探索部1专用的传感器(4a、4b、4c)设为检测频带和测量范围都宽的高额的传感器，将实际运用诊断处理部2专用的传感器(5a、5b、5c)设为检测频带和测量范围都窄的廉价的传感器。这是因为，如果使用最佳诊断处理探索部1专用的传感器能够确定异常诊断所需的频带和测定范围，则选择满足该范围的廉价的实际运用诊断处理部2专用的传感器，由此可以廉价地实现实际运用诊断处理部2的适当的异常诊断。
另一方面，在诊断对象的测定范围等已知的情况下，如图1的电流传感器那样，设为最佳诊断处理探索部1与实际运用诊断处理部2共用一个传感器的结构，使用检测频带和测量范围都窄的廉价的传感器即可。
最佳诊断处理探索部1是探索最佳的诊断处理次序或算法的部分，如图1所示，由中央控制装置11、输入装置12、输出装置13、通信装置14、信号处理组存储部15、信号处理执行部16、以及实际运用处理再构成部17构成。它们可以使用个人计算机等来实现，也可以制作为专用机。此外，虽然在后面进行叙述，但是也可以使用能够再构成处理次序或算法的电子电路或CPU来构造一部分或者整体。
此外，实际运用诊断处理部2是使用能够再构成由最佳诊断处理探索部1探索出的最佳处理次序或算法的电子电路或CPU来实现整体或一部分的处理部，如图1所示，由中央控制装置21、输入装置22、输出装置23、通信装置24、能够再构成的电路和处理装置25、以及装置规范信息数据库26构成。
这里，图3中表示能够再构成的电路和处理装置25的概要。如这里所示，能够再构成的电路和处理装置25对从电流传感器5a、加速度传感器5b、5c等实际运用诊断处理部2用的传感器获得的传感器数据30进行处理并输出诊断结果34，由能够再构成的模拟电路31、能够再构成的数字电路32、能够编程的CPU33构成。它们可以以任意的顺序连接，例如，首先，由能够再构成的模拟电路31来处理传感器数据30，由能够再构成的数字电路32来处理能够再构成的模拟电路31的输出，由能够编程的CPU33来处理能够再构成的数字电路32的输出，由此可以进行取得诊断结果34等的用法。
另外，能够再构成的模拟电路31是通过开关电路来切换内部的放大运算器或电阻、电容等电路连接而能够再构成为具有各种功能的模拟电路的电路，也叫做Programmable System-on-Chip。通过变更能够再构成的模拟电路31内部的电路连接，可以适当地实现在模拟区域内对模拟传感器数据进行滤波处理或平均值和实效值处理等模拟信号处理。
此外，作为能够再构成的数字电路32的一例列举出FPGA(field-programmablegate array)。即使通过能够再构成的数字电路32来进行内部逻辑电路的再构成，也可以实现各种数字信号处理。
除此之外，通过使用能够编程的CPU33，可以实现进行将模拟区域与数字区域混合而得的各种信号处理的能够再构成的装置。
图1所示的、实际运用诊断处理部2的装置诸元信息数据库26记录实际运用诊断处理部2自身的诸元或所连接的传感器(电流传感器5a、加速度传感器5b、5c)的诸元信息，用于在最佳诊断处理探索部1制作再构成指令信息时、或进行与实际运用诊断处理部2连接的传感器的选定时等。另外，装置诸元信息数据库26未必需要配置于实际运用诊断处理部2，也可以配置于最佳诊断处理探索部1，关于网络上的存储处理装置101或者传感器诸元也可以存储于传感器自身。
接下来，对最佳诊断处理探索部1和实际运用诊断处理部2的结构进行更详细地说明。
如图1所示，最佳诊断处理探索部1由存储了各种信号处理方法的信号处理组存储部15、执行各种信号处理的信号处理执行部16、用于制作面向实际运用诊断处理部2的再构成信息的实际运用处理再构成部17等构成。
信号处理组存储部15由前端处理存储部15a、前处理存储部15b、特征量提取处理存储部15c、诊断处理存储部15d等构成，存储各处理程序块中的处理算法。各处理程序块考虑到实际运用诊断处理部2中的模拟/数字混合处理，准备分别能够在模拟区域(也包括模拟试验)以及数字区域执行的处理程序块。
信号处理执行部16是执行存储于信号处理组存储部15的处理算法的部分，具体来说，由处理次序控制部16a、前端处理部16b、前处理部16c、特征量提取处理部16d、诊断处理部16e、诊断结果评价部16f构成。
实际运用处理再构成部17由处理次序和诊断结果的存储数据库17a、再构成信息制作部17b构成。处理次序和诊断结果的存储数据库17a中存储信号处理执行部16的多个执行结果。再构成信息制作部17b生成实际运用诊断处理部2的再构成信息。从存储于处理次序和诊断结果的存储数据库17a中的多个执行结果中选出被诊断结果评价部16f评价为最佳诊断处理次序的结果，由再构成信息制作部17b生成实际运用诊断处理部2的再构成信息。实际运用诊断处理部2根据所生成的再构成信息，对能够再构成的电路和处理装置25中的、能够再构成的模拟电路31、能够再构成的数字电路32、能够编程的CPU33进行再构成。
接下来，使用图2的流程图对由上述结构构成的本实施例的异常诊断系统100的处理次序进行说明。
在开始最佳诊断处理探索时(S1)，首先，进行最佳诊断处理探索部1的处理(S2～S13)，之后，进行实际运用诊断处理部2的处理(S14～S25)。
在最佳诊断处理探索部1中，首先，取得第一传感器数据6a(S2)，针对该输入值按照前端处理S3、前处理S4、特征量提取处理S5、诊断处理S6的顺序对每一个程序块进行基于多个处理算法的处理。
图4表示通过S2～S6进行的、最佳诊断处理探索部1的处理内容的详细情况。另外，各处理算法蓄积于信号处理组存储部15。
在第一传感器数据取得处理S2中，取得第一传感器数据6a。如处理程序块40所例示那样，这里与来自各种类型的传感器的数据取得相对应。例如是对应于加速度的大小使电荷量变化的传感器、像热电偶那样使电动势变化的传感器、其他电流值和电压值电阻值等变化的模拟输出传感器、以及在传感器侧进行A/D变换，以数字值输出的传感器或以脉冲长度输出的数字输出传感器等各种类型的传感器。
如处理程序块41所例示那样，前端处理S3是如下处理：在第一传感器数据6a是模拟输出时，变换为在模拟区域可以统一处理的电压值，在第一传感器数据6a是由脉冲长度等表现的数字输出时，收集该数字值。由于与多个变换处理相对应，因此评价者可以按变换处理根据处理模块制作需要来对它们进行增减，从而能够实现最佳的变换处理，也可以使用图3所例示那样的、能够再构成的模拟电路或数字电路来对所希望的电路进行再构成。
如处理程序块42所例示那样，前处理S4是进行通过前端处理S3收集到的数据的滤波处理或净化处理，并进行去除信号处理不需要的信号成分或数据值的前处理的部分。
特征量提取处理S5是提取对机械异常检测有效的特征量的处理。在图4中，如处理程序块43所例示那样，准备了实效值处理、平均值处理、光谱强调、相位等，但是也可以使用其他特征量变换算法而向特征量变换。
诊断处理S6基于在特征量提取处理S5提取出的诊断所需的特征量来进行异常诊断处理。在图4中，如处理程序块44所例示那样，作为异常诊断的具体方法，虽然准备使用了阈值处理、趋势分析、统计分析、AI的方法、与使用了机器学习的方法，但是也可以使用其他诊断算法来进行诊断处理。
另外，如图4所示，在处理程序块41、43、44中准备了A/D变换处理。这是因为可以从模拟信号处理区域向数字信号处理区域移交前端处理S3、特征量提取处理S5、诊断处理S6以后的处理。例如，在特征量提取处理S5的最后进行A/D变换时，到特征量变换处理S5为止进行模拟处理，在诊断处理S6以后进行数字处理，在诊断处理S6中，可以利用基于FPGA或CPU的信号处理方法。
此外，也可以按各处理来进行处理结果的可视化45。处理结果的可视化45可以根据处理结果来制作描绘数据，将其显示于最佳诊断处理探索部1所具有的输出装置13等来实现。
接下来，使用图5，对使用了电荷输出型的加速度传感器的本实施例的异常诊断系统100中的、最佳诊断处理探索部1的诊断处理次序的一例进行说明。
如这里所示，首先，通过传感器数据取得处理S2取得电荷输出型加速度传感器50的电荷量，通过前端处理S3进行从电荷量向电压值的变换处理51。在变换后的电压值低的情况下，使用增幅器52来进行增幅(增幅值的参数等也成为后述的诊断结果评价部的选择项目)。
增幅器52以后可以分为在模拟区域进行前处理S4与特征量提取S5的图5上侧的处理程序块、与在数字区域进行那些处理的图5下侧的处理程序块来进行处理。
像这样分开是因为相比于数字信号处理，模拟信号处理的自由度低(基于电容等元件选择的自由度或运算放大器的特性的制约等)，有时因该制约而在诊断结果中出现差别。此外，模拟信号处理能够实现实际时间的处理，但是数字信号处理有时因CPU的处理能力等而在诊断处理结果中出现差别。因这些理由，在图5中分开显示S4～S6的处理。当然，也可以不分离地显示处理次序，通过内部处理来判断模拟与数据的优劣，将优良的结果作为诊断结果输出。
在本实施例中，前处理S4以后的处理项目与模拟和数字信号处理区域都相同，因此，以下适当省略重复的说明。
前处理S4中，准备两种滤波器(第一滤波器、第二滤波器)，可以选择这些来进行使用。另外，这里使用的滤波器是周知技术，因此省略详细说明。
特征量提取处理S5中准备来自光谱分析(数字信号处理时配置多个FET，模拟时配置多个BPF并输出各自的实效值)的特征量提取、和来自输入波形的实效值的特征量提取，可以选择这些来进行使用。
在诊断处理S6中，准备对通过特征量提取处理S5提取出的特征量进行评价的、图示的阈值处理、趋势分析等诊断算法，可以选择这些来进行使用。
最佳诊断处理探索部1所执行的诊断处理次序可以是由最佳诊断处理探索部1的处理次序控制部16a设定，也可以是制作员通过手动作业设定了特定的组合的诊断处理次序而得的过程。前者的情况下，可以对所有的组合网罗性地设定诊断处理次序。此外，在后者的情况下，例如，使用显示于液晶显示器等输出装置13的画面图像编辑器由制作员对话性地选择所希望的诊断处理次序，或显示过去制作出的诊断处理次序，并直接对其进行再利用，可以修正一部分而进行利用。并且，考虑到从装置诸元信息数据库26获得的原始信息，在实际运用诊断处理部2中存在无法实现的处理时，可以限制在各处理中能够选择的处理内容，或者显示建议。
此外，在想要追加新的处理时，经由输入装置12或通信装置14等，将新的处理内容追加存储于信号处理组存储部15即可。
另外，虽然是与各处理程序块共通，但是例如在以将前端处理S22的处理51、52处置成一个连续处理的方式，对各处理登记多个处理内容，也可以将多个处理内容处置成一连串的处理。进一步地，在特征量提取处理S5之后，也可以再次执行前处理S4等，设定从图5的右侧返回到左侧的处理次序。
经由S2～S6的处理而获得的处理次序和诊断处理结果将两者关联起来，存储于处理次序和诊断结果的存储数据库17a(S7)。
实际上，在动作环境中到产生机械的异常为止继续诊断处理，或对装置进行加工人为性地制造异常状态而直到能够评价诊断结果的状态为止继续诊断处理。并且，若判断为存储于数据库的诊断结果充分地蓄积为能够评价的程度(S8)，则进行诊断结果的评价(S9)。例如，将正常时与异常时的评价结果的值进行比较，自动或手动选择该差异最大的处理次序或杂音等的干扰成分少的处理次序。在手动进行时，使用输出装置13来显示各处理次序的结果，可以通过使用输入装置12来实现选择等的指示。
最佳处理次序的提取处理(S10)中，从图5的诊断处理次序的候补中选择最佳处理次序。图6表示最佳处理次序的一例。在该实例中，对加速度传感器的输出即电荷量60选择如下诊断处理次序：从前端处理S3到特征量提取处理S5为止在模拟区域进行处理，在数字区域处理诊断处理S6。
再构成信息制作处理(S11)将选择出的最佳处理次序变换为用于在实际运用诊断处理部2上进行再构成的再构成信息。在图6的示例中，由于在模拟区域进行处理61～处理62，因此对这些处理进行向能够再构成的模拟电路31用的再构成信息的变换64。另一方面，由于在数字区域进行趋势分析处理63，因此将该处理变换为能够编程的CPU33用的趋势分析算法。另外，这里对通过能够编程的CPU33进行趋势分析的示例进行了说明，但是也可以设为通过能够再构成的数字电路32来进行趋势分析的结构，该情况下，对趋势分析处理63进行向能够再构成的数字电路32用的再构成信息的变换64。
并且，再构成信息输出给实际运用诊断处理部2(S12)，最佳诊断处理探索部1的处理结束(S13)。
接下来，对实际运用诊断处理部2的处理S14～S25进行说明。如图2的右侧所示，实际运用诊断处理部2在诊断处理(S18～S25)之前，进行能够再构成的电路和处理装置25的再构成处理(S14～S17)。
开始再构成处理时(S14)，首先，接收最佳诊断处理探索部1输出的再构成信息(S15)。然后，以该再构成信息为基础，进行能够再构成的模拟电路31或能够再构成的数值电路32的再构成、能够编程的CPU33的程序的变更(S16)。在反映了这些变更之后，实际运用诊断处理部2成为进行与图6所例示的最佳处理次序一样的处理次序的诊断装置(S17)。由此，实际运用诊断处理部2开始实际运用时的诊断处理时(S18)，以与图6相同的最佳的内容来执行S19～S23的处理，进行诊断结果的输出(S23)。
根据以上所说明的本实施例的异常诊断系统100，可以将新的传感器、处理算法、对应于诊断对象而由最佳诊断处理探索部1探索出的最佳处理次序简单地反映给实际运用诊断处理部2内的能够再构成的电路和处理装置25。由此，即使置换传感器或处理算法、或者将新的机械设为诊断对象的情况等，也可以迅速地再构成实际运用诊断处理部2，从而可以获得能够廉价地实现对最佳处理次序的对应等效果。此外，在研发了新的诊断算法时，可以简单地比较与此前使用的算法的优势。
另外，在图1中，假设诊断对象机械(空气压缩装置3)只有一台的环境，例示出由一台最佳诊断处理探索部1和一台实际运用诊断处理部2构成的异常诊断系统100，但是在存在多个类似的诊断对象机械的环境中，可以构成为通过一台最佳诊断处理探索部1和多台实际运用诊断处理部2来构成异常诊断系统100，由一台最佳诊断处理探索部1来探索最佳的处理，对多台实际运用诊断处理部2发布与各诊断对象对应的再构成信息。并且，在图1中，将最佳诊断处理探索部1与实际运用诊断处理部2准备为分开的结构，但是也可以将这两方的功能集中于一个装置，首先，通过作为最佳诊断处理探索部1来发挥功能而决定最佳处理，然后，作为实际运用诊断处理部2发挥功能。
此外，在图2中，对通过一个装置来处理前端处理S3～诊断处理S6的结构进行了说明，但是也可以构成为通过设置于诊断对象机械附近的装置来进行前段的处理，通过网络上的装置来进行后段的处理。例如，到特征量提取处理S5为止通过最佳诊断处理探索部1来进行，因此，经由通信路102将提取出的特征量提取数据传递给网络上的存储处理装置101，诊断处理S6以后在网络上进行，因此可以采取将所生成的再构成信息发送给实际运用诊断处理部2的结构。
符号说明
100异常诊断系统，101网络上的存储处理装置，102通信路，1最佳诊断处理探索部，11中央控制装置，12输入装置，13输出装置，14通信装置，15信号处理组存储部，15a前端处理存储部，15b前处理存储部，15c特征量提取处理存储部，15d诊断处理存储部，16信号处理执行部，16a处理次序控制部，16b前端处理部，16c前处理部，16d特征量提取处理部，16e诊断处理部，16f诊断结果评价部，17实际运用处理再构成部，17a处理次序和诊断结果的存储数据库，17b再构成信息制作部，2实际运用诊断处理部，21中央控制装置，22输入装置，23输出装置，24通信装置，25能够再构成的电路和处理装置，26装置诸元信息数据库，3空气压缩装置，3a电源，3b旋转机，3c空气压缩机本体，4a、5a电流传感器，4b、4c、5b、5c加速度传感器，6a第一传感器数据，6b第二传感器数据，30传感器数据，31能够再构成的模拟电路，32能够再构成的数字电路，33能够编程的CPU，34诊断结果。

Claims (7)

1.一种检测诊断对象机械的故障征兆的异常诊断系统，其特征在于，
由以下部分构成：
诊断处理探索部，其对多个诊断处理次序进行比较而探索适当的诊断处理次序，并且输出与该适当的诊断处理次序对应的再构成信息；以及
诊断处理部，其具有能够再构成的处理部，并且根据所述再构成信息来再构成所述处理部，由此使用所述诊断处理探索部探索出的所述适当的诊断处理次序来检测所述诊断对象机械的故障征兆。
2.根据权利要求1所述的异常诊断系统，其特征在于，
所述异常诊断系统还具有：
诸元信息数据库，其存储了所述诊断处理部的诸元信息、以及与该诊断处理部连接的传感器的诸元信息，
所述诊断处理探索部参照所述诸元信息数据库，来探索适当的诊断处理次序。
3.根据权利要求1或2所述的异常诊断系统，其特征在于，
所述诊断处理探索部和所述诊断处理部是通过通信部连接的、分别独立的装置。
4.根据权利要求1或2所述的异常诊断系统，其特征在于，
所述诊断处理探索部和所述诊断处理部是集中于一个装置的结构。
5.根据权利要求1或2所述的异常诊断系统，其特征在于，
所述诊断处理探索部是由以下部分构成的结构：
前段处理部，其设置于所述诊断对象机械附近，并且进行诊断处理次序的探索处理中前段的处理；以及
后段处理部，其经由通信路与该前段处理部连接，并且进行诊断处理次序的探索处理中后段的处理。
6.根据权利要求1或2所述的异常诊断系统，其特征在于，
所述异常诊断系统还具有：
第一传感器，其安装于所述诊断对象机械，与所述诊断处理探索部连接；以及
第二传感器，其安装于所述诊断对象机械，与所述诊断处理部连接，
所述第一传感器的检测频带以及测量范围比所述第二传感器的检测频带以及测量范围宽。
7.根据权利要求1或2所述的异常诊断系统，其特征在于，
所述诊断处理探索部和所述诊断处理部与相同的传感器连接。
CN201780082562.7A 2017-02-24 2017-02-24 异常诊断系统 Active CN110168461B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/007080 WO2018154703A1 (ja) 2017-02-24 2017-02-24 異常診断システム

Publications (2)

Publication Number Publication Date
CN110168461A true CN110168461A (zh) 2019-08-23
CN110168461B CN110168461B (zh) 2022-01-11

Family

ID=63252508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780082562.7A Active CN110168461B (zh) 2017-02-24 2017-02-24 异常诊断系统

Country Status (4)

Country Link
US (1) US11397655B2 (zh)
JP (1) JP6712354B2 (zh)
CN (1) CN110168461B (zh)
WO (1) WO2018154703A1 (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005033559A (ja) * 2003-07-14 2005-02-03 Fuji Xerox Co Ltd 故障診断装置
CN1688874A (zh) * 2002-08-30 2005-10-26 日本精工株式会社 机械设备的状态监视方法和装置以及异常诊断装置
CN101032425A (zh) * 2006-03-07 2007-09-12 安华高科技杰纳勒尔Ip（新加坡）私人有限公司 手持式诊断系统和其使用方法
US20080033695A1 (en) * 2004-10-18 2008-02-07 Nsk Ltd Abnormality Diagnosing System For Mechanical Equipment
CN101652754A (zh) * 2007-03-29 2010-02-17 日本电气株式会社 诊断系统
CN101742961A (zh) * 2007-10-18 2010-06-16 佳能株式会社 诊断支持设备、控制诊断支持设备的方法及其程序
CN102326066A (zh) * 2009-03-31 2012-01-18 日立建机株式会社 作业机械的学习诊断系统、状态诊断装置及状态学习装置
CN103180793A (zh) * 2010-10-28 2013-06-26 株式会社日立制作所 异常诊断装置以及工业机械
CN104641307A (zh) * 2012-09-11 2015-05-20 三菱电机株式会社 安全运算装置、安全输入装置、安全输出装置以及安全控制器
CN105407796A (zh) * 2013-05-10 2016-03-16 富士通株式会社 诊断装置、诊断方法及程序

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3187246B2 (ja) * 1994-04-21 2001-07-11 横河電機株式会社 プラント診断システム
US5764954A (en) * 1995-08-23 1998-06-09 International Business Machines Corporation Method and system for optimizing a critical path in a field programmable gate array configuration
DE69834942T2 (de) * 1997-12-17 2007-06-06 Panasonic Europe Ltd., Uxbridge Vorrichtung zum Multiplizieren
US6530049B1 (en) * 2000-07-06 2003-03-04 Lattice Semiconductor Corporation On-line fault tolerant operation via incremental reconfiguration of field programmable gate arrays
EP1390246B1 (en) * 2001-05-08 2018-08-15 Siemens Industry, Inc. Condition monitoring system
JP4622177B2 (ja) * 2001-07-06 2011-02-02 株式会社デンソー 故障診断システム、車両管理装置、サーバ装置、及び検査診断プログラム
US7577726B1 (en) * 2002-02-07 2009-08-18 Cisco Technology, Inc. Method for updating a hardware configuration of a networked communications device
US20040027118A1 (en) * 2002-08-12 2004-02-12 James Lenz Proximity sensor circuit with programmable logic device controller
JP2007257190A (ja) 2006-03-22 2007-10-04 Toshiba Corp 総合監視診断装置
US8301406B2 (en) * 2008-07-24 2012-10-30 University Of Cincinnati Methods for prognosing mechanical systems
US8639474B2 (en) * 2010-08-31 2014-01-28 Toshiba International Corporation Microcontroller-based diagnostic module
JP5808605B2 (ja) * 2011-08-17 2015-11-10 株式会社日立製作所 異常検知・診断方法、および異常検知・診断システム
US20130297256A1 (en) * 2012-05-04 2013-11-07 Jun Yang Method and System for Predictive and Conditional Fault Detection
US9892568B2 (en) * 2012-08-20 2018-02-13 Innova Electronics Corporation Method and system for determining the likely operating cost for a particular type of vehicle over a defined period
US9158891B2 (en) * 2013-02-15 2015-10-13 Cochlear Limited Medical device diagnostics using a portable device
JP5369246B1 (ja) 2013-07-10 2013-12-18 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法
JP6411769B2 (ja) 2014-04-14 2018-10-24 株式会社日立製作所 状態監視装置
US20160321081A1 (en) * 2015-05-02 2016-11-03 Hyeung-Yun Kim Embedded systems of internet-of-things incorporating a cloud computing service of FPGA reconfiguration
US10073115B1 (en) * 2016-04-18 2018-09-11 The United States Of America As Represented By The Administrator Of National Aeronautics And Space Administration Self diagnostic accelerometer field programmable gate array (SDA FPGA)

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1688874A (zh) * 2002-08-30 2005-10-26 日本精工株式会社 机械设备的状态监视方法和装置以及异常诊断装置
JP2005033559A (ja) * 2003-07-14 2005-02-03 Fuji Xerox Co Ltd 故障診断装置
US20080033695A1 (en) * 2004-10-18 2008-02-07 Nsk Ltd Abnormality Diagnosing System For Mechanical Equipment
CN101032425A (zh) * 2006-03-07 2007-09-12 安华高科技杰纳勒尔Ip（新加坡）私人有限公司 手持式诊断系统和其使用方法
CN101652754A (zh) * 2007-03-29 2010-02-17 日本电气株式会社 诊断系统
CN101742961A (zh) * 2007-10-18 2010-06-16 佳能株式会社 诊断支持设备、控制诊断支持设备的方法及其程序
CN102326066A (zh) * 2009-03-31 2012-01-18 日立建机株式会社 作业机械的学习诊断系统、状态诊断装置及状态学习装置
CN103180793A (zh) * 2010-10-28 2013-06-26 株式会社日立制作所 异常诊断装置以及工业机械
CN104641307A (zh) * 2012-09-11 2015-05-20 三菱电机株式会社 安全运算装置、安全输入装置、安全输出装置以及安全控制器
CN105407796A (zh) * 2013-05-10 2016-03-16 富士通株式会社 诊断装置、诊断方法及程序

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈凯等: "快速自适应经验模态分解方法及轴承故障诊断", 《振动.测试与诊断》 *

Also Published As

Publication number Publication date
WO2018154703A1 (ja) 2018-08-30
US11397655B2 (en) 2022-07-26
CN110168461B (zh) 2022-01-11
JPWO2018154703A1 (ja) 2019-11-07
US20190354456A1 (en) 2019-11-21
JP6712354B2 (ja) 2020-06-17

Similar Documents

Publication Publication Date Title
CN111657935B (zh) 一种基于层次图卷积神经网络的癫痫脑电识别系统、终端及存储介质
CN109902703B (zh) 一种时间序列异常检测方法及装置
CA3069891A1 (en) Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions
CN109905270A (zh) 定位根因告警的方法、装置和计算机可读存储介质
CN108173670A (zh) 检测网络的方法和装置
CN110141219A (zh) 基于导联融合深度神经网络的心肌梗死自动检测方法
CN109602410A (zh) 一种可穿戴设备及其脉搏监测方法
US11354339B2 (en) Method and system for clustering users using cognitive stress report for classifying stress levels
Pequito et al. Minimum number of probes for brain dynamics observability
CN111095232A (zh) 发掘用于机器学习技术中的基因组
CN111956212A (zh) 基于频域滤波-多模态深度神经网络的组间房颤识别方法
CN109964182A (zh) 用于车辆分析的方法和系统
CN110850244A (zh) 基于深度学习的局放缺陷时域图谱诊断方法、系统及介质
Vong et al. Case-based expert system using wavelet packet transform and kernel-based feature manipulation for engine ignition system diagnosis
TW202001201A (zh) 診斷裝置、診斷方法及程式
CN109223006A (zh) 一种精神分裂症诊断系统
WO2021011065A1 (en) Time-series data condensation and graphical signature analysis
Shukla et al. A fast and accurate FPGA based QRS detection system
KR102192345B1 (ko) 우울증 진단을 위한 뇌파 변이도 분석 장치 및 그 방법
Xue et al. A novel framework for motor bearing fault diagnosis based on multi-transformation domain and multi-source data
CN114391824A (zh) 一种基于ppg信号的心率估计方法、电子设备及存储介质
CN110168461A (zh) 异常诊断系统
Schmid et al. Indications of nonlinearity, intraindividual specificity and stability of human EEG: The unfolding dimension
CN112754437A (zh) 一种专注度评估方法、装置、终端设备及可读存储介质
EP2590096A2 (en) Method and apparatus for displaying analysis result of medical measured data

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
GR01 Patent grant
GR01 Patent grant