JP2009186463A - ノベルティ検出 - Google Patents
ノベルティ検出 Download PDFInfo
- Publication number
- JP2009186463A JP2009186463A JP2009006286A JP2009006286A JP2009186463A JP 2009186463 A JP2009186463 A JP 2009186463A JP 2009006286 A JP2009006286 A JP 2009006286A JP 2009006286 A JP2009006286 A JP 2009006286A JP 2009186463 A JP2009186463 A JP 2009186463A
- Authority
- JP
- Japan
- Prior art keywords
- value
- data
- parameter
- probability distribution
- distribution function
- 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
Links
- 238000001514 detection method Methods 0.000 title description 29
- 238000000034 method Methods 0.000 claims abstract description 129
- 238000005259 measurement Methods 0.000 claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims description 202
- 238000005315 distribution function Methods 0.000 claims description 151
- 238000004364 calculation method Methods 0.000 claims description 65
- 238000013500 data storage Methods 0.000 claims description 14
- 230000001419 dependent effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 description 40
- 230000006870 function Effects 0.000 description 32
- 238000005070 sampling Methods 0.000 description 31
- 238000007476 Maximum Likelihood Methods 0.000 description 20
- 230000010006 flight Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 8
- 230000007423 decrease Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000002902 bimodal effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Complex Calculations (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Engines (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
【解決手段】物理的パラメーターの測定をn回繰り返すことによって作成された、前記装置又はシステムと関係付けられているn個の測定された物理的パラメーターの値を備えているデータサンプルセットを提供する段階と、前記データサンプルセットの中から、極値的なパラメーター値を選択する段階と、前記選択されたパラメーター値を観測する確率を求める段階であって、前記位置パラメーターの値と前記尺度パラメーターの値は、それぞれ、整数値mを使って作られ、ここに、m(例えば、m個の前記測定されたパラメーター値を備えているサブサンプルデータセットのサイズを純理的に表している)はnより小さい(即ち、m<n)、確率を求める段階と、前記確率の値に従って、前記選択されたパラメーター値が異常であることを条件付で表示する段階と、を含んでいる。
【選択図】図3
Description
物理的パラメーターの測定をn回繰り返すことによって作成された、装置又はシステムに付帯する、n個の測定された物理的パラメーターの値を備えているデータサンプルセットを提供する段階と、
データサンプルセットの中から、極値的な測定されたパラメーター値を選択する段階と、
選択されたパラメーター値を、位置パラメーターと尺度パラメーターを有する極値確率分布関数に適用することによって、選択されたパラメーター値を観測する(例えば、選択されたパラメーター値を超えない値を観測する)確率を求める段階であって、位置パラメーターの値と尺度パラメーターの値は、それぞれ、(例えば、m個の前記測定されたパラメーター値を備えているサブサンプルデータセットのサイズを純理的に表している)整数値mを使って構成されており、mはnより小さい(即ち、m<n)、確率を求める段階と、
前記確率の値に従って、選択されたパラメーター値が異常であることを、条件付で表示する段階と、を含んでいる。
物理的パラメーターの測定を複数回繰り返すことによって作られる、装置又はシステムに関係付けられている複数の測定された物理的パラメーター値を備えているデータサンプルセットを提供する段階と、
サンプルセットの中から、極値的な測定されたパラメーター値を選択する段階と、
選択されたパラメーター値を、それぞれが位置パラメーターと尺度パラメーターを有する複数の極値確率分布関数の加重和を備えている確率分布関数に適用することによって、選択されたパラメーター値を観測する(例えば、選択されたパラメーター値を超えない値を観測する)確率を求める段階であって、位置パラメーターの値と尺度パラメーターの値は、その確率の推定に従って求められる、確率を求める段階と、
選択されたパラメーター値を観測する前記確率の値に従って(例えば、選択されたパラメーター値を観測する確率をノベルティ閾値と比較することによって)、選択されたパラメーター値は異常であることを条件付で表示する段階と、を含んでいる。前記加重和内の所与の極値確率分布関数に関係付けられている加重値は、推定に従って求めることもできる。本方法は、本発明の第2の態様では、装置又はシステムに関係付けられている物理的パラメーターの測定を複数回繰り返して、前記複数の測定されたパラメーター値を備えている前記データサンプルセットを作成する段階を含んでいる。
p(μ、λ|X)∝p(X|μ、λ)p(μ0、λ0)
展開すると、以下のm個のデータを観測した後の帰納的なベイズ更新方程式になる。
本方法は、位置パラメーターの値の第1成分確率分布関数と、尺度パラメーターの値の第2成分確率分布関数との積を含む結合事後確率分布関数を作成する段階と、結合事後確率分布関数を使って前記推定値を作成する段階と、を含んでいる。
・精度がλの関数であるガウス分布を有する平均値μと、
・ガンマ分布を有する精度λと、を有していることを示している。
ステップ1:
面λ=λML、即ち、p(μ、λ)のピークを通っているμ軸に平行な面、に沿ってS個の等蓋然性のサンプルを見つけ出す。
ステップ2:
ステップ1で見つかった各サンプルSiについて、面μ=Si、即ち、μ=Siを通っているλ軸に平行な面、に沿って、S個の等蓋然性のサンプルを見つけ出す。
物理的パラメーターの測定をn回(nは整数)繰り返すことによって作成された、装置又はシステムに関係付けられているn個の測定された物理的パラメーターの値を備えているデータサンプルセットを取得するためのデータ取得手段と、
データサンプルセットの中から、極値的な測定されたパラメーター値を選択するための選択手段と、
選択されたパラメーター値を、位置パラメーターと尺度パラメーターを有する極値確率分布関数に適用することにより、選択されたパラメーター値を観測する(例えば、選択されたパラメーター値を超えない値を観測する)確率を求めるための計算手段であって、位置パラメーターの値と尺度パラメーターの値は、それぞれ整数値mを使って構成されており(例えば、m個の前記測定されたパラメーター値を備えているサブサンプルデータセットのサイズを純理的に表している)、mはnより小さい(即ち、m<n)、計算手段と、
選択されたパラメーター値は、選択されたパラメーター値を観測する前記確率の値によれば、異常であることを条件付で表示するための表示手段と、を含んでいる。
物理的パラメーターの測定を複数回繰り返すことによって作成され、装置又はシステムに関係付けられている複数の測定された物理的パラメーターの値を備えているデータサンプルセットを取得するためのデータ取得手段と、
データサンプルセットの中から、極値的な測定されたパラメーター値を選択するための選択手段と、
選択されたパラメーター値を、それぞれが位置パラメーターと尺度パラメーターを有する複数の極値確率分布関数の加重和を備えている確率分布関数に適用することにより、選択されたパラメーター値を観測する(例えば、選択されたパラメーター値を超えない値を観測する)確率を求めるための計算手段であって、位置パラメーターの値と尺度パラメーターの値は、その確率の推定値に従って求められる、計算手段と、
選択されたパラメーター値が、前記確率の値によれば異常であることを条件付で表示するための表示手段と、を含んでいる。
ステップ1:
面λ=λML、即ち、p(μ、λ)のピークを通過するμ軸に平行な面に沿って、S個の等蓋然性のサンプルを見つけ出す。
ステップ2:
ステップ1で見つかった各サンプルSiに関し、面μ=Si、即ち、μ=Siを通過するλ軸に平行な面に沿って、等蓋然性のサンプルを見つけ出す。
ML−EVT2
この実施形態によれば、計算及び制御手段32は、以下の式のGumbel(型式I)極値分布関数(EVT)を定義するように作られている。
ベイズのEVT
この実施形態によれば、計算及び制御手段32は、EVD全体は、それぞれが位置パラメーターλmと尺度パラメーターσmを有しているGumbel EVDの加重和であると定義するように作られており、この位置パラメーターλmと尺度パラメーターσmは、それらのパラメーター(λm、σm)が真のパラメーターであるという確率の推定値に従って決まる。加重和の中の個別のGumbel EVDそれぞれの加重も、同じ推定値に従って決まる。推定値は、センサー22を介してエンジン10から採取された当該物理的パラメーターの測定値が入っている初期の/他の独立して取得されたデータサンプルセットを使って作成された以前のその様な推定値を帰納的に更新するため、所与のデータサンプルセットからの複数の測定された物理的パラメーター値を使って作成される。
(2)累積分布からS個(S=整数、例えば、この例では9だが、他の任意の整数値を用いてもよい)の蓋然性が等しいサンプルλ(λj=λ1、…、λ9)を求める。
すると、ノベルティ閾値hは、z(x)について、z(x)>h、但し、通常h=1、2、の場合は試験データが「異常」と分類されるように定義される。
・ML−EVT1:上記既存の方法で用いられるEVT法であり、mはデータサンプルセット全体のサイズとなるように選択される。
・ML−EVT2:位置と尺度のパラメーターが、データサンプルセットから抽出されたサブサンプルデータセットのサイズを表す整数値m=3だけを使って作成されるEVT法。
・ベイズのEVT:個別のEVDの加重和で構成されているEVD全体の構造を累積的に更新するために、データサンプルセットの3個の最も大きな値を備えているサブサンプルデータセットが、連続するデータサンプルセットから抽出される。
b0=6.0
β0=0.1
μ0=0.5
更に、図12に示されている最小及び最大のノベルティ閾値(124、123)を作成する際に使用される結合事後分布(図6参照)からサンプリングされた、選択された座標パラメーターペア(μl、λj)の数のサイズ「SxS」は、SxS=9であった(即ち、S=3)ことに注目されたい。しかしながら、図10と図11に示されているノベルティ閾値(102、102b)を作成する際に使用される結合事後分布(図6参照)からサンプリングされた、選択された座標パラメーターペア(μl、λj)の数のサイズ「SxS」は、SxS=25であった(即ち、S=5)。図10、図11、及び図12に示されている最小及び最大のノベルティ閾値(124、123、102、102b)を作成する際に用いられるハイパーパラメーター値を作成するのに使用される各サンプルデータセットのサイズ「j」は、j=3であった。
20 ノベルティ検出器
22 センサー
24 データ伝送リンク
25 分析手段
26 データ記憶ユニット
28 出力データ伝送リンク
30、31 コマンド伝送リンク
32 計算及び制御手段
34 コマンド
36 表示手段
40 所与のデータサンプルセットの測定されたパラメーター値の分布
42 サブサンプルデータセットに共通する基本的な分布
60 アイテム
61 正規ガンマ関数
62 正規ガンマ関数に対応する領域
100 エンジンのローターで測定された振動振幅の平均値
102 ノベルティ振幅閾値
105 エンジンのローターで測定された振動振幅の最小値
110 エンジンのローターで測定された振動振幅の最大値
100b 100の更新後の値
102b 102の更新後の値
110b 110の更新後の値
120 平均観測値
121 最大観測値
122 最小観測値
123 最大ノベルティ振幅閾値
124 最小ノベルティ振幅閾値
Claims (82)
- 装置又はシステムの異常を検出するための方法において、
物理的パラメーターの測定をn回繰り返すことによって作成された、前記装置又はシステムと関係付けられているn個の測定された物理的パラメーターの値を備えているデータサンプルセットを提供する段階と、
前記データサンプルセットの中から、極値的な測定されたパラメーター値を選択する段階と、
前記選択されたパラメーター値を、位置パラメーターと尺度パラメーターを有する極値確率分布関数に適用することによって、前記選択されたパラメーター値を観測する確率を求める段階であって、前記位置パラメーターの値と前記尺度パラメーターの値は、それぞれ、整数値mを使って作られ、ここに、m(例えば、m個の前記測定されたパラメーター値を備えているサブサンプルデータセットのサイズを純理的に表している)はnより小さい(即ち、m<n)、確率を求める段階と、
前記確率の値に従って、前記選択されたパラメーター値が異常であることを条件付で表示する段階と、から成る方法。 - m個の前記測定されたパラメーター値を備えており、且つ極値を含んでいるサイズmのサブサンプルデータセットの前記測定されたパラメーター値は、異なるサイズのその様なサブサンプルデータセット値の分布よりも遙かにガウス分布に近似している分布と一致する、請求項1に記載の方法。
- 前記サブサンプルデータセットの前記測定されたパラメーター値それぞれは、値が、前記サブサンプルデータセットに含まれていない前記データサンプルセットの何れの測定されたパラメーター値よりも大きい、請求項1又は2に記載の方法。
- 前記極値確率分布関数は、Gumbel(型式I)分布である、上記請求項の何れかに記載の方法。
- 前記極値は、前記データサンプルセットの最大値である、上記請求項の何れかに記載の方法。
- 前記極値は、前記データサンプルセットの最小値である、上記請求項の何れかに記載の方法。
- 前記整数値(m)は、3から10の整数から選択された値である、上記請求項の何れかに記載の方法。
- 前記値(m)は3である(m=3)、上記請求項の何れかに記載の方法。
- 前記システムの装置又に関係付けられている物理的パラメーターの測定をn回繰り返して、前記n個の測定されたパラメーター値を備えた前記データサンプルセットを作成する段階を含んでいる、上記請求項の何れかに記載の方法。
- 装置又はシステムの異常を検出するための方法において、
物理的パラメーターの測定を複数回繰り返すことによって作成された、前記装置又はシステムと関係付けられている複数の測定された物理的パラメーターの値を備えているデータサンプルセットを提供する段階と、
前記サンプルセットの中から、極値的な測定されたパラメーター値を選択する段階と、
前記選択されたパラメーター値を、それぞれが位置パラメーターと尺度パラメーターを有する複数の極値確率分布関数の加重和を備えている確率分布関数に適用することによって、前記選択されたパラメーター値を観測する確率を求める段階であって、前記位置パラメーターの値と前記尺度パラメーターの値は、その確率の推定に従って求められる、確率を求める段階と、
前記選択されたパラメーター値を観測する前記確率の値に従って、前記選択されたパラメーター値が異常であることを条件付で表示する段階と、から成る方法。 - 前記データサンプルセットからの複数の測定された物理的パラメーター値を使って、前記推定値を作成して、先行する前記推定値を帰納的に更新する段階を含んでいる、請求項12に記載の方法。
- 前記データサンプルセットから独立しており、且つ、前記物理的パラメーターの前記測定を複数回繰り返すことによって作成された対応する複数の前記物理的パラメーター値を備えている、別のデータサンプルセットからの複数の測定された物理的パラメーター値を使って、前記推定値を作成する段階を含んでいる、請求項12又は13に記載の方法。
- 前記加重和における所与の極値確率分布関数と関係付けられている加重の値は、前記推定値に従って求められる、請求項12に記載の方法。
- 前記位置パラメーターの値の第1成分確率分布関数と、前記尺度パラメーターの値の第2成分確率分布関数との積を備えている結合事後確率分布関数を作成する段階と、前記結合事後確率分布関数を使って前記推定値を作成する段階とを含んでいる、請求項12から15の何れかに記載の方法
- 前記結合事後確率分布関数の確率変数の座標空間内の点の座標を選択する段階であって、前記座標は、前記結合事後確率分布関数のピークの位置に対応する座標を取り囲んでいる所定の有限の複数の異なるその様な座標の中から選択される、座標を選択する段階と、前記選択された座標の値を使って、前記極値確率分布関数の位置パラメーターの値と尺度パラメーターの値を求める段階と、を含んでいる、請求項16に記載の方法。
- 前記座標空間内に複数の別々領域を定義する段階であって、前記領域は、前記結合事後確率分布関数に従って関係付けられている共通の確率質量を前記領域内に有しており、所与の前記選択される座標は、所与の前記領域内の確率質量の中心の座標になるように選択される、複数の別々領域を定義する段階を含んでいる、請求項17に記載の方法。
- 前記領域の近傍は連続している、請求項18に記載の方法。
- 前記データサンプルセットの中から複数の前記測定されたパラメーター値を選択する段階と、前記結合事後確率分布関数のハイパーパラメーター値を、そのように選択された前記測定された値を使って作成する段階と、を含んでいる、請求項16から19の何れかに記載の方法。
- 前記結合事後確率分布関数のハイパーパラメーターの値を、前記データサンプルセットの前記測定されたパラメーター値の内のj個を備えているサンプルデータセットのサイズを表す整数値(j)を使って作成する段階を含んでいる、請求項16から20の何れかに記載の方法。
- 前記整数値jは、前記データサンプルセットのサイズを表わす整数値nより小さく(即ち、j<n)、前記サンプルデータセットは、サブサンプルデータセットである、請求項21に記載の方法。
- 各ハイパーパラメーター値を、前記整数値jを使って作成する段階を含んでいる、請求項21又は22に記載の方法。
- 前記結合事後確率分布関数のハイパーパラメーターは、第1成分確率分布関数の平均値であり、前記データサンプルセットの中から選択された複数の測定されたパラメーター値の値を使って、前記平均値を作成する段階を含んでいる、請求項16から23の何れかに記載の方法。
- 前記結合事後確率分布関数のハイパーパラメーターは、第2成分確率分布関数の尺度パラメーターの値であり、前記データサンプルセットの中から選択された複数の測定されたパラメーター値の値を使って、第2成分確率分布関数の前記尺度パラメーターの値を作成する段階を含んでいる、請求項16から24の何れかに記載の方法。
- 前記第2成分確率分布関数は、ガンマ確率分布関数であり、前記第1成分確率分布関数は、ガウス確率分布関数であり、その分散値は、前記結合事後確率分布関数の前記尺度パラメーター(λ)の値に従って求められる、請求項16から25の何れかに記載の方法。
- 前記サブサンプルデータセットは極値を含んでおり、その前記j個の測定されたパラメーター値の分布は、異なるサイズのその様なサブサンプルデータセット値の分布よりも遙かにガウス分布に近似している、請求項22に従属している場合の上記請求項の何れかに記載の方法。
- 前記サブサンプルデータセットの前記測定された各パラメーター値は、値が、前記サブサンプルデータセットに含まれていない前記データサンプルセットの何れの測定されたパラメーター値よりも大きい、請求項22に従属している場合の上記請求項の何れかに記載の方法。
- 前記極値確率分布関数は、Gumbel(型式I)分布である、請求項12から30の何れかに記載の方法。
- 前記極値は、前記データサンプルセットの最大値である、請求項12から31の何れかに記載の方法。
- 前記極値は、前記データサンプルセットの最小値である、請求項12から31の何れかに記載の方法。
- 前記サブサンプルデータセットのサイズの値(j)は、整数3から10の中から選択された値である、請求項22に従属している場合の請求項12から33の何れかに記載の方法。
- 前記サブサンプルデータセットのサイズの値(j)は、3、4、又は5である(j=3、j=4、又はj=5)、請求項22に従属している場合の請求項12から34の何れかに記載の方法。
- 前記装置又はシステムに関係付けられている物理的パラメーターの測定を複数回繰り返して、前記複数の測定されたパラメーター値を備えている前記データサンプルセットを作成する段階を含んでいる、請求項12から35の何れかに記載の方法。
- 装置又はシステムの異常を検出するための装置において、
物理的パラメーターの測定をn回繰り返すことによって作成された前記装置又はシステムに関係付けられているn個(nは整数)の測定された前記物理的パラメーター値を備えているデータサンプルセットを取得するためのデータ取得手段と、
極値的な測定されたパラメーター値を、前記データサンプルセットの中から選択するための選択手段と、
前記選択されたパラメーター値を、位置パラメーターと尺度パラメーターを有する極値確率分布関数に当て適用することによって、前記選択されたパラメーター値を観測する確率を求めるための計算手段であって、前記位置パラメーターの値と前記尺度パラメーターの値は、それぞれ、整数値m(例えば、m個の前記測定されたパラメーター値を備えているサブサンプルデータセットのサイズを純理的に表している)を使って構成されており、mはnより小さい(即ち、m<n)、計算手段と、
前記選択されたパラメーター値は前記確率の値に従って異常であることを条件付で表示するための表示手段と、を含んでいる装置。 - m個の前記測定されたパラメーター値を備えており、且つ前記極値を含んでいる、サイズmのサブサンプルデータセットの前記測定されたパラメーター値は、異なるサイズのその様なサブサンプルデータセットの値の分布よりも遙かにガウス分布に近似している分布と一致する、請求項37に記載の装置。
- 前記サブサンプルデータセットの前記測定されたパラメーター値それぞれは、値が、前記サブサンプルデータセットに含まれていない前記データサンプルセットの何れの測定されたパラメーター値よりも大きい、請求項37又は38に記載の装置。
- 前記極値確率分布関数は、Gumbel(型式I)分布である、請求項37から39の何れかに記載の装置。
- 前記極値は、前記データサンプルセットの最大値である、請求項37から40の何れかに記載の装置。
- 前記極値は、前記データサンプルセットの最小値である、請求項37から41の何れかに記載の装置。
- 前記整数値(m)は、整数3から10の中から選択された値である、請求項37から42の何れかに記載の装置。
- 前記整数値(m)は、3、4、又は5である(j=3、j=4、又はj=5)、請求項37から43の何れかに記載の装置。
- 前記データ取得手段は、前記システムの装置に関係付けられている物理的パラメーターの測定をn回繰り返して、前記n個の測定されたパラメーター値を備えている前記データサンプルセットを作成するように作られている、請求項37から46の何れかに記載の装置。
- 装置又はシステムの異常を検出するための装置において、
物理的パラメーターの測定を複数回繰り返すことによって作成された前記装置又はシステムに関係付けられている複数の測定された前記物理的パラメーター値を備えているデータサンプルセットを取得するためのデータ取得手段と、
極値的な測定されたパラメーター値を、前記サンプルセットの中から選択するための選択手段と、
前記選択されたパラメーター値を、それぞれが位置パラメーターと尺度パラメーターを有する複数の極値確率分布関数の加重和を備えている確率分布関数に適用することによって、前記選択されたパラメーター値を観測する確率を求めるための計算手段であって、前記位置パラメーターの値と前記尺度パラメーターの値は、その確率の推定値に従って求められる、計算手段と、
前記選択されたパラメーター値は、前記選択されたパラメーター値を観測する前記確率の値に従って異常であることを条件付で表示するための表示手段と、を含んでいる装置。 - 前記計算手段は、前記データサンプルセットからの複数の測定された物理的パラメーター値を使って前記推定値を作成し、先行する前記推定値を帰納的に更新するように作られている、請求項48に記載の装置。
- 前記計算手段は、前記データサンプルセットから独立しており、且つ前記物理的パラメーターの前記測定を複数回繰り返すことによって対応する複数の前記物理的パラメーター値を備えている、別のデータサンプルセットからの複数の測定された物理的パラメーター値を使って、前記推定値を作成するように作られている、請求項48又は49に記載の装置。
- 前記計算手段は、前記加重和において所与の極値確率分布関数と関係付けられている加重の値を、前記推定値に従って求めるように作られている、請求項48から50の何れかに記載の装置。
- 前記計算手段は、前記位置パラメーターの値の第1成分確率分布関数と、前記尺度パラメーターの値の第2成分確率分布関数との積を備えている結合事後確率分布関数を使って、前記推定値を作成するように作られている、請求項48から51の何れかに記載の装置。
- 前記計算手段は、前記結合事後確率分布関数の確率変数の座標空間内の点の座標を、前記結合事後確率分布関数のピークの位置に対応する座標を取り囲んでいる所定の有限の複数の異なるその様な座標の中から選択し、前記選択された座標の値を使って、前記極値確率分布関数の位置パラメーターの値と尺度パラメーターの値とを求めるように作られている、請求項52に記載の装置。
- 前記計算手段は、前記座標空間内に、前記結合事後確率分布関数に従って関係付けられている共通の確率質量を領域内に有している複数の別々領域を定義し、各領域内の確率質量の中心を求めるように作られており、所与の前記選択される座標は、所与の前記領域の確率質量の中心の座標になるように選択される、請求項53に記載の装置。
- 前記領域の近傍は連続している、請求項54に記載の装置。
- 前記計算手段は、前記データサンプルセットの中から複数の前記測定されたパラメーター値を選択し、前記結合事後確率分布関数のハイパーパラメーターの値を、その様に選択された前記測定された値を使って作成するように作られている、請求項52から55の何れかに記載の装置。
- 前記計算手段は、前記結合事後確率分布関数のハイパーパラメーターの値を、n個の前記測定されたパラメーター値の内のj個を備えているサンプルデータセットのサイズを表す整数値(j)を使って作成するように作られている、請求項48から56の何れかに記載の装置。
- 前記整数値jは、前記サンプルデータセットが或るサブサンプルデータセットであるように、前記データサンプルセットに含まれている測定されたパラメーター値の数を表わす整数値nより小さい(即ち、j<n)、請求項57に記載の装置。
- 前記計算手段は、各ハイパーパラメーターの値を、前記整数値jを使って作成するように作られている、請求項57に記載の装置。
- 前記結合事後確率分布関数のハイパーパラメーターは、前記第1成分確率分布関数の平均値であり、前記計算手段は、前記平均の値を、前記データサンプルセットの中から選択された複数の測定されたパラメーター値の値を使って作成するように作られている、請求項42から59の何れかに記載の装置。
- 前記結合事後確率分布関数のハイパーパラメーターは、前記第2成分確率分布関数の前記尺度パラメーターの値であり、前記計算手段は、前記第2成分確率分布関数の前記尺度パラメーターの値を、前記データサンプルセットの中から選択された複数の測定されたパラメーター値の値を使って作成するように作られている、請求項42から60の何れかに記載の装置。
- 前記第2成分確率分布関数は、ガンマ確率分布関数であり、前記第1成分確率分布関数は、ガウス確率分布関数であり、その分散の値を、前記計算手段は、前記結合事後確率分布関数の前記尺度パラメーター(λ)の値に従って求めるように作られている、請求項48から61の何れかに記載の装置。
- 前記サブサンプルデータセットは極値を含んでおり、その前記j個の測定されたパラメーター値の分布は、異なるサイズのその様なサブサンプルデータセットの値の分布よりも遙かにガウス分布に近似している、請求項58に従属している場合の請求項48から64の何れかに記載の装置。
- 前記サブサンプルデータセットの前記測定された各パラメーター値それぞれは、値が、前記サブサンプルデータセットに含まれていない前記データサンプルセットの任意の測定されたパラメーター値よりも大きい、請求項58に従属している場合の請求項48から64の何れかに記載の装置。
- 前記極値確率分布関数は、Gumbel(型式I)分布である、請求項48から66の何れかに記載の装置。
- 前記極値は、前記データサンプルセットの最大値である、請求項48から67の何れかに記載の装置。
- 前記極値は、前記データサンプルセットの最小値である、請求項48から67の何れかに記載の装置。
- 前記サブサンプルデータセットのサイズの前記値(j)は、整数3から10の中から選択された値である、請求項58に従属している場合の請求項48から69の何れかに記載の装置。
- 前記サブサンプルデータセットのサイズの前記値(j)は、3、4、又は5である(j=3、j=4、又はj=5)、請求項58に従属している場合の請求項48から70の何れかに記載の装置。
- 前記装置又はシステムに関係付けられている物理的パラメーターの測定を複数回繰り返して、前記複数の測定されたパラメーター値を備えている前記データサンプルセットを作成することを含んでいる、請求項48から71の何れかに記載の装置。
- 前記計算手段はコンピューター手段である、請求項37から72の何れかに記載の装置。
- 前記表示手段は、視覚的な前記条件付き表示を提供するように作られている、請求項37から73の何れかに記載の装置。
- 前記データ取得手段は、データを受け取り、受け取ったデータを検索できるように記憶するように作られたデータ記憶手段を含んでいる、請求項37から74の何れかに記載の装置。
- 前記データ取得手段は、前記物理的パラメーターの値を測定するように作られたデータ測定手段を含んでいる、請求項37から75の何れかに記載の装置。
- 請求項37から76の何れかに記載の装置を含む装置又はシステムの異常を検出するための検出器。
- エンジンの作動特性の異常を検出するように作られている、請求項77に記載の検出器と組み合わせられているエンジン。
- 請求項1から36の何れかに記載のコンピューターで実施する方法。
- 請求項1から36の何れかに記載の方法を実施するためにコンピューターで実行できるコンピュータープログラム命令が入っているコンピューター手段。
- 請求項1から36の何れかに記載の方法を実施するためにコンピューター手段で実行できるコンピュータープログラム命令が入っているコンピュータープログラム製品。
- 請求項1から36の何れかに記載の方法従って装置又はシステムの異常を検出するためのコンピューターシステムの使用。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB0800985.4 | 2008-01-18 | ||
GB0800985A GB2456567B (en) | 2008-01-18 | 2008-01-18 | Novelty detection |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009186463A true JP2009186463A (ja) | 2009-08-20 |
JP5657209B2 JP5657209B2 (ja) | 2015-01-21 |
Family
ID=39166034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009006286A Expired - Fee Related JP5657209B2 (ja) | 2008-01-18 | 2009-01-15 | ノベルティ検出 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7925470B2 (ja) |
EP (1) | EP2081132A3 (ja) |
JP (1) | JP5657209B2 (ja) |
GB (1) | GB2456567B (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021140942A1 (ja) * | 2020-01-06 | 2021-07-15 | 三菱パワー株式会社 | 診断装置、診断方法およびプログラム |
JP2021143844A (ja) * | 2020-03-10 | 2021-09-24 | エヌ・ティ・ティ・アドバンステクノロジ株式会社 | 状態判定装置、状態判定方法及びコンピュータプログラム |
WO2024047859A1 (ja) * | 2022-09-02 | 2024-03-07 | 三菱電機株式会社 | 異常検知装置、異常検知方法、および、異常検知プログラム |
Families Citing this family (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8730031B2 (en) | 2005-04-28 | 2014-05-20 | Proteus Digital Health, Inc. | Communication system using an implantable device |
US8802183B2 (en) | 2005-04-28 | 2014-08-12 | Proteus Digital Health, Inc. | Communication system with enhanced partial power source and method of manufacturing same |
US8836513B2 (en) | 2006-04-28 | 2014-09-16 | Proteus Digital Health, Inc. | Communication system incorporated in an ingestible product |
US8912908B2 (en) | 2005-04-28 | 2014-12-16 | Proteus Digital Health, Inc. | Communication system with remote activation |
US9198608B2 (en) | 2005-04-28 | 2015-12-01 | Proteus Digital Health, Inc. | Communication system incorporated in a container |
CN103259027A (zh) | 2005-04-28 | 2013-08-21 | 普罗透斯数字保健公司 | 药物信息系统 |
EP1920418A4 (en) | 2005-09-01 | 2010-12-29 | Proteus Biomedical Inc | IMPLANTABLE WIRELESS COMMUNICATION SYSTEMS |
EP3367386A1 (en) | 2006-05-02 | 2018-08-29 | Proteus Digital Health, Inc. | Patient customized therapeutic regimens |
US20080020037A1 (en) * | 2006-07-11 | 2008-01-24 | Robertson Timothy L | Acoustic Pharma-Informatics System |
US8054140B2 (en) * | 2006-10-17 | 2011-11-08 | Proteus Biomedical, Inc. | Low voltage oscillator for medical devices |
KR101611240B1 (ko) | 2006-10-25 | 2016-04-11 | 프로테우스 디지털 헬스, 인코포레이티드 | 복용 가능한 제어된 활성화 식별자 |
WO2008063626A2 (en) | 2006-11-20 | 2008-05-29 | Proteus Biomedical, Inc. | Active signal processing personal health signal receivers |
WO2008095183A2 (en) | 2007-02-01 | 2008-08-07 | Proteus Biomedical, Inc. | Ingestible event marker systems |
JP5614991B2 (ja) | 2007-02-14 | 2014-10-29 | プロテウス デジタル ヘルス, インコーポレイテッド | 大表面積電極を有する体内型電源 |
EP2063771A1 (en) | 2007-03-09 | 2009-06-03 | Proteus Biomedical, Inc. | In-body device having a deployable antenna |
WO2008112577A1 (en) | 2007-03-09 | 2008-09-18 | Proteus Biomedical, Inc. | In-body device having a multi-directional transmitter |
US8540632B2 (en) | 2007-05-24 | 2013-09-24 | Proteus Digital Health, Inc. | Low profile antenna for in body device |
DK2192946T3 (da) | 2007-09-25 | 2022-11-21 | Otsuka Pharma Co Ltd | Kropsintern anordning med virtuel dipol signalforstærkning |
CN104376659B (zh) | 2008-03-05 | 2019-10-25 | 普罗透斯数字保健公司 | 多模式通信可摄取事件标记和系统,及使用其的方法 |
MY172060A (en) | 2008-07-08 | 2019-11-13 | Proteus Digital Health Inc | Ingestible event marker data framework |
CA2734251A1 (en) * | 2008-08-13 | 2010-02-18 | Proteus Biomedical, Inc. | Ingestible circuitry |
KR101192690B1 (ko) | 2008-11-13 | 2012-10-19 | 프로테우스 디지털 헬스, 인코포레이티드 | 섭취 가능한 치료 활성화 시스템, 치료 장치 및 방법 |
AU2009324536A1 (en) | 2008-12-11 | 2011-07-14 | Proteus Digital Health, Inc. | Evaluation of gastrointestinal function using portable electroviscerography systems and methods of using the same |
TWI503101B (zh) | 2008-12-15 | 2015-10-11 | Proteus Digital Health Inc | 與身體有關的接收器及其方法 |
US9659423B2 (en) | 2008-12-15 | 2017-05-23 | Proteus Digital Health, Inc. | Personal authentication apparatus system and method |
US9439566B2 (en) | 2008-12-15 | 2016-09-13 | Proteus Digital Health, Inc. | Re-wearable wireless device |
SG196787A1 (en) | 2009-01-06 | 2014-02-13 | Proteus Digital Health Inc | Ingestion-related biofeedback and personalized medical therapy method and system |
US8597186B2 (en) | 2009-01-06 | 2013-12-03 | Proteus Digital Health, Inc. | Pharmaceutical dosages delivery system |
WO2010111403A2 (en) | 2009-03-25 | 2010-09-30 | Proteus Biomedical, Inc. | Probablistic pharmacokinetic and pharmacodynamic modeling |
WO2010129288A2 (en) | 2009-04-28 | 2010-11-11 | Proteus Biomedical, Inc. | Highly reliable ingestible event markers and methods for using the same |
EP2432458A4 (en) | 2009-05-12 | 2014-02-12 | Proteus Digital Health Inc | ACCEPTABLE EVENT MARKER WITH SUGAR COMPONENT |
EP2467707A4 (en) | 2009-08-21 | 2014-12-17 | Proteus Digital Health Inc | DEVICE AND METHOD FOR MEASURING BIOLOGICAL PARAMETERS |
TWI517050B (zh) | 2009-11-04 | 2016-01-11 | 普羅托斯數位健康公司 | 供應鏈管理之系統 |
UA109424C2 (uk) | 2009-12-02 | 2015-08-25 | Фармацевтичний продукт, фармацевтична таблетка з електронним маркером і спосіб виготовлення фармацевтичної таблетки | |
SG182825A1 (en) | 2010-02-01 | 2012-09-27 | Proteus Biomedical Inc | Data gathering system |
JP5424338B2 (ja) * | 2010-03-18 | 2014-02-26 | 日本電気株式会社 | 衛星測位システムの異常値検出装置、異常値検出方法及び異常値検出プログラム |
KR20170121299A (ko) | 2010-04-07 | 2017-11-01 | 프로테우스 디지털 헬스, 인코포레이티드 | 소형의 섭취가능한 장치 |
TWI557672B (zh) | 2010-05-19 | 2016-11-11 | 波提亞斯數位康健公司 | 用於從製造商跟蹤藥物直到患者之電腦系統及電腦實施之方法、用於確認將藥物給予患者的設備及方法、患者介面裝置 |
GB2481782A (en) * | 2010-06-21 | 2012-01-11 | Optimized Systems And Solutions Ltd | Asset health monitoring |
US9107806B2 (en) | 2010-11-22 | 2015-08-18 | Proteus Digital Health, Inc. | Ingestible device with pharmaceutical product |
US9439599B2 (en) | 2011-03-11 | 2016-09-13 | Proteus Digital Health, Inc. | Wearable personal body associated device with various physical configurations |
GB2491564A (en) * | 2011-05-24 | 2012-12-12 | Isis Innovation | Method of system monitoring |
WO2015112603A1 (en) | 2014-01-21 | 2015-07-30 | Proteus Digital Health, Inc. | Masticable ingestible product and communication system therefor |
US9756874B2 (en) | 2011-07-11 | 2017-09-12 | Proteus Digital Health, Inc. | Masticable ingestible product and communication system therefor |
IN2014MN00183A (ja) | 2011-07-21 | 2015-06-19 | Proteus Digital Health Inc | |
US9235683B2 (en) | 2011-11-09 | 2016-01-12 | Proteus Digital Health, Inc. | Apparatus, system, and method for managing adherence to a regimen |
TW201424689A (zh) | 2012-07-23 | 2014-07-01 | Proteus Digital Health Inc | 用於製造包含可吞服性組件的可吞服性事件標示器之技術 |
GB201215649D0 (en) * | 2012-09-03 | 2012-10-17 | Isis Innovation | System monitoring |
BR112015008434A2 (pt) | 2012-10-18 | 2017-07-04 | Proteus Digital Health Inc | aparelho, sistema e método para otimizar adaptativamente a dissipação de potência e a potência de radiodifusão em uma fonte de alimentação para um dispositivo de comunicação |
US11149123B2 (en) | 2013-01-29 | 2021-10-19 | Otsuka Pharmaceutical Co., Ltd. | Highly-swellable polymeric films and compositions comprising the same |
WO2014197402A1 (en) | 2013-06-04 | 2014-12-11 | Proteus Digital Health, Inc. | System, apparatus and methods for data collection and assessing outcomes |
WO2014151929A1 (en) | 2013-03-15 | 2014-09-25 | Proteus Digital Health, Inc. | Personal authentication apparatus system and method |
WO2014144738A1 (en) | 2013-03-15 | 2014-09-18 | Proteus Digital Health, Inc. | Metal detector apparatus, system, and method |
US9796576B2 (en) | 2013-08-30 | 2017-10-24 | Proteus Digital Health, Inc. | Container with electronically controlled interlock |
GB201315654D0 (en) * | 2013-09-03 | 2013-10-16 | Rolls Royce Plc | Operating parameter monitoring method |
RU2628404C1 (ru) | 2013-09-20 | 2017-08-16 | Протеус Диджитал Хелс, Инк. | Способы, устройства и системы приема и декодирования сигналов в присутствии шума с использованием срезов и деформирования |
US9577864B2 (en) | 2013-09-24 | 2017-02-21 | Proteus Digital Health, Inc. | Method and apparatus for use with received electromagnetic signal at a frequency not known exactly in advance |
US10084880B2 (en) | 2013-11-04 | 2018-09-25 | Proteus Digital Health, Inc. | Social media networking based on physiologic information |
US11051543B2 (en) | 2015-07-21 | 2021-07-06 | Otsuka Pharmaceutical Co. Ltd. | Alginate on adhesive bilayer laminate film |
CN106383921A (zh) * | 2015-07-28 | 2017-02-08 | 中国电力科学研究院 | 一种基于概率统计的新能源出力离散概率序列生成方法 |
CN106650194B (zh) * | 2016-04-14 | 2019-03-15 | 中铁大桥勘测设计院集团有限公司 | 基于静应变极值预测的铁路钢桥静载性能评估方法 |
KR20210018961A (ko) | 2016-07-22 | 2021-02-18 | 프로테우스 디지털 헬스, 인코포레이티드 | 섭취 가능한 이벤트 마커의 전자기 감지 및 검출 |
IL265827B2 (en) | 2016-10-26 | 2023-03-01 | Proteus Digital Health Inc | Methods for producing capsules with ingestible event markers |
EP3499513A1 (en) * | 2017-12-15 | 2019-06-19 | Nokia Technologies Oy | Determining whether a hypothesis concerning a signal is true |
CN108709633B (zh) * | 2018-08-29 | 2020-05-05 | 中国科学院上海光学精密机械研究所 | 基于深度学习的分布式光纤振动传感智能安全监测方法 |
JP7374868B2 (ja) * | 2020-08-28 | 2023-11-07 | 株式会社東芝 | 情報処理装置、情報処理方法およびプログラム |
CN113096792B (zh) * | 2021-04-01 | 2024-04-19 | 宁波伟吉电力科技有限公司 | 一种基于机器学习的智能健康监测预警方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61139743A (ja) * | 1984-12-12 | 1986-06-27 | Hitachi Ltd | 繰返し荷重を受ける機械構造物の余寿命評価方法およびその装置 |
JPH02167463A (ja) * | 1988-09-16 | 1990-06-27 | Hitachi Ltd | 劣化度予測装置および方法 |
JP2000131363A (ja) * | 1998-10-20 | 2000-05-12 | Toshiba Corp | 電子装置の寿命診断方法及び装置 |
JP2001065560A (ja) * | 1999-08-31 | 2001-03-16 | Ntn Corp | 転がり軸受用材料の寿命予測方法および寿命予測で長寿命を識別した転がり軸受 |
JP2003075328A (ja) * | 2001-09-06 | 2003-03-12 | Koyo Seiko Co Ltd | 軸受用鋼の寿命推定方法 |
JP2004012261A (ja) * | 2002-06-06 | 2004-01-15 | Hitachi Industries Co Ltd | 熱交換器の腐食診断方法 |
JP2004218602A (ja) * | 2003-01-17 | 2004-08-05 | Mitsui Eng & Shipbuild Co Ltd | 蒸気タービン動翼の寿命及び余寿命の診断方法、並びに蒸気タービンの余寿命の診断方法 |
JP2004269970A (ja) * | 2003-03-10 | 2004-09-30 | Koyo Seiko Co Ltd | 転がり、摺動部品およびその製造方法 |
JP2006523834A (ja) * | 2003-04-11 | 2006-10-19 | オックスフォード バイオシグナルズ リミテッド | 1つまたは複数のロータリー部材を有する装置の回転計のデータおよび振動データを分析する方法およびシステム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6832205B1 (en) * | 2000-06-30 | 2004-12-14 | General Electric Company | System and method for automatically predicting the timing and costs of service events in a life cycle of a product |
US7016825B1 (en) * | 2000-10-26 | 2006-03-21 | Vextec Corporation | Method and apparatus for predicting the failure of a component |
US7031884B1 (en) * | 2002-07-12 | 2006-04-18 | Netscout Systems, Inc. | System and method for analyzing data streams |
US20060074598A1 (en) * | 2004-09-10 | 2006-04-06 | Emigholz Kenneth F | Application of abnormal event detection technology to hydrocracking units |
US20070203653A1 (en) * | 2006-02-28 | 2007-08-30 | Amir Ben-Dor | Method and system for computational detection of common aberrations from multi-sample comparative genomic hybridization data sets |
-
2008
- 2008-01-18 GB GB0800985A patent/GB2456567B/en not_active Expired - Fee Related
- 2008-07-11 US US12/216,872 patent/US7925470B2/en not_active Expired - Fee Related
-
2009
- 2009-01-12 EP EP09250072.7A patent/EP2081132A3/en not_active Withdrawn
- 2009-01-15 JP JP2009006286A patent/JP5657209B2/ja not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61139743A (ja) * | 1984-12-12 | 1986-06-27 | Hitachi Ltd | 繰返し荷重を受ける機械構造物の余寿命評価方法およびその装置 |
JPH02167463A (ja) * | 1988-09-16 | 1990-06-27 | Hitachi Ltd | 劣化度予測装置および方法 |
JP2000131363A (ja) * | 1998-10-20 | 2000-05-12 | Toshiba Corp | 電子装置の寿命診断方法及び装置 |
JP2001065560A (ja) * | 1999-08-31 | 2001-03-16 | Ntn Corp | 転がり軸受用材料の寿命予測方法および寿命予測で長寿命を識別した転がり軸受 |
JP2003075328A (ja) * | 2001-09-06 | 2003-03-12 | Koyo Seiko Co Ltd | 軸受用鋼の寿命推定方法 |
JP2004012261A (ja) * | 2002-06-06 | 2004-01-15 | Hitachi Industries Co Ltd | 熱交換器の腐食診断方法 |
JP2004218602A (ja) * | 2003-01-17 | 2004-08-05 | Mitsui Eng & Shipbuild Co Ltd | 蒸気タービン動翼の寿命及び余寿命の診断方法、並びに蒸気タービンの余寿命の診断方法 |
JP2004269970A (ja) * | 2003-03-10 | 2004-09-30 | Koyo Seiko Co Ltd | 転がり、摺動部品およびその製造方法 |
JP2006523834A (ja) * | 2003-04-11 | 2006-10-19 | オックスフォード バイオシグナルズ リミテッド | 1つまたは複数のロータリー部材を有する装置の回転計のデータおよび振動データを分析する方法およびシステム |
Non-Patent Citations (2)
Title |
---|
S. J. ROBERTS: "Novelty detection using extreme value statistics", IEE PROC.-VIS. IMAGE SIGNAL PROCESS, vol. 146, no. 3, JPN7013003171, June 1999 (1999-06-01), pages 124 - 129, XP006013800, ISSN: 0002928938, DOI: 10.1049/ip-vis:19990428 * |
富永公彦、松本拓俊: "石炭焚ボイラの灰摩耗に対する保全技術", 火力原子力発電, vol. 54, no. 6, JPN6013041916, June 2003 (2003-06-01), pages 643 - 650, ISSN: 0002928937 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021140942A1 (ja) * | 2020-01-06 | 2021-07-15 | 三菱パワー株式会社 | 診断装置、診断方法およびプログラム |
JP2021110977A (ja) * | 2020-01-06 | 2021-08-02 | 三菱パワー株式会社 | 診断装置、診断方法およびプログラム |
US11789436B2 (en) | 2020-01-06 | 2023-10-17 | Mitsubishi Heavy Industries, Ltd. | Diagnosing device, diagnosing method, and program |
JP7437163B2 (ja) | 2020-01-06 | 2024-02-22 | 三菱重工業株式会社 | 診断装置、診断方法およびプログラム |
JP2021143844A (ja) * | 2020-03-10 | 2021-09-24 | エヌ・ティ・ティ・アドバンステクノロジ株式会社 | 状態判定装置、状態判定方法及びコンピュータプログラム |
WO2024047859A1 (ja) * | 2022-09-02 | 2024-03-07 | 三菱電機株式会社 | 異常検知装置、異常検知方法、および、異常検知プログラム |
Also Published As
Publication number | Publication date |
---|---|
GB0800985D0 (en) | 2008-02-27 |
US7925470B2 (en) | 2011-04-12 |
GB2456567B (en) | 2010-05-05 |
GB2456567A (en) | 2009-07-22 |
GB2456567A8 (en) | 2009-12-02 |
JP5657209B2 (ja) | 2015-01-21 |
EP2081132A2 (en) | 2009-07-22 |
US20090187381A1 (en) | 2009-07-23 |
EP2081132A3 (en) | 2015-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5657209B2 (ja) | ノベルティ検出 | |
Orchard et al. | A particle filtering framework for failure prognosis | |
Chandrashekhar et al. | Structural damage detection using modal curvature and fuzzy logic | |
JP5292477B2 (ja) | 診断装置及び診断方法 | |
CN108363886A (zh) | 基于深度学习的变形预测方法及系统 | |
JP6847787B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
WO2020090767A1 (ja) | 異常診断装置、異常診断方法、及びプログラム | |
CN107924184A (zh) | 监视装置及监视装置的控制方法 | |
Scionti et al. | Tools to improve detection of structural changes from in-flight flutter data | |
JP2021177187A (ja) | 配管診断装置、配管診断方法、及びプログラム | |
Ye et al. | A deep learning-based method for automatic abnormal data detection: Case study for bridge structural health monitoring | |
Fritz et al. | Fault diagnosis in structural health monitoring systems using signal processing and machine learning techniques | |
Ji et al. | Structural performance degradation identification of offshore wind turbines based on variational mode decomposition with a Grey Wolf Optimizer algorithm | |
Li et al. | Structural health monitoring data anomaly detection by transformer enhanced densely connected neural networks | |
CN113312696B (zh) | 基于arima算法的桥梁健康状况动态预测告警方法 | |
CN107924182A (zh) | 监视装置及监视装置的控制方法 | |
JP6685124B2 (ja) | 診断装置及び診断方法 | |
CN116029220B (zh) | 一种电压互感器运行误差评估方法、系统、设备及介质 | |
JP2019008681A (ja) | 診断装置及び診断方法 | |
CN116861789A (zh) | 微震参数多输入序列预测模型的岩爆预测方法 | |
CN114692465B (zh) | 桥梁损伤位置的无损识别方法、存储介质及设备 | |
TWI787640B (zh) | 可轉移性判定裝置、可轉移性判定方法、及可轉移性判定程式 | |
JP6951202B2 (ja) | データ分類装置 | |
WO2020183781A1 (ja) | 異常診断装置 | |
Luleci et al. | Generative adversarial networks for labeled data creation for structural monitoring and damage detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130109 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130807 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130822 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20131121 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20131126 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20131216 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20131219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140411 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20141028 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141126 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5657209 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |