JP2010236302A - 作業機械の学習診断システム、状態診断装置及び状態学習装置 - Google Patents

作業機械の学習診断システム、状態診断装置及び状態学習装置 Download PDF

Info

Publication number
JP2010236302A
JP2010236302A JP2009086708A JP2009086708A JP2010236302A JP 2010236302 A JP2010236302 A JP 2010236302A JP 2009086708 A JP2009086708 A JP 2009086708A JP 2009086708 A JP2009086708 A JP 2009086708A JP 2010236302 A JP2010236302 A JP 2010236302A
Authority
JP
Japan
Prior art keywords
state
data
transient
steady
operation data
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
JP2009086708A
Other languages
English (en)
Other versions
JP5290026B2 (ja
Inventor
Hideaki Suzuki
英明 鈴木
Yoshinori Furuno
義紀 古野
Kenji Araki
憲司 荒木
Kozo Nakamura
浩三 中村
Shinya Yuda
晋也 湯田
Hironaru Takahashi
広考 高橋
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 Construction Machinery Co Ltd
Original Assignee
Hitachi Construction Machinery Co 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
Priority to JP2009086708A priority Critical patent/JP5290026B2/ja
Application filed by Hitachi Construction Machinery Co Ltd filed Critical Hitachi Construction Machinery Co Ltd
Priority to PCT/JP2010/052564 priority patent/WO2010113561A1/ja
Priority to US13/202,140 priority patent/US9074348B2/en
Priority to AU2010230893A priority patent/AU2010230893B2/en
Priority to EP10758338.7A priority patent/EP2416140B1/en
Priority to CN201080008342.8A priority patent/CN102326066B/zh
Priority to KR1020117018336A priority patent/KR20120022703A/ko
Publication of JP2010236302A publication Critical patent/JP2010236302A/ja
Application granted granted Critical
Publication of JP5290026B2 publication Critical patent/JP5290026B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05B23/0235—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 a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/03—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for
    • B60R16/0315—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for using multiplexing techniques
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • 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
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • 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
    • 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
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers

Landscapes

  • Engineering & Computer Science (AREA)
  • Mining & Mineral Resources (AREA)
  • Civil Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Component Parts Of Construction Machinery (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

【課題】作業機械の学習診断システムにおいて、様々なセンサ情報に対して汎用的に作業機械の異常診断を行うことができ、しかも動作状態間の遷移状態である過渡動作状態においても異常診断を可能とすることで作業機械の故障を未然に防止する。
【解決手段】状態学習装置２０１は、入力したセンサデータ１０１ａを定常動作状態と過渡動作状態のものに分類して、学習によりそれぞれ許容誤差を含む定常状態データ１０２ａ及び中間状態データ１０３ａを生成する。状態診断装置２０２は、その定常状態データ１０２ａを用いて、入力したセンサデータに係わる作業機械の動作状態が定常動作状態であるか過渡動作状態であるかを識別しかつ定常動作状態における異常判定を行うとともに、中間状態データ１０３ａを用いて識別した過渡動作状態における異常判定を行う。中間状態データ１０３ａは中間点情報も含む。
【選択図】 図１

Description

本発明は、油圧ショベルなどの作業機械の異常を検出する作業機械の学習診断システム、状態診断装置及び状態学習装置に関する。
鉱山等で稼動する大型油圧ショベル等の建設機械やその他の作業機械においては、１日２４時間ほとんど停止することなく３６５日連続稼動することが要求されるものがあり、異常停止する前に予め保守作業によって機器を万全な状態に保持する必要がある。一般的には、定期的に点検作業によって専門の保守員が点検を実施し、異常個所がないかを調査するとともに、異常が発見された場合には、必要な保守作業を行うことによって良好な機器状態が維持される。
一方、点検保守作業を実施するためには、機器を停止する必要が生じるため、連続稼動させたい運用者にとっては、機器状態が良好な限り、点検保守作業は運用にとっての障害となりうる。
このため、各種センサを用いて機械の状態を測定し、異常がないかを監視する異常診断技術が開発されている。異常診断技術によって故障停止する前に異常を検出し、早期に保守対策を行うことで、機器の故障を未然に防ぐことができる。
従来の異常診断技術として例えば特許文献１及び２に記載のものがある。特許文献１記載の異常診断技術は、正常時において、制御指令値と各種センサ値との関係を静特性関数及び包含関数として導出及び同定し、実操作においてそれらの静特性関数及び包含関数によって異常を判定するものである。特許文献２記載の異常診断技術は、センサ値及びその微分値を入力して自己組織化マップを形成し、実操作においてその自己組織化マップを用いて建設機械の動作を認識するものである。
特開平９−２９２９１８号公報 特開２００５−２５３５１号公報
異常診断のための診断アルゴリズムの開発には機械メーカが鋭意取り組んでいるもののアルゴリズム開発の難しさから、適切な判定ができないケースがあった。適切な判定が難しい理由は、アルゴリズム開発時に行った実験環境と機械を利用するユーザがおかれている使用環境や運用形態が異なる点にある。
これに対して、実環境上での計測結果から判定しようとする発明がなされている。特許文献１では、制御指令値と各種センサ値との関係を静特性関数及び包含関数によって判定している。しかし、静特性関数又は包含関数として示されている実例が１つだけであり、様々なアクチュエータやセンサに対してどのような関数を用いて構成すればよいかが示されておらず、様々な動作モードに対して適用できるかが分からない。
特許文献２では、センサ値及びその微分値を入力して形成した自己組織化マップによる動作状態を同定する発明がなされている。この発明によれば、各動作状態の同定に関しては説明がなされているが、各動作状態間の遷移時（過渡動作状態）における診断については開示されていない。
本発明は以上の問題点に鑑みてなされたもので、その目的は、様々なセンサ情報に対して汎用的に作業機械の異常診断を行うことができるとともに、動作状態間の遷移状態である過渡動作状態においても異常診断を可能とすることで作業機械の故障を未然に防ぐことができる作業機械の学習診断システム、状態学習装置及び状態診断装置を提供することである。
上記目的を達成するために、本発明は、機体に作業機を備えた作業機械の状態量（例えばエンジン回転数と排気ガス温度）をセンサで検出して稼動データとして入力し、この稼動データを用いて作業機械の動作状態の異常検知を行う作業機械の学習診断システムにおいて、入力した稼動データを作業機械の動作状態が定常動作状態にあるときの稼動データと過渡動作状態にあるときの稼動データとに分類し、この分類した稼動データに基づいて作業機械の動作状態の学習を行って、それぞれ許容誤差を含む定常状態情報及び過渡状態情報を生成する状態学習装置と、入力した稼動データと状態学習装置において生成した許容誤差を含む定常状態情報を用いて、入力した稼動データに係わる作業機械の動作状態が定常動作状態であるか過渡動作状態であるかを識別しかつ定常動作状態における異常判定を行うとともに、状態学習装置において生成した許容誤差を含む過渡状態情報を用いて前記識別した過渡動作状態における異常判定を行う。
このように状態診断装置は、状態学習装置で生成したそれぞれ許容誤差を含む定常状態情報及び過渡状態情報を用いて診断を行うため、様々なセンサ情報に対して汎用的に作業機械の異常診断を行うことができる。
また、状態学習装置は、稼動データを作業機械が定常動作状態にあるときのものと過渡動作状態にあるときのものに分類して定常状態情報と過渡状態情報を生成し、状態診断装置は、その定常動作状態と過渡動作状態を識別して異常判定を行うことにより、定常動作状態での異常診断だけでなく、動作状態間の遷移状態である過渡動作状態においても異常診断が可能となり、作業機械の故障を未然に防ぐことができる。
好ましくは、状態学習装置は、動作状態が過渡動作状態にあるときの稼動データのうち、時間的に連続した区間における稼動データを選択するとともに、動作状態が定常動作状態にあるときの稼動データのうち、前記選択した過渡動作状態への遷移前後における２つの定常動作状態における稼動データを選択し、この選択した２つの定常動作状態における稼動データと前記選択した過渡動作状態における稼動データとに基づいて前記過渡状態情報を生成し、状態診断装置は、識別した過渡動作状態への遷移前後における２つの定常動作状態に基づいて状態学習装置において生成した過渡状態情報を検索して対応する過渡状態情報を抽出し、識別した過渡動作状態と抽出した過渡状態情報とに基づいて識別した過渡動作状態における異常判定を行う。
これにより状態診断装置は、そのときの過渡動作状態における稼動データに対応する過渡状態情報に基づいて異常判定を行うため、過渡動作状態においても適切な診断が可能となる。
また、好ましくは、状態学習装置は、前記選択した２つの定常動作状態における稼動データと前記選択した過渡動作状態における稼動データとに基づいて、前記選択した過渡動作状態における稼動データを複数の直線で近似するような中間点情報を演算し、この中間点情報と前記許容誤差を含む前記過渡状態情報を生成し、前記状態診断装置は、前記識別した過渡動作状態において、前記状態学習装置において生成した前記中間点情報に基づいて補完データを生成し、この補完データと前記許容誤差を用いて異常判定を行う。
このように状態診断装置は、中間点情報と許容誤差を含む過渡状態情報を用いて補完データを生成して異常判定を行うため、学習する過度状態情報のデータ量を少なくできるとともに、少ないデータ量の過渡状態情報を用いて精度の高い診断を行うことができる。また、過渡状態に関する事前知識を必要とすることなく、学習・診断が可能となる。
好ましくは、前記状態学習手段は、前記稼動データとして相関のある複数の稼動データの組み合わせを入力し、この相関のある複数の稼動データを用いて、前記定常状態情報及び過渡状態情報を生成し、前記状態診断装置は、前記稼動データとして前記状態学習装置が入力したのと同じ相関のある複数の稼動データの組み合わせを入力し、この相関のある複数の稼動データに対して異常判定を行う。
これにより異常の判定だけでなく、稼動データの関係の変化から異常の兆候を予測したり、異常の原因を推定することが可能となる。
本発明によれば、様々なセンサ情報に対して汎用的に作業機械の異常診断を行うことができるとともに、定常動作状態での異常診断だけでなく、動作状態間の遷移状態である過渡動作状態においても異常診断が可能となり、作業機械の故障を未然に防ぐことができる。
また、そのときの過渡動作状態における稼動データに対応する過渡状態情報に基づいて異常判定を行うため、過渡動作状態においても適切な診断が可能となる。
また、中間点情報と許容誤差を含む過渡状態情報を生成し、補完データを生成して異常判定を行うため、学習する過度状態情報のデータ量を少なくできるとともに、少ないデータ量の過渡状態情報を用いて精度の高い診断を行うことができる。
更に、状態診断装置は、相関のある複数の稼動データの組み合わせを入力して診断を行うため、異常の判定だけでなく、稼動データの関係の変化から異常の兆候を予測したり、異常の原因を推定することが可能となる。
本発明の一実施の形態における作業機械の学習診断システムの全体構成を示す図である。 本発明の診断システムが適用される作業機械の一例である大型油圧ショベルの全体構造と診断システムを示す図である。 油圧ショベル１の運転室４内に設置されたコントローラネットワークを示す図である。 相関のあるセンサデータ（稼動データ）の組み合わせの一例として、エンジンの回転数とそれに伴う排気ガス温度の変化を示す図である。 本発明の基本概念に基づく診断方法により学習時に生成する状態データの一例を示す図である。 本発明の基本概念に基づく診断方法での診断時におけるエンジン回転数及び排気ガス温度の変化と中間状態データとの関係を示す図である。 本発明の基本概念に基づく診断方法での診断時におけるエンジン回転数及び排気ガス温度の変化と中間状態データとの関係を示す図である。 状態学習装置の構成を示す図である。 状態学習装置の処理機能を示すフローチャートである。 状態学習装置の処理機能を示すフローチャートである。 エンジンの回転数及び排気ガス温度の変化と定常状態データ及び中間状態データとの関係を示す図である。 状態学習装置が生成する定常状態データの一例を示す図である。 状態学習装置が生成する中間状態データの一例を示す図である。 状態診断装置の構成を示す図である。 状態診断装置の処理機能を示すフローチャートである。 状態診断装置の処理機能を示すフローチャートである。 状態診断装置の処理機能を示すフローチャートである。 診断時におけるエンジン回転数及び排気ガス温度の変化と中間状態データとの関係を示す図である。
以下、本発明の実施の形態を図面を用いて説明する。
図１は、本発明の一実施の形態における作業機械の学習診断システムの全体構成を示す図である。図１において、学習診断システム１００は、入力データベース１０１と、状態学習装置２０１、定常状態データベース１０２及び過渡状態データベース１０３と、状態診断装置２０２及び判定結果データベース１０４と、表示装置２０３とを備えている。
入力データベース１０１は、診断の対象となる機器に取り付けられた各種センサから集められたセンサ情報等のセンサデータ１０１ａ（稼動データ）を保存する。センサデータ１０１ａにはセンサ情報を加工したものを含んでもよい。また、センサデータ１０１ａには時刻情報が含まれる。入力データベース１０１に保存されたセンサデータ１０１ａは状態学習装置２０１と状態診断装置２０２に入力される。
状態学習装置２０１は、入力データベース１０１から入力するセンサデータとして相関のあるセンサデータの組み合わせを入力し、これらセンサデータに基づいて作業機械の動作状態が定常動作状態であるか過渡動作状態であるかを識別し、定常動作状態と過渡動作状態のそれぞれに対して中心値（平均値）及び誤差（許容誤差）を含む定常状態データ１０２ａ（定常状態情報）及び中間状態データ１０３ａ（過渡状態情報）を生成する。
状態学習装置２０１で生成した定常状態データ１０２ａは定常状態データベース１０２に保存され、状態学習装置２０１で生成した中間状態データ１０３ａは中間状態データベース１０３に保存される。
状態診断装置２０２も、状態学習装置２０１と同様に、入力データベース１０１から入力するセンサデータとして、状態学習装置２０１が入力したのと同じ相関のあるセンサデータの組み合わせを入力し、これらセンサデータに基づいて作業機械の動作状態が定常動作状態であるか過渡動作状態であるかを識別する.そして、状態診断装置２０２は、作業機械の動作状態が定常動作状態であるときは状態学習装置２０１で生成された定常状態データベース１０２ａを用いて異常判定を行い、過渡動作状態であるときは状態学習装置２０１で生成され過渡状態データ１０３ａを用いて異常判定を行う。
状態診断装置２０２で得られた判定結果データ１０４ａは判定結果データベース１０４に保存される。表示装置２０３はキーボード、マウス等の任意の操作装置を有しており、これらの操作装置を操作することで判定結果データベース１０４を介して判定結果データ１０４ａを表示することができる。
状態学習装置２０１と状態診断装置２０２は学習と診断を同時に行ってもよいが、好ましくは、状態学習装置２０１が学習を事前に行って診断データを生成した後、状態診断装置２０２がその診断データを用いて診断を行う。また、その場合は、状態診断装置２０２は状態学習装置２０１が生成しデータベース１０２、１０３に保存したデータ１０２ａ、１０３ａを直接用いて診断を行ってもよいが、診断専用のデータベース１０２Ａ、１０３Ａを別に用意しておき、データベース１０２、１０３に保存したデータ１０２ａ、１０３ａをそのデータベース１０２Ａ、１０３Ａにダウンロードし、そのデータを用いて診断を行ってもよい。この場合、状態学習装置２０１と状態診断装置２０２は独立したシステムとなる。
状態学習装置２０１が学習により生成した診断データ（定常状態データ１０２ａ及び中間状態データ１０３ａ）の信頼性を確保するためには、学習に使用したセンサデータ１０１ａが作業機械の動作状態が正常であるときのものである必要がある。このため、状態学習装置２０１は、学習用のセンサデータを入力している期間に作業機械に故障が生じていないという保守記録などの保証を得て、入力したセンサデータを正常時のものとして取り扱う。
図２は、本発明の診断システムが適用される作業機械の一例である大型油圧ショベルの全体構造と診断システムを示す図である。
図２において、油圧ショベル１は、機体重量数百トンクラスで例えば海外の鉱山等において用いられることの多い超大型ショベル（バックホータイプ）である。油圧ショベル１は走行体２、この走行体２上に旋回可能に設けた旋回体（機体）３、旋回体３の前部左側に設けた運転室４、旋回体３の前部中央に俯仰動可能に設けたフロント作業機５を備えている。フロント作業機５は旋回体３に回動可能に設けたブーム６、このブーム６の先端に回動可能に設けたアーム７、このアーム７の先端に回動可能に設けたバケット８から構成されている。旋回体３には例えば２台のエンジンとこれらのエンジンで駆動される複数台のメインポンプ(図示せず)が装備されている。走行体２は左右の走行モータ２ａ、２ｂがそれぞれ左右の履帯を駆動することにより前後進し、旋回体３は図示しない旋回モータにより走行体２に対して回転駆動される。ブーム６、アーム７、バケット８はそれぞれブームシリンダ６ａ、アームシリンダ７ａ、バケットシリンダ８ａにより駆動される。運転室４内にはセンサデータベース１０１としての役割を持つデータ記録装置９が設置され、このデータ記録装置９には各種センサ（検出手段）からの検出信号が所定の時間間隔で入力され、それらの情報がセンサデータ１０１ａとして記憶される。データ記録装置９（センサデータベース１０１）にはケーブルを介して本発明の学習診断システム１００（状態学習装置２０１と状態診断装置２０２を独立したシステムとして構成した場合は、それらシステムの一方）を備えたパソコン１１が接続可能であり、パソコン１１をデータ記録装置９に接続することにより、データ記録装置９に記憶されたセンサデータ１０１ａをパソコン１１にダウンロードすることができる。パソコン１１はパソコン本体１１Ａと、表示手段としての表示部１１Ｂと、入力手段としてのマウス１１Ｃ及びキーボード１１Ｄを備えている。
また、本発明の学習診断システム１００（状態学習装置２０１と状態診断装置２０２を独立したシステムとして構成した場合は、それらの各システム）は油圧ショベル１の管理事務所（例えば油圧ショベル１のメーカ、販売店、ディーラ、レンタル業者等の事務所）に設置したサーバ１２に設けてもよい。この場合、データ記録装置９は無線機１３を有し、データ記録装置９に記録されたセンサデータ１０１ａは無線機１３、通信衛星１４、基地局１５、インターネット１６を介してサーバ１２に定期的に送信される。管理事務所が作業現場から比較的近くにある場合は、サービスマンがデータ記録装置９にメモリーカード等の携帯用記録媒体を接続してセンサデータ１０１ａをダウンロードし、その記録媒体を管理事務所に持ち帰り、記録媒体からサーバにダウンロードしてもよい。
図３は油圧ショベル１の運転室４内に設置されたコントローラネットワークを示す図である。油圧ショベル１のコントローラネットワークは、エンジンコントローラ２１、車体コントローラ２２、モニタコントローラ２３、油圧システム計測ユニット２４、エンジン計測ユニット２５と、上記のデータ記録装置９（センサデータベース１０１）とを備えている。油圧システム計測ユニット２４はエンジンコントローラ２１に接続され、エンジンコントローラ２１は第１共通通信ライン２７Ａを介してデータ記録装置９に接続されている。車体コントローラ２２、モニタコントローラ２３、油圧システム計測ユニット２４は第２共通通信ライン２７Ｂを介してデータ記録装置９に接続されている。
エンジンコントローラ２１は電子ガバナ２８の制御を行うことによりエンジンの燃料噴射量を制御するものであり、車体コントローラ２２は電気レバー装置２９Ａ、２９Ｂの操作信号（電気信号）を入力し、この操作信号に応じて電磁弁（図示せず）を制御して油圧システムを制御するものである。モニタコントローラ２３はディスプレイ３１及び操作部３２に接続されており、操作部３２の入力操作に応じてディスプレイ３１の表示に係わる制御を行う。油圧システム計測ユニット２４はメインポンプ等、油圧システムに係わる機器の各種状態量の検出信号を入力して収集し、エンジン計測ユニット２５はエンジン回転数、排気ガス温度、ラジエータの水温等、エンジン系に係わる機器の各種状態量の検出信号を入力して収集する。図３では、それら状態量を検出するセンサの例として、エンジン回転数を検出する回転センサ３４、排気ガス温度を検出する温度センサ３５が示されている。
データ記録装置９は、油圧システム計測ユニット２４及びエンジン計測ユニット２５で収集した状態量データや、エンジンコントローラ２１、車体コントローラ２２、モニタコントローラ２３での入力データ及び出力データのうちの必要なものを所定間隔で第１及び第２共通通信ライン２７Ａ、２７Ｂを介して入力し、これらのデータをセンサデータ１０１ａとして記憶する。前述したように、データ記録装置９にはパソコン１１（学習診断装置システム１００）が接続可能であり、データ記録装置９に記憶したセンサデータ１０１ａをパソコン１１にダウンロードすることができる。また、データ記録装置９に記憶したセンサデータ１０１ａは無線機１３を介して管理事務所のサーバ１２（学習診断装置システム１００）に定期的に送信される。なお、モニタコントローラ２３に学習装置システム１００の役割を持たせることも可能であり、この場合は、データ記録装置９に記憶したセンサデータ１０１ａは第２共通通信ライン２７Ｂを介してモニタコントローラ２３に定期的に送信される。
図４は、相関のある複数のセンサデータ１０１ａ（稼動データ）の組み合わせの一例として、エンジンの回転数とそれに伴う排気ガス温度の変化(時間的な変化)を示す図である。エンジンが高回転状態Ｒａにあるときは、排気ガス温度も高温状態Ｔａであり、エンジンが低回転状態Ｒｂにあるときは、排気ガス温度も比較的低い状態のＴｂである。ただし、エンジンの回転数の変化に対して、エンジンそのものの温度変化が緩やかである（すなわちエンジンが低回転になってもすぐには冷えない）ため、排気ガス温度も緩やかに変化する。
作業機械の動作状態が正常である場合は、相関のある複数のセンサデータ１０１ａ
の関係は概ね一定である。相関のある複数のセンサデータ１０１ａの関係が変わることは、異常の兆候としてとらえることができる。また、相関のある複数のセンサデータ１０１ａの関係の変化をみることにより異常の原因を推定することができる。例えば、図４に示すエンジンの回転数とそれに伴う排気ガス温度の例では、排気ガス温度がエンジンの回転数の変化に対して図４に示す変化と異なる態様で変化した場合は、エンジンに何らかの異常が発生した推定することができる。
このようなエンジンの変化及び排気ガス温度の変化について、正常な動作状態であるかを診断する場合、次のような方法が考えられる。
１つは、変化のない区間においてのみ診断するという手法であり、この例で言えば、図４におけるt0からt1、t3からt4、t6からt7のようにエンジン回転数が一定で安定し、排気ガス温度も一定で安定しているような区間（以下これを定常区間と呼ぶこととする）において、各々の条件で正常値であるかを判定する方法である。しかし、この手法ではt1からt3、t4からt6のように状態が変化している区間（以下これを遷移区間と呼ぶこととする）における診断はできない。
これに対して、別の手法では、変化そのものすなわち、各センサデータ（ここではエンジンの回転数と排気ガス温度）の変分も条件として加えることで、状態認識及び診断をする。しかし、図４から分かるとおり、t1からt3において、排気ガス温度は非線形に変化しているため、変分値そのものが多様に変化する。すなわち、センサ値とその変分値を同時に用いる手法は、非線形に状態変化をする場合には、診断精度が悪くなる。
これに対して、定常区間においては静的関数、遷移区間においては動的関数を用いることで診断精度を向上させる手法も考えられる。ここで静的、動的とは、時間変化に対して値が一定であるか、時間変化に伴って時間の関数として値も変化するかという意味である。この方法を用いれば、定常区間及び遷移区間において精度よく診断可能である。しかし、機械の様々なセンサデータに対し、それぞれどのような静的・動的関数を当てはめればよいかについて設計する必要があり、多数あるセンサデータの組み合わせに対して膨大な設計を行う必要がある。
本発明の基本概念である図４に示す例では、このような方法に対して、センサデータの組み合わせと許容誤差を設定することで多大な設計の手間を簡略にする方法をとっている。この手法では、すべての動作状態を定常状態であると位置づけ、図５に示すような状態データ５０１としてセンサデータの組み合わせと許容誤差を保持する。例えば図４におけるt6からt7の区間においては、状態データ５０１の(6)が当てはめられる。エンジン回転数がＲａから許容誤差ＲＬ６の範囲に入っており、t6からt7の区間においては、それに対応する排気ガス温度がＴａから許容誤差ＴＬ６の範囲に入っているため、正常な動作状態であると判定される。また、遷移区間であるt4からt6においては、状態データ５０１の(5)が当てはめられ、上記(6)の場合と同様に、エンジン回転数ではＲａから許容誤差ＲＬ５の範囲に入っており、排気ガス温度は、Ｔｄから許容誤差ＴＬ５に入っているため、正常な動作状態であると判定される。
しかし、この手法には更なる改善の余地がある。すなわち、図６に示すようにエンジンの劣化が進んだ状態において、例えばt3の時点で、本来検出したい劣化状態（排気ガス温度の下がり方が遅い状態）も、許容誤差ＴＬ３が大きいために正常状態であると判定されてしまう。図７に示すように、許容誤差ＴＬ３の範囲外になれば異常状態であると判定されるが、図７のようになると劣化が相当程度進行してからということになり、結果として、すべての動作状態を定常状態とするアルゴリズムの前提によって、遷移状態での診断精度が悪くなるという課題があった。
本実施の形態では、様々なセンサデータの組み合わせに対し、汎用的に適用可能であるという利点を残しながら、上記のような遷移状態での診断精度の悪化を回避することができる。
以下に本実施の形態における状態学習装置２０１及び状態診断装置２０２の詳細を説明する。
まず、図８、図９Ａ、図９Ｂ、図１０、図１１Ａ、図１１Ｂを用いて、状態学習装置２０１における定常状態データ１０２ａと中間状態データ１０３ａの生成について説明する。
図８は、状態学習装置２０１の構成を示す図であり、図９Ａ及び図９Ｂは状態学習装置２０１の処理機能を示すフローチャートである。図１０は、エンジンの回転数及び排気ガス温度の変化と定常状態データ及び中間状態データとの関係を示す図であり、図１１Ａ及び図１１Ｂはそれぞれ状態学習装置２０１が生成する定常状態データ１０２ａ及び中間状態データ１０３ａの一例を示す図である。
状態学習装置２０１は、定常状態検出部２１１と中間状態生成部２１２を含む。定常状態検出部２１１は、入力データベース１０１から入力したセンサデータ１０１ａ（以下適宜「入力データ」という）を分類し、図１１Ａに示す定常状態データ１０２ａを生成し、定常状態データベース１０２に保存する（ステップＳ１１０１〜Ｓ１１０６）。定常状態検出部２１１におけるセンサデータの分類には、「教師なし分類アルゴリズム」の１つである自己組織化マップ（ＳＯＭ）のようなアルゴリズムを用いることができる。自己組織化マップは、入力データを複数のデータグループに分類する手法である。自己組織化マップそのものは、与えられた入力データを複数のデータグループに分類するだけの手法であるので、定常状態であるかどうかの判定はできない。定常状態検出部２１１では、自己組織化マップによって分類された各データグループにそれぞれどれだけの入力データが属しているかによって各データグループが定常状態であるかを判定する。例えば、入力データ数をＮサンプルとしたとき、各データグループのデータ数割合が所定の割合αより大きいかどうかを判定し、所定の割合αより大きければ（各データグループのデータ数がαＮ個より多ければ）、そのデータグループのみを定常状態を表すデータグループであると定義付けることができる（ステップＳ１１０３〜Ｓ１１０５）。これは、定常状態に属するサンプルが一定数以上多く存在し、遷移状態は少ないという前提に基づいている。「教師なし分類アルゴリズム」としてはＳＯＭ以外に「K-means」、「ＥＭアルゴリズム」などがあり、定常状態検出部２１１におけるセンサデータの分類にはそれらのアルゴリズムを用いてもよい。
図１１Ａは定常状態検出部２１１で生成される定常状態データ１０２ａの一例を示している。図１１Ａでは、その定常状態データが特定のものであるという意味で、定常状態データを符号１３０１で示している。
定常状態に分類されるサンプルは、図１０では、時刻t0からt1、t3からt4、t6からt7の区間である。t0からt1及びt6からt7は図１１Ａに示す定常状態データ１３０１の左欄の(6)に対応し、t3からt4までは定常状態データ１３０１の左欄の(3)に対応する。(6)はt6と関係づけられている。また、t6＝t0の関係にある。(3)はt3と関係づけられている。すなわち、(6)及び(3)はそれら項目のデータが時刻t0及びt3における定常状態データを示す。また、(6)及び(3)は定常状態データ１０２ａを検索して定常状態データ１３０１を抽出するときのインデックス情報の役割を持つ。定常状態データ１３０１の中心値と許容誤差は、各データグループに分類された入力データサンプルに基づいて作成され、各データグループに属する入力データサンプルの中心値（平均値）と各入力データサンプルと中心値との誤差を算出することで求められる。図１１Ａのエンジン回転数の欄において、Rb、Raは中心値であり、状態診断装置２０２における診断時に定常状態の基準値として用いられる。RL3、RL6は誤差であり、状態診断装置２０２における診断時に定常状態の許容誤差として用いられる。図１１Ａの排気ガス温度の欄において、Tb、Taは中心値であり、状態診断装置２０２における診断時に定常状態の基準値として用いられる。TL3、TL6は誤差であり、状態診断装置２０２における診断時に定常状態の許容誤差として用いられる。
次に、状態学習装置２０１の中間状態生成部２１２における中間状態データの生成について説明する。中間状態生成部２１２は、定常状態検出部２１１によって定常状態データ１０２ａを生成した後に、その定常状態データを参照して中間状態データ１０３ａを生成する。
中間状態生成部２１２は、その前の処理（ステップＳ１１０４及びＳ１１０５の処理）で定常状態データ１０２ａが生成されていれば、生成された定常状態データ１０２ａを用いて中間状態データ１０３ａの生成を開始する(ステップＳ１１１１)。
中間状態生成部２１２は、まず、定常状態データ１０２ａに該当しない入力データ（非定常状態データ）を検索して、その中から時間方向で（時間的に）連続した区間のデータを切り出し、遷移区間毎の中間状態データを得る(ステップＳ１１１２)。
図１０において、t1からt3の区間は、定常状態に属しない入力データである。これは、定常状態データのそれぞれに属するサンプルが上記の通り判別可能であるので、入力データのうちの定常状態データに属しないサンプルを抽出することで得られる。また、t0からt1は、図１１Ａに示した定常状態データ１３０１の(6)に属し、t3からt4は定常状態データ１３０１の(3)に属する。ここで、中間状態生成部２１２は、非定常状態データの前後の定常状態データであるt1とt3の入力データを取り出し（ステップＳ１１１３）、このt1とt3の入力データを端点として、予め与えられた誤差に収まるように、t1からt3の遷移区間の入力データを直線で近似するような中間点を順次求める（ステップＳ１１１４）。誤差の与え方としては、例えば各センサデータの最大値の１％を誤差と設定するなどのように与えることが出来る。
中間点を求めるアルゴリズムとしては、以下のような方法を用いることができる。点８０１及び点８０３を端点とした直線を生成し、この直線と入力データ（t1からt3までの区間の入力データ）との誤差を算出し、その誤差が最も大きな点を中間点（ここでは点８０９）として記録する。生成した中間点と元の端点（ここでは点８０１と点８０３）を新たな端点として同様の計算を繰り返しながら中間点（ここでは点８０８）を求め、すべての入力データに関し与えられた誤差以下で近似できたことが確認できた時点で終了する。入力データが複数のセンサ情報から構成される場合には、すべてのパラメータが所定の誤差以下になるように中間点を求める。
中間状態生成部２１２は、以上のようにして生成した中間点情報を含むデータを中間状態データ１０３ａとして出力し、中間状態データベース１０４に保存する（ステップＳ１１１５）。図１０の例では、中間状態データ１０３ａとして、t1からt3までの区間においては中間点８０８、８０９に基づく中間点情報からなる中間状態データが、またt4からt6までの区間においては、中間点８１０、８１１に基づく中間点情報からなる中間状態データが得られる。それぞれに対応する中間状態データの値は、図１１Ｂの中間状態データ１３０２に示すようなものである。図１１Ｂでは、図１１Ａの場合と同様、その中間状態データが特定のものであるという意味で、１０３ａと異なる符号１３０１で定常状態データを示している。
中間状態データ１３０２において、左欄の(8)を例に説明する。(8)はt8と関連づけられており、中間点８０８の状態を意味する。左から２番目の欄１３１３の(6、3)は中間状態(8)が属する過渡状態の連結情報をt6、t3と関連づけて表示している（t6＝t0の関係にある）。言い換えれば、(6、3)は中間状態(8)が点８０１と点８０３間にあることを意味する。(6、3)は中間状態データ１０３ａを検索して中間状態データ１３０２を抽出するときのインデックス情報の役割を持つ。左から３欄のデータ１３１１は中間点の連結情報を表しており、(6、9)は中間状態データ１３０２の(8)が定常状態データ１３０１の(6)と中間状態データ１３０１の(9)とを結ぶ中間点であることを示している。Rb、Te、Tfは中間点８０８、８０９におけるセンサデータであり、エンジン回転数及び排気ガス温度である（中間値）。RL(6、3)やTL(6、3)は、いずれも中間状態データ１３０２によって構成される近似点と元データとの誤差を示しており、状態診断装置２０２の過渡状態での判定時における許容誤差としても用いられる。データ１３１２aとデータ１３１２bは、定常状態データ１３０１の(6)から中間状態(8)、及び中間状態(8)から次の中間状態(9)に移るまでの時間を表している。図１０ではt1からt8及びt8からt9までの時間差を表している。中間状態データ１３０２の左欄の(9)は、中間状態データ１３０２の(8)と定常状態データ１３０１の(3)を結ぶ中間点として表されている。中間状態(10)や(11)のデータも同様である。
次に、図１２、図１３Ａ〜図１３Ｃを用いて、状態診断装置２０２における診断処理について説明する。
図１２は、状態診断装置２０２の構成を示す図であり、図１３Ａ〜１２ｃは状態診断装置２０２の処理機能を示すフローチャートである。
図１２において、状態診断装置２０２は、定常状態判定部１１１と補完状態判定部１１２と補完状態生成部１１３と中間状態検索部１１４とを含む。
定常状態判定部１１１、補完状態判定部１１２、補完状態生成部１１３、中間状態検索部１１４は図１３Ａ〜図１３Ｃのフローチャートに示すような処理機能を有している。
すなわち、入力データ１０１ａは、定常状態判定部１１１に入力されると（ステップＳ１２０１）、定常状態判定部１１１が定常状態データ１０２ａと一致するかを比較する（ステップＳ１２０２）。定常状態データ１０２ａの詳細は、定常状態データ１３０１を例にとり図１１Ａを用いて説明した通りである。最初の段階では、入力データ１０１ａが定常状態データ１０２ａのいずれかと一致するまで入力データ１０１ａの取り込みを続ける。入力データ１０１ａが定常状態データ１０２ａのいずれかと一致すると、これを「現在の定常状態データ」として保持する（ステップＳ１２０３）。具体的には、定常状態データ１０２ａのうちの入力データ１０１ａに対応するデータのインデックス情報をバッファ（図示なし）に保持する。引き続いて入力データ１０１ａの取り込みを行い（ステップＳ１２０４）、これが「現在の定常状態データ」と一致するかを判定する（ステップＳ１２０５）。一致する場合には、正常状態の判定結果を判定結果データ１０４ａとして出力してデータベース１０４に保存し（ステップＳ１２０６）、ステップＳ１２０４に戻る。
入力データ１０１ａが「現在の定常状態データ」と一致しない場合には、これをバッファ（Ａ）（図示なし）に保持し（ステップＳ１２０７）、データの取り込みを続ける（ステップＳ１２０８）。取り込んだデータが定常状態データ１０２ａのいずれとも一致しない限り（ステップＳ１２０９）、これをバッファ（Ａ）に取り込み続ける。取り込んだデータが定常状態データ１０２ａのいずれかと一致した場合（ステップＳ１２０９）、これをバッファ（Ｂ）に保持し（ステップＳ１２１０）、バッファ（Ｂ）に保持されたデータがステップＳ１２０３で保持した「現在の定常状態データ」と一致するか否かを判定する（ステップＳ１２１１）。
バッファ（Ｂ）に保持されたデータが「現在の定常状態データ」と一致する場合、同じ定常状態の中で一時的に「現在の定常状態データ」に一致しないデータが入力されたことになるので、「現在の定常状態データ」の中で異常状態が発生したとみなされ、異常判定処理を行い（ステップＳ１２１２）、異常状態の判定結果を判定結果データ１０４ａとして出力してデータベース１０４に保存する（ステップＳ１２１３）。その後、データの取り込みを続ける（ステップＳ１２０４）。
バッファ（Ｂ）に保持されたデータが「現在の定常状態データ」と一致しない場合、異なる定常状態間での遷移が生じたことになるので、過渡状態での判定に移行する。中間状態検索部１１４は、バッファ（Ｂ）に保持された定常状態データを「次の定常状態データ」とし、「現在の定常状態データ」と「次の定常状態データ」に基づいて、中間状態データ１０３ａを検索する（ステップＳ１２１４）。補完状態生成部１１３は、検索された中間状態データ１０３ａ及び遷移前後の定常状態（「現在の定常状態データ」及び「次の定常状態データ」）に基づいて補完データを生成し（ステップＳ１２１５）、補完状態判定部１１２は、バッファ（Ａ）に保持した入力データ１０１ａが補完データと一致するかを判定する（ステップＳ１２１６）。
バッファ（Ａ）に保持した入力データ１０１ａが生成された補完データと一致する場合は、正常状態の判定結果を判定結果データ１０４ａとして出力してデータベース１０４に保存し（ステップＳ１２１７）、「次の定常状態データ」を「現在の定常状態データ」に置き換えて（ステップＳ１２２０）、データの取り込みを続ける（ステップＳ１２０４）。バッファ（Ａ）に保持した入力データ１０１ａが生成された補完データと一致しない場合には、バッファ（Ａ）に保持した入力データ１０１ａと生成された補完データに基づいて異常判定処理を行い（ステップＳ１２１８）、異常状態の判定結果を判定結果データ１０４ａとして出力してデータベース１０４に保存し（ステップＳ１２１９）、「次の定常状態データ」を「現在の定常状態データ」に置き換えて（ステップＳ１２２０）、データの取り込みを続ける（ステップＳ１２０４）。
状態診断装置２０２における診断内容について、図１１Ａ及び図１１Ｂの定常状態データ１３０１及び中間状態データ１３０２と、図１４を用いて更に具体的に説明する。図１４は診断時におけるエンジン回転数及び排気ガス温度の変化と中間状態データとの関係を示す、図１０と同様な図である。
まず、図１４のt0からt1の区間においては、エンジン回転数はRa、排気ガス温度はTaであり、これらは図１１Ａの定常状態データ１３０１における定常状態(6)のデータに一致するため、ステップＳ１２０１からステップＳ１２０６までの動作に従い処理され、正常状態として判定結果データ１０４ａが出力される。
次に、図１４のt1からt12の区間においては、定常状態データ１３０１に一致しないため、ステップＳ１２０７において、t1からt12までの入力データはバッファ（Ａ）に保持される。時刻がt12になったときに、図１１Ａの定常状態データ１３０１における定常状態(3)のデータに一致し、これは定常状態(6)のデータとは異なるため、ステップＳ１２１４に移る。ステップＳ１２１４では、中間状態検索部１１４は、定常状態(6)から定常状態(3)への遷移の場合の中間状態データを、欄１３１３の(6、3)をインデックスとして検索し、中間状態(8)及び(9)のデータが検索結果として出力する。
中間状態データとして(8)及び(9)のデータが検索されたので、ステップＳ１２１５において、補完状態生成部１１３は中間状態(8)のデータに基づいて時刻t1（定常状態(6)に一致する最後の時刻）よりt(6、8)の時間差を足した時刻t8において、エンジン回転数Rb、排気ガス温度Teとし、時刻t6から時刻t8までの区間を直線で近似した各時刻の補完データを求める。この場合、補完データは、エンジン回転数についてはRbで一定であり、排気ガス温度については時刻t1においてTa、時刻t8においてTeとなる線分上の各時刻の値を求めることとなる。
補完状態判定部１１２は、入力データが、求めた各時刻の補完データに対して、エンジン回転数であればRL(6、3)の誤差に入っているか、排気ガス温度であればTL(6、3)の誤差に入っているかをステップＳ１２１６において判定する。この実施の形態では、時刻t1から時刻t8までの区間においては誤差範囲を逸脱しなかったものとすると、ステップＳ１２１６において一致したとして判定される。
続いて、補完状態生成部１１３は時刻t8から時刻t9までの区間を直線で近似した各時刻の補完データを求め、補完状態判定部１１２は、上記時刻t1から時刻t8までの区間と同様に入力データが求めた各時刻の補完データに対して誤差範囲を逸脱していないかをステップＳ１２１６において判定し、この場合は逸脱していたとすると、時刻t8から時刻t9までは一致していないと判定され、結果としてステップＳ１２１６においては、入力データと生成された補完状態とが一致しなかったとして総合判定され、ステップ１２１８に移る。ステップＳ１２１８では、誤差に入らなかった場合に異常状態であるとし、ステップＳ１２１９において排気ガス温度が誤差範囲を超えて異常であるという判定結果を出力する。この場合、どの程度誤差範囲を超えているかの逸脱量も出力しても良い。エンジン回転数については、誤差範囲を逸脱していないので異常とは判定されない。もし、すべての補完状態において一致した場合は、ステップＳ１２１７に移り、正常状態として出力される。最後に、「現在の定常状態データ」を(6)から(3)に変更し、データの取り込みを続ける。
以上のように構成した本実施の形態によれば、下記の効果が得られる。
（１）状態診断装置２０２は、状態学習装置２０１で生成したそれぞれ許容誤差を含む定常状態データ１０２ａ（定常状態情報）及び中間状態データ１０３ａ（過渡状態情報）を用いて診断を行うため、様々なセンサ情報に対して汎用的に作業機械の異常診断を行うことができる。
（２）状態学習装置２０１は、センサデータ１０１ａ（稼動データ）を作業機械が定常動作状態にあるときのものと過渡動作状態にあるときのものに分類して定常状態データ１０２ａと中間状態データ１０３ａを生成し、状態診断装置２０２は、その定常動作状態と過渡動作状態を識別して異常判定を行うため、定常動作状態での異常診断だけでなく、動作状態間の遷移状態である過渡動作状態においても異常診断が可能となり、作業機械の故障を未然に防ぐことができる。
（３）上記（１）及び（２）の結果、様々な振る舞いをする機械の動作状態に対して汎用的に学習を行うことができるとともに、過渡動作状態においても適切な診断を行うことができる。
（４）状態診断装置２０２は、そのときの過渡動作状態におけるセンサデータ１０１ａ（稼動データ）に対応する中間状態データ１０３ａ（過渡状態情報）に基づいて異常判定を行うため、過渡動作状態においても適切な診断が可能となる。
（５）状態診断装置２０２は、中間点情報と許容誤差を含む中間状態データ１０３ａ（過渡状態情報）を用いて補完データを生成して異常判定を行うため、学習する中間状態データ１０３ａのデータ量を少なくできるとともに、少ないデータ量の中間状態データ１０３ａを用いて精度の高い診断を行うことができる。また、過渡状態に関する事前知識を必要とすることなく、学習・診断が可能となる。
（６）状態診断装置２０２は、相関のある複数のセンサデータ１０１ａ（稼動データ）の組み合わせ（例えばエンジン回転数と排気ガス温度）を入力して診断を行うため、異常の判定だけでなく、稼動データの関係の変化から異常の兆候を予測したり、異常の原因を推定することが可能となる。
なお、上記実施の形態では、本発明を超大型油圧ショベル（バックホータイプ）に適用した場合について説明したが、機体に作業機を備えた作業機械であればそれ以外の作業機であってもよい。例えば、ローダタイプの油圧ショベル、超大型よりもサイズの小さな油圧ショベル（例えば通常の大型油圧ショベル或いは中型油圧ショベル）、更には、油圧ショベル以外のホイールローダ、クレーン、ブルトーザ等の作業機械であっても本発明を同様に適用し、同様の効果を得ることができる。
また、上記実施の形態では、相関のある複数の稼動データとして、エンジン回転数と排気ガス温度について説明したが、それ以外の稼動データの組み合わせ（例えば、エンジン温度とラジエータ温度の組み合わせ、操作レバー装置のレバー操作量と油圧ポンプの吐出圧力との組み合わせ）であってもよい。
１ 油圧ショベル
２ 走行体
３ 旋回体
４運転室
５ フロント作業機
６ ブーム
７ アーム
８ バケット
９ データ記録装置
１１ パソコン
１１Ａ パソコン本体
１１Ｂ 表示部
１１Ｃ マウス
１１Ｄ キーボード
１２ サーバ
１３ 無線機
１４ 通信衛星
１５ 基地局
１６ インターネット
２１ エンジンコントローラ
２２ 車体コントローラ
２３ モニタコントローラ
２４ 油圧システム計測ユニット
２５ エンジン計測ユニット
２７Ａ 第１共通通信ライン
２７Ｂ 第２共通通信ライン
２８ 電子ガバナ
２９Ａ、２９Ｂ 電気レバー装置
３１ ディスプレイ
３２ 操作部
１００ 学習診断システム
１０１ 入力データベース
１０１ａ センサデータ（稼動データ）
１０２ 定常状態データベース
１０２ａ 定常状態データ（定常状態情報）
１０３ 過渡状態データベース
１０３ａ 中間状態データ（過渡状態情報）
１０４ 判定結果データベース
１０４ａ 判定結果データ
２０１ 状態学習装置
２０２ 状態診断装置
２０３ 表示装置
２１１ 定常状態検出部
２１２ 中間状態生成部
１１１ 定常状態判定部
１１２ 補完状態判定部
１１３ 補完状態生成部
１１４ 中間状態検索部
８０１、８０３、８０４、８０６ 端点
８０８、８０９、８１０、８１１ 中間点
１３０１ 定常状態データ
Ra、Rb 中心値（エンジン回転数）
RL3、RL6 許容誤差（エンジン回転数）
Ta、Tb 中心値（排気ガス温度）
TL3、TL6 許容誤差（排気ガス温度）
１３０２ 中間状態データ
Ra、Rb 中間点情報(エンジン回転数)
Te、Tf、Tg、Th 中間点情報(排気ガス温度)
RL(6、3)、RL(3、6) 許容誤差(エンジン回転数)
TL(6、3)、TL(3、6) 許容誤差(排気ガス温度）

Claims (14)

  1. 機体に作業機を備えた作業機械の状態量をセンサで検出して稼動データとして入力し、この稼動データを用いて作業機械の動作状態の異常検知を行う作業機械の学習診断システムにおいて、
    入力した稼動データを作業機械の動作状態が定常動作状態にあるときの稼動データと過渡動作状態にあるときの稼動データとに分類し、この分類した稼動データに基づいて前記作業機械の動作状態の学習を行って、それぞれ許容誤差を含む定常状態情報及び過渡状態情報を生成する状態学習装置と、
    入力した稼動データと前記状態学習装置において生成した許容誤差を含む定常状態情報を用いて、入力した稼動データに係わる作業機械の動作状態が定常動作状態であるか過渡動作状態であるかを識別しかつ前記識別した定常動作状態における異常判定を行うとともに、前記状態学習装置において生成した許容誤差を含む過渡状態情報を用いて前記識別した過渡動作状態における異常判定を行う状態診断装置とを備えることを特徴とする作業機械の学習診断システム。
  2. 請求項１記載の作業機械の学習診断システムにおいて、
    前記状態学習装置は、前記動作状態が過渡動作状態にあるときの稼動データのうち、時間的に連続した区間における稼動データを選択するとともに、前記動作状態が定常動作状態にあるときの稼動データのうち、前記選択した過渡動作状態への遷移前後における２つの定常動作状態における稼動データを選択し、この選択した２つの定常動作状態における稼動データと前記選択した過渡動作状態における稼動データとに基づいて前記過渡状態情報を生成し、
    前記状態診断装置は、前記識別した過渡動作状態への遷移前後における２つの定常動作状態に基づいて前記状態学習装置において生成した前記過渡状態情報を検索して対応する過渡状態情報を抽出し、前記識別した過渡動作状態と前記抽出した過渡状態情報とに基づいて前記識別した過渡動作状態における異常判定を行うことを特徴とする作業機械の学習診断システム。
  3. 請求項１記載の作業機械の学習診断システムにおいて、
    前記状態学習装置は、前記動作状態が定常動作状態にあるときの稼動データのうち、時間的に連続した区間における稼動データを選択するとともに、前記動作状態が定常動作状態にあるときの稼動データのうち、前記選択した過渡動作状態への遷移前後における２つの定常動作状態における稼動データを選択し、この選択した２つの定常動作状態における稼動データと前記選択した過渡動作状態における稼動データとに基づいて、前記選択した過渡動作状態における稼動データを複数の直線で近似するような中間点情報を演算し、この中間点情報と前記許容誤差を含む前記過渡状態情報を生成し、
    前記状態診断装置は、前記識別した過渡動作状態において、前記状態学習装置において生成した前記中間点情報に基づいて補完データを生成し、この補完データと前記許容誤差を用いて異常判定を行うことを特徴とする作業機械の学習診断システム。
  4. 請求項１記載の作業機械の学習診断システムにおいて、
    前記状態学習装置は、
    入力した稼動データを作業機械の動作状態が定常動作状態にあるときの稼動データとそれ以外の稼動データとに分類し、作業機械の動作状態が定常動作状態にあるときの稼動データに基づいて前記定常状態情報を生成する定常状態情報生成手段と、
    前記定常状態検出手段において分類した前記それ以外の稼動データを作業機械が過渡動作状態にあるときの稼動データとして用い、この稼動データに基づいて前記過渡状態情報を生成する過渡状態情報生成手段とを有することを特徴とする作業機械の学習診断システム。
  5. 請求項１又は４記載の作業機械の学習診断システムにおいて、
    前記状態診断装置は、
    前記状態学習装置において生成した前記定常状態情報を用いて、前記入力した稼動データに係わる作業機械の動作状態が定常動作状態であるか過渡動作状態にあるかを識別しかつ前記識別した定常動作状態における異常判定を行う定常状態判定手段と、
    前記定常状態判定手段において識別した定常動作状態における稼動データを用いて、前記状態学習装置において生成した前記過渡状態情報を検索して対応する過渡状態情報を抽出する過渡状態検索手段と、
    前記過渡状態検索手段において抽出した過渡状態情報に基づいて補完データを生成する補完状態生成手段と、
    前記定常状態判定手段において識別した過渡動作状態における稼動データと前記補完状態生成手段において生成した補完データとに基づいて異常判定を行う補完状態判定手段とを有することを特徴とする作業機械の学習診断システム。
  6. 請求項１〜５のいずれか１項記載の作業機械の学習診断システムにおいて、
    前記状態学習手段は、前記稼動データとして相関のある複数の稼動データの組み合わせを入力し、この相関のある複数の稼動データを用いて前記定常状態情報及び過渡状態情報を生成し、
    前記状態診断装置は、前記稼動データとして前記状態学習装置が入力したのと同じ相関のある複数の稼動データの組み合わせを入力し、この相関のある複数の稼動データに対して異常判定を行うことを特徴とする作業機械の学習診断システム。
  7. 機体に作業機を備えた作業機械の状態量をセンサで検出して稼動データとして入力し、この稼動データを用いて作業機械の動作状態の異常検知を行う学習診断システムに用いる作業機械の状態学習装置において、
    入力した稼動データを作業機械の動作状態が定常動作状態にあるときの稼動データとそれ以外の稼動データとに分類し、作業機械の動作状態が定常動作状態にあるときの稼動データに基づいて許容誤差を含む定常状態情報を生成する定常状態情報生成手段と、
    前記定常状態検出手段において分類した前記それ以外の稼動データを作業機械が過渡動作状態にあるときの稼動データとして用い、この稼動データに基づいて許容誤差を含む過渡状態情報を生成する過渡状態情報生成手段とを有することを特徴とする作業機械の状態学習装置。
  8. 請求項７記載の作業機械の状態学習装置において、
    前記過渡状態情報生成手段は、前記動作状態が過渡動作状態にあるときの稼動データのうち、時間的に連続した区間における稼動データを選択するとともに、前記動作状態が定常動作状態にあるときの稼動データのうち、前記選択した過渡動作状態への遷移前後における２つの定常動作状態における稼動データを選択し、この選択した過渡動作状態における稼動データと前記２つの定常動作状態における稼動データに基づいて前記過渡状態情報を生成することを特徴とする作業機械の状態学習装置。
  9. 請求項７記載の作業機械の状態学習装置において、
    前記過渡状態情報生成手段は、前記動作状態が定常動作状態にあるときの稼動データのうち、時間的に連続した区間における稼動データを選択するとともに、前記動作状態が定常動作状態にあるときの稼動データのうち、前記選択した過渡動作状態への遷移前後における２つの定常動作状態における稼動データを選択し、この選択した２つの定常動作状態における稼動データと前記選択した過渡動作状態における稼動データとに基づいて、前記選択した過渡動作状態における稼動データを複数の直線で近似するような中間点情報を演算し、この中間点情報と前記許容誤差を含む前記過渡状態情報を生成することを特徴とする作業機械の状態学習装置。
  10. 請求項７〜９のいずれか１項記載の作業機械の状態学習装置において、
    前記定常状態情報生成手段は、前記稼動データとして相関のある複数の稼動データの組み合わせを入力し、この相関のある複数の稼動データを用いて前記定常状態情報を生成し、
    前記過渡状態情報生成手段は、前記相関のある複数の稼動データを用いて前記過渡状態情報を生成することを特徴とする作業機械の状態学習装置。
  11. 機体に作業機を備えた作業機械の状態量をセンサで検出して稼動データとして入力し、この稼動データと、状態学習装置において生成され、それぞれ許容誤差を含む定常状態情報及び過渡状態情報を用いて作業機械の動作状態の異常検知を行う学習診断システムに用いる作業機械の状態診断装置であって、
    前記状態学習装置において生成した前記定常状態情報を用いて、入力した稼動データに係わる作業機械の動作状態が定常動作状態であるか過渡動作状態にあるかを識別しかつ前記識別した定常動作状態における異常判定を行う定常状態判定手段と、
    前記定常状態判定手段において識別した定常動作状態における稼動データを用いて、前記状態学習装置において生成した前記過渡状態情報を検索して対応する過渡状態情報を抽出する過渡状態検索手段と、
    前記過渡状態検索手段において抽出した過渡状態情報に基づいて補完データを生成する補完状態生成手段と、
    前記定常状態判定手段において識別した過渡動作状態における稼動データと前記補完状態生成手段において生成した補完データとに基づいて異常判定を行う補完状態判定手段とを有することを特徴とする作業機械の状態診断装置。
  12. 請求項１１記載の作業機械の状態診断装置において、
    前記状態学習装置は、前記動作状態が過渡動作状態にあるときの稼動データのうち、時間的に連続した区間における稼動データを選択するとともに、前記動作状態が定常動作状態にあるときの稼動データのうち、前記選択した過渡動作状態への遷移前後における２つの定常動作状態における稼動データを選択し、この選択した２つの定常動作状態における稼動データと前記選択した過渡動作状態における稼動データとに基づいて前記過渡状態情報を生成し、
    前記過渡状態検索手段は、前記識別した過渡動作状態への遷移前後における２つの定常動作状態に基づいて前記状態学習装置において生成した前記過渡状態情報を検索して対応する過渡状態情報を抽出することを特徴とする作業機械の状態診断装置。
  13. 請求項１１記載の作業機械の状態診断装置において、
    前記状態学習装置は、前記動作状態が定常動作状態にあるときの稼動データのうち、時間的に連続した区間における稼動データを選択するとともに、前記動作状態が定常動作状態にあるときの稼動データのうち、前記選択した過渡動作状態への遷移前後における２つの定常動作状態における稼動データを選択し、この選択した２つの定常動作状態における稼動データと前記選択した過渡動作状態における稼動データとに基づいて、前記選択した過渡動作状態における稼動データを複数の直線で近似するような中間点情報を演算し、この中間点情報と前記許容誤差を含む前記過渡状態情報を生成し、
    前記補完状態生成手段は、前記状態学習装置において生成した前記中間点情報に基づいて補完データを生成し、
    前記補完状態判定手段は、前記補完データと前記許容誤差を用いて異常判定を行うことを特徴とする作業機械の状態診断装置。
  14. 請求項１１〜１３のいずれか１項記載の作業機械の状態診断装置において、
    前記状態学習装置は、前記稼動データとして相関のある複数の稼動データの組み合わせを入力し、この相関のある複数の稼動データを用いて前記定常状態情報及び過渡状態情報を生成し、
    前記定常状態判定手段は、前記稼動データとして前記状態学習装置が入力したのと同じ相関のある複数の稼動データの組み合わせを入力し、この相関のある複数の稼動データに基づいて、作業機械の動作状態が定常動作状態であるか過渡動作状態にあるかを識別しかつ前記識別した定常動作状態における異常判定を行い、
    前記過渡状態検索手段及び補完状態判定手段は、前記相関のある複数の稼動データに基づいてそれぞれ検索と異常判定を行うことを特徴とする作業機械の状態診断装置。
JP2009086708A 2009-03-31 2009-03-31 作業機械の学習診断システム、状態診断装置及び状態学習装置 Expired - Fee Related JP5290026B2 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
JP2009086708A JP5290026B2 (ja) 2009-03-31 2009-03-31 作業機械の学習診断システム、状態診断装置及び状態学習装置
US13/202,140 US9074348B2 (en) 2009-03-31 2010-02-19 Learning diagnostic system, state diagnostic device, and state learning device for working machine
AU2010230893A AU2010230893B2 (en) 2009-03-31 2010-02-19 Learning diagnostic system of a working machine, state diagnostic device, and state learning device
EP10758338.7A EP2416140B1 (en) 2009-03-31 2010-02-19 Learning diagnostic system for a working machine
PCT/JP2010/052564 WO2010113561A1 (ja) 2009-03-31 2010-02-19 作業機械の学習診断システム、状態診断装置及び状態学習装置
CN201080008342.8A CN102326066B (zh) 2009-03-31 2010-02-19 作业机械的学习诊断系统、状态诊断装置及状态学习装置
KR1020117018336A KR20120022703A (ko) 2009-03-31 2010-02-19 작업 기계의 학습 진단 시스템, 상태 진단 장치 및 상태 학습 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009086708A JP5290026B2 (ja) 2009-03-31 2009-03-31 作業機械の学習診断システム、状態診断装置及び状態学習装置

Publications (2)

Publication Number Publication Date
JP2010236302A true JP2010236302A (ja) 2010-10-21
JP5290026B2 JP5290026B2 (ja) 2013-09-18

Family

ID=42827863

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009086708A Expired - Fee Related JP5290026B2 (ja) 2009-03-31 2009-03-31 作業機械の学習診断システム、状態診断装置及び状態学習装置

Country Status (7)

Country Link
US (1) US9074348B2 (ja)
EP (1) EP2416140B1 (ja)
JP (1) JP5290026B2 (ja)
KR (1) KR20120022703A (ja)
CN (1) CN102326066B (ja)
AU (1) AU2010230893B2 (ja)
WO (1) WO2010113561A1 (ja)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014015746A (ja) * 2012-06-13 2014-01-30 Sumitomo Heavy Ind Ltd ショベルの管理装置及びショベルの異常検出方法
JP2015009308A (ja) * 2013-06-27 2015-01-19 富士通株式会社 判定装置、判定プログラムおよび判定方法
KR101902472B1 (ko) * 2018-02-08 2018-11-13 주식회사 프라임제이이앤씨 빅데이터 기반 인공지능형 밸브 자동제어 방법 및 이를 실행하는 기록매체에 저장된 프로그램
JP2019191733A (ja) * 2018-04-20 2019-10-31 株式会社日立製作所 状態識別装置、状態識別方法、及び機械装置
JP2019537122A (ja) * 2017-08-11 2019-12-19 アイティーエス カンパニー リミテッドIts Co., Ltd. 駆動部の精密予知保全方法
JP2019537123A (ja) * 2017-08-11 2019-12-19 アイティーエス カンパニー リミテッドIts Co., Ltd. 駆動部の精密予知保全方法
JP2021012654A (ja) * 2019-07-09 2021-02-04 東京エレクトロン株式会社 基板処理システム及びプロセスデータ監視方法
JP2021077307A (ja) * 2019-11-11 2021-05-20 財團法人資訊工業策進會 テストデータ作成システムおよびテストデータ作成方法
WO2021193396A1 (ja) * 2020-03-27 2021-09-30 住友重機械工業株式会社 ショベルの管理装置、ショベルの管理システム、ショベルの支援装置、ショベル
WO2023249097A1 (ja) * 2022-06-23 2023-12-28 日立建機株式会社 機械性能診断装置、および建設機械診断システム
JP7450820B1 (ja) 2022-11-14 2024-03-15 三菱電機株式会社 要因推定装置、要因推定方法および要因推定プログラム

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2965915B1 (fr) * 2010-10-11 2013-08-02 Snecma Systeme de surveillance d'un banc d'essai de moteur d'aeronef
JP5665652B2 (ja) * 2011-05-19 2015-02-04 日立建機株式会社 建設機械の情報管理装置
US9014918B2 (en) * 2012-10-12 2015-04-21 Cummins Inc. Health monitoring systems and techniques for vehicle systems
US9971667B1 (en) 2012-11-30 2018-05-15 Discovery Sound Technology, Llc Equipment sound monitoring system and method
US10145761B1 (en) 2012-11-30 2018-12-04 Discovery Sound Technology, Llc Internal arrangement and mount of sound collecting sensors in equipment sound monitoring system
US10156844B1 (en) 2012-11-30 2018-12-18 Discovery Sound Technology, Llc System and method for new equipment configuration and sound monitoring
US20150370254A1 (en) * 2013-02-08 2015-12-24 Chun-Han Lee Construction Equipment Driving Control Method
US9826682B2 (en) * 2013-03-18 2017-11-28 Deere & Company Operating state detection system for work machine with fusion considering sensor value reliability
CN104280253B (zh) * 2013-07-08 2017-09-22 广州中国科学院先进技术研究所 一种基于免疫检测器的故障诊断方法及系统
CN103422525B (zh) * 2013-08-24 2015-11-18 烟台兴业机械股份有限公司 地下铲运机的故障智能诊断监视系统
JP6209024B2 (ja) 2013-08-28 2017-10-04 ヤンマー株式会社 遠隔サーバ
CN103487271B (zh) * 2013-09-24 2016-02-10 北京宇航系统工程研究所 一种运载火箭故障诊断系统
JP6840953B2 (ja) 2016-08-09 2021-03-10 株式会社リコー 診断装置、学習装置および診断システム
US10495334B2 (en) * 2016-09-28 2019-12-03 Johnson Controls Techology Company Systems and methods for steady state detection
CN110168461B (zh) * 2017-02-24 2022-01-11 株式会社日立制作所 异常诊断系统
JP6572265B2 (ja) * 2017-06-30 2019-09-04 ファナック株式会社 制御装置及び機械学習装置
JP7106847B2 (ja) * 2017-11-28 2022-07-27 横河電機株式会社 診断装置、診断方法、プログラム、および記録媒体
DE102019219727A1 (de) 2018-12-26 2020-07-02 Presenso Ltd. System und Verfahren zum Detektieren von Anomalien in Sensordaten von industriellen Maschinen, die in einer vorbestimmten Umgebung angeordnet sind
US11188292B1 (en) 2019-04-03 2021-11-30 Discovery Sound Technology, Llc System and method for customized heterodyning of collected sounds from electromechanical equipment
WO2020206403A1 (en) * 2019-04-05 2020-10-08 Schneider Electric Systems Usa, Inc. Autonomous failure prediction and pump control for well optimization
CN110374164A (zh) * 2019-07-25 2019-10-25 徐州徐工矿业机械有限公司 一种液压挖掘机动力系统故障监测与诊断系统及方法
US11989983B2 (en) * 2020-05-07 2024-05-21 Nec Corporation Deep learning of fault detection in onboard automobile systems
US11965859B1 (en) 2020-11-18 2024-04-23 Discovery Sound Technology, Llc System and method for empirical estimation of life remaining in industrial equipment
KR102513839B1 (ko) * 2021-01-05 2023-03-27 한국조선해양 주식회사 건설 장비의 결함 진단 시스템 및 결함 진단 방법
US20230052163A1 (en) * 2021-08-12 2023-02-16 Siemens Industry, Inc. System and method for managing control performance of a building automation device
KR20230075992A (ko) * 2021-11-23 2023-05-31 에이치디현대인프라코어 주식회사 건설기계의 상태 진단 시스템 및 방법
TWI808787B (zh) * 2022-06-15 2023-07-11 英業達股份有限公司 自動分類過渡動作的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07168619A (ja) * 1993-10-20 1995-07-04 Hitachi Ltd 機器／設備診断方法およびシステム
JPH09144613A (ja) * 1995-11-17 1997-06-03 Toyota Motor Corp 内燃機関の蒸発燃料処理装置
JPH09305224A (ja) * 1996-05-17 1997-11-28 Hitachi Ltd 予防保全方法及び装置
JP2000266570A (ja) * 1999-03-15 2000-09-29 Omron Corp 定常状態と非定常状態を弁別する信号処理装置
JP2002276440A (ja) * 2001-03-14 2002-09-25 Denso Corp センサの異常検出装置
US6868325B2 (en) * 2003-03-07 2005-03-15 Honeywell International Inc. Transient fault detection system and method using Hidden Markov Models
JP2005201133A (ja) * 2004-01-15 2005-07-28 Hitachi Constr Mach Co Ltd 建設機械のエンジン状態量検出装置及び検出方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH055224A (ja) * 1991-06-25 1993-01-14 Asahi Chem Ind Co Ltd 均一性に優れた炭素繊維の製造方法
JPH07244523A (ja) * 1994-03-02 1995-09-19 Toshiba Corp 定常状態検出装置
JP3739126B2 (ja) * 1996-04-04 2006-01-25 株式会社小松製作所 ダンプトラックの故障診断方法及び装置
JPH09292918A (ja) 1996-04-26 1997-11-11 Shin Caterpillar Mitsubishi Ltd 建設機械における異常診断装置
US6202014B1 (en) * 1999-04-23 2001-03-13 Clark Equipment Company Features of main control computer for a power machine
US6343237B1 (en) * 1999-06-04 2002-01-29 Clark Equipment Company User interface functionality for power machine control system
US6493616B1 (en) * 1999-08-13 2002-12-10 Clark Equipment Company Diagnostic and control unit for power machine
US7539597B2 (en) * 2001-04-10 2009-05-26 Smartsignal Corporation Diagnostic systems and methods for predictive condition monitoring
US20020183971A1 (en) * 2001-04-10 2002-12-05 Wegerich Stephan W. Diagnostic systems and methods for predictive condition monitoring
US6701232B2 (en) * 2001-04-25 2004-03-02 Fuji Jukogyo Kabushiki Kaisha Vehicle management system
JP4798901B2 (ja) * 2001-09-05 2011-10-19 日立建機株式会社 作業機械のメンテナンスシステム
US7302320B2 (en) * 2001-12-21 2007-11-27 Oshkosh Truck Corporation Failure mode operation for an electric vehicle
JP4133627B2 (ja) 2003-06-30 2008-08-13 新キャタピラー三菱株式会社 建設機械の状態判定装置及び建設機械の診断装置，並びに建設機械の状態判定方法及び建設機械の診断方法
US7580781B2 (en) * 2005-12-14 2009-08-25 Clark Equipment Company Diagnostic system for a power machine
US8126628B2 (en) * 2007-08-03 2012-02-28 General Electric Company Aircraft gas turbine engine blade tip clearance control
US8065251B2 (en) * 2007-09-28 2011-11-22 Fisher-Rosemount Systems, Inc. Dynamic management of a process model repository for a process control system
US7945427B2 (en) * 2008-04-18 2011-05-17 The Boeing Company Methods and systems for providing unanticipated demand predictions for maintenance
FI20085501L (fi) * 2008-05-27 2009-11-28 John Deere Forestry Oy Työkoneen ja sen käyttäjän tuottavuuden arviointijärjestelmä
JP5029494B2 (ja) * 2008-05-27 2012-09-19 アイシン・エィ・ダブリュ株式会社 走行エネルギー学習装置、方法およびプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07168619A (ja) * 1993-10-20 1995-07-04 Hitachi Ltd 機器／設備診断方法およびシステム
JPH09144613A (ja) * 1995-11-17 1997-06-03 Toyota Motor Corp 内燃機関の蒸発燃料処理装置
JPH09305224A (ja) * 1996-05-17 1997-11-28 Hitachi Ltd 予防保全方法及び装置
JP2000266570A (ja) * 1999-03-15 2000-09-29 Omron Corp 定常状態と非定常状態を弁別する信号処理装置
JP2002276440A (ja) * 2001-03-14 2002-09-25 Denso Corp センサの異常検出装置
US6868325B2 (en) * 2003-03-07 2005-03-15 Honeywell International Inc. Transient fault detection system and method using Hidden Markov Models
JP2005201133A (ja) * 2004-01-15 2005-07-28 Hitachi Constr Mach Co Ltd 建設機械のエンジン状態量検出装置及び検出方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014015746A (ja) * 2012-06-13 2014-01-30 Sumitomo Heavy Ind Ltd ショベルの管理装置及びショベルの異常検出方法
JP2015009308A (ja) * 2013-06-27 2015-01-19 富士通株式会社 判定装置、判定プログラムおよび判定方法
JP2019537122A (ja) * 2017-08-11 2019-12-19 アイティーエス カンパニー リミテッドIts Co., Ltd. 駆動部の精密予知保全方法
JP2019537123A (ja) * 2017-08-11 2019-12-19 アイティーエス カンパニー リミテッドIts Co., Ltd. 駆動部の精密予知保全方法
KR101902472B1 (ko) * 2018-02-08 2018-11-13 주식회사 프라임제이이앤씨 빅데이터 기반 인공지능형 밸브 자동제어 방법 및 이를 실행하는 기록매체에 저장된 프로그램
JP7005419B2 (ja) 2018-04-20 2022-01-21 株式会社日立製作所 状態識別装置、状態識別方法、及び機械装置
JP2019191733A (ja) * 2018-04-20 2019-10-31 株式会社日立製作所 状態識別装置、状態識別方法、及び機械装置
JP7229116B2 (ja) 2019-07-09 2023-02-27 東京エレクトロン株式会社 基板処理システム及びプロセスデータ監視方法
JP2021012654A (ja) * 2019-07-09 2021-02-04 東京エレクトロン株式会社 基板処理システム及びプロセスデータ監視方法
JP6992039B2 (ja) 2019-11-11 2022-01-13 財團法人資訊工業策進會 テストデータ作成システムおよびテストデータ作成方法
JP2021077307A (ja) * 2019-11-11 2021-05-20 財團法人資訊工業策進會 テストデータ作成システムおよびテストデータ作成方法
US11397664B2 (en) 2019-11-11 2022-07-26 Institute For Information Industry System and method for producing test data
WO2021193396A1 (ja) * 2020-03-27 2021-09-30 住友重機械工業株式会社 ショベルの管理装置、ショベルの管理システム、ショベルの支援装置、ショベル
WO2023249097A1 (ja) * 2022-06-23 2023-12-28 日立建機株式会社 機械性能診断装置、および建設機械診断システム
JP7450820B1 (ja) 2022-11-14 2024-03-15 三菱電機株式会社 要因推定装置、要因推定方法および要因推定プログラム
WO2024105727A1 (ja) * 2022-11-14 2024-05-23 三菱電機株式会社 要因推定装置、要因推定方法および要因推定プログラム

Also Published As

Publication number Publication date
US9074348B2 (en) 2015-07-07
EP2416140A1 (en) 2012-02-08
AU2010230893B2 (en) 2013-08-22
CN102326066A (zh) 2012-01-18
EP2416140B1 (en) 2017-05-24
CN102326066B (zh) 2014-11-19
JP5290026B2 (ja) 2013-09-18
KR20120022703A (ko) 2012-03-12
US20120035802A1 (en) 2012-02-09
EP2416140A4 (en) 2015-12-16
AU2010230893A1 (en) 2011-09-01
WO2010113561A1 (ja) 2010-10-07

Similar Documents

Publication Publication Date Title
JP5290026B2 (ja) 作業機械の学習診断システム、状態診断装置及び状態学習装置
JP5301717B1 (ja) 設備状態監視方法およびその装置
JP5858839B2 (ja) 作業機械の異常診断装置
CN108051211B (zh) 一种风电机组主轴承温度预警诊断方法
KR101903283B1 (ko) 발전 설비의 자동 진단 시스템 및 자동 진단 방법
JP5342708B1 (ja) 異常検知方法及びその装置
US7860682B2 (en) Intelligent integrated diagnostics
US6240343B1 (en) Apparatus and method for diagnosing an engine using computer based models in combination with a neural network
JP6039696B2 (ja) ショベルの異常判定方法、管理装置、及びショベル
US6587737B2 (en) Method for the monitoring of a plant
CN107703920A (zh) 基于多元时间序列的列车制动系统的故障检测方法
KR102174722B1 (ko) 현장의 기계장치로부터 수신한 소음을 기계학습하여 고장을 예측하는 계장제어시스템
US6675639B1 (en) Apparatus and method to detect cylinder faults of internal combustion engines via exhaust temperature monitoring
CN109855873A (zh) 汽轮机大轴的故障诊断方法及装置
CN116186946A (zh) 一种基于诊断模型的液压系统故障诊断方法及系统
CN102804090B (zh) 用于在机床上的简化的故障处理的方法和设备
CN116523722A (zh) 一种具备机器学习能力的环境监测分析系统
KR20230134578A (ko) 성능 진단 장치, 성능 진단 방법
JPH10198420A (ja) 異常診断方法及びその装置
Lee et al. Fuel Consumption Prediction and Life Cycle History Management System Using Historical Data of Agricultural Machinery
Simani et al. Identification and fault diagnosis of an industrial gas turbine prototype model
Byington et al. Automated health management for gas turbine engine accessory system components
Li et al. Fault Diagnosis for Rolling Bearings Using Time-Frequency Energy Matrix Difference and CNN
CN116383748A (zh) 工程机械冷却液异常诊断方法、装置及电子设备
Zurutuza Optimising Maintenance: What are the expectations for Cyber Physical Systems

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20110120

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130205

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130401

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: 20130507

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130605

R150 Certificate of patent or registration of utility model

Ref document number: 5290026

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees