JP2013040926A - システムの健康状態の判断 - Google Patents

システムの健康状態の判断 Download PDF

Info

Publication number
JP2013040926A
JP2013040926A JP2012163206A JP2012163206A JP2013040926A JP 2013040926 A JP2013040926 A JP 2013040926A JP 2012163206 A JP2012163206 A JP 2012163206A JP 2012163206 A JP2012163206 A JP 2012163206A JP 2013040926 A JP2013040926 A JP 2013040926A
Authority
JP
Japan
Prior art keywords
health
group
vibration data
vibration
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
JP2012163206A
Other languages
English (en)
Other versions
JP6055622B2 (ja
JP2013040926A5 (ja
Inventor
Patrick Neil Harris
パトリック ニール ハリス,
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.)
Boeing Co
Original Assignee
Boeing Co
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 Boeing Co filed Critical Boeing Co
Publication of JP2013040926A publication Critical patent/JP2013040926A/ja
Publication of JP2013040926A5 publication Critical patent/JP2013040926A5/ja
Application granted granted Critical
Publication of JP6055622B2 publication Critical patent/JP6055622B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00Vibration-testing of structures; Shock-testing of structures
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01HMEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00Testing of machine parts
    • G01M13/02Gearings; Transmission mechanisms
    • G01M13/028Acoustic or vibration analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0066Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02BCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00Integration of renewable energy sources in buildings
    • Y02B10/30Wind power

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

【課題】システムの健康状態を判断する方法及び装置を提供する。
【解決手段】振動データグループ群246のうちの1つの振動データグループは、システムの異なる周波数の振動に関する経時データを含む。システムに関する振動データグループ群246は、コンピュータシステム222内の多数の連想メモリ238に保存される。システムの健康状態は、多数の連想メモリ238内の振動データグループ群246に基づいて特定される。
【選択図】図2

Description

本開示は、複雑なシステムの健康状態を判断する方法及び装置に関するものであり、特に分光画像を使用して、振動の影響を受ける複雑な機械システムの健康状態を判断することに関するものである。
ヘルスモニタリングシステムは、種々の種類のシステムの健康状態を監視するために使用することができる。システムの健康状態の監視では、例えば当該システムに関して生成されているセンサデータを記録し、当該センサデータを分析し、当該システムの健康状態を、当該センサデータの分析に基づいて評価し、当該システムの健康状態を、当該評価に基づいて管理し、そして/または他の適切な操作を行うことができる。
本明細書において使用されるように、所定システムの「健康状態(health)」という用語は、同様の特性を有する理想システム、または同様の特性を有する標準システムの何れかのシステムに対する当該所定システムの動作パラメータ群の評価として定義される。システムは、当該所定システムが理想システムまたは標準システムの動作パラメータ群の1つ以上の指定許容範囲内で動作する場合に「健康である」とすることができる。例えば、所定の自動車エンジンが、同様の特性を有する理想的な自動車エンジンまたは標準化された自動車エンジンの動作パラメータ群の1つ以上の指定許容範囲内で動作する場合、当該所定の自動車エンジンは、「健康である」と特徴付けることができる。
監視することができる監視対象の異なる種類のシステムは、例えばこれらには限定されないが、製造システム、制御システム、通信システム、衛星システム、推進システム、輸送手段、及び/又は他の適切な種類のシステムを含むことができる。例えば、ヘルスモニタリングシステムは、自動車、航空機、宇宙船、回転翼航空機、ウォータークラフト、及び他の種類の輸送手段のような輸送手段の健康状態を判断し、そして管理するために使用することができる。
1つの例示的な例として、統合ビークルヘルス管理(integrated vehicle health management:IVHM)システムを使用して、回転翼航空機の健康状態を判断し、そして管理することができる。回転翼航空機は、例えばヘリコプターとすることができる。しかしながら、他の種類の回転翼航空機が存在する。回転翼航空機は、非常に多くの内蔵可動部品を含むことができ、これらの部品は、共通目的のために集合的に動作するように設計される。例えば、ヘリコプターのエンジントランスミッションを接続するノーズギアボックスアセンブリは、エネルギーを極めて多くの可動ギア及び係合ギア、シャフト、及び場合によっては、他の部品群に伝達する。幾つかの場合では、このギアアセンブリの健康状態を監視する、ヘリコプターの他の部品群の健康状態を監視する、または場合によっては、回転翼航空機の健康状態を全体として監視すると有利である。
回転翼航空機の健康状態を管理するために現在使用されている統合ビークルヘルス管理を実施する際、例えば回転翼航空機に関して生成されるセンサデータを処理し、センサデータの統計分析を行ない、そして/または他の操作を行うことができる。更に、これらのヘルス管理を実施するためには、回転翼航空機に関する分析を行うオペレータは、回転翼航空機の物理モデル、及び/又はセンサデータを分析するために使用される統計的手法を理解している必要がある。
往々にして、回転翼航空機のような輸送手段の健康状態を判断する場合、ヘルスモニタリングシステムは、輸送手段内の部品群が不所望な健康状態を有するものとして特定されるときに通知を生成することができる。しかしながら、現在利用可能なヘルスモニタリングシステムの場合、通知は往々にして、部品群が実際には不所望な健康状態を有していないときに生成される。これらの通知は「誤判定(false positives)」と表記することができる。例えば、ヘルスモニタリングシステムは、回転翼航空機の1つのパーツが、更なるメンテナンスを必要としているという通知を生成することができる。しかしながら、このパーツは実際には、更なるメンテナンスを全く必要としていない。別の表現をすると、ヘルスモニタリングシステムは、当該パーツに関して誤判定を起こしている可能性がある。誤判定は、回転翼航空機のメンテナンスを行うために必要になるコスト、時間、及び/又は作業を増やしてしまう。例えば、パーツに関する点検、修理、取り替え、及び/又は他の作業は、これらの作業が実際には必要ではない場合に行われる可能性がある。
従って、上に説明した諸問題のうちの少なくとも幾つかの問題だけでなく、起こり得る他の問題を考慮に入れた方法及び装置を有することができれば有利となる。
1つの有利な実施形態では、システムの健康状態を判断する方法が提供される。システムに関する振動データグループ群が特定される。振動データグループ群のうちの1つの振動データグループは、システムの異なる周波数の振動に関する経時データを含む。システムに関する振動データグループ群は、コンピュータシステム内の多数の連想メモリに保存される。システムの健康状態は、多数の連想メモリ内の振動データグループ群に基づいて特定される。
別の有利な実施形態では、システムの健康状態を判断する方法が提供される。システムの振動の分光画像群は、コンピュータシステム内の多数の連想メモリに格納される。システムの健康状態は、多数の連想メモリに格納される分光画像群に基づいて特定される。
更に別の有利な実施形態では、ヘルスモニタリングシステムは、多数の連想メモリと、そしてヘルスアナライザーと、を備える。多数の連想メモリは、システムに関する振動データグループ群を保存するように構成される。振動データグループ群のうちの1つの振動データグループは、システムの異なる周波数の振動に関する経時データを含む。ヘルスアナライザーは、システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するように構成される。振動データグループ群は、システムの振動の画像群を含む。画像群は、振動に関するデータを、周波数、強度、及び周波数分布を使用して表わす。
別の実施形態では、ヘルスモニタリングシステムは、認識シミュレーション、知識ベースシステム、ニューラルネットワーク、ファジー論理システム、及び認識モデルのような人工知能システムを有するヘルスアナライザーを含む。
特徴、機能、及び利点は、本開示の種々の実施形態において個別に実現することができる、または更に他の実施形態において組み合わせることができ、これらの実施形態では、更なる詳細については、以下の説明及び図面を参照しながら理解することができる。
特許または出願ファイルは、色付きで作成された少なくとも1つの図面を含む。色付き図面(群)が添付された本特許または特許出願公報の複製は、特許庁により、要求及び必要料金の支払いが行われたときに提供される。
有利な実施形態に固有であると考えられる新規な特徴は、添付の請求項に説明されている。しかしながら、有利な実施形態だけでなく、これらの実施形態の好適な使用態様、別の目的、及び利点は、本開示の有利な実施形態に関する以下の詳細な説明を参照しながら、添付の図面と併せて一読することにより最も深く理解される。
図1は、有利な実施形態によるヘリコプターの駆動システムの図である。 図2は、有利な実施形態によるブロック図の形式のヘルス管理環境の図である。 図3は、有利な実施形態による分光システムにより生成される画像の図である。 図4は、有利な実施形態による分光画像の図である。 図5は、有利な実施形態による別の分光画像の図である。 図6は、有利な実施形態による分光画像の図である。 図7は、有利な実施形態によるシステムの健康状態を判断するプロセスのフローチャートの図である。 図8は、有利な実施形態によるシステムの健康状態を判断するプロセスのフローチャートの図である。 図9は、有利な実施形態によるデータ処理システムの図である。
異なる有利な実施形態では、多数の異なる注意事項を認識し、そして考慮に入れる。例えば、異なる有利な実施形態では、現在利用可能なヘルスモニタリングシステムは、状態インジケータを使用してシステムの健康状態を判断するスペシャリストまたはアナリストに依存することを認識し、そして考慮に入れる。一例として、これらの状態インジケータを使用して、システムの健康状態を分類することができる。例えば、システムの健康状態は、システムの健康状態を表わす1つ以上のカテゴリーに属するものとして分類することができる。
通常、現在利用可能なヘルスモニタリングシステムの場合、スペシャリストは、システムの健康状態を、状態インジケータ、及び既に行われているセンサデータの全ての分析に基づいて分類する必要がある。スペシャリストは、システムの健康状態を判断するために行われる分析の方式、分析に使用されるセンサデータの種類、当該システムを記述する全てのモデル、及び/又は当該システムに関する他の適切な情報を極めて深く理解して、当該システムの健康状態を、状態インジケータを使用して分類する必要がある。
異なる有利な実施形態では、システムの健康状態を、スペシャリストからの入力に基づいて判断するために、所望よりも長い時間、及び/又は多くの試行を要する可能性があることを認識し、そして考慮に入れる。更に、異なる有利な実施形態では、ヒューマンエラーによって、システムの健康状態を判断するために望ましい回数よりも多い回数の誤判定が生じる可能性があることを認識し、そして考慮に入れる。その結果、異なる有利な実施形態では、システムの健康状態を、スペシャリストがこの分類を行う必要を生じることなく分類することができるヘルスモニタリングシステムを有することが望ましいことを認識し、そして考慮に入れる。
更に、異なる有利な実施形態では、現在利用可能なヘルスモニタリングシステムの場合、システムに関して生成されるセンサデータは、当該センサデータの分析を行う前にモデル化される必要がある、そして/または簡易化される必要があることを認識し、そして考慮に入れる。このモデル化及び/又は簡易化は、分析用のデータの量を低減することにより、分析を実行するために必要な処理能力及び/又はリソース量を軽減するように行われる必要がある。
例えば、当該システムに関して生成される一連の画像の各画像は、当該画像に対応する1つの表示値に帰着させる必要がある。異なる有利な実施形態では、分析用のデータをこのように帰着させることによって、システムの健康状態を、所望よりも低い精度で評価してしまうことを認識し、そして考慮に入れる。例えば、所望の回数よりも多い回数の誤判定が生じる可能性がある。
システムの複雑さは、システムの健康状態を判断するために必要な時間の長さ、試行の回数、及び/又は処理能力及びリソース量に影響する因子となり得る。異なる有利な実施形態では、システムの複雑は、システム内の構成要素群の数が増えるにつれて増す可能性があることを認識し、そして考慮に入れる。
更に、異なる有利な実施形態では、システムの複雑さが増すと、システムの健康状態を判断するために必要な時間の長さ、試行の回数、及び/又は処理能力及びリソース量を不所望に更に増やす必要があることを認識し、そして考慮に入れる。
その結果、異なる有利な実施形態では、複雑な部品アセンブリのような複雑なシステムの健康状態を更に正確に判断することができると同時に、現在利用可能なヘルスモニタリングシステムよりも短い時間、少ない試行回数、少ない処理能力、及び/又は少ないリソースで済ますことができるヘルスモニタリングシステムを有することが望ましいことを認識し、そして考慮に入れる。複雑なシステムの1つの例示的な例を以下に図1に示す。
次に、これらの図を参照するに、そして特に、図1を参照するに、ヘリコプターの駆動システムの図が、有利な実施形態に従って描かれている。この例示的な例では、駆動システム100はヘリコプター駆動システムである。駆動システム100は、構成要素群102を備える複雑なシステムとすることができる。ギアボックス104は、構成要素群102のうちの1つの構成要素の一例とすることができる。
異なる有利な実施形態では、駆動システム100の健康状態の監視には、現在利用可能なヘルスモニタリングシステムを使用すると、所望よりも長い時間を要し、かつ時間の長さ、試行回数、処理能力、及び/又はリソースを更に増やす必要があることを認識し、そして考慮に入れる。
更に、異なる有利な実施形態では、駆動システム100のような複雑なシステムの場合、現在利用可能なヘルスモニタリングシステムは、当該システムに関して生成されるセンサデータの全てを処理し、そして保存することはできない可能性があることを認識し、そして考慮に入れる。
例えば、健康状態/使用状況モニタリングシステム(health and usage monitoring system:HUMS)のような従来のヘルスモニタリングシステムを使用して、駆動システム100の健康状態を監視することができる。この健康状態/使用状況モニタリングシステムは、経時的に測定される振動データを処理し、そして保存するように構成することができる。この振動データは多くの場合、周波数領域に変換される。それに付随して得られる周波数領域スペクトル密度応答は、駆動システム100に関して生成される分光画像の形式で表わすことができる。具体的には、この健康状態/使用状況モニタリングシステムは、周波数領域スペクトル密度応答を1つの値に帰着させて、当該値を分析し、そして保存して将来時点で使用することができるようにしている。その結果、駆動システム100の健康状態の判断は、駆動システム100に関して生成される振動データの全体量のほんの一部を使用するだけで行うことができる。
異なる有利な実施形態では、この種類のヘルスモニタリングシステムの場合、振動データの全体量の一部を使用して行われる駆動システム100の健康状態、及び/又は駆動システム100の構成要素群102のうちの1つ以上の構成要素の健康状態の特定は、所望よりも正確さに劣る可能性がある。具体的には、駆動システム100の健康状態を管理するために必要なコスト、時間、及び/又は試行回数を所望よりも増やしてしまう誤判定が生じ得る。
異なる有利な実施形態では、駆動システム100に関して生成される振動データの全てを保存し、そして処理するように構成されるヘルスモニタリングシステムを有することが望ましいことを認識し、そして考慮に入れる。
更に、異なる有利な実施形態では、駆動システム100の健康状態、及び駆動システム100の構成要素群102の健康状態に関する判断を、スペシャリストによる入力を利用して健康状態を分類する必要を生じることなく行うように構成されるヘルスモニタリングシステムを有することが望ましいことを認識し、そして考慮に入れる。
従って、異なる有利な実施形態は、システムの健康状態を判断する方法及び装置を提供する。具体的には、異なる有利な実施形態は、複雑な部品アセンブリのような複雑なシステムの健康状態を、現在利用可能なヘルスモニタリングシステムよりも正確に、かつ少ない時間、試行回数、及び/又は処理能力及びリソースを使用して判断することができるヘルスモニタリングシステムを提供する。
1つの有利な実施形態では、振動データグループ群が当該システムに対応して特定される。振動データグループ群のうちの1つの振動データグループは、当該システムの振動に関する異なる周波数の経時データを含む。当該システムに関する振動データグループ群は、コンピュータシステムの多数の連想メモリに保存される。当該システムの健康状態は、多数の連想メモリ内の振動データグループ群に基づいて特定される。連想メモリ群を使用することにより、当該システムの健康状態を特定するために必要な時間の長さ、及び/又は試行回数を減らすことができ、そして当該システムの健康状態を判断する際に生じる誤判定の回数を低減することができる。
次に、図2を参照するに、ヘルス管理環境(health management environment)の図が、ブロック図の形式で有利な実施形態に従って描かれている。これらの例示的な例では、ヘルス管理環境200は、異なる有利な実施形態を実現することができる環境の一例とすることができる。例えば、ヘルスモニタリングシステム202を使用して、システム206の健康状態204をヘルス管理環境200において監視することができる。
これらの例示的な例では、システム206は多数の異なる形態を採ることができる。例えば、システム206はアセンブリとすることができる。システム206は、例えばこれらには限定されないが、航空機、無人航空機、自律走行車、ギアボックス、エンジン、エンジンハウジング、操縦翼面、ランディングギアシステム、推進システム、胴体、回転翼航空機、宇宙船、船舶、列車、自動車、車両、駆動システム、ブレーキシステム、翼、風力タービン、ダム、コンピュータ数値制御マシン、製造システム、建造物、橋梁、及び/又は他の或る適切な種類のシステムのうちの1つとして選択することができる。
システム206は、多数の部品207を含むことができる。例えば、システム206は、複数部品から成るアセンブリとすることができる。多数の部品207は、例えばアクチュエータ、ロッド(rod)、部材(member)、梁(beam)、ファスナー、ボルト、ナット、ギア、ハウジング、ピン(pin)、ドリルナット、ハンドル、ドア、窓、外板パネル、複合材構造、ホイール、プロペラ、及び/又は他の適切な種類の部品を含むことができる。
1つの例示的な例として、システム206は、ギアシステム209の形態を採ることができる。ギアシステム209は、例えば図1の駆動システム100のギアボックスのような、ヘリコプター駆動システムのギアボックスとすることができる。ギアシステム209は、ギアシステム209のギア、シャフト、及び他の適切な種類の部品の形態の多数の部品207を含むことができる。
図示のように、ヘルスモニタリングシステム202は、センサシステム208と、そしてヘルスアナライザー210と、を含むことができる。センサシステム208は、多数の振動センサ211を含むことができる。本明細書において使用されるように、多数のアイテム(number of items)とは1つ以上のアイテム(one or more items)を指すことができる。例えば、多数の振動センサ211は、1つ以上の振動センサとすることができる。
これらの例示的な例では、センサシステム208は、振動データ212を生成するように構成することができる。具体的には、センサシステム208は、システム206の振動213を経時的に測定して、振動データ212を生成する。振動データ212は、経時的に測定されるシステム206の異なる周波数の振動213に関するデータを含む。振動213は、センサシステム208がシステム206の動作中に測定して、システム206の健康状態204を検査し、そして判断する。
これらの例示的な例では、多数の振動センサ211はシステム206に対して、振動213を測定することができるような位置に配置することができる。例えば、多数の振動センサ211は、システム206内の多数の部品207のうちの1つ以上の部品に取り付けることができる。更に、多数の振動センサ211のうちの1つよりも多くの振動センサは、多数の部品のうちの特定の部品に取り付けることができる。例えば、第1センサを1つの部品に取り付けることにより、当該部品への入力側の振動エネルギー伝達を監視することができるのに対し、第2センサを当該部品に取り付けることにより、出力側のエネルギー伝達を監視する。
これらの図示の例では、多数の振動センサ211により生成される振動データ212は、時系列振動データとすることができる。時系列振動データは、或る期間に亘って採取される振動213の測定値を含むことができ、当該期間として、例えばこれらには限定されないが、1時間、3時間、1日、2日、1週間、または他の或る適切な期間を挙げることができる。振動データ212は、この期間に亘って継続的に、そして/または周期的に生成することができる。
図示のように、センサシステム208は、分光システム214の一部とすることができる。分光システム214は更に、多数の分光器216を含むことができる。多数の分光器216は、多数の電気信号の形式の振動データ212を、多数の振動センサ211から受信するように構成することができる。更に、振動データ212は、時間領域の時系列振動データとして受信することができる。この形式で受信すると、多数の分光器216は、時間領域の振動データ212を周波数領域表示に変換するように構成することができる。他の例示的な例では、振動データ212は、多数の分光器216によって周波数領域で受信することができる。
多数の分光器216は、画像群218を、周波数領域の振動データを使用して生成するように構成される。別の表現をすると、多数の分光器216は、振動データ212を画像群218の形式で表示するように構成することができる。これらの例示的な例では、画像群218は分光画像220とすることができる。
分光画像は、分光写真(spectrogram)と表記することもできる。本明細書において使用されるように、分光画像は、信号のスペクトル密度が時間とともに変化する様子を示す画像形式の時間変化するスペクトル表示とすることができる。更に、分光画像は、多数の振動センサ211によって測定される振動213に関する情報を、色、色強度、及び色分布の形で表わすことができる。
これらの例示的な例では、分光システム214は、画像群218をヘルスアナライザー210に送信して処理するように構成することができる。ヘルスアナライザー210は、分光システム214と通信することができる。これらの例示的な例では、ヘルスアナライザー210は、ハードウェア、ソフトウェア、またはハードウェア及びソフトウェアの組み合わせを用いて実現することができる。
1つの例示的な例では、ヘルスアナライザー210は、コンピュータシステム222内に実装することができる。コンピュータシステム222は、多数のコンピュータ224の形態を採ることができる。多数のコンピュータ224のうちの何れかのコンピュータは、図9のデータ処理システム900の形態を採ることができる。1つよりも多くのコンピュータが多数のコンピュータ224に含まれる場合、これらのコンピュータは通信することができる。実施形態によって異なるが、多数のコンピュータ224は、同じ位置に配置することができる、または多数のコンピュータ224のうちの1つ以上のコンピュータは、異なる位置に配置することができる。
幾つかの例示的な例では、コンピュータシステム222は、人工知能システム225の形態を採ることができる。人工知能システム225は、問題解決操作、学習操作、適合化操作、認識操作、分類操作、自己改善操作、推論操作、及び/又は通常、ユーザ入力を使用して行われる、そして/または人間知能により行われる他の適切な操作を実行するように構成される何れかのコンピュータシステムとすることができる。人工知能システム225は、例えばこれらには限定されないが、認識シミュレーション、知識ベースシステム、ニューラルネットワーク、ファジー論理システム、認識モデル、及び他の或る適切な種類の人工知能のうちの少なくとも1つの含むことができる。これらの例示的な例では、ヘルスアナライザー210は、画像群218を分光システム214から受信することができ、そして画像群218を分析することができる。具体的には、ヘルスアナライザー210は、システム206の健康状態204のステータス226を画像群218の各画像に対応して特定するように構成することができる。
1つの例示的な例では、ヘルスアナライザー210は、システム206の健康状態204のステータス226を、第1ステータス230、第2ステータス232、または第3ステータス234のうちの1つのステータスとして特定するように構成することができる。第1ステータス230は、例えばシステム206の健康状態204の「好ましい(preferred)」ステータスを表わすことができる。第2ステータス232は、例えばシステム206の健康状態204の「好ましくない(non−preferred)」ステータスを表わすことができる。更に、第3ステータス234は、例えばシステム206の健康状態204の「要メンテナンス(maintenance)」ステータスを表わすことができる。
具体的には、ヘルスアナライザー210は、システム206の健康状態204のステータス226を画像群218から、ヘルスアナライザー210を、基準データグループ236群を使用してトレーニングすることにより特定することができる。基準データグループ236群は、多数の連想メモリ238に保存することができる。
本明細書において使用されるように、連想メモリ(associative memory)とは、当該メモリに保存されるデータに、連想メモリに保存される異なるデータの間の直接的関係及び間接的関係の両方に基づいてアクセスすることができる体系を有する種類のメモリである。上に示したように、連想メモリは、データと、そしてデータ間の連想関係と、を含むことができる。これらの連想関係は、データ間の関係(relationships between the data)と表記することもできる。
更に、連想メモリは、連想構造(content−addressable structure)と記載することもでき、この連想構造では、入力パターン集合を出力パターン集合にマッピングする。連想構造は、データが、メモリ内のデータのアドレスではなく、コンテンツ別にアクセスされるメモリ体系である。
これらの図示の例では、多数の連想メモリ238は、多数の異種連想メモリ(hetero−associative memories)を含むことができる。具体的には、異種連想メモリの場合、入力パターンに応じて取り出される出力パターンは、入力パターンとはコンテンツ、タイプ、及び/又はフォーマットのうちの少なくとも1つに関して異ならせることができる。異種連想メモリは、自動連想メモリとは、自動連想メモリが入力パターンに最も類似する既に保存されているパターンを取り出す点で異なっている。
これらの例示的な例では、基準データグループ群236は、分光画像グループ群を使用して特定されるデータとすることができ、これらの分光画像グループから、システム206の健康状態204のステータス226が特定されている。例えば、基準データグループ群236の各基準データグループは、第1ステータス230、第2ステータス232、または第3ステータス234のうちの1つのステータスに対応させることができる。
具体的には、基準データグループ群236は、第1基準グループ240、第2基準グループ242、及び第3基準グループ244を含むことができる。第1基準グループ240は、健康状態204の第1ステータス230がシステム206に対応して特定されたときの根拠となる画像群を使用して特定されるデータを含むことができる。第2基準グループ242は、健康状態204の第2ステータス232がシステム206に対応して特定されたときの根拠となる画像群を使用して特定されるデータを含むことができる。更に、第3基準グループ244は、健康状態204の第3ステータス234がシステム206に対応して特定されたときの根拠となる画像群を使用して特定されるデータを含むことができる。
基準データグループ群236の各グループに含まれるデータは、種々の種類の情報を含むことができる。例えば、これらには限定されないが、基準データグループ群236のうちの特定グループに含まれるデータは、システム206の健康状態204のステータス226が特定されたときの根拠となる画像群から特定される基準振動データグループを含むことができる。基準振動データグループは、例えば特定の色分布、及び基準データグループ群236のうちの特定グループに対応する健康状態のステータスに対応する色パターンのうちの少なくとも1つを含むことができる。
更に、基準データグループ群236の各グループに含まれるデータは更に、これらには限定されないが、健康状態に対応するステータスに応じて行われる作業集合、健康状態に対応するステータスに応じて行われる必要がある更に別の検査の識別情報、健康状態に対応するステータスから健康状態のより好ましくないステータスへの変化に対して予測される時間、及び/又は他の適切な情報を含むことができる。本明細書において使用されるように、作業集合(a set of operations)のようなアイテム集合(a set of items)とは、ゼロ回以上の操作(zero or more operations)を指す。例えば、当該作業集合は、ヌル集合または空集合とすることができる。多数の連想メモリ238は、基準データグループ群236の間の関係、及び/又は特定のステータスと基準データグループ群236の各基準データグループとの関係を設定するように構成することができる。1つの例示的な例として、基準データグループ群236内の基準データは、複数種類の関連情報を多数の連想メモリ238から、1種類または2種類の入力情報のみを用いて取り出すことができるように関連付けることができる。例えば、ヘルスアナライザー210は、複数種類の関連情報を多数の連想メモリ238から、画像群218のうちの1つの画像から特定されるデータの何れかの部分を使用して取り出すことができる。
ヘルスアナライザー210は、基準データグループ群236を何れかの数のソースから受信することができる。1つの例示的な例では、これらには限定されないが、基準データグループ群236は、これまでに分析されている分光画像群を保存するストレージシステムから取得することができ、そして次に、多数の連想メモリ238に格納することができる。
別の例示的な例では、スペシャリストまたは他の或る適切なオペレータは、基準データグループ群236のうちの何れの基準データグループに、分光画像群から特定されるデータが属しているかを判断することができる。更に他の例示的な例では、ヘルスアナライザー210は、多数のルール、基準、及び/又は要件を指定するポリシーを使用して、分光画像群から特定されるデータを、基準データグループ群236にグループ分けすることができる。
更に、ヘルスアナライザー210は、当該ヘルスアナライザー自体を、多数の連想メモリ238内の基準データグループ群236を使用してトレーニングすることにより、システム206の健康状態204のステータス226を画像群218から特定することができる。このトレーニングに基づいて、ヘルスアナライザー210は、分光システム214からシステム206の検査中に受信する画像群218から特定されるデータを、振動データグループ群246のうちの1つの振動データグループに格納することができる。
これらの例示的な例では、振動データグループ群246の各データグループは、異なる周波数のシステム206の振動213に関する経時データを含むことができる。具体的には、振動データグループ群246の各データグループは、画像群218から特定されるデータを含むことができる。このデータは、画像自体を含むことができる。
更に、これらの例示的な例では、振動データグループ群246は、基準データグループ群に対応させることができる。例えば、振動データグループ群246は、第1基準グループ240、第2基準グループ242、及び第3基準グループ244にそれぞれ対応する第1グループ250、第2グループ252、及び第3グループ254を含むことができる。このようにして、振動データグループ群246は、第1ステータス230、第2ステータス232、及び第3ステータス234にそれぞれ対応させることができる。
画像248は、画像群218のうちの1つの画像の一例とすることができる。ヘルスアナライザー210は、画像248から特定されるデータを、第1グループ250、第2グループ252、及び第3グループ254のうちの1つのグループに、このデータが、システム206の健康状態204に関するそれぞれ第1ステータス230、第2ステータス232、または第3ステータス234を示しているかどうかに応じて、基準データグループ群236を使用してヘルスアナライザー210をトレーニングすることにより格納することができる。
これらの例示的な例では、ヘルスアナライザー210は、振動データグループ群246を、多数の連想メモリ238に格納することができる。多数の連想メモリ238は、振動データグループ群246を取り込むことができ、そして振動データグループ群246と基準データグループ群236との関係を設定することができる。多数の連想メモリ238は、振動データグループ群246を保存して、将来時点で使用することができる。例えば、幾つかの場合では、振動データグループ群246を使用して、システム206の健康状態204の将来時点のステータスを予測することができる。
幾つかの例示的な例では、振動データグループ群246は、同じ基準データグループ群236とすることができる。別の表現をすると、ヘルスアナライザー210は、画像群218から特定されるデータを、基準データグループ群236のうちの1つの基準データグループに格納して、ヘルスアナライザー210を、画像群218を使用して更にトレーニングすることができる。このようにして、ヘルスアナライザー210は、新規の振動データが時間の経過とともに受信されるにつれて、システム206の健康状態204のステータス226の特定を行うために学習し、そして適合するように構成することができる。
更に、ヘルスアナライザー210は、システム206の健康状態204のステータス226の通知を、ディスプレイシステム260に表示されるグラフィカルユーザインターフェース258に表示するように構成することができる。ディスプレイシステム260は、例えばこれらには限定されないが、コンピュータスクリーン、モニタ、液晶ディスプレイ(LCD)、タッチスクリーン、または他の或る適切な種類の表示装置のうちの少なくとも1つのような多数の表示装置を備えることができる。
1つの例示的な例として、オペレータは、画像248を使用して特定されるシステム206の健康状態204のステータス226をグラフィカルユーザインターフェース258で閲覧することができる。ヘルスアナライザー210は更に、他の情報をグラフィカルユーザインターフェース258に表示するように構成することができる。例えば、ヘルスアナライザー210は、基準データグループ群236から取り出され、かつ画像248を使用して特定されるシステム206の健康状態204のステータス226に関連する情報を表示することができる。
1つの例示的な例では、ヘルスアナライザー210は、画像248から特定されるデータを第3グループ254に格納することができる。このデータは、多数の連想メモリ238への入力とすることができる。この入力が行われると、多数の連想メモリ238は、第3グループ254に対応する第3基準グループ244内に特定される作業集合をヘルスアナライザー210に返すことができる。作業集合は、第3基準グループ244に対応する第3ステータス234に基づいて行う必要がある操作群を含むことができる。例えば、作業集合は、メンテナンス作業、検査、点検、部品取り換え、改修作業、作業手順の作成、及び/又は他の適切な種類の作業を含むことができる。
ヘルスアナライザー210は、第3ステータス234が画像248に対応して特定されてしまっているという通知だけでなく、システム206に関してシステム206の健康状態204の第3ステータス234に基づいて行う必要がある作業集合を表示することができる。オペレータは、グラフィカルユーザインターフェース258に表示される情報を閲覧することができ、そしてユーザ入力262を、グラフィカルユーザインターフェース258と対話するように構成されるユーザ入力デバイス264を使用して入力することができる。
ユーザ入力262は、多数の連想メモリ238に格納することができる付加的な情報を特定することができる。例えば、ユーザ入力262は、付加的な作業、新品のパーツ部材、作業手順、及び/又は他の適切な情報を特定することができる。ヘルスアナライザー210は、ユーザ入力262として提供される情報を使用して、多数の連想メモリ238に保存される基準データグループ群236を更新することができる。幾つかの場合では、ユーザ入力262は、システム206の健康状態204のステータス226を画像248から特定するために使用される情報を特定することができる。
次に、図3を参照するに、分光システムによって生成される画像の図が、有利な実施形態に従って描かれている。この例示的な例では、図2の中の画像248について詳細に説明される。この例示的な例では、画像248は、分光画像302の形態を採り、分光画像302は、図2の分光画像群220のうちの1つの分光画像の一例とすることができる。
図示のように、分光画像302は、図2のシステム206の振動213に関するデータを表わす。具体的には、分光画像302は、図2の分光システム214によって測定されるシステム206の振動213に関する周波数304、強度306、及び周波数分布308を表わす。更に詳細には、分光画像302は、周波数304、強度306、及び周波数分布308を、分光画像302内のピクセル群311に対応する色310及び色分布314を使用して表わしている。
これらの例示的な例では、周波数群304のうちの1つの周波数は、図2のセンサシステム208によって測定される単位時間303当たりの揺動振動数213とすることができる。強度群306のうちの1つの特定強度は、揺動振動213の振幅の指標とすることができる。周波数分布308は、振動213の周波数集合の発生回数が時間303の経過とともに変化する様子を示すことができる。
分光画像302は、第1軸312及び第2軸313を有することができる。幾つかの例示的な例では、第1軸312は水平軸とすることができ、そして第2軸313は垂直軸とすることができる。第1軸312は、周波数群304を表わすことができ、そして第2軸313は時間303を表わすことができる。更に、分光画像302内の色群310に対応する異なる値は、強度群306に対応する異なる値を表わすことができる。分光画像302内の色群310の色分布314は、周波数群304の周波数分布308を表わすことができる。
これらの例示的な例では、図2のヘルスアナライザー210は、分光画像302を分析し、そしてデータ315を分光画像302から特定するように構成することができる。例えば、図2のヘルスアナライザー210は、分光画像302を、分光画像302をセクション群316に分割することにより分析するように構成することができる。1つの例示的な例では、セクション群316は、略同じサイズ、及び略同じ形状とすることができる。セクション群(sections)316は、部分画像群(sub−images)と表記することもできる。
ヘルスアナライザー210は、セクション群316を分析してデータ315を特定し、そしてデータ315を図2の多数の連想メモリ238に保存するように構成することができる。例えば、セクション318はセクション群316のうちの1つのセクションの一例とすることができる。1つの例示的な例では、セクション318はピクセル群320を含むことができる。セクション318内のピクセル群320の個数322は、セクション318の高さ324、及び幅326に基づいて、ピクセル数表示で計算することができる。例えば、セクション318が、4ピクセルの高さ324、及び25ピクセルの幅326を有する場合、ピクセル群320の個数322は100ピクセルとすることができる。
これらの例示的な例では、ヘルスアナライザー210は、セクション318に関するセクションデータ330を特定することができる。セクションデータ330は、セクション群316の各セクションに対応してデータ315内に特定することができる。セクションデータ330は、平均値群332及びカテゴリー334を含むことができる。
ヘルスアナライザー210は、セクション318内のピクセル群320に対応する色群の各色の値の合計値を特定することができ、そしてこれらの合計値を個数322で除算して、平均値群332を生成することができる。ピクセル群320の各ピクセルに対応する色は、赤色、緑色、及び青色の或る組み合わせとすることができる。各ピクセルは、赤色に対応する値、緑色に対応する値、及び青色に対応する値を有することができ、これにより、当該ピクセル内のこれらの色の各色の輝度を特定することができる。これらの値は、0から255の範囲で変化することができるが、他の値を異なる有利な実施形態において用いてもよい。
このように、ヘルスアナライザー210は、ピクセル群320の赤色群に対応する値の平均値、緑色群に対応する値の平均値、及び青色群に対応する値の平均値を特定して、平均値群332を生成する。セクションデータ330は、セクション群316の各セクションに対応してデータ315内で特定される。
また、ヘルスアナライザー210は更に、セクション318のカテゴリー334を、セクションデータ330内の平均値群332に基づいて特定することができる。カテゴリー334は、この例示的な例では、赤、黄、緑、及び青のうちの1つとすることができる。別の表現をすると、カテゴリー334は、セクション318に対応して特定される総合色とすることができる。更に、幾つかの場合では、ヘルスアナライザー210は、セクション318の高さ324及び幅326をセクションデータ330内に含むことができる。
セクション群316の各セクションに対応するセクションデータ330を使用して、図2のシステム206の健康状態204のステータス226を、分光画像302から特定することができる。例えば、セクションデータ330を、図2の多数の連想メモリ238に保存される基準データと比較して、ステータス226を特定することができる。
これらの例示的な例では、ヘルスアナライザー210は、セクション群316の各セクションに対応するセクションデータ330を、図2の多数の連想メモリ238内のデータ315として保存する。更に、ヘルスアナライザー210は、分光画像302に関するデータ315を、振動データグループ群246うちの1つの振動データグループに、平均値群332、カテゴリー334に基づいて、ヘルスアナライザー210をトレーニングすることにより、そして/または他の適切な情報に基づいて格納することができる。具体的には、システム206の健康状態204のステータス226は、分光画像302に関するデータ315を使用して特定することができ、そして当該ステータス226を使用してデータ315を、図2の振動データグループ群246のうちの1つの振動データグループに格納することができる。
幾つかの例示的な例では、ヘルスアナライザー210は、システム206の健康状態204のステータス226を、セクション群316の各セクションに対応して特定することができる。このようにして、ヘルスアナライザー210はセクション318を、図2のシステム206の健康状態204の第1ステータス230、第2ステータス232、及び第3ステータス234のうちの1つのステータスに関連付けることができる。ヘルスアナライザー210は、セクション318に対応して特定される特定のステータスを多数の連想メモリ238に保存することができる。
実施形態によって異なるが、ヘルスアナライザー210は、多数の連想メモリ238に保存される情報を、分光画像302のセクション群316のちの特定のセクション群に対応して使用することにより、セクション群316のうちの他のセクション群におけるシステム206の健康状態204のステータス226を予測することができる。更に、この情報を使用して、図2の分光画像群220のうちの他の分光画像群内のセクション群に対するシステム206の健康状態204のステータス226を予測することができる。
図2のヘルス管理環境200及び図3の分光画像302は、有利な実施形態を実現することができる態様に物理的な、または構造上の制約があることを示すために図示しているのではない。図示される構成要素群の他に、そして/または代わりに、他の構成要素群を使用してもよい。幾つかの構成要素は不要とすることができる。また、ブロック群を提示して、幾つかの機能的構成要素を示している。これらのブロックのうちの1つ以上のブロックは、有利な実施形態において実装される場合に、組み合わせることができる、そして/または異なるブロックに分割することができる。
例えば、幾つかの例示的な例では、ステータス226は、第1ステータス230、第2ステータス232、及び第3ステータス234よりも多くのカテゴリーを含むことができる。更に、他の例示的な例では、基準データグループ群236及び/又は振動データグループ群246は、3つよりも多くのグループを含むことができる。
他の例示的な例では、センサシステム208は、振動データ212をヘルスアナライザー210に送信するように構成することができる。ヘルスアナライザー210は、分光画像220内の振動データ212を表示するように構成することができる。
幾つかの場合では、多数の連想メモリ238は、コンピュータシステム222内に設けなくてもよい。例えば、多数の連想メモリ238は、コンピュータシステム222から離れた位置に収容することができる。幾つかの例示的な例では、セクション群316は、略等間隔で離間させる必要はなく、そして/または略同じ形状とする必要はない。例えば、セクション群316は、異なる形状及び/又はサイズを有することができる。
次に、図4を参照するに、分光画像の図が、有利な実施形態に従って描かれている。この例示的な例では、分光画像400は、図3の分光画像302の一例を例示している。分光画像400は、図2のシステム206のようなシステムに関して、例えば図2の分光システム214により生成することができる。
図示のように、分光画像400は、システムの振動に関するデータを時間軸及び周波数軸で表わしている。具体的には、垂直軸402が時間であり、そして水平軸404が周波数である。図示のように、垂直軸で表わされる時間は、振動データが当該システムに関して生成された日付及び時刻を含むことができる。例えば、分光画像400は、帯状部分406、帯状部分408、及び帯状部分410を含むことができる。これらの帯状部分は、異なる時点で生成された振動データの異なる部分を表わすことができ、これらの異なる部分を組み合わせて分光画像400を形成している。
帯状部分406は、時点412で生成され、そして時点412以後の選択期間に生成される振動データを表わすことができる。図示のように、時点412は、日付及び時刻の両方を含むことができる。選択期間は、例えば30分とすることができる。1つの例示的な例として、オペレータは、ボタンのような分光システムのコントロールを操作して、帯状部分406の振動データが時点412から生成され始めるようにすることができる。次に、この振動データを選択期間が経過するまで測定し続けることができる。
同じようにして、帯状部分408は、時点414で生成され、そして選択期間に生成される振動データを表わすことができる。図示のように、時点414は、時点412から約4日を経過した日付及び時刻を示すことができる。帯状部分410は、時点416で生成され、そして選択期間に生成される振動データを表わすことができる。時点416は、時点414から約1日を経過した日付及び時刻を示すことができる。
幾つかの例示的な例では、時点412、時点414、及び時点416で生成される振動データは、電気信号に載せることができ、そして時間領域または周波数領域の何れかで保存することができる。振動データが周波数領域データである、または周波数領域に変換されている場合、分光システムは、分光画像400を、振動データが時間軸で表わされるように生成することができる。
この例示的な例では、色群418は、測定される振動の強度を表わす。色凡例420は、色群418が、振動強度422に対応することを示している。振動強度422は、重力加速度である(g)単位で表わすことができる。分光画像400内の色群418の色分布は、システムの健康状態のステータスを示すことができる。この例示的な例では、図2のヘルスアナライザー210は、システムの健康状態のステータスを「preferred(好ましい)」として、分光画像400に基づいて特定することができる。
次に、図5を参照するに、別の分光画像の図が、有利な実施形態に従って描かれている。この例示的な例では、分光画像500は、図3の分光画像302の1つの実施形態の一例である。分光画像500は、図2のシステム206のようなシステムに関して、例えば図2の分光システム214により生成することができる。
この図示の例では、分光画像500は、分光画像400を生成したときの対象の同じシステムに関して生成することができる。更に、分光画像500は、分光画像400に表示される振動データよりも後の時刻においてシステムに関して収集された振動データに基づいて生成することができる。具体的には、分光画像500に表示される振動データは、分光画像400に表示される振動データから約1か月を経過した時点で生成されている。
図示のように、分光画像500は、システムの振動に関するデータを時間軸及び周波数軸で表わしている。具体的には、垂直軸502が時間であり、そして水平軸504が周波数である。垂直軸502で表わされる時間は、振動データが当該システムに関して生成された日付及び時刻を含むことができる。
例えば、分光画像500は、帯状部分506、帯状部分508、及び帯状部分510を含むことができる。これらの帯状部分は、異なる時点で生成される振動データの異なる部分を表わすことができ、これらの異なる部分を組み合わせて分光画像500を形成している。これらの帯状部分を生成して、分光画像400を形成した方法と同様の方法で分光画像500を形成することができる。
帯状部分506は、時点512で生成され、そして時点512以後の選択期間に生成される振動データを表わすことができる。選択期間は、例えば30分とすることができる。帯状部分508は、時点514で生成され、そして選択期間に生成される振動データを表わすことができる。帯状部分510は、時点516で生成され、そして選択期間に生成される振動データを表わすことができる。図示のように、時点512,514,及び516の各時点は、日付及び時刻の両方を示している。
この例示的な例では、色群518は、測定される振動の強度を表わす。色凡例520は、色群518が、振動強度422に対応することを示している。振動強度522は、重力加速度である(g)単位で表わすことができる。
分光画像500内の色群518の色分布は、システムの健康状態のステータスを示すことができる。この例示的な例では、図2のヘルスアナライザー210は、システムの健康状態のステータスを「non−preferred(好ましくない)」として、分光画像500に基づいて特定することができる。
次に、図6を参照するに、分光画像の図が、有利な実施形態に従って描かれている。この例示的な例では、分光画像600は、図3の分光画像302の1つの実施形態の一例である。分光画像600は、図2のシステム206のようなシステムに関して、例えば図2の分光システム214により生成することができる。
この図示の例では、分光画像600は、分光画像400及び分光画像500を生成したときの対象の同じシステムに関して生成することができる。更に、分光画像600は、分光画像400に表示される振動データ、及び分光画像500に表示される振動データよりも後の時刻においてシステムに関して収集される振動データに基づいて生成することができる。具体的には、分光画像600に表示される振動データは、分光画像500に表示される振動データから約2か月を経過した時点で生成されている。
図示のように、分光画像600は、システムの振動に関するデータを時間軸及び周波数軸で表わしている。具体的には、垂直軸602が時間であり、そして水平軸604が周波数である。垂直軸602で表わされる時間は、振動データが当該システムに関して生成された日付及び時刻を含むことができる。
例えば、分光画像600は、帯状部分606、帯状部分608、及び帯状部分610を含むことができる。これらの帯状部分は、異なる時点で生成される振動データの異なる部分を表わすことができ、これらの異なる部分を組み合わせて分光画像600を形成している。これらの帯状部分を生成して、分光画像400を形成した方法と同様の方法で分光画像600を形成することができる。
帯状部分606は、時点612で生成され、そして時点612以後の選択期間に生成される振動データを表わすことができる。選択期間は、例えば30分とすることができる。帯状部分608は、時点614で生成され、そして選択期間に生成される振動データを表わすことができる。帯状部分610は、時点616で生成され、そして選択期間に生成される振動データを表わすことができる。図示のように、時点612,614,及び616の各時点は、日付及び時刻の両方を示している。
この例示的な例では、色群618は、測定される振動の強度を表わす。色凡例620は、色群618が、振動強度622に対応することを示している。振動強度622は、重力加速度である(g)単位で表わすことができる。
分光画像600内の色群618の色分布は、システムの健康状態のステータスを示すことができる。この例示的な例では、図2のヘルスアナライザー210は、システムの健康状態のステータスを「maintenance(要メンテナンス)」として、分光画像600に基づいて特定することができる。
このようにして、図4の分光画像400、図5の分光画像500、及び図6の分光画像600は、図2のシステム206のようなシステムの健康状態が時間の経過とともに悪化する様子を示している。これらの異なる分光画像は、例えば図2の多数の連想メモリ238に取り込んで、システムの健康状態のステータスを特定するために将来時点で使用することができる。具体的には、これらの分光画像は、これらの連想メモリ内の基準データにまとめることができる。
次に、図7を参照するに、システムの健康状態を判断するプロセスのフローチャートの図が、有利な実施形態に従って描かれている。図7に示すプロセスは、図2のヘルスモニタリングシステム202のヘルスアナライザー210を使用して実行することができる。
更に、図7に示すプロセスは、場合によってはネットワーク環境または分散環境上に存在する1つ以上のプロセッサを使用して実行することができ、当該プロセッサとして、例えばこれに限定されないが、図9のプロセッサユニット904を挙げることができる。本明細書において使用されるように、「health analyzer(ヘルスアナライザー)」という用語は、図2のヘルスアナライザー210に限定されず、かつコンピュータ可読媒体と一緒に使用されて、本明細書において記載される操作を行うことができる全てのプロセッサ、またはプロセッサ集合を含むこともできる。図7に示すプロセスは、ソフトウェア、ハードウェア、またはソフトウェア及びハードウェアの組み合わせを使用して実行することができるが、具体的には、連想メモリに接続して使用することができる。
当該プロセスは、ヘルスアナライザーが、システムに関する振動データグループ群を特定することから始まる(操作700)。振動データグループ群のうちの1つの振動データグループは、異なる周波数のシステムの振動に関する経時データを含むことができる。システムの振動に関する当該データは、センサシステムを使用して生成することができる。センサシステムは、例えば分光システムとすることができる。
次に、ヘルスアナライザーは、システムに関する振動データグループ群をコンピュータシステムの多数の連想メモリに保存することができる(操作702)。
その後、ヘルスアナライザーは、システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定することができ(操作704)、当該プロセスはその後、終了する。
次に、図8を参照するに、システムの健康状態を判断するプロセスのフローチャートの図が、有利な実施形態に従って描かれている。図8に示すプロセスは、図2のヘルスモニタリングシステム202のヘルスアナライザー210を使用して実行することができる。このプロセスは、図7に記載されるプロセスの詳細プロセスとすることができる。
更に、図8に示すプロセスは、場合によってはネットワーク環境または分散環境上に存在する1つ以上のプロセッサを使用して実行することができ、当該プロセッサとして、例えばこれに限定されないが、図9のプロセッサユニット904を挙げることができる。本明細書において使用されるように、「health analyzer(ヘルスアナライザー)」という用語は、図2のヘルスアナライザー210に限定されず、かつコンピュータ可読媒体と一緒に使用されて、本明細書において記載される操作を行うことができる全てのプロセッサ、またはプロセッサ集合を含むこともできる。図8に示すプロセスは、ソフトウェア、ハードウェア、またはソフトウェア及びハードウェアの組み合わせを使用して実行することができるが、具体的には、連想メモリに接続して使用することができる。
当該プロセスは、ヘルスアナライザーが、分光画像群を受信することから始まる(操作800)。これらの分光画像は、多数の振動センサがシステムの検査中に測定するシステムの振動に関するデータを表わすことができる。分光画像群は、例えば振動周波数、振動強度、及び振動周波数分布を表わすことができる。
次に、ヘルスアナライザーは、未処理分光画像を選択して処理することができる(操作802)。ヘルスアナライザーは、選択した分光画像をセクション群に分割することができる(操作804)。次に、ヘルスアナライザーは、分光画像群のセクション群の各セクションに対応するセクションデータを特定して、分光画像に関するデータを形成することができる(操作806)。このセクションデータは、例えば図3のセクションデータ330とすることができる。その後、ヘルスアナライザーは、システムの健康状態のステータスを、分光画像に関するデータに基づいて特定することができる(操作808)。次に、ヘルスアナライザーは、分光画像に関するデータを、システムの健康状態に関して特定されるステータスに対応する振動データグループ群のうちの1つの振動データグループに格納することができる(操作810)。
次に、ヘルスアナライザーは、更に別の未処理分光画像があるかどうかについて判断することができる(操作812)。更に別の未処理分光画像がない場合、当該プロセスは終了することができる。そうではない場合、プロセスは、上に説明した操作802に戻る必要がある。
次に、図9を参照するに、データ処理システムの図が、有利な実施形態に従って描かれている。この例示的な例では、データ処理システム900を使用して、図2のコンピュータシステム222の1つ以上のコンピュータを設けることができる。データ処理システム900は通信ファブリック902を含むことができ、この通信ファブリック902は、プロセッサユニット904、メモリ906、永久メモリ908、通信ユニット910、入力/出力(I/O)ユニット912、及びディスプレイ914の間の通信を可能にする。
プロセッサユニット904は、ソフトウェア用の命令群を実行するように動作し、これらの命令はメモリ906に読み込むことができる。プロセッサユニット904は、特定の実施形態によって異なるが、多数のプロセッサ、マルチプロセッサコア、または他の或る種類のプロセッサとすることができる。本明細書において「an item(アイテム)」を指して使用される「number(多数)」とは、1つ以上のアイテムを意味する。更に、プロセッサユニット904は、多数の異種プロセッサシステムを用いて実現することができ、これらの異種プロセッサシステムでは、主プロセッサは、副プロセッサ群と一緒に1つのチップ上に設けられる。別の例示的な例として、プロセッサユニット904は、同じ種類の複数のプロセッサを含む対称マルチプロセッサシステムとすることができる。
メモリ906及び永久ストレージ908は、ストレージデバイス916の例である。ストレージデバイスは何れかの個数のハードウェアであり、当該ハードウェアは、例えばこれらには限定されないが、データ、関数形式のプログラムコード、及び/又は一時的に、そして/または永久に保存される他の適切な情報のような情報を保存することができる。ストレージデバイス916は、これらの例では、「computer readable storage devices(コンピュータ可読ストレージデバイス)」と表記することもできる。メモリ906はこれらの例では、例えばランダムアクセスメモリ、または他の何れかの適切な揮発性または不揮発性ストレージデバイスとすることができる。永久ストレージ908は、特定の実施形態によって異なるが、種々の形態を採ることができる。
例えば、永久ストレージ908は、1つ以上のコンポーネントまたはデバイスを含むことができる。例えば、永久ストレージ908は、ハードドライブ、フラッシュメモリ、再書き込み可能な光ディスク、再書き込み可能な磁気テープ、または上に列挙した要素の或る組み合わせとすることができる。永久ストレージ908が使用する媒体は取り外し可能とすることもできる。例えば、取り外し可能なハードドライブを永久ストレージ908に使用することができる。
通信ユニット910はこれらの例では、他のデータ処理システム群またはデバイス群との通信を可能にする。これらの例では、通信ユニット910は、ネットワークインターフェースカードである。通信ユニット910は、物理通信リンク及び無線通信リンクの何れか、または両方を使用することにより、通信を可能にする。
入力/出力ユニット912によって、データを他のデバイス群との間で入出力することができ、これらの他のデバイスは、データ処理システム900に接続することができる。例えば、入力/出力ユニット912は、接続を可能にすることにより、ユーザ入力を、キーボード、マウス、及び/又は他の或る適切な入力デバイスを介して行うことができる。更に、入力/出力ユニット912は、出力をプリンタに送出することができる。ディスプレイ914は、情報をユーザに対して表示する機構となる。
オペレーティングシステム用命令、アプリケーション、及び/又はプログラムは、ストレージデバイス群916に格納することができ、これらのストレージデバイス916は、プロセッサユニット904と通信ファブリック902を介して通信する。これらの例示的な例では、命令群は関数として永久ストレージ908に格納される。これらの命令は、メモリ906に読み込むことにより、プロセッサユニット904によって実行することができる。異なる実施形態のプロセスは、プロセッサユニット904によって、コンピュータ実行命令群を使用して実行することができ、これらのコンピュータ実行命令は、メモリ906のようなメモリに格納することができる。
これらの命令は、プログラムコード、コンピュータ可用プログラムコード、またはコンピュータ可読プログラムコードと表記され、当該プログラムコードは、プロセッサユニット904内のプロセッサが読み取り、そして実行することができる。当該プログラムコードは、異なる実施形態では、メモリ906または永久ストレージ908のような異なる物理媒体またはコンピュータ可読記憶媒体で具体化することができる。
プログラムコード918は、選択的に取り外し可能なコンピュータ可読媒体920に関数として格納され、そしてデータ処理システム900に読み込む、または転送することによりプロセッサユニット904によって実行することができる。プログラムコード918及びコンピュータ可読媒体920は、これらの例におけるコンピュータプログラム製品922を構成する。1つの例では、コンピュータ可読媒体920は、コンピュータ可読記憶媒体924またはコンピュータ可読信号媒体926とすることができる。コンピュータ可読記憶媒体924は、例えば光ディスクまたは磁気ディスクを含むことができ、当該ディスクを永久ストレージ908の一部であるドライブまたは他のデバイスに挿入して、または格納して、永久ストレージ908の一部であるハードドライブのようなストレージデバイスに移送する。
コンピュータ可読記憶媒体924は更に、データ処理システム900に接続されるハードドライブ、サムドライブ、またはフラッシュメモリのような永久ストレージの形態を採ることができる。幾つかの例では、コンピュータ可読記憶媒体924は、データ処理システム900から取り外し可能とする必要はない。これらの例では、コンピュータ可読記憶媒体924は、プログラムコード918を伝送する、または送信する媒体ではなく、プログラムコード918を格納するために使用される物理ストレージデバイスまたは有形ストレージデバイスである。
コンピュータ可読記憶媒体924はまた、コンピュータ可読有形ストレージデバイス(computer readable tangible storage device)またはコンピュータ可読物理ストレージデバイス(computer readable physical storage device)と表記される。別の表現をすると、コンピュータ可読記憶媒体924は、人が触れることができる媒体である。
別の構成として、プログラムコード918はデータ処理システム900に、コンピュータ可読信号媒体926を使用して転送することができる。コンピュータ可読信号媒体926は、例えばプログラムコード918を含む伝送データ信号とすることができる。例えば、コンピュータ可読信号媒体926は、電磁信号、光信号、及び/又は他の何れかの適切な種類の信号とすることができる。これらの信号は、無線通信リンク、光ファイバケーブル、同軸ケーブル、有線、及び/又は他の何れかの適切な種類の通信リンクのような通信リンクを介して送信することができる。別の表現をすると、通信リンク及び/又は接続は、例示的な例における物理通信リンクまたは無線通信リンク、及び/又は物理接続または無線接続とすることができる。
幾つかの有利な実施形態では、プログラムコード918は、ネットワークを経由して、別のデバイスまたはデータ処理システムから永久ストレージ908にコンピュータ可読信号媒体926を介してダウンロードすることにより、データ処理システム900内で使用することができる。例えば、サーバデータ処理システム内のコンピュータ可読記憶媒体に格納されるプログラムコードは、ネットワークを経由して、サーバからデータ処理システム900にダウンロードすることができる。プログラムコード918を供給するデータ処理システムは、サーバコンピュータ、クライアントコンピュータ、またはプログラムコード918を格納し、そして送信することができる他の或るデバイスとすることができる。
データ処理システム900に関して図示される異なる構成要素は、異なる実施形態を実現することができる態様に構造上の制約を付与するために図示しているのではない。異なる有利な実施形態は、データ処理システム900に関して図示される構成要素群の他の、または代わりの構成要素群を含むデータ処理システムにおいて実現することができる。図9に示す他の構成要素群は、図示される例示的な例から変えることができる。異なる実施形態は、プログラムコードを実行することができる何れかのハードウェアデバイスまたはシステムを用いて実現することができる。一例としてデータ処理システムは、無機構成要素群と一体化される有機構成要素群を含むことができ、そして/またはヒトを除く有機構成要素群により全てを構成することができる。例えば、ストレージデバイスは、有機半導体により構成することができる。
別の例示的な例では、プロセッサユニット904は、特定の用途のために製造される、または構成される回路群を有するハードウェアユニットの形態を採ることができる。この種類のハードウェアは操作群を、プログラムコードをメモリに、これらの操作を実行するように構成されるストレージデバイスから読み込む必要を生じることなく実行することができる。例えば、プロセッサユニット904がハードウェアユニットの形態を採る場合、プロセッサユニット904は、回路システム、特定用途向け集積回路(ASIC)、プログラマブルロジックデバイス、または多数の操作を実行するように構成される他の或る適切な種類のハードウェアとすることができる。プログラマブルロジックデバイスの場合、当該デバイスは、多数の操作を実行するように構成される。当該デバイスは、後の時点で再構成することができる、または多数の操作を実行するように永久的に構成することができる。プログラマブルロジックデバイスの例として、例えばプログラマブルロジックアレイ、プログラマブルアレイロジック、フィールドプログラマブルロジックアレイ、フィールドプログラマブルゲートアレイ、及び他の適切なハードウェアデバイスを挙げることができる。この種類の実施形態の場合、プログラムコード918は、異なる実施形態のプロセスがハードウェアユニット内で実行されるので、削除することができる。
更に別の例示的な例では、プロセッサユニット904は、コンピュータ群及びハードウェアユニット群に搭載されるプロセッサ群の組み合わせを用いて実現することができる。プロセッサユニット904は、多数のハードウェアユニットと、そしてプログラムコード918を実行するように構成される多数のプロセッサと、を有することができる。この図示の例の場合、これらのプロセッサのうちの幾つかのプロセッサは、多数のハードウェアユニットとして実現することができるのに対し、他のプロセッサ群は、多数のプロセッサとして実現することができる。
別の例では、バスシステムを用いて、通信ファブリック902を実現することができ、そして当該バスシステムは、システムバスまたは入力/出力バスのような1つ以上のバスにより構成することができる。勿論、バスシステムは、当該バスシステムに接続される異なる構成要素またはデバイスの間のデータの転送を可能にする何れかの適切な種類のアーキテクチャを用いて実現することができる。
更に、通信ユニットは、データを送信し、データを受信し、またはデータを送受信する多数のデバイスを含むことができる。通信ユニットは、例えばモデムまたはネットワークアダプタ、2つのネットワークアダプタ、或いはこれらの要素の或る組み合わせとすることができる。更に、メモリは、例えばメモリ906とするか、または通信ファブリック902に設けることができるインターフェースハブ及びメモリコントローラハブに搭載されるようなキャッシュとすることができる。
このように、異なる有利な実施形態は、システムの健康状態を判断する方法及び装置を提供する。1つの有利な実施形態では、振動データグループ群が当該システムに対応して特定される。振動データグループ群の1つの振動データグループは、システムの異なる周波数の振動の経時データを含む。システムに関する振動データグループ群は、コンピュータシステムの多数の連想メモリに保存される。システムの健康状態は、多数の連想メモリ内の振動データグループ群に基づいて特定される。このようにして、異なる有利な実施形態は、システムの健康状態を、現在利用可能なヘルスモニタリングシステムよりも正確、かつ効率的に判断することができるヘルスモニタリングシステムを提供する。
本明細書において使用されるように、「at least one of」というフレーズは、複数のアイテムを列挙して使用される場合に、列挙されるこれらのアイテムのうちの1つ以上のアイテムの異なる組み合わせを用いることができ、そして列挙されるアイテムの中の各アイテムの1つだけで済ませることができることを意味する。例えば、「at least one of item A, item B, and item C」は、例えばこれらには限定されないが、「item A(アイテムA)」または「item A and item B(アイテムA及びアイテムB)」を含むことができる。この例は更に、「item A, item B, and item C(アイテムA、アイテムB、及びアイテムC)」または「item B and item C(アイテムB及びアイテムC)」を含むことができる。他の例では、「at least one of」は、例えばこれらには限定されないが、2個のitem A、1個のitem B、及び10個のitem Cとすることができ;4個のitem B、及び7個のitem Cとすることができ;そして他の適切な組み合わせとすることができる。
異なる有利な実施形態に関する記載を提示して、例示及び説明を行ってきたが、当該記載を網羅的に行なおうとしているのではない、または当該記載を開示される構成の実施形態に限定しようとしているのではない。多くの変形及び変更が存在することは、この技術分野の当業者には明らかであろう。更に、異なる有利な実施形態は、他の有利な実施形態とは異なる利点を提供することができる。選択される実施形態または実施形態群は、これらの実施形態の原理、実際の用途を最も良く説明するために、そしてこの技術分野の他の当業者が、想定される特定の使用に適合するように種々の変更が加えられる種々の実施形態の開示内容を理解することができるように選択され、そして記載されている。

Claims (13)

  1. システムの健康状態を判断する方法であって、
    システムに関する振動データグループ群を特定するステップであって、振動データグループ群のうちの1つの振動データグループが、システムの異なる周波数の振動に関する経時データを含む、特定するステップと、
    システムに関する振動データグループ群を、コンピュータシステム内の多数の連想メモリに保存するステップと、
    システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するステップと
    を含む、方法。
  2. 更に、
    システムに関する振動データグループ群を、センサシステムを使用して生成するステップを含む、請求項1に記載の方法。
  3. センサシステムは、多数の振動センサを含む、請求項2に記載の方法。
  4. システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するステップは、
    システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて、人工知能システムを使用して特定するステップを含む、請求項1に記載の方法。
  5. 人工知能システムは、認識シミュレーション、知識ベースシステム、ニューラルネットワーク、ファジー論理システム、及び認識モデルのうちの少なくとも1つとして選択される、請求項4に記載の方法。
  6. 振動データグループ群は、システムの振動の画像を含む、請求項1に記載の方法。
  7. 画像群のうちの1つの画像は、振動に関するデータを、周波数、強度、及び周波数分布を使用して表わす、請求項6に記載の方法。
  8. 更に、
    画像群の各画像をセクション群に分割するステップを含む、請求項6に記載の装置。
  9. システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するステップは、ヘルスアナライザーを使用して行われ、そして方法は更に、
    多数の基準振動データグループを多数の連想メモリに格納するステップと、
    ヘルスアナライザーを、多数の基準振動データグループを使用してトレーニングするステップと
    を含む、請求項6に記載の方法。
  10. システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するステップは、ヘルスアナライザーを使用して行われ、そして方法は更に、
    システムの振動の分光画像群を、コンピュータシステム内の多数の連想メモリに格納するステップと、
    システムの健康状態を、多数の連想メモリに格納される分光画像群に基づいて特定するステップと
    を含む、請求項1に記載の方法。
  11. システムに関する振動データグループ群を保存するように構成される多数の連想メモリであって、振動データグループ群のうちの1つの振動データグループが、システムの異なる周波数の振動に関する経時データを含む、多数の連想メモリと、
    システムの健康状態を、多数の連想メモリ内の振動データグループ群に基づいて特定するように構成されるヘルスアナライザーと
    を備える、ヘルスモニタリングシステム。
  12. 更に、
    システムに関する振動データグループ群を生成するように構成され、多数の振動センサを含むセンサシステムを備える、請求項11に記載のヘルスモニタリングシステム。
  13. ヘルスアナライザーは、多数の基準振動データグループを多数の連想メモリに保存し、そしてヘルスアナライザーを、多数の基準振動データグループを使用してトレーニングするように構成される、請求項11又は12に記載のヘルスモニタリングシステム。
JP2012163206A 2011-08-16 2012-07-24 システムの健康状態の判断 Active JP6055622B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/136,972 2011-08-16
US13/136,972 US8572009B2 (en) 2011-08-16 2011-08-16 Evaluating the health status of a system using groups of vibration data including images of the vibrations of the system

Publications (3)

Publication Number Publication Date
JP2013040926A true JP2013040926A (ja) 2013-02-28
JP2013040926A5 JP2013040926A5 (ja) 2015-09-10
JP6055622B2 JP6055622B2 (ja) 2016-12-27

Family

ID=47172245

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012163206A Active JP6055622B2 (ja) 2011-08-16 2012-07-24 システムの健康状態の判断

Country Status (5)

Country Link
US (1) US8572009B2 (ja)
EP (1) EP2559988A3 (ja)
JP (1) JP6055622B2 (ja)
CN (1) CN103115742B (ja)
CA (1) CA2780380C (ja)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8914149B2 (en) 2009-10-12 2014-12-16 The Boeing Company Platform health monitoring system
US10156844B1 (en) * 2012-11-30 2018-12-18 Discovery Sound Technology, Llc System and method for new equipment configuration and sound monitoring
US9971667B1 (en) * 2012-11-30 2018-05-15 Discovery Sound Technology, Llc Equipment sound monitoring system and method
US8878700B2 (en) 2013-02-18 2014-11-04 The Boeing Company Aircraft monitoring system
FR3003028B1 (fr) * 2013-03-08 2015-08-07 Peugeot Citroen Automobiles Sa Procede de mesure d'un bruit d'un element de structure d'un vehicule
CN103245520A (zh) * 2013-04-19 2013-08-14 南京工业大学 一种模拟工况的数控转台试验台测试装置
EP2921840A1 (en) * 2014-03-20 2015-09-23 Areva Wind GmbH Test unit for quantitative analysis of a contact pattern on a tooth surface of a gear, method for quantitative analysis and use of the test unit
EP2930633A1 (en) * 2014-04-11 2015-10-14 United Technologies Corporation Portable memory device data modeling for effective processing for a gas turbine engine
US9354621B2 (en) 2014-06-16 2016-05-31 General Electric Company Systems and methods for control of an adaptive-cycle engine with power-thermal management system
US10057699B2 (en) * 2014-10-01 2018-08-21 Sartorius Stedim Biotech Gmbh Audio identification device, audio identification method and audio identification system
US11569138B2 (en) 2015-06-16 2023-01-31 Kla Corporation System and method for monitoring parameters of a semiconductor factory automation system
US10147244B2 (en) 2016-06-10 2018-12-04 Simmonds Precision Products, Inc. Fault source parameter identification
US10643405B2 (en) 2016-08-17 2020-05-05 Bell Helicopter Textron Inc. Diagnostic method, system and device for a rotorcraft drive system
US10380810B2 (en) 2016-08-17 2019-08-13 Bell Helicopter Textron Inc. Diagnostic method, system and device for a rotorcraft drive system
US10424134B2 (en) 2016-08-17 2019-09-24 Bell Helicopter Textron Inc. Diagnostic method, system and device for a rotorcraft drive system
US10464689B2 (en) 2016-08-17 2019-11-05 Bell Helicopter Textron Inc. Diagnostic method, system and device for a rotorcraft drive system
CN106289780A (zh) * 2016-09-20 2017-01-04 北京工业大学 一种基于Sparsogram和样本熵的滚动轴承损伤程度识别方法
US10373405B2 (en) 2016-09-23 2019-08-06 International Business Machines Corporation Vehicle generated data
US10788394B2 (en) 2017-09-12 2020-09-29 General Electric Company Gearbox sensor arrangement
CN107703752A (zh) * 2017-10-22 2018-02-16 成都具鑫机械设备有限公司 一种基于模糊神经网络的数控机床检测方法
US11043046B2 (en) * 2018-03-08 2021-06-22 Textron Innovations Inc. Failure detection system
CN108776040B (zh) * 2018-06-11 2021-11-26 重庆交通大学 桥梁安全巡检系统及诊断方法
CN108629144B (zh) * 2018-06-11 2022-06-17 湖北交投智能检测股份有限公司 一种桥梁健康评估方法
US11188292B1 (en) 2019-04-03 2021-11-30 Discovery Sound Technology, Llc System and method for customized heterodyning of collected sounds from electromechanical equipment
CN110567745B (zh) * 2019-09-16 2022-06-07 中国铁道科学研究院集团有限公司铁道建筑研究所 一种桥梁水下桥墩检测评估系统
US11455848B2 (en) * 2019-09-27 2022-09-27 Ge Aviation Systems Limited Preserving vehicular raw vibration data for post-event analysis
CN110697075B (zh) * 2019-09-29 2022-11-25 中国直升机设计研究所 一种直升机hums振动阈值生成方法
US11618585B2 (en) 2019-10-10 2023-04-04 Ge Aviation Systems Limited Integrated system for improved vehicle maintenance and safety
CN110795510B (zh) * 2019-10-22 2023-05-23 北京空间技术研制试验中心 基于高维数据关联挖掘的航天器系统健康状态评估方法
CN110823543B (zh) * 2019-11-07 2020-09-04 北京化工大学 一种基于往复机械活塞杆轴心轨迹包络与信息熵特征的负荷识别方法
JP2023506457A (ja) 2019-12-10 2023-02-16 バーンズ グループ インコーポレーテッド 無線センサ、格納媒体及びスマートデバイスアプリ方法
US11593678B2 (en) 2020-05-26 2023-02-28 Bank Of America Corporation Green artificial intelligence implementation
US11341743B2 (en) * 2020-06-12 2022-05-24 Wärtsilä Finland Oy Apparatus and computer implemented method in marine vessel data system for generating anomaly heatmap information using neural network
CN112556826A (zh) * 2020-12-17 2021-03-26 泉州市名咨科迅信息科技有限公司 一种基于计算机的发动机现场实时检测方法及其料架

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10143343A (ja) * 1996-11-07 1998-05-29 Fuji Electric Co Ltd 連想型プラント異常診断装置
JPH10281859A (ja) * 1997-04-07 1998-10-23 Mitsui Eng & Shipbuild Co Ltd 異常診断方法および装置
US20050096873A1 (en) * 2002-12-30 2005-05-05 Renata Klein Method and system for diagnostics and prognostics of a mechanical system
US20110087387A1 (en) * 2009-10-12 2011-04-14 The Boeing Company Platform Health Monitoring System

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1093803A (zh) * 1993-03-15 1994-10-19 南京航空航天大学 叶片振动监测方法及系统
US6581049B1 (en) 1999-11-08 2003-06-17 Saffron Technology, Inc. Artificial neurons including power series of weights and counts that represent prior and next association
US7062483B2 (en) 2000-05-18 2006-06-13 Endeca Technologies, Inc. Hierarchical data-driven search and navigation system and method for information retrieval
US7035864B1 (en) 2000-05-18 2006-04-25 Endeca Technologies, Inc. Hierarchical data-driven navigation system and method for information retrieval
US7325201B2 (en) 2000-05-18 2008-01-29 Endeca Technologies, Inc. System and method for manipulating content in a hierarchical data-driven search and navigation system
US7457785B1 (en) 2000-08-25 2008-11-25 Battelle Memorial Institute Method and apparatus to predict the remaining service life of an operating system
WO2003015026A1 (en) 2001-08-10 2003-02-20 Saffron Technology, Inc. Artificial neurons including weights that define maximal projections
US20050038781A1 (en) 2002-12-12 2005-02-17 Endeca Technologies, Inc. Method and system for interpreting multiple-term queries
US20040176887A1 (en) 2003-03-04 2004-09-09 Arinc Incorporated Aircraft condition analysis and management system
US7194975B2 (en) 2003-12-11 2007-03-27 Honeywell International, Inc. Unmanned underwater vehicle health monitoring system and method
US7574416B2 (en) 2004-01-16 2009-08-11 Saffron Technology, Inc. Distance-based spatial representation and prediction systems, methods and computer program products for associative memories
US7428528B1 (en) 2004-03-31 2008-09-23 Endeca Technologies, Inc. Integrated application for manipulating content in a hierarchical data-driven search and navigation system
US7478192B2 (en) * 2004-11-03 2009-01-13 Saffron Technology, Inc. Network of networks of associative memory networks
US7478090B2 (en) 2005-01-14 2009-01-13 Saffron Technology, Inc. Methods, systems and computer program products for analogy detection among entities using reciprocal similarity measures
WO2007008940A2 (en) 2005-07-11 2007-01-18 Brooks Automation, Inc. Intelligent condition-monitoring and dault diagnostic system
US7565491B2 (en) 2005-08-04 2009-07-21 Saffron Technology, Inc. Associative matrix methods, systems and computer program products using bit plane representations of selected segments
US7333917B2 (en) 2005-08-11 2008-02-19 The University Of North Carolina At Chapel Hill Novelty detection systems, methods and computer program products for real-time diagnostics/prognostics in complex physical systems
US20070050104A1 (en) 2005-08-24 2007-03-01 The Boeing Company Methods and systems for logistics health status reasoner
US8019752B2 (en) 2005-11-10 2011-09-13 Endeca Technologies, Inc. System and method for information retrieval from object collections with complex interrelationships
US7581702B2 (en) 2006-06-09 2009-09-01 Insitu, Inc. Wirelessly controlling unmanned aircraft and accessing associated surveillance data
US7657496B2 (en) 2006-06-26 2010-02-02 Saffron Technology, Inc. Nonlinear associative memories using linear arrays of associative memory cells, and methods of operating same
US20080097945A1 (en) 2006-08-09 2008-04-24 The University Of North Carolina At Chapel Hill Novelty detection systems, methods and computer program products for real-time diagnostics/prognostics in complex physical systems
US20080270328A1 (en) 2006-10-18 2008-10-30 Chad Lafferty Building and Using Intelligent Software Agents For Optimizing Oil And Gas Wells
US8676802B2 (en) 2006-11-30 2014-03-18 Oracle Otc Subsidiary Llc Method and system for information retrieval with clustering
US20080177683A1 (en) 2007-01-23 2008-07-24 No Brian Y Method and apparatus for mobile intelligence
US8437904B2 (en) 2007-06-12 2013-05-07 The Boeing Company Systems and methods for health monitoring of complex systems
US8160981B2 (en) 2007-09-25 2012-04-17 Saffron Technology, Inc. Event-based anticipation systems, methods and computer program products for associative memories wherein times of future events occurring are predicted
US8346429B2 (en) 2007-11-26 2013-01-01 Honeywell International Inc. Vehicle health monitoring system architecture for diagnostics and prognostics disclosure
TW200951752A (en) 2008-06-06 2009-12-16 Inotera Memories Inc A method for prognostic maintenance in semiconductor manufacturing
US10410146B2 (en) 2009-02-09 2019-09-10 The Boeing Company Associative memory learning agent for analysis of manufacturing non-conformance applications
US9053159B2 (en) 2009-02-09 2015-06-09 The Boeing Company Non-conformance analysis using an associative memory learning agent
US9542436B2 (en) 2009-02-09 2017-01-10 The Boeing Company Employing associative memory for enhanced lifecycle management
CN101545790B (zh) * 2009-04-27 2011-05-11 浙江大学 惯性器件旋转振动性能测试系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10143343A (ja) * 1996-11-07 1998-05-29 Fuji Electric Co Ltd 連想型プラント異常診断装置
JPH10281859A (ja) * 1997-04-07 1998-10-23 Mitsui Eng & Shipbuild Co Ltd 異常診断方法および装置
US20050096873A1 (en) * 2002-12-30 2005-05-05 Renata Klein Method and system for diagnostics and prognostics of a mechanical system
US20110087387A1 (en) * 2009-10-12 2011-04-14 The Boeing Company Platform Health Monitoring System

Also Published As

Publication number Publication date
US8572009B2 (en) 2013-10-29
JP6055622B2 (ja) 2016-12-27
CA2780380C (en) 2016-01-26
US20130046714A1 (en) 2013-02-21
CN103115742B (zh) 2017-06-16
CN103115742A (zh) 2013-05-22
CA2780380A1 (en) 2013-02-16
EP2559988A3 (en) 2015-10-14
EP2559988A2 (en) 2013-02-20

Similar Documents

Publication Publication Date Title
JP6055622B2 (ja) システムの健康状態の判断
JP6840529B2 (ja) データ分析拡張を伴う航空機保守および検査
CA2771401C (en) Platform health monitoring system
US8914149B2 (en) Platform health monitoring system
US8478479B2 (en) Predicting time to maintenance by fusion between modeling and simulation for electronic equipment on board an aircraft
JP6313929B2 (ja) 構造物を監視するための方法及びシステム
CN111259515A (zh) 一种飞行器健康管理方法及系统
CN107851057A (zh) 预测模型的动态执行
CN109765058A (zh) 用于涡轮发动机的设备和方法
CN109716356A (zh) 多变量数据中的异常检测
JP2009274588A (ja) 航空機の健全性診断装置及び方法並びにプログラム
JP6501675B2 (ja) 設定可能な搭載型の情報処理
KR102118748B1 (ko) 플랫폼 건전성 모니터링 시스템
US20180114302A1 (en) Lightning strike inconsistency aircraft dispatch mobile disposition tool
CN107851233A (zh) 资产处的本地分析
US10379982B2 (en) Computer system and method for performing a virtual load test
Knight et al. Intelligent management of helicopter health and usage management systems data
Jaw et al. CBM+ research environment-facilitating technology development, experimentation, and maturation
Azzam et al. FUMS/spl trade/technologies for verifiable affordable prognostics health management (PHM)
US11610140B2 (en) Predicting fatigue of an asset that heals
Wang Complexity as a Measure of the Difficulty of System Diagnosis in Next Generation Aircraft Health Monitoring System
Susanin et al. Aircraft Reliability Management as Part of the Implementation of the Digital Ecosystem
Geanta Contribution to a modelling framework of integrated vehicle health management: a generic health management module supporting the integration of diagnostics and prognostics
Tavakoli Ageneric predictive information system for resource planning and optimisation

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150722

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150722

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20160624

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160705

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20161005

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: 20161108

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20161205

R150 Certificate of patent or registration of utility model

Ref document number: 6055622

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250