JP2017215832A - 回転機械の運転状態を診断する診断装置及び診断方法 - Google Patents
回転機械の運転状態を診断する診断装置及び診断方法 Download PDFInfo
- Publication number
- JP2017215832A JP2017215832A JP2016109850A JP2016109850A JP2017215832A JP 2017215832 A JP2017215832 A JP 2017215832A JP 2016109850 A JP2016109850 A JP 2016109850A JP 2016109850 A JP2016109850 A JP 2016109850A JP 2017215832 A JP2017215832 A JP 2017215832A
- Authority
- JP
- Japan
- Prior art keywords
- model
- condition
- unit
- variable
- diagnostic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
ベクトル自己回帰モデルを診断モデルとして用いて回転機械の運転状態を診断する診断装置であって、
時系列で前記回転機械を計測した計測値から、前記診断モデルを学習するための第1運転データを生成し、かつ前記回転機械の運転状態を表す特徴量を計算するための第2運転データを生成するデータ前処理部と、
前記診断モデルの出力変数、入力変数及び次数からなるモデル構築条件を探索するための条件を表す所定のモデル探索条件を記憶する探索条件記憶部と、
前記第1運転データと前記モデル探索条件とを用いて、前記モデル構築条件を探索するモデル条件探索部と、
前記第1運転データを用いて、前記診断モデルを学習するモデル学習部と、
前記第2運転データと、学習された前記診断モデルとを用いて、前記特徴量を計算する特徴量計算部と、
前記特徴量に基づき、前記回転機械の運転状態を診断する状態診断部と、
を備え、
前記診断モデルの前記出力変数は1個であり、
前記探索条件記憶部に記憶されている前記モデル探索条件は、前記診断モデルの前記出力変数の初期候補と、前記診断モデルの前記入力変数の複数の候補と、前記診断モデルの前記次数の複数の候補とを含み、
前記モデル条件探索部は、
前記モデル探索条件を用いて、前記診断モデルの前記出力変数の候補を決定する出力変数決定部と、
前記第1運転データを、前記診断モデルの前記入力変数を探索するための第1探索データと、前記診断モデルの前記次数を探索するための第2探索データとに分割する第1データ分割部と、
前記第1探索データと、前記モデル探索条件とを用いて、前記診断モデルの前記入力変数の候補を抽出する変数候補抽出部と、
前記変数候補抽出部により抽出された前記入力変数の候補と、前記第2探索データとを用いて、前記出力変数決定部により決定された前記出力変数の候補に対する、前記診断モデルの前記入力変数及び前記次数の組合せを選択するモデル条件選択部と、
を含むものである。
ベクトル自己回帰モデルを診断モデルとして用いて回転機械の運転状態を診断する診断装置に用いられる診断方法であって、
前記診断装置は、前記診断モデルの出力変数、入力変数及び次数からなるモデル構築条件を探索するための条件を表す所定のモデル探索条件を記憶する探索条件記憶部を備え、
前記診断モデルの前記出力変数は1個であり、
前記探索条件記憶部に記憶されている前記モデル探索条件は、前記診断モデルの前記出力変数の初期候補と、前記診断モデルの前記入力変数の複数の候補と、前記診断モデルの前記次数の複数の候補とを含み、
前記診断方法は、
時系列で前記回転機械を計測した計測値から、前記診断モデルを学習するための第1運転データを生成し、かつ前記回転機械の運転状態を表す特徴量を計算するための第2運転データを生成するデータ前処理工程と、
前記第1運転データと前記モデル探索条件とを用いて、前記モデル構築条件を探索するモデル条件探索工程と、
前記第1運転データを用いて、前記診断モデルを学習するモデル学習工程と、
前記第2運転データと、学習された前記診断モデルとを用いて、前記特徴量を計算する特徴量計算工程と、
前記特徴量に基づき、前記回転機械の運転状態を診断する状態診断工程と、
を備え、
前記モデル条件探索工程は、
前記モデル探索条件を用いて、前記診断モデルの前記出力変数の候補を決定する出力変数決定工程と、
前記第1運転データを、前記診断モデルの前記入力変数を探索するための第1探索データと、前記診断モデルの前記次数を探索するための第2探索データとに分割するデータ分割工程と、
前記第1探索データと、前記モデル探索条件とを用いて、前記診断モデルの前記入力変数の候補を抽出する変数候補抽出工程と、
前記変数候補抽出工程により抽出された前記入力変数の候補と、前記第2探索データとを用いて、前記出力変数決定工程により決定された前記出力変数の候補に対する、前記診断モデルの前記入力変数及び前記次数の組合せを選択するモデル条件選択工程と、
を含むものである。
前記モデル条件探索部は、
前記モデル条件選択部により選択された前記入力変数の全てが前記出力変数として選択済みであるか否かを判定し、選択された前記入力変数の全てが前記出力変数として選択済みであれば、前記モデル条件選択部により選択された前記出力変数、前記入力変数及び前記次数を最終的な前記モデル構築条件として決定するモデル条件決定部を更に含んでもよい。
前記変数候補抽出部は、
前記モデル探索条件に含まれる前記診断モデルの前記次数の複数の候補のなかから、仮の次数を決定する次数条件決定部と、
前記モデル探索条件に含まれる前記診断モデルの前記入力変数の複数の候補のなかから、モデル評価に用いる前記入力変数の候補を決定する変数候補決定部と、
前記第1探索データを、決定された前記仮の次数と決定された前記入力変数の候補との組合せに対するモデル評価における、前記診断モデルの学習用の第1学習データと、学習された前記診断モデルの評価用の第1テストデータとに、予め定められた複数の分割パターンで分割する第2データ分割部と、
前記複数の分割パターンで分割された前記各第1学習データを用いて、前記診断モデルのモデルパラメータをそれぞれ学習する第1モデルパラメータ学習部と、
学習された前記各モデルパラメータに対して、対応する前記分割パターンで分割された前記各第1テストデータを用いて、モデル精度を評価する評価指標をそれぞれ算出する第1評価指標計算部と、
前記複数の分割パターンに対してそれぞれ算出された前記各評価指標に基づき、前記入力変数の候補に対する最終的な評価指標である最終評価指標を算出する第2評価指標計算部と、
前記変数候補決定部により決定された前記入力変数の候補のなかから、前記最終評価指標が最良の前記入力変数を選択し、選択した前記入力変数を、前記次数条件決定部により決定された前記仮の次数における前記入力変数とし、前記仮の次数と前記入力変数との組合せを決定する入力変数選択部と、
を含んでもよい。
前記入力変数選択部は、前記次数条件決定部により決定された前記仮の次数ごとに、前記仮の次数と前記入力変数との組合せを決定してもよい。
前記モデル条件選択部は、
前記モデル探索条件に含まれる前記診断モデルの次数の複数の候補ごとに、前記入力変数選択部により決定された前記次数と前記入力変数との組合せに基づき、特定の次数と入力変数との組合せを設定する条件候補設定部と、
前記第2探索データを、設定された前記特定の次数と入力変数との組合せに対するモデル評価における、前記診断モデルの学習用の第2学習データと、学習された前記診断モデルの評価用の第2テストデータとに、予め定められた複数の分割パターンで分割する第3データ分割部と、
前記複数の分割パターンで分割された前記各第2学習データを用いて、前記診断モデルのモデルパラメータをそれぞれ学習する第2モデルパラメータ学習部と、
学習された前記各モデルパラメータに対して、対応する前記分割パターンで分割された前記各第2テストデータを用いて、モデル精度を評価する評価指標をそれぞれ算出する第3評価指標計算部と、
前記複数の分割パターンに対してそれぞれ算出された前記各評価指標に基づき、前記特定の次数と入力変数との組合せに対する全体的な評価指標である全体評価指標を算出する第4評価指標計算部と、
前記入力変数選択部により決定された前記次数と前記入力変数との組合せを用いて、前記全体評価指標が最良の次数と入力変数との組合せを選択する条件選択部と、
を含んでもよい。
本発明は、上述の様々な診断モデルの構築手法に対し、ベクトル自己回帰(VAR)モデルの一形式である「1出力VARモデル」を新たに採用し、出力変数、入力変数、次数からなるモデル構築条件を容易に選択する手法を提案するものである。この1出力VARモデルは、公知のVARモデルの出力変数を1つに限定したものである。1出力VARモデルでは、選択した任意の出力変数と入力変数との間の過去の因果関係を基にモデル化が実行される。そして、各々所望の出力変数に対して同様のモデル化を行ったものを用いて、多変量の特徴量ベクトルを算出し、最終的に運転状態の正常又は異常が診断される。
(A)回転機械の異常又は故障などの運転特性の変化を顕著に表現できる出力変数を選択する。
(B)選択した出力変数の特性を最も良く表現する入力変数を選択する。
(C)入力変数との相関性を含めて、出力変数の特性を最も良く表現する次数Nを選択する。
以下、本発明の一実施の形態について、図面を参照しながら説明する。なお、各図面において、同じ構成要素については同じ符号が用いられている。
図1は、本発明の一実施形態の診断装置100の構成を概略的に示すブロック図である。図2は、診断装置100に含まれるモデル条件探索部111の構成を概略的に示すブロック図である。図3は、モデル条件探索部111に含まれる変数候補抽出部203の構成を概略的に示すブロック図である。図4は、モデル条件探索部111に含まれるモデル条件選択部204の構成を概略的に示すブロック図である。
図7は、図1に示される診断装置100の動作を概略的に示すフローチャートである。診断装置100は、空気圧縮機1から計測信号10を受信し、空気圧縮機1の運転状態を診断し、診断結果を表示部120に表示する。計測信号の通信タイミングおよび診断結果の更新タイミングは、それぞれ、予め定められた通信周期(例えば1秒)および診断周期(例えば2秒)に依存する。一般に、通信周期<診断周期となるのが望ましい。したがって、診断装置100の図7に示される動作は、通信周期毎に実行される。なお、通信周期、診断周期は、診断装置100を含むプラント計装システムの通信速度、演算処理速度に依存して決定されてもよい。以下、図7の各ステップが説明される。
(1)上記実施形態では、診断装置100は、空気圧縮機1の運転状態を診断しているが、空気圧縮機に限られず、一般的な回転機械を診断対象としてもよい。
100 診断装置
102 データ前処理部
104 モデル学習部
106 特徴量計算部
108 状態診断部
112 モデル探索条件DB
201 出力変数決定部
202,213,222 データ分割部
203 変数候補抽出部
204 モデル条件選択部
205 モデル条件決定部
211 次数条件決定部
212 変数候補決定部
214,223 モデルパラメータ学習部
215,216,224,225 評価指標計算部
217 入力変数選択部
221 条件候補設定部
226 条件選択部
Claims (6)
- ベクトル自己回帰モデルを診断モデルとして用いて回転機械の運転状態を診断する診断装置であって、
時系列で前記回転機械を計測した計測値から、前記診断モデルを学習するための第1運転データを生成し、かつ前記回転機械の運転状態を表す特徴量を計算するための第2運転データを生成するデータ前処理部と、
前記診断モデルの出力変数、入力変数及び次数からなるモデル構築条件を探索するための条件を表す所定のモデル探索条件を記憶する探索条件記憶部と、
前記第1運転データと前記モデル探索条件とを用いて、前記モデル構築条件を探索するモデル条件探索部と、
前記第1運転データを用いて、前記診断モデルを学習するモデル学習部と、
前記第2運転データと、学習された前記診断モデルとを用いて、前記特徴量を計算する特徴量計算部と、
前記特徴量に基づき、前記回転機械の運転状態を診断する状態診断部と、
を備え、
前記診断モデルの前記出力変数は1個であり、
前記探索条件記憶部に記憶されている前記モデル探索条件は、前記診断モデルの前記出力変数の初期候補と、前記診断モデルの前記入力変数の複数の候補と、前記診断モデルの前記次数の複数の候補とを含み、
前記モデル条件探索部は、
前記モデル探索条件を用いて、前記診断モデルの前記出力変数の候補を決定する出力変数決定部と、
前記第1運転データを、前記診断モデルの前記入力変数を探索するための第1探索データと、前記診断モデルの前記次数を探索するための第2探索データとに分割する第1データ分割部と、
前記第1探索データと、前記モデル探索条件とを用いて、前記診断モデルの前記入力変数の候補を抽出する変数候補抽出部と、
前記変数候補抽出部により抽出された前記入力変数の候補と、前記第2探索データとを用いて、前記出力変数決定部により決定された前記出力変数の候補に対する、前記診断モデルの前記入力変数及び前記次数の組合せを選択するモデル条件選択部と、
を含む、
診断装置。 - 前記モデル条件探索部は、
前記モデル条件選択部により選択された前記入力変数の全てが前記出力変数として選択済みであるか否かを判定し、選択された前記入力変数の全てが前記出力変数として選択済みであれば、前記モデル条件選択部により選択された前記出力変数、前記入力変数及び前記次数を最終的な前記モデル構築条件として決定するモデル条件決定部を更に含み、
前記出力変数決定部は、選択された前記入力変数の全てが前記出力変数として選択済みでないと前記モデル条件決定部により判定されると、前記出力変数の候補を、選択された前記入力変数のうちで未だ前記出力変数として選択されていない入力変数に決定する、
請求項1に記載の診断装置。 - 前記変数候補抽出部は、
前記モデル探索条件に含まれる前記診断モデルの前記次数の複数の候補のなかから、仮の次数を決定する次数条件決定部と、
前記モデル探索条件に含まれる前記診断モデルの前記入力変数の複数の候補のなかから、モデル評価に用いる前記入力変数の候補を決定する変数候補決定部と、
前記第1探索データを、決定された前記仮の次数と決定された前記入力変数の候補との組合せに対するモデル評価における、前記診断モデルの学習用の第1学習データと、学習された前記診断モデルの評価用の第1テストデータとに、予め定められた複数の分割パターンで分割する第2データ分割部と、
前記複数の分割パターンで分割された前記各第1学習データを用いて、前記診断モデルのモデルパラメータをそれぞれ学習する第1モデルパラメータ学習部と、
学習された前記各モデルパラメータに対して、対応する前記分割パターンで分割された前記各第1テストデータを用いて、モデル精度を評価する評価指標をそれぞれ算出する第1評価指標計算部と、
前記複数の分割パターンに対してそれぞれ算出された前記各評価指標に基づき、前記入力変数の候補に対する最終的な評価指標である最終評価指標を算出する第2評価指標計算部と、
前記変数候補決定部により決定された前記入力変数の候補のなかから、前記最終評価指標が最良の前記入力変数を選択し、選択した前記入力変数を、前記次数条件決定部により決定された前記仮の次数における前記入力変数とし、前記仮の次数と前記入力変数との組合せを決定する入力変数選択部と、
を含み、
前記次数条件決定部は、前記モデル探索条件に含まれる前記診断モデルの前記次数の複数の候補のなかから、前記仮の次数を順番に決定し、
前記入力変数選択部は、前記次数条件決定部により決定された前記仮の次数ごとに、前記仮の次数と前記入力変数との組合せを決定する、
請求項1又は2に記載の診断装置。 - 前記モデル条件選択部は、
前記モデル探索条件に含まれる前記診断モデルの次数の複数の候補ごとに、前記入力変数選択部により決定された前記次数と前記入力変数との組合せに基づき、特定の次数と入力変数との組合せを設定する条件候補設定部と、
前記第2探索データを、設定された前記特定の次数と入力変数との組合せに対するモデル評価における、前記診断モデルの学習用の第2学習データと、学習された前記診断モデルの評価用の第2テストデータとに、予め定められた複数の分割パターンで分割する第3データ分割部と、
前記複数の分割パターンで分割された前記各第2学習データを用いて、前記診断モデルのモデルパラメータをそれぞれ学習する第2モデルパラメータ学習部と、
学習された前記各モデルパラメータに対して、対応する前記分割パターンで分割された前記各第2テストデータを用いて、モデル精度を評価する評価指標をそれぞれ算出する第3評価指標計算部と、
前記複数の分割パターンに対してそれぞれ算出された前記各評価指標に基づき、前記特定の次数と入力変数との組合せに対する全体的な評価指標である全体評価指標を算出する第4評価指標計算部と、
前記入力変数選択部により決定された前記次数と前記入力変数との組合せを用いて、前記全体評価指標が最良の次数と入力変数との組合せを選択する条件選択部と、
を含み、
前記条件候補設定部は、前記入力変数選択部により決定された前記次数と前記入力変数との組合せにおいて、前記入力変数ごとに、前記次数を、前記モデル探索条件に含まれる前記診断モデルの次数の複数の候補に順番に切り替えた組合せを、前記入力変数の順番に前記特定の次数と入力変数との組合せとして設定し、
前記条件選択部は、前記条件候補設定部により設定された前記特定の次数と入力変数との組合せのなかから、前記全体評価指標が最良の次数と入力変数との組合せを選択する、
請求項3に記載の診断装置。 - 前記回転機械は、空気圧縮機を含む、
請求項1〜4のいずれか1項に記載の診断装置。 - ベクトル自己回帰モデルを診断モデルとして用いて回転機械の運転状態を診断する診断装置に用いられる診断方法であって、
前記診断装置は、前記診断モデルの出力変数、入力変数及び次数からなるモデル構築条件を探索するための条件を表す所定のモデル探索条件を記憶する探索条件記憶部を備え、
前記診断モデルの前記出力変数は1個であり、
前記探索条件記憶部に記憶されている前記モデル探索条件は、前記診断モデルの前記出力変数の初期候補と、前記診断モデルの前記入力変数の複数の候補と、前記診断モデルの前記次数の複数の候補とを含み、
前記診断方法は、
時系列で前記回転機械を計測した計測値から、前記診断モデルを学習するための第1運転データを生成し、かつ前記回転機械の運転状態を表す特徴量を計算するための第2運転データを生成するデータ前処理工程と、
前記第1運転データと前記モデル探索条件とを用いて、前記モデル構築条件を探索するモデル条件探索工程と、
前記第1運転データを用いて、前記診断モデルを学習するモデル学習工程と、
前記第2運転データと、学習された前記診断モデルとを用いて、前記特徴量を計算する特徴量計算工程と、
前記特徴量に基づき、前記回転機械の運転状態を診断する状態診断工程と、
を備え、
前記モデル条件探索工程は、
前記モデル探索条件を用いて、前記診断モデルの前記出力変数の候補を決定する出力変数決定工程と、
前記第1運転データを、前記診断モデルの前記入力変数を探索するための第1探索データと、前記診断モデルの前記次数を探索するための第2探索データとに分割するデータ分割工程と、
前記第1探索データと、前記モデル探索条件とを用いて、前記診断モデルの前記入力変数の候補を抽出する変数候補抽出工程と、
前記変数候補抽出工程により抽出された前記入力変数の候補と、前記第2探索データとを用いて、前記出力変数決定工程により決定された前記出力変数の候補に対する、前記診断モデルの前記入力変数及び前記次数の組合せを選択するモデル条件選択工程と、
を含む、
診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016109850A JP6677575B2 (ja) | 2016-06-01 | 2016-06-01 | 回転機械の運転状態を診断する診断装置及び診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016109850A JP6677575B2 (ja) | 2016-06-01 | 2016-06-01 | 回転機械の運転状態を診断する診断装置及び診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017215832A true JP2017215832A (ja) | 2017-12-07 |
JP6677575B2 JP6677575B2 (ja) | 2020-04-08 |
Family
ID=60575700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016109850A Active JP6677575B2 (ja) | 2016-06-01 | 2016-06-01 | 回転機械の運転状態を診断する診断装置及び診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6677575B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019116471A1 (ja) * | 2017-12-13 | 2019-06-20 | 三菱電機株式会社 | 電力変換装置および空気調和機 |
JP2019128924A (ja) * | 2018-01-26 | 2019-08-01 | 三菱電機株式会社 | 劣化診断装置および劣化診断方法 |
KR20200010671A (ko) * | 2018-07-06 | 2020-01-31 | 에임시스템 주식회사 | 기계 학습 기반의 설비 이상 진단 시스템 및 방법 |
JP2020057165A (ja) * | 2018-10-01 | 2020-04-09 | 株式会社椿本チエイン | 異常判定装置、信号特徴量予測器、異常判定方法、学習モデルの生成方法及び学習モデル |
CN114550885A (zh) * | 2021-12-28 | 2022-05-27 | 杭州火树科技有限公司 | 基于联邦式关联规则挖掘的主诊断与主手术匹配检测方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07133900A (ja) * | 1993-11-10 | 1995-05-23 | Nkk Corp | ガスパイプライン・コンプレッサーユニットの運転監視方法 |
JP2000020504A (ja) * | 1998-06-30 | 2000-01-21 | Toshiba Corp | 目的変数の説明または予測方法、および目的変数を説明または予測するプログラムを記録した記録媒体 |
JP2001249916A (ja) * | 2000-03-07 | 2001-09-14 | Nippon Steel Corp | 需要予測装置、方法、及びコンピュータ読み取り可能な記憶媒体 |
JP2007002673A (ja) * | 2005-06-21 | 2007-01-11 | Ishikawajima Harima Heavy Ind Co Ltd | ガスタービン性能の分析予測方法 |
JP2012137813A (ja) * | 2010-12-24 | 2012-07-19 | Nippon Steel Corp | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 |
WO2015145500A1 (ja) * | 2014-03-27 | 2015-10-01 | 日本電気株式会社 | システム分析装置、分析モデル生成方法、システム分析方法およびシステム分析プログラム |
JP2016062258A (ja) * | 2014-09-17 | 2016-04-25 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 検出装置、検出方法、およびプログラム |
JP2016068892A (ja) * | 2014-10-01 | 2016-05-09 | 三菱重工業株式会社 | 船舶の運航支援システム及び船舶の運航支援方法 |
-
2016
- 2016-06-01 JP JP2016109850A patent/JP6677575B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07133900A (ja) * | 1993-11-10 | 1995-05-23 | Nkk Corp | ガスパイプライン・コンプレッサーユニットの運転監視方法 |
JP2000020504A (ja) * | 1998-06-30 | 2000-01-21 | Toshiba Corp | 目的変数の説明または予測方法、および目的変数を説明または予測するプログラムを記録した記録媒体 |
JP2001249916A (ja) * | 2000-03-07 | 2001-09-14 | Nippon Steel Corp | 需要予測装置、方法、及びコンピュータ読み取り可能な記憶媒体 |
JP2007002673A (ja) * | 2005-06-21 | 2007-01-11 | Ishikawajima Harima Heavy Ind Co Ltd | ガスタービン性能の分析予測方法 |
JP2012137813A (ja) * | 2010-12-24 | 2012-07-19 | Nippon Steel Corp | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 |
WO2015145500A1 (ja) * | 2014-03-27 | 2015-10-01 | 日本電気株式会社 | システム分析装置、分析モデル生成方法、システム分析方法およびシステム分析プログラム |
JP2016062258A (ja) * | 2014-09-17 | 2016-04-25 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 検出装置、検出方法、およびプログラム |
JP2016068892A (ja) * | 2014-10-01 | 2016-05-09 | 三菱重工業株式会社 | 船舶の運航支援システム及び船舶の運航支援方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019116471A1 (ja) * | 2017-12-13 | 2019-06-20 | 三菱電機株式会社 | 電力変換装置および空気調和機 |
JPWO2019116471A1 (ja) * | 2017-12-13 | 2020-11-19 | 三菱電機株式会社 | 電力変換装置および空気調和機 |
JP7049363B2 (ja) | 2017-12-13 | 2022-04-06 | 三菱電機株式会社 | 電力変換装置および空気調和機 |
JP2019128924A (ja) * | 2018-01-26 | 2019-08-01 | 三菱電機株式会社 | 劣化診断装置および劣化診断方法 |
KR20200010671A (ko) * | 2018-07-06 | 2020-01-31 | 에임시스템 주식회사 | 기계 학습 기반의 설비 이상 진단 시스템 및 방법 |
KR102501884B1 (ko) * | 2018-07-06 | 2023-02-21 | 에임시스템 주식회사 | 기계 학습 기반의 설비 이상 진단 시스템 및 방법 |
JP2020057165A (ja) * | 2018-10-01 | 2020-04-09 | 株式会社椿本チエイン | 異常判定装置、信号特徴量予測器、異常判定方法、学習モデルの生成方法及び学習モデル |
CN112714895A (zh) * | 2018-10-01 | 2021-04-27 | 株式会社椿本链条 | 异常判定装置、信号特征量预测器、异常判定方法、学习模型的生成方法以及学习模型 |
CN114550885A (zh) * | 2021-12-28 | 2022-05-27 | 杭州火树科技有限公司 | 基于联邦式关联规则挖掘的主诊断与主手术匹配检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6677575B2 (ja) | 2020-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6677575B2 (ja) | 回転機械の運転状態を診断する診断装置及び診断方法 | |
JP6243080B1 (ja) | プリプロセッサおよび異常予兆診断システム | |
JP5244686B2 (ja) | 監視装置およびサーバー | |
JP6088131B2 (ja) | タービン性能診断システム及び方法 | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
EP3413154A1 (en) | Equipment diagnostic device, equipment diagnostic method, and equipment diagnostic program | |
CN111062533A (zh) | 一种基于鲸鱼优化算法优化加权最小二乘支持向量机的风机故障预测方法 | |
JP6835098B2 (ja) | 要因分析方法、要因分析装置および要因分析プログラム | |
JP6573846B2 (ja) | 回転機械の運転状態を診断する診断装置及び診断方法 | |
CN103649858A (zh) | 用于预测组件或系统状况的方法和设备及计算机程序产品 | |
JP5868331B2 (ja) | 圧縮機を診断するための方法およびシステム | |
JP6636214B1 (ja) | 診断装置、診断方法及びプログラム | |
KR20170053692A (ko) | 커널 회귀 모델의 앙상블을 위한 장치 및 방법 | |
WO2022038804A1 (ja) | 診断装置及びパラメータ調整方法 | |
JP2020194320A (ja) | 情報処理装置、予測判別システム、および予測判別方法 | |
Dutta et al. | PROAD (Process Advisor): A health monitoring framework for centrifugal pumps | |
JP2013041491A (ja) | 異常診断装置 | |
US11378944B2 (en) | System analysis method, system analysis apparatus, and program | |
US20220291673A1 (en) | Analysis apparatus, analysis method and computer-readable medium | |
JP6247777B2 (ja) | 異常診断装置および異常診断方法 | |
JP2022191680A (ja) | データ選択支援装置及びデータ選択支援方法 | |
CN114667492A (zh) | 训练机器学习模型以进行数据驱动的决策 | |
CN109657285A (zh) | 汽轮机转子瞬态应力的检测方法 | |
CN117807718B (zh) | 一种基于失效概率预测的航空发动机维护决策设计方法 | |
Yan et al. | Genetic Programming-Based Machine Degradation Modeling Methodology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181203 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191016 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191023 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191202 |
|
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: 20200310 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200313 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6677575 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |