JP2019182252A - ホームドア診断装置、診断方法、及び診断プログラム - Google Patents

Abstract

【課題】健全性の診断を従来よりも適正に行うことができるホームドア診断装置、診断方法、及び診断プログラムを提供する。【解決手段】時系列データ取得部３２１は、プラットホームに設置されるホームドアから、そのホームドアの制御に関わる物理量又はそのホームドアの状態を表す物理量を表す時系列データを取得する。特徴値算出部３２３は、時系列データ取得部３２１によって取得された時系列データを用いて、その時系列データの変動の特徴を表す特徴値を算出する。健全性判定部３２４は、特徴値算出部３２３によって算出された特徴値を、ホームドアに異常がある場合に得られる特徴値の度数分布と、ホームドアが正常である場合に得られる特徴値の度数分布とを用いて予め定められた閾値と比較することにより、ホームドアの健全性を判定する。出力部３２５は、健全性判定部３２４の判定結果を出力する。【選択図】図４

Description

本発明は、ホームドア診断装置、診断方法、及び診断プログラムに関する。

特許文献１に開示されるように、プラットホームにおいて列車の乗降扉の開閉に伴って開閉されるホームドアから、そのホームドアの開閉の動作に関する動作ログを取得し、取得した動作ログを用いて、ホームドアの異常の有無を判定する判定装置が知られている。

特開２００８−９４２９９号公報

上記判定装置は、動作ログのデータそのものを、ホームドアの正常な動作を表すデータと比較し、両者が一致するか否かによって異常の有無を判定する。このような単純な判定手法では、ホームドアの診断のさらなる適正化を図ることに限界があった。

本発明の目的は、健全性の診断を従来よりも適正に行うことができるホームドア診断装置、診断方法、及び診断プログラムを提供することである。

上記目的を達成するために、本発明に係るホームドア診断装置は、
プラットホームに設置されるホームドアから、前記ホームドアの制御に関わる物理量又は前記ホームドアの状態を表す物理量を表す時系列データを取得する時系列データ取得手段と、
前記時系列データ取得手段によって取得された前記時系列データを用いて、前記時系列データの変動の特徴を表す特徴値を算出する特徴値算出手段と、
前記特徴値算出手段によって算出された前記特徴値を、前記ホームドアに異常がある場合に得られる前記特徴値の度数分布と、前記ホームドアが正常である場合に得られる前記特徴値の度数分布とを用いて予め定められた閾値と比較することにより、前記ホームドアの健全性を判定する健全性判定手段と、
前記健全性判定手段の判定結果を出力する出力手段と、
を備える。

上記構成によれば、時系列データそのものではなく、時系列データから算出された特徴値が、予め定められた閾値と比較されることにより健全性が判定される。特徴値は、時系列データの変動の特徴を表すものであり、閾値は、ホームドアに異常がある場合に得られる特徴値の度数分布と、ホームドアが正常である場合に得られる特徴値の度数分布とを用いて定められたものであるため、健全性の診断を従来よりも適正に行うことができる。

実施形態１に係るホームドアシステムの構成を示す概念図 実施形態１に係るホームドア診断装置の構成を示す概念図 実施形態１に係る診断テーブルの内容を示す概念図 実施形態１に係るホームドア診断装置の機能を示す概念図 実施形態１に係る診断処理のフローチャート 実施形態１に係る閾値決定システムの構成を示す概念図 実施形態１に係る閾値決定処理のフローチャート 実施形態１に係る異常度数分布と正常度数分布との一例を示すグラフ 実施形態１に係る異常度数分布と正常度数分布との別の例を示すグラフ 実施形態２に係る異常度数分布と正常度数分布との一例を示すグラフ 実施形態２に係る異常度数分布と正常度数分布との別の例を示すグラフ 実施形態３に係るホームドア診断装置の機能を示す概念図 実施形態４に係る診断結果リストを示す概念図

以下、図面を参照し、本発明の実施形態１〜４について説明する。図中、同一又は対応する部分に同一の符号を付す。

［実施形態１］
図１に示すように、本実施形態に係るホームドアシステム４００は、診断対象装置としてのＮ台のホームドア１００−１〜１００−Ｎと、それらホームドア１００−１〜１００−Ｎの全体の制御を司る統合制御部２００と、統合制御部２００を通じて、ホームドア１００−１〜１００−Ｎを診断するホームドア診断装置３００とを備える。

ホームドア１００−１〜１００−Ｎの各々は、プラットホーム上の空間と、鉄道車両が通行する線路上の空間とを仕切るために、プラットホームの縁部に沿って配列されている。ホームドア１００−１〜１００−Ｎの各々は、発着する列車の乗降扉の開閉に伴って、開閉される。以下の説明中、ｋは、１からＮの任意の自然数とする。

ホームドア１００−ｋは、モータ１２０−ｋと、モータ１２０−ｋが生成する回転力によって開閉されるスライド扉１１０−ｋと、モータ１２０−ｋを制御する個別制御部１３０−ｋとを有する。

個別制御部１３０−ｋは、各々ホームドア１００−ｋの制御に関わる物理量又はホームドア１００−ｋの状態を表す物理量（但し、ホームドア１００−ｋの制御に関わる物理量は除く。）を表す複数種の時系列データを、ホームドア１００−ｋを識別するホームドアＩＤ情報と対応付けて、統合制御部２００に出力する。

ホームドア診断装置３００は、統合制御部２００を通じて、個別制御部１３０−１〜１３０−Ｎの各々から、ホームドアＩＤ情報と複数種の時系列データとを取得する。そして、ホームドア診断装置３００は、それらホームドアＩＤ情報と複数種の時系列データとを用いて、ホームドア１００−１〜１００−Ｎの各々の健全性を診断し、診断結果を表示により出力する。

ホームドア診断装置３００は、駅務室に配置されており、ユーザは、ホームドア診断装置３００によって出力される診断結果に応じて、ホームドア１００−１〜１００−Ｎに対して、必要なメンテナンスを施すことができる。

以下、個別制御部１３０−１〜１３０−Ｎの各々が出力する上述した複数の時系列データについて、具体的に説明する。

個別制御部１３０−ｋは、ホームドア１００−ｋの制御に関わる物理量として、モータ１２０−ｋの制御に関わる物理量、具体的には、モータ１２０−ｋに供給される電流及び電圧、モータ１２０−ｋのトルク、モータ１２０−ｋの回転速度及び回転角度の各々についての時系列データを出力する。より具体的には、個別制御部１３０−ｋは、３相交流モータとしてのモータ１２０−ｋに供給される電流を、トルク電流成分であるｑ軸成分と界磁電流成分であるｄ軸成分とに別けてベクトル制御している。そして、個別制御部１３０−ｋは、ベクトル制御に関わる時系列データを出力する。

また、個別制御部１３０−ｋは、ホームドア１００−ｋの状態を表す物理量として、モータ１２０−ｋの状態を表す物理量、及びホームドア１００−ｋにおけるモータ１２０−ｋ以外の部分の状態を表す物理量の各々についての時系列データも出力する。

具体的には、個別制御部１３０−ｋは、以下の第１時系列データ〜第１９時系列データを出力する。各々の時系列データのサンプリング周期は、スライド扉１１０−ｋが１回開閉する期間長よりも充分に短い。

第１時系列データは、モータ１２０−ｋに供給されるＵ相の電流値を表す。第２時系列データは、モータ１２０−ｋに供給されるＶ相の電流値を表す。第３時系列データは、モータ１２０−ｋに供給されるＵ相、Ｖ相、及びＷ相の電流の積算値を表す。第４時系列データは、モータ１２０−ｋに供給されるＵ相の電流値とＶ相の電流値との比を表す。

第５時系列データは、モータ１２０−ｋに供給される電流のｑ軸成分であるｑ相電流値を表す。第６時系列データは、ｑ相電流の指令値からの誤差であるｑ相電流誤差を表す。第７時系列データは、ｑ相電流の指令値とｑ相電流誤差との比を表す。第８時系列データは、モータ１２０−ｋに供給される電流のｄ軸成分であるｄ相電流の指令値と、ｄ相電流の指令値からの誤差との比を表す。

第９時系列データは、モータ１２０−ｋに供給されるＵ相の電圧の指令値を表す。第１０時系列データは、モータ１２０−ｋに供給されるＶ相の電圧の指令値を表す。第１１時系列データは、モータ１２０−ｋに供給されるＷ相の電圧の指令値を表す。第１２時系列データは、Ｕ相の電圧とＶ相の電圧の比の指令値を表す。

第１３時系列データは、モータ１２０−ｋのトルクの上限値であるトルクリミット値を表す。個別制御部１３０−ｋは、モータ１２０−ｋに係る負荷を考慮して、トルクリミット値を随時に変更する制御を行う。第１４時系列データは、モータ１２０−ｋのトルクの指令値である。

第１５時系列データは、モータ１２０−ｋの回転速度を表す。第１６時系列データは、モータ１２０−ｋの回転速度の指令値を表す。なお、スライド扉１１０−ｋの開閉の速度は、モータ１２０−ｋの回転速度に依存する。従って、モータ１２０−ｋの回転速度は、スライド扉１１０−ｋの開閉の速度を表す。

第１７時系列データは、モータ１２０−ｋの回転角度に依存するレゾルバ値を表す。なお、モータ１２０−ｋの回転角度は、スライド扉１１０−ｋの繰り出し量と１対１に対応する。従って、モータ１２０−ｋのレゾルバ値は、スライド扉１１０−ｋの繰り出し量を表す。

第１８時系列データは、モータ１２０−ｋの状態を表す物理量としての、モータ１２０−ｋの温度を表す。第１９時系列データは、ホームドア１００−ｋにおけるモータ１２０−ｋ以外の部分の状態を表す物理量としての、モータ１２０−ｋの作動に伴うスライド扉１１０−ｋ又はスライド扉１１０−ｋを収容する戸袋の振動の振幅を表す。温度は、温度センサで検出することができ、振動は、振動センサで検出することができる。

以上説明した第１時系列データ〜第１９時系列データのうち、第１時系列データ〜第１７時系列データは、ホームドア１００−ｋの制御に関わる物理量を表す時系列データに該当する。第１８時系列データ及び第１９時系列データは、ホームドア１００−ｋの状態を表す物理量を表す時系列データに該当する。

次に、上述した第１時系列データ〜第１９時系列データを用いて健全性の診断を行うホームドア診断装置３００の構成について、図２を参照して具体的に説明する。

図２に示すように、ホームドア診断装置３００は、通信回線ＮＥに接続される通信部３１０を備える。通信部３１０は、通信回線ＮＥを介して図１に示した統合制御部２００と通信可能に接続され、統合制御部２００から上述した第１時系列データ〜第１９時系列データをホームドアＩＤ情報別に取得する。

また、ホームドア診断装置３００は、ホームドア１００−１〜１００−Ｎの健全性を診断する演算を行うＣＰＵ（Central Processing Unit）３２０と、ＣＰＵ３２０のメインメモリとしての主記憶部３３０とを備える。

主記憶部３３０には、通信部３１０を通じて取得された第１時系列データ〜第１９時系列データが格納される。ＣＰＵ２０は、それら第１時系列データ〜第１９時系列データを用いて、ホームドア１００−１〜１００−Ｎの健全性を診断する演算を行う。

また、ホームドア診断装置３００は、ホームドア１００−１〜１００−Ｎの診断の結果が表示される表示部３４０と、ホームドア１００−１〜１００−Ｎの診断の開始をユーザが指示するための入力部３６０とを備える。

また、ホームドア診断装置３００は、ホームドア１００−１〜１００−Ｎの健全性を診断する手順を規定した診断プログラム３５１を記憶する補助記憶部３５０を備える。ＣＰＵ３２０は、診断プログラム３５１を実行することにより、ホームドア１００−１〜１００−Ｎの健全性を診断する機能を発現する。

また、補助記憶部３５０には、ホームドア１００−１〜１００−Ｎの診断に用いられる診断テーブル３５２も格納されている。

図３に示すように、診断テーブル３５２は、第１時系列データ〜第１９時系列データを識別する時系列データＩＤ３５２ａ別に、その時系列データから外れ値を除外するために行う外れ値除去処理を特定する外れ値除去処理特定情報３５２ｂ、その時系列データの変動の特徴を表す特徴値を算出する特徴値算出処理を特定する特徴値算出処理特定情報３５２ｃ、その特徴値についての最小閾値３５２ｄ、及びその特徴値についての最大閾値３５２ｅを対応付けたものである。

以下、図４を参照し、図２に示すＣＰＵ３２０が診断プログラム３５１を実行することによって発現される機能について、具体的に説明する。

図４に示すように、ＣＰＵ３２０は、第１時系列データ〜第１９時系列データを取得する時系列データ取得手段としての時系列データ取得部３２１の機能を有する。時系列データ取得部３２１は、ホームドア１００−１〜１００−Ｎの各々を識別するホームドアＩＤ情報別に、第１時系列データ〜第１９時系列データを取得する。

また、ＣＰＵ３２０は、時系列データ取得部３２１によって取得された第１時系列データ〜第１９時系列データの各々に対して、外れ値を除去する外れ値除去処理を施す外れ値除去手段としての外れ値除去部３２２の機能を有する。

外れ値除去部３２２は、図３に示す診断テーブル３５２を参照し、第１時系列データ〜第１９時系列データの各々に対して、その時系列データの時系列データＩＤ３５２ａに対応付けられている外れ値除去処理特定情報３５２ｂが表す外れ値除去処理を実行する。具体的には、外れ値除去部３２２は、外れ値除去処理特定情報３５２ｂによって特定される以下の第１外れ値除去処理〜第３外れ値除去処理のいずれかを実行する。

第１外れ値除去処理では、外れ値除去部３２２は、まず、外れ値を特定するために、時系列データの中央値と中央絶対偏差とを求め、その時系列データを、中央値が０、中央絶対偏差が１となるように正規化する。次に、外れ値除去部３２２は、正規化された時系列データを構成する個々の数値データの値と、予め定められた値とを比較し、予め定められた値よりも大きい値をとる数値データを、外れ値として除去する。外れ値を除去した後、外れ値除去部３２２は、その外れ値を特定するために行った正規化が施されていない時系列データを、後述する特徴値算出部３２３に出力する。

第２外れ値除去処理では、外れ値除去部３２２は、まず、時系列データの全集合についての二乗平均平方根を求める。次に、外れ値除去部３２２は、時系列データを構成する個々の数値データのうち、二乗平均平方根との差が予め定められた値以上の絶対値を有するものを、外れ値として除去する。外れ値を除去した後、外れ値除去部３２２は、その外れ値が除去された時系列データを、後述する特徴値算出部３２３に出力する。

第３外れ値除去処理では、外れ値除去部３２２は、グラブスの棄却検定を実行する。具体的には、外れ値除去部３２２は、まず、時系列データの最大値、平均値、及び標準偏差から求められる、（最大値−平均値）／標準偏差、の値が、その時系列データのデータ点数に応じて予め定められた値よりも大きい場合、その最大値を、外れ値として除去する。外れ値を除去した後、外れ値除去部３２２は、その外れ値が除去された時系列データを、後述する特徴値算出部３２３に出力する。

なお、図２に示す診断プログラム３５１は、第１外れ値除去処理を実現するサブルーチン、第２外れ値除去処理を実現するサブルーチン、及び第３外れ値除去処理を実現するサブルーチンを含む。外れ値除去部３２２としてのＣＰＵ３２０は、それらのサブルーチンのうち、外れ値除去処理特定情報３５２ｂによって特定されるサブルーチンを実行する。

また、ＣＰＵ３２０は、外れ値除去部３２２によって外れ値が除去された第１時系列データ〜第１９時系列データの各々について、その時系列データの変動の特徴を表す特徴値を算出する特徴値算出手段としての特徴値算出部３２３の機能を有する。

特徴値算出部３２３は、図３に示す診断テーブル３５２を参照し、第１時系列データ〜第１９時系列データの各々に対して、その時系列データの時系列データＩＤ３５２ａに対応付けられている特徴値算出処理特定情報３５２ｃが表す特徴値算出処理を実行する。具体的には、特徴値算出部３２３は、特徴値算出処理特定情報３５２ｃによって特定される特徴値算出処理として、以下の第１特徴値算出処理又は第２特徴値算出処理を実行する。

第１特徴値算出処理では、特徴値算出部３２３は、時系列データと、その時系列データに対して予め準備された基準時系列データとの相関係数を、特徴値として算出する。ここで基準時系列データは、ホームドア１００−ｋの理想的な開閉動作を表すものであり、図示はしないが、図２に示す補助記憶部３５０に予め準備されているものとする。なお、相関係数は、時系列データと基準時系列データとの共分散を、時系列データの標準偏差と基準時系列データの標準偏差との積で割ることにより求まる。

第２特徴値算出処理では、特徴値算出部３２３は、時系列データをフーリエ変換してパワースペクトル分布を求め、そのパワースペクトル分布の最大値であるピーク周波数を、特徴値として算出する。

なお、図２に示す診断プログラム３５１は、第１特徴値算出処理を実現するサブルーチン、及び第２特徴値算出処理を実現するサブルーチンを含む。特徴値算出部３２３としてのＣＰＵ３２０は、それらのサブルーチンのうち、特徴値算出処理特定情報３５２ｃによって特定されるサブルーチンを実行する。

また、ＣＰＵ３２０は、特徴値算出部３２３によって算出された特徴値を用いて、その特徴値を表したホームドア１００−ｋの健全性を判定する健全性判定手段としての健全性判定部３２４の機能を有する。

健全性判定部３２４は、図３に示す診断テーブル３５２を参照し、特徴値算出部３２３が算出した特徴値を表した時系列データの時系列データＩＤ３５２ａに対応付けられている最小閾値３５２ｄ及び最大閾値３５２ｅを特定する。そして、健全性判定部３２４は、特徴値算出部３２３が算出した特徴値が、最小閾値３５２ｄから最大閾値３５２ｅまでの範囲に収まるか否かによって、健全性を判定する。

また、ＣＰＵ３２０は、健全性判定部３２４の判定結果を出力する出力手段としての出力部３２５の機能を有する。出力部３２５は、健全性判定部３２４の判定結果を、図２に示す表示部３４０に表示させる制御を行う。

以下、健全性判定部３２４によって健全性の判定の基準として用いられる上述した最小閾値３５２ｄ及び最大閾値３５２ｅを決定する方法について説明する。最小閾値３５２ｄ及び最大閾値３５２ｅは、図６に示す閾値決定システム７００によって、予め決定されたものである。

図６に示すように、閾値決定システム７００は、ホームドア１００−ｋを模した模擬装置としての試験用ホームドア５００と、試験用ホームドア５００から、各々試験用ホームドア５００の制御に関わる物理量又は試験用ホームドア５００の状態を表す物理量（但し、試験用ホームドア５００の制御に関わる物理量は除く。）を表す複数種の時系列データを複数回取得し、取得した時系列データを用いて最小閾値３５２ｄ及び最大閾値３５２ｅを決定する閾値決定装置６００とを備える。

試験用ホームドア５００は、ホームドア１００−ｋと同様、モータ５２０と、モータ５２０によって開閉されるスライド扉５１０と、モータ５２０を制御する個別制御部５３０とを有する。個別制御部５３０は、試験用ホームドア５００についての上述した第１時系列データ〜第１９時系列データを閾値決定装置６００に出力する。

閾値決定装置６００は、個別制御部５３０から第１時系列データ〜第１９時系列データを取得する時系列データ取得部６１０と、取得された第１時系列データ〜第１９時系列データの各々に対して、既述の第１外れ値除去処理〜第３外れ値除去処理のいずれかを施す外れ値除去部６２０と、外れ値が除去された第１時系列データ〜第１９時系列データの各々について、既述の第１特徴値算出処理又は第２特徴値算出処理を実行する特徴値算出部６３０とを備える。

なお、外れ値除去部６２０が第１外れ値除去処理〜第３外れ値除去処理のいずれを実行するかの条件、及び特徴値算出部６３０が第１特徴値算出処理と第２特徴値算出処理のいずれを実行するかの条件は、図３に示した診断テーブル３５２の規定と同じである。

また、閾値決定装置６００は、特徴値算出部６３０が算出した特徴値を統計解析することにより、第１時系列データ〜第１９時系列データの各々について、最小閾値３５２ｄ及び最大閾値３５２ｅを決定する統計解析部６４０を備える。

以下、図７を参照し、閾値決定装置６００が行う閾値決定処理について具体的に説明する。なお、図７は、第１時系列データ〜第１９時系列データのうちの１つの時系列データについて、最小閾値３５２ｄ及び最大閾値３５２ｅを決定する処理を示す。第１時系列データ〜第１９時系列データの各々について、図７に示す閾値決定処理が行われる。

図７に示すように、時系列データ取得部６１０が、ユーザによって既知の異常状態が発現された試験用ホームドア５００から、時系列データを取得する（ステップＳ２１）。以下では、異常状態にある試験用ホームドア５００から取得される時系列データを、異常時系列データと呼ぶことにする。

次に、外れ値除去部６２０が、その異常時系列データから外れ値を除去し、特徴値算出部６３０が、外れ値が除去された異常時系列データの特徴値を算出する（ステップＳ２２）。以下では、異常時系列データについての特徴値を、異常特徴値と呼ぶことにする。

次に、時系列データ取得部６１０は、予め定められたＭＡ回分の異常時系列データの取得が完了したか否かを判定し（ステップＳ２３）、まだＭＡ回分の異常時系列データの取得が完了していない場合は（ステップＳ２３；ＮＯ）、ステップＳ２１に戻る。本実施形態では、ＭＡとは１万以上の値を指すものとする。

なお、１回分の異常時系列データは、スライド扉５１０が１回開閉する過程で取得される。ＭＡ回分の異常時系列データを取得するために、スライド扉５１０がＭＡ回開閉される。ＭＡ回分の異常時系列データの取得が完了した場合（ステップＳ２３；ＹＥＳ）、ＭＡ点の異常特徴値の集合が得られたことになる。以下では、そのＭＡ点の異常特徴値の集合が表す度数分布を、異常度数分布と呼ぶことにする。

次に、時系列データ取得部６１０は、ＭＡ回分の異常時系列データの取得が完了すると（ステップＳ２３；ＹＥＳ）、ユーザによって正常状態に調整された試験用ホームドア５００から、時系列データを取得する（ステップＳ２４）。以下では、正常状態にある試験用ホームドア５００から取得される時系列データを、正常時系列データと呼ぶことにする。

次に、外れ値除去部６２０が、その正常時系列データから外れ値を除去し、特徴値算出部６３０が、外れ値が除去された正常時系列データの特徴値を算出する（ステップＳ２５）。以下では、正常時系列データについての特徴値を、正常特徴値と呼ぶことにする。

次に、時系列データ取得部６１０は、予め定められたＭＢ回分の正常時系列データの取得が完了したか否かを判定し（ステップＳ２６）、まだＭＢ回分の正常時系列データの取得が完了していない場合は（ステップＳ２６；ＮＯ）、ステップＳ２４に戻る。本実施形態では、ＭＢとは１万以上の値を指すものとする。ＭＢの値は、上述したＭＡの値と同じであってもよいし、異なっていてもよい。

なお、スライド扉５１０がＭＢ回開閉され、ＭＢ回分の正常時系列データの取得が完了した場合（ステップＳ２６；ＹＥＳ）、ＭＢ点の正常特徴値の集合が得られたことになる。以下では、そのＭＢ点の正常特徴値の集合が表す度数分布を、正常度数分布と呼ぶことにする。

次に、統計解析部６４０は、ＭＢ回分の正常時系列データの取得が完了した場合は（ステップＳ２６；ＹＥＳ）、異常度数分布測定ステップとしてのステップＳ２１〜Ｓ２３で得られた異常度数分布と、正常度数分布測定ステップとしてのステップＳ２４〜Ｓ２６で得られた正常度数分布とを用いて、最小閾値３５２ｄ及び最大閾値３５２ｅを特定する（ステップＳ２７）。

以下、図８Ａ及び図８Ｂを参照し、閾値決定ステップとしてのステップＳ２７で統計解析部６４０が行う処理について具体的に説明する。まず、統計解析部６４０は、異常度数分布の平均値μＩと、正常度数分布の平均値μＮとを求める。

図８Ａを参照し、正常度数分布の平均値μＮが異常度数分布の平均値μＩより大きい場合の統計解析部６４０の処理を説明する。統計解析部６４０は、まず、異常度数分布を近似した曲線ＤＢＩと、正常度数分布を近似した曲線ＤＢＮとを求める。次に、統計解析部６４０は、曲線ＤＢＩと曲線ＤＢＮとの交点を求め、その交点に位置する階級値ＴＨＡを、上述した最小閾値３５２ｄとして定める。

試験用ホームドア５００に発現させた既知の異常状態と同様の異常状態がホームドア１００−ｋに発現している場合、特徴値が階級値ＴＨＡより小さな値をとる確率の方が、特徴値が階級値ＴＨＡ以上の値をとる確率よりも高いと言える。そこで、特徴値が階級値ＴＨＡより小さな値をとったことをもって、ホームドア１００−ｋに異常の傾向があることを判別できる。

また、統計解析部６４０は、曲線ＤＢＮが表す正常度数分布の標準偏差をσとした場合に、μＮ＋２σに位置する階級値ＴＨＢを、上述した最大閾値３５２ｅとして定める。

ホームドア１００−ｋが正常である場合、特徴値が階級値ＴＨＢより大きな値をとる確率は充分に小さいと言える。そこで、特徴値が階級値ＴＨＢより大きな値をとったことをもって、ホームドア１００−ｋに異常の傾向があることを判別できる。

図８Ｂに示すように、正常度数分布の平均値μＮが異常度数分布の平均値μＩより小さい場合には、統計解析部６４０は、曲線ＤＢＩと曲線ＤＢＮとの交点に位置する階級値ＴＨＡを、上述した最大閾値３５２ｅとして定める。

試験用ホームドア５００に発現させた既知の異常状態と同様の異常状態がホームドア１００−ｋに発現している場合、特徴値が階級値ＴＨＡより大きな値をとる確率の方が、特徴値が階級値ＴＨＡ以下の値をとる確率よりも高いと言える。そこで、特徴値が階級値ＴＨＡより大きな値をとったことをもって、ホームドア１００−ｋに異常の傾向があることを判別できる。

また、統計解析部６４０は、曲線ＤＢＮが表す正常度数分布の標準偏差をσとした場合に、μＮ−２σに位置する階級値ＴＨＢを、上述した最小閾値３５２ｄとして定める。

ホームドア１００−ｋが正常である場合、特徴値が階級値ＴＨＢより小さな値をとる確率は充分に小さいと言える。そこで、特徴値が階級値ＴＨＢより小さな値をとったことをもって、ホームドア１００−ｋに異常の傾向があることを判別できる。

なお、図８Ａ及び図８Ｂにおいて、交点に位置する階級値ＴＨＡは、試験用ホームドア５００に発現させる異常状態に応じて異なる。そこで、上述したホームドア診断装置３００において判別可能な異常状態は、ステップＳ２１において試験用ホームドア５００にどのような異常状態を発現させるかによって変更できる。

以上で、第１時系列データ〜第１９時系列データのうちの１つの時系列データについての最小閾値３５２ｄ及び最大閾値３５２ｅが決定された。図７に示す閾値決定処理を、第１時系列データ〜第１９時系列データのすべてについて実行することにより、第１時系列データ〜第１９時系列データの各々について最小閾値３５２ｄ及び最大閾値３５２ｅが決定される。

以下、ホームドア診断装置３００の説明に戻る。図３に示した診断テーブル３５２に規定される最小閾値３５２ｄ及び最大閾値３５２ｅは、以上のようにして時系列データ毎に予め定められたものである。

次に、図４に示した各部３２１〜３２５によって実行される診断処理について、図５を参照して説明する。なお、図５は、図１に示すホームドア１００−１〜１００−Ｎのうちの１つを診断する処理を示す。ホームドア１００−１〜１００−Ｎの各々について、図５に示す診断処理が実行される。

図５に示すように、まず、時系列データ取得部３２１が、図１に示す統合制御部２００を通じて、稼働中のホームドア１００−ｋの個別制御部１３０−ｋから、第１時系列データ〜第１９時系列データを取得する（ステップＳ１）。また、時系列データ取得部３２１は、以下の処理で用いる整数型変数ｊとＦに０を代入する（ステップＳ２）。

次に、外れ値除去部３２２が、第ｊ＋１時系列データに対して外れ値の除去を行い、特徴値算出部３２３が、特徴値の算出を行う（ステップＳ３）。具体的には、外れ値除去部３２２は、第ｊ＋１時系列データに対して、第１外れ値除去処理〜第３外れ値除去処理のうち、図３に示す診断テーブル３５２に定められた外れ値除去処理特定情報３５２ｂによって特定される処理で外れ値を除去する。特徴値算出部３２３は、その外れ値が除去された第ｊ＋１時系列データについて、第１特徴値算出処理及び第２特徴値算出処置のうち、図３に示す診断テーブル３５２に定められた特徴値算出処理特定情報３５２ｃによって特定される処理で特徴値を算出する。

次に、健全性判定部３２４が、図３に示す診断テーブル３５２において、第ｊ＋１時系列データに対して定められた最小閾値３５２ｄ及び最大閾値３５２ｅを参照し、特徴値算出部３２３によって算出された特徴値が、最小閾値３５２ｄ以上であり、かつ最大閾値３５２ｅ以下であるか否かを判定する（ステップＳ４）。

健全性判定部３２４は、特徴値が、最小閾値３５２ｄ以上であり、かつ最大閾値３５２ｅ以下であれば（ステップＳ４；ＹＥＳ）、整数型変数ｊの値を１だけインクリメントする（ステップＳ６）。一方、健全性判定部３２４は、特徴値が、最小閾値３５２ｄ未満であるか、又は最大閾値３５２ｅを超える場合は（ステップＳ４；ＮＯ）、整数型変数Ｆに１を代入し（ステップＳ５）、ステップＳ６に移行する。

次に、外れ値除去部３２２が、整数型変数ｊの値が１９に達したか否かを判定し（ステップＳ７）、まだ１９に達していなければ（ステップＳ７；ＮＯ）、ステップＳ３に戻る。一方、整数型変数ｊの値が１９に達していれば（ステップＳ７；ＹＥＳ）、出力部３２５が、整数型変数Ｆの値が０か否かを判定する（ステップＳ８）。

出力部３２５は、整数型変数Ｆの値が０であれば（ステップＳ８；ＹＥＳ）、ホームドア１００−ｋが正常である旨の診断結果を、図２に示す表示部３４０に表示させる。一方、出力部３２５は、整数型変数Ｆの値が０でなければ（ステップＳ８；ＮＯ）、第１時系列データ〜第１９時系列データの少なくともいずれかの特徴値が、最小閾値３５２ｄ未満であったか、又は最大閾値３５２ｅを超えたことを表すので、ホームドア１００−ｋに異常の傾向がある旨の診断結果を、図２に示す表示部３４０に表示させる。

以上で、図１に示すホームドア１００−１〜１００−Ｎのうちの１つの診断が完了した。ホームドア１００−１〜１００−Ｎの各々について、図５に示す診断処理が実行され、出力部３２５は、ホームドア１００−１〜１００−Ｎの各々の診断結果を、それらホームドア１００−１〜１００−Ｎを識別ホームドアＩＤ情報別に、表示部３４０に表示させる。

以上説明したように、本実施形態に係るホームドア診断装置３００によれば、第１時系列データ〜第１９時系列データそのものではなく、第１時系列データ〜第１９時系列データの各々から算出された特徴値が、予め定められた最小閾値３５２ｄ及び最大閾値３５２ｅと比較されることにより、ホームドア１００−ｋの健全性が判定される。

特徴値は、時系列データの変動の特徴を表すものであり、最小閾値３５２ｄ及び最大閾値３５２ｅは、ホームドア１００−ｋに異常がある場合に得られる異常度数分布と、ホームドア１００−ｋが正常である場合に得られる正常度数分布とを用いて定められたものであるため、健全性の診断を従来よりも適正に行うことができる。

また、ホームドア診断装置３００によれば、ホームドア１００−１〜１００−Ｎの各々について、従来のように異常が生じたことを事後的に検出するのではなく、異常の傾向があることを検出できる。このため、異常の傾向が検出された場合に、必要なメンテナンスを行うことで、ホームドア１００−１〜１００−Ｎの各々の故障を未然に防止できる。

また、第１時系列データ〜第１９時系列データの各々について、特徴値の算出の前に、外れ値の除去を行うので、外れ値の影響のない特徴値を算出できる。このため、診断が過度に厳しくなりすぎることを抑制でき、かつ偶発的な外れ値の存在によって、異常の傾向があると誤診断してしまうことが防止される。このことも、診断の適正化に資する。

また、診断テーブル３５２において、第１時系列データ〜第１９時系列データの各々について、個別に外れ値除去処理特定情報３５２ｂと特徴値算出処理特定情報３５２ｃとが定められている。このため、第１時系列データ〜第１９時系列データの各々に適したやり方で、外れ値の除去と特徴値の算出とを行うことができる。このことも、診断の適正化に資する。

また、診断テーブル３５２において、第１時系列データ〜第１９時系列データの各々について、個別に最小閾値３５２ｄ及び最大閾値３５２ｅが定められている。このため、最小閾値３５２ｄ及び最大閾値３５２ｅを定めるに当って試験用ホームドア５００に発現させる異常状態を、時系列データＩＤ３５２ａに応じて異ならせることができる。これにより、既知の複数種の異常状態のいずれかの傾向があるか否かという観点から、ホームドア１００−ｋを診断できる。

［実施形態２］
上記実施形態１では、図８Ａ及び図８Ｂに示したように、異常度数分布を近似した曲線ＤＢＩと、正常度数分布を近似した曲線ＤＢＮとの交点を基準として最小閾値３５２ｄ又は最大閾値３５２ｅを定めたが、交点を用いずに、最小閾値３５２ｄ及び最大閾値３５２ｅを定めてもよい。以下、その具体例について説明する。

図９Ａ及び図９Ｂに示すように、本実施形態では、統計解析部６４０は、異常度数分布を近似した曲線ＤＢＩのピーク値に位置する階級値ＰＫＩと、正常度数分布を近似した曲線ＤＢＮのピーク値に位置する階級値ＰＫＮとを求める。

そして、統計解析部６４０は、図９Ａに示すように、階級値ＰＫＩが階級値ＰＫＮより小さい場合は、階級値ＰＫＩを最小閾値３５２ｄとして定め、階級値ＰＫＮを最大閾値３５２ｅとして定める。また、統計解析部６４０は、図９Ｂに示すように、階級値ＰＫＩが階級値ＰＫＮより大きい場合には、階級値ＰＫＩを最大閾値３５２ｅとして定め、階級値ＰＫＮを最小閾値３５２ｄとして定める。

［実施形態３］
上記実施形態１では、第１時系列データ〜第１９時系列データの各々について、外れ値除去処理特定情報３５２ｂと特徴値算出処理特定情報３５２ｃとが予め診断テーブル３５２に定められていたが、外れ値を除去する方法と特徴値を算出する方法とをユーザが選択できるようにしてもよい。以下、その具体例について説明する。

本実施形態では、図２に示す選択手段としての入力部３６０を用いて、ユーザが、第１時系列データ〜第１９時系列データの各々について、第１外れ値除去処理〜第３外れ値除去処理のいずれを外れ値除去部３２２に実行させるかを選択する。なお、この選択の操作は、図５のステップＳ３において行われる。

また、ユーザは、選択手段としての入力部３６０を用いて、第１時系列データ〜第１９時系列データの各々について、第１特徴値算出処理と第２特徴値算出処理のいずれを特徴値算出部３２３に実行させるかを選択する。なお、この選択の操作も、図５のステップＳ３において行われる。

図１０に示すように、本実施形態でＣＰＵ３２０は、第１外れ値除去処理〜第３外れ値除去処理のうち入力部３６０で選択されたものを外れ値除去部３２２に指定し、かつ第１特徴値算出処理と第２特徴値算出処理のうち入力部３６０で選択されたものを特徴値算出部３２３に指定する指定部３２６の機能を有する。

本実施形態では、診断テーブル３５２において、第１時系列データ〜第１９時系列データの各々について、第１特徴値算出処理が実行された場合に参照すべき最小閾値３５２ｄ及び最大閾値３５２ｅと、第２特徴値算出処理が実行された場合に参照すべき最小閾値３５２ｄ及び最大閾値３５２ｅとが定められているものとする。

健全性判定部３２４は、第１時系列データ〜第１９時系列データの各々について、第１特徴値算出処理によって求まる特徴値（以下、第１特徴値という）が算出された場合は、その第１特徴値と、その第１特徴値について診断テーブル３５２に定められた最小閾値３５２ｄ及び最大閾値３５２ｅとを比較する。また、健全性判定部３２４は、第２特徴値算出処理によって求まる特徴値（以下、第２特徴値という）が算出された場合は、その第２特徴値と、その第２特徴値について診断テーブル３５２に定められた最小閾値３５２ｄ及び最大閾値３５２ｅとを比較する。

本実施形態によれば、第１時系列データ〜第１９時系列データの各々について、第１特徴値と第２特徴値のいずれを算出するかによって、ホームドア１００−ｋの診断の観点を異ならせることができる。このため、ホームドア１００−ｋを多面的に診断できる。

［実施形態４］
上記実施形態１では、ホームドア１００−ｋの診断結果として、正常であるか又は異常の傾向があるかをユーザに提示したが、ホームドア診断装置３００は、ホームドア１００−ｋに異常の傾向がある場合に、推定される異常の態様をさらに提示してもよい。以下、その具体例について説明する。

図１１に、本実施形態で表示部３４０に表示される診断結果リスト３４１を例示する。診断結果リスト３４１として、ホームドア１００−１〜１００−Ｎの各々を識別するホームドアＩＤ情報３４１ａ別に、診断結果３４１ｂが表示される。診断結果３４１ｂには、推定される異常の態様も含まれる。

このような診断を可能とするために、本実施形態では、図３に示した診断テーブル３５２において、時系列データＩＤ３５２ａ別に、特徴値が最小閾値３５２ｄから最大閾値３５２ｅまでの範囲から外れた場合に推定される異常の態様が、予め登録されているものとする。その推定される異常の態様の具体的な内容は、最小閾値３５２ｄ又は最大閾値３５２ｅからの特徴値のずれの大きさに応じて異なっている。

健全性診断部３２４は、図５に示した診断処理において、第１時系列データ〜第１９時系列データのいずれがステップＳ４でＮＯと判定されたかを記憶する。また、健全性診断部３２４は、ステップＳ４でＮＯと判定された時系列データの特徴値の、最小閾値３５２ｄ又は最大閾値３５２ｅからのずれの大きさも記憶する。

そして、健全性診断部３２４は、それら診断処理の結果と、上述した診断テーブル３５２とを照合することにより、図１１に示す診断結果リスト３４１を作成する。作成された診断結果リスト３４１は、出力部３２５によって表示部３４０に表示される。

図１１には、ホームドアＩＤ情報３４１ａが「ＭＭＭ」であるホームドア１００−ｋの診断結果３４１ｂとして、異常の傾向があるというだけでなく、スライド扉１１０−ｋの開閉の抵抗が大である旨の異常の態様が表示されている。

この異常の態様は、モータ１２０−ｋのトルクリミット値を表す第１３時系列データ、又はモータ１２０−ｋのトルクの指令値を表す第１４時系列データについて、特徴値が最小閾値３５２ｄから最大閾値３５２ｅまでの範囲から外れたことをもって特定できる。

また、第１３時系列データ又は第１４時系列データの特徴値の、最小閾値３５２ｄ又は最大閾値３５２ｅからのずれの大きさが一定値を超えたことにより、戸当たりの誤検知が発生する可能性がある旨も特定できる。なお、戸当たりの誤検知とは、スライド扉１１０−ｋに乗降客又は荷物が当たって無いにも関わらず、スライド扉１１０−ｋの開閉の抵抗が大であるため、スライド扉１１０−ｋに乗降客又は荷物が当たったと個別制御部１３０−ｋが誤検知することを指す。

この他、健全性診断部３２４は、モータ１２０−ｋに供給される電圧を表す第９時系列データ、第１０時系列データ、第１１時系列データ、及び第１２時系列データの少なくともいずれかの特徴値によって、モータ１２０−ｋに電圧を供給する電源回路が備える平滑用キャパシタの静電容量が不足しているといった異常の態様を特定できる。

また、健全性診断部３２４は、モータ１２０−ｋの作動に伴う振動の振幅を表す第１９時系列データの特徴値によって、スライド扉１１０−ｋのがたつき、ねじの緩みといった異常の態様を特定できる。

以上説明したように、本実施形態によれば、ホームドア１００−ｋの診断結果３４１ｂとして、正常であるか又は異常の傾向があるかという情報だけでなく、異常の傾向がある場合に、推定される異常の態様がユーザに提示される。

従って、ユーザは、どのようなメンテナンスを施せばよいかを容易に判断できるため、迅速にメンテンナスに取りかかることができる。また、ホームドア１００−ｋに故障が発生している場合でも、迅速に復旧作業に取りかかることができる。

以上、本発明の実施形態について説明した。本発明はこれに限られず、以下に述べる変形も可能である。

上記実施形態１では、ホームドア診断装置３００が第１時系列データ〜第１９時系列データの全てのデータを取得し、全てのデータについて健全性の診断を行うと記載したが、第１時系列データ〜第１９時系列データの少なくとも１つのデータを取得し、少なくとも１つのデータについて健全性の診断を行ってもよい。

上記実施形態１では、模擬装置としての試験用ホームドア５００を用いて、最小閾値３５２ｄ及び最大閾値３５２ｅを定めたが、最小閾値３５２ｄ及び最大閾値３５２ｅの決定には、必ずしも試験用ホームドア５００を用いなくてもよい。診断対象装置としてのホームドア１００−１〜１００−Ｎが正常状態又は異常状態にあることが既知である場合にホームドア１００−１〜１００−Ｎが出力した第１時系列データ〜第１９時系列データを用いて、最小閾値３５２ｄ及び最大閾値３５２ｅを定めてもよい。

上記実施形態１及び２では、異常度数分布と正常度数分布とを用いて、最小閾値３５２ｄ及び最大閾値３５２ｅを定めたが、異常度数分布だけを用いて、最小閾値３５２ｄ及び最大閾値３５２ｅを定めてもよい。具体的には、異常度数分布を表す曲線ＤＢＩのピークに位置する階級値ＰＫＩを最小閾値３５２ｄとし、曲線ＤＢＩにおける値の大きい方の端点に位置する階級値を最大閾値３５２ｅとしてもよい。

上記実施形態１では、健全性の判定の基準に用いる閾値として、最小閾値３５２ｄと最大閾値３５２ｅの２つの閾値を用いたが、用いる閾値の数は、１つであってもよいし、３つ以上であってもよい。また、複数の閾値を用いる場合には、それら閾値によって、特徴値に関して３つ以上の区間が画定されるため、優秀、合格、不可といったように、複数段階的に健全性を評価してもよい。

上記実施形態４では、特徴値が最小閾値３５２ｄから最大閾値３５２ｅまでの範囲から外れた場合に推定される異常の態様を、時系列データＩＤ３５２ａ別に定めたが、特徴値が最小閾値３５２ｄから最大閾値３５２ｅまでの範囲から外れた時系列データの組み合わせによって、推定される異常の態様を定めてもよい。

上記実施形態４では、ホームドア１００−１〜１００−Ｎに異常の傾向がある場合に、推定される異常の態様をユーザに提示したが、さらに、第１時系列データ〜第１９時系列データを用いて、異常が生じている箇所、又は異常が生じる可能性が高い箇所を推定してユーザに提示してもよい。具体的には、モータ１２０−ｋのトルクを表す第１３時系列データ又は第１４時系列データと、スライド扉１１０−ｋの繰り出し量を表す第１７時系列データとを照合し、モータ１２０−ｋのトルクが異常に増大するときのスライド扉１１０−ｋの繰り出し量を特定することで、スライド扉１１０−ｋを案内するレール部材における異常が生じている個所を推定できる。

上記実施形態１では、外れ値除去処理特定情報３５２ｂによって特定される処理として、第１外れ値除去処理〜第３外れ値除去処理を例示したが、外れ値を除去する方法はこれらに限られず、公知の種々の手法を用いることができる。また、特徴値算出処理特定情報３５２ｃによって特定される処理として、第１特徴値算出処理と第２特徴値算出処理とを例示したが、特徴値を算出する方法はこれらに限られず、公知の種々の手法を用いることができる。

上記実施形態１では、ホームドア診断装置３００が、ホームドア１００−１〜１００−Ｎが設置されている駅、具体的には駅務室に配置されているとしたが、ホームドア診断装置３００を設置する場所は特に限定されない。ホームドア診断装置３００は、駅における駅務室以外の場所に配置されてもよいし、駅以外の場所に配置されてもよい。ホームドア診断装置３００は、鉄道会社又はホームドア装置の管理センターに配置されてもよい。複数の駅のホームドアを、管理センターに配置される１つのホームドア診断装置３００で診断してもよい。

図２に示した診断プログラム３５１をコンピュータにインストールすることで、そのコンピュータをホームドア診断装置３００として機能させることができる。診断プログラム３５１は、通信回線を通じて配布することもできるし、光ディスク、フラッシュメモリ等のコンピュータ読み取り可能な記録媒体に格納して配布することもできる。

１００−１〜１００−Ｎ…ホームドア（診断対象装置）、１１０−１〜１１０−Ｎ…スライド扉、１２０−１〜１２０−Ｎ…モータ、１３０−１〜１３０−Ｎ…個別制御部、２００…統合制御部、３００…ホームドア診断装置、３１０…通信部、３２０…ＣＰＵ、３２１…時系列データ取得部（時系列データ取得手段）、３２２…外れ値除去部（外れ値除去手段）、３２３…特徴値算出部（特徴値算出手段）、３２４…健全性判定部（健全性判定手段）、３２５…出力部（出力手段）、３２６…指定部、３３０…主記憶部、３４０…表示部、３４１…診断結果リスト、３４１ａ…ホームドアＩＤ情報、３４１ｂ…診断結果、３５０…補助記憶部、３５１…診断プログラム、３５２…診断テーブル、３５２ａ…時系列データＩＤ、３５２ｂ…外れ値除去処理特定情報、３５２ｃ…特徴値算出処理特定情報、３５２ｄ…最小閾値、３５２ｅ…最大閾値、３６０…入力部（選択手段）、４００…ホームドアシステム、５００…試験用ホームドア（模擬装置）、５１０…スライド扉、５２０…モータ、５３０…個別制御部、６００…閾値決定装置、６１０…時系列データ取得部、６２０…外れ値除去部、６３０…特徴値算出部、６４０…統計解析部、７００…閾値決定システム、ＤＢＩ，ＤＢＮ…曲線、ＴＨＡ，ＴＨＢ，ＰＫＩ，ＰＫＮ…階級値。

Claims (8)

1. プラットホームに設置されるホームドアから、前記ホームドアの制御に関わる物理量又は前記ホームドアの状態を表す物理量を表す時系列データを取得する時系列データ取得手段と、
   前記時系列データ取得手段によって取得された前記時系列データを用いて、前記時系列データの変動の特徴を表す特徴値を算出する特徴値算出手段と、
   前記特徴値算出手段によって算出された前記特徴値を、前記ホームドアに異常がある場合に得られる前記特徴値の度数分布と、前記ホームドアが正常である場合に得られる前記特徴値の度数分布とを用いて予め定められた閾値と比較することにより、前記ホームドアの健全性を判定する健全性判定手段と、
   前記健全性判定手段の判定結果を出力する出力手段と、
   を備える、ホームドア診断装置。
2. 前記特徴値算出手段が、前記時系列データの前記特徴値としての第１特徴値と、前記時系列データの、前記第１特徴値が表す特徴とは異なる特徴を表す前記特徴値としての第２特徴値とを算出する機能を有し、
   前記健全性判定手段が、前記特徴値算出手段によって前記第１特徴値が算出された場合は、前記第１特徴値を、前記第１特徴値についての前記閾値である第１閾値と比較し、前記特徴値算出手段によって前記第２特徴値が算出された場合には、前記第２特徴値を、前記第２特徴値についての前記閾値である第２閾値と比較する、
   請求項１に記載のホームドア診断装置。
3. 前記特徴値算出手段に前記第１特徴値と前記第２特徴値とのいずれを算出させるかをユーザが選択するための選択手段、
   をさらに備える、請求項２に記載のホームドア診断装置。
4. 前記時系列データ取得手段が、互いに異なる前記物理量を表す複数種の前記時系列データを取得し、
   前記特徴値算出手段が、前記時系列データ取得手段によって取得された複数種の前記時系列データの各々について前記特徴値を算出し、
   前記健全性判定手段が、前記特徴値算出手段によって算出された前記特徴値の各々を、該特徴値について定められた前記閾値と比較する、
   請求項１から３のいずれか１項に記載のホームドア診断装置。
5. 前記時系列データ取得手段が、前記プラットホームに設置される複数の前記ホームドアの各々から前記時系列データを取得し、
   前記特徴値算出手段が、複数の前記ホームドアの各々から取得された前記時系列データを用いて、前記ホームドア別に前記特徴値を算出し、
   前記健全性判定手段が、前記ホームドア別に算出された前記特徴値を用いて、前記ホームドア別に健全性を判定し、
   前記出力手段が、前記ホームドア別に前記健全性判定手段の判定結果を出力する、
   請求項１から４のいずれか１項に記載のホームドア診断装置。
6. 診断の対象とする診断対象装置又は前記診断対象装置を模した模擬装置に既知の異常状態を発現させ、前記異常状態にある前記診断対象装置又は前記模擬装置から、該診断対象装置若しくは該模擬装置の制御に関わる物理量又は該診断対象装置若しくは該模擬装置の状態を表す物理量を表す時系列データを複数回取得し、取得した前記時系列データの各々を用いて、該時系列データの変動の特徴を表す特徴値を算出することにより、前記特徴値の度数分布である異常度数分布を求める異常度数分布測定ステップと、
   前記異常度数分布を用いて、前記特徴値についての、前記診断対象装置の健全性の判断の基準となる閾値を定める閾値決定ステップと、
   稼働中の前記診断対象装置から、該診断対象装置の制御に関わる物理量又は該診断対象の状態を表す物理量を表す前記時系列データを取得し、取得した前記時系列データを用いて、前記時系列データの変動の特徴を表す前記特徴値を算出し、算出した前記特徴値と、前記閾値決定ステップで定めた前記閾値との比較に基づいて、前記診断対象装置の健全性を診断する診断ステップと、
   を含む、診断方法。
7. 前記閾値決定ステップの前に、
   正常状態にある前記診断対象装置又は前記模擬装置から、該診断対象装置若しくは該模擬装置の制御に関わる物理量又は該診断対象装置若しくは該模擬装置の状態を表す物理量を表す前記時系列データを複数回取得し、取得した前記時系列データの各々を用いて、該時系列データの変動の特徴を表す特徴値を算出することにより、前記特徴値の度数分布である正常度数分布を求める正常度数分布測定ステップ、
   をさらに含み、
   前記閾値決定ステップにおいては、前記正常度数分布が表す曲線と、前記異常度数分布が表す曲線との交点を求め、該交点を用いて、前記閾値を定める、
   請求項６に記載の診断方法。
8. コンピュータに、
   プラットホームに設置されるホームドアから、前記ホームドアの制御に関わる物理量又は前記ホームドアの状態を表す物理量を表す時系列データを取得する時系列データ取得機能と、
   前記時系列データ取得機能によって取得した前記時系列データを用いて、前記時系列データの変動の特徴を表す特徴値を算出する特徴値算出機能と、
   前記特徴値算出機能によって算出した前記特徴値を、前記ホームドアに異常がある場合に得られる前記特徴値の度数分布と、前記ホームドアが正常である場合に得られる前記特徴値の度数分布とを用いて予め定められた閾値と比較することにより、前記ホームドアの健全性を判定する健全性判定機能と、
   を実現させる、診断プログラム。