JP2020076744A

JP2020076744A - 劣化測定からの制約付き凸回帰を使用する、残存耐用年数の適応的推定方法

Info

Publication number: JP2020076744A
Application number: JP2019169173A
Authority: JP
Inventors: ドクウー・ジュン; Deokwoo Jung
Original assignee: Palo Alto Research Center Inc
Current assignee: Palo Alto Research Center Inc
Priority date: 2018-10-10
Filing date: 2019-09-18
Publication date: 2020-05-21
Anticipated expiration: 2039-09-18
Also published as: JP7258703B2; EP3637121B1; US11262272B2; EP3637121A2; EP3637121A3; US20200116585A1

Abstract

【課題】荷重支持構造体の耐用年数を推定するためのシステムを提供する。【解決手段】構造体に対して劣化測定を実行して、所定の時間間隔での劣化データを取得し、制約付き凸回帰モデルを劣化データに適用し、制約付き凸回帰モデルの出力に基づいて、構造体の総耐用年数（ＴＵＬ）を推定し、総耐用年数（ＴＵＬ）及び現在の時間に基づいて残存耐用年数（ＲＵＬ）を予測する。【選択図】図１

Description

本開示は、一般に、故障診断及び予測のためのシステム及び方法に関する。より具体的には、本開示は、荷重支持ケーブルなどの工学的構造体又は装置の、残存耐用年数（ＲＵＬ）を推定することに関する。

典型的な機械的又は電気的システムは、動作中に絶えず一定の応力が印加される場合、劣化を起こす可能性がある。このような劣化は経時的に加速する場合があり、システムは、応力が劣化したシステムの許容範囲を超えると、最終的に、突然、故障を起こす場合がある。ダウンタイムを低減し、システムが壊滅的に雪崩を打って故障してしまうのを回避するためには、システムの残存耐用年数（ＲＵＬ）を連続的に予測しておくことが重要である。

システムの残存耐用年数（ＲＵＬ）を予測する従来のアプローチは、劣化の測定を連続的に実行すること、及び劣化の測定値が所定の閾値を超えるときにシステムの運用を停止することを含むものであることができる。従来の手法の欠点としては、信頼できる閾値が存在しないことや、システムの残存耐用年数（ＲＵＬ）を確率的に定量化したものを提供することができないことをあげることができる。劣化の測定において閾値の推定値が信頼できないということは、システムの運用停止が早すぎるという結果、あるいはシステムが故障するという結果のいずれかにつながる可能性がある。システム故障のリスクを計画的に管理するためには、残存耐用年数（ＲＵＬ）を確率的に定量化することが不可欠であり得る。

一実施形態は、荷重支持構造体の耐用年数を推定するためのシステムを提供することができる。動作中、システムは、構造体に対して劣化測定を実行して、所定の時間間隔での劣化データを取得し、制約付き凸回帰モデルを劣化データに適用し、制約付き凸回帰モデルの出力に基づいて、構造体の総耐用年数（ＴＵＬ）を推定し、総耐用年数（ＴＵＬ）及び現在の時間に基づいて残存耐用年数（ＲＵＬ）を予測することができる。

本実施形態の変形例では、荷重支持構造体は荷重支持ケーブルを含むことができ、劣化測定を行うことは、電気抵抗を測定すること、耐熱性を測定すること、及び磁気抵抗を測定することのうちの１つを含むことができる。

本実施形態の変形例では、システムは、制約付き凸回帰モデルの出力に基づいて測定の再較正が必要であるかどうかを更に判定することができ、測定の再較正が必要であるということに応じて、システムは新たな劣化データを取得することができる。

本実施形態の変形例では、システムは、後続の時間間隔に対して追加の劣化測定を更に実行し、追加の劣化測定に基づいて、総耐用年数（ＴＵＬ）の推定を更新することができる。

更なる変形例では、システムは、制約付き凸回帰モデルの出力及び追加の劣化測定に基づいて総耐用年数（ＴＵＬ）の確率分布を推定するために、粒子フィルタリング技術を更に使用することができる。

更なる変形例では、粒子フィルタリング技術は、カルマンフィルタリングを含むことができる。

本実施形態の変形例では、制約付き凸回帰モデルは、漸近関数を含むことができる。

一実施形態は、荷重支持構造体の耐用年数を推定するためのシステムを提供することができる。装置は、荷重支持構造体内に埋め込まれた１つ以上のセンサを含むことができ、センサは、劣化データを取得するように構成される。装置は、所定の時間間隔に関連付けられた劣化データに制約付き凸回帰モデルを適用するように構成された制約付き凸回帰モデリングモジュールと、制約付き凸回帰モデルの出力に基づいて、構造体の総耐用年数（ＴＵＬ）を推定するように構成された総耐用年数（ＴＵＬ）推定モジュールと、総耐用年数（ＴＵＬ）及び現在の時間に基づいて、残存耐用年数（ＲＵＬ）を予測するように構成された残存耐用年数（ＲＵＬ）予測モジュールとを更に含むことができる。

様々な亀裂条件下でのケーブルの有効荷重支持領域を示す。一実施形態による、例示的な総耐用年数（ＴＵＬ）推定システムアーキテクチャを示す。一実施形態による、推定された劣化関数を示す。一実施形態による劣化関数の逆関数を示す。一実施形態による、残存耐用年数（ＲＵＬ）を推定するための例示的なプロセスを示すフローチャートを示す。一実施形態による、例示的な残存耐用年数（ＲＵＬ）分布推定システムアーキテクチャを示す。一実施形態による、粒子を生成するための擬似コードを示す。一実施形態による、粒子の寿命を推定するための擬似コードを示す。一実施形態による、粒子の重みを推定するための擬似コードを示す。一実施形態による、残存耐用年数（ＲＵＬ）分布を推定するための擬似コードを示す。一実施形態による、残存耐用年数（ＲＵＬ）分布推定例を示す。一実施形態による、残存耐用年数（ＲＵＬ）分布を推定するための例示的なプロセスを示すフローチャートを示す。一実施形態による、残存耐用年数（ＲＵＬ）予測システムを容易にする例示的なコンピュータシステムを示す。一実施形態による、残存耐用年数（ＲＵＬ）推定システムを容易にする例示的な装置を示す。

本明細書に記載される実施形態は、劣化測定に基づいて構造体又はシステムの残存耐用年数（ＲＵＬ）を予測することの技術的問題を解決するものである。一部の実施形態では、残存耐用年数（ＲＵＬ）予測システムは、劣化測定データ（例えば、抵抗測定値）を取得し、凸状制約付き回帰モデルを使用して、残存耐用年数（ＲＵＬ）を適応的に推定することができる。一部の実施形態では、残存耐用年数（ＲＵＬ）予測システムは、確率的な制約付き凸回帰モデルを使用して、残存耐用年数（ＲＵＬ）の分布を適応的に推定することができる。より具体的には、粒子フィルタを使用して、残存耐用年数（ＲＵＬ）分布を推定することができる。

システム又は装置の一部の劣化は、時に、材料に形成されたクラック又はマイクロクラックを生じる場合がある。そのような材料の損傷は、荷重支持能力に変化をもたらす可能性がある。劣化が進行するにつれて、クラック又はマイクロクラックが大きく成長し、最終的に装置の故障を招く場合がある。

機械的特性及び電気的特性は、マイクロスケール及びマクロスケールの両方において、材料構造に緊密に結びついているため、電気的測定を行うことで、材料の劣化に関連する情報を提供することができる。一例として荷重支持ケーブルを取り上げると、ケーブル内に発生するマイクロクラックは、荷重支持領域に影響を及ぼすだけでなく、電流条件経路にも影響を及ぼす。図１は、様々な亀裂条件下でのケーブルの有効荷重支持領域を示す。より具体的には、図１は、様々な劣化条件における多数のケーブル（例えば、ケーブル１０２及び１０４）を示す。図の左から右に、劣化が次第に悪化していき、ケーブル１０６は完全に破壊されている。図１から分かるように、各ケーブル内のマイクロクラック（例えば、ケーブル１０４内のマイクロクラック１０８、又はケーブル１０６内のクラック１１０））は、ケーブルの断面積に影響を及ぼし得る。電流伝導断面積は、ケーブルの荷重支持部（又は重量支持）断面積と同じことを意味するため、上記のようなマイクロクラックは、ケーブル内の荷重支持断面積を低減するだけでなく、ケーブルの電流伝導断面積をも低減する。したがって、電気抵抗を測定することにより、機器（例えば、ケーブル）における損傷に関連する情報を提供することができる。

材料損傷は、電流伝導経路に影響を及ぼすことに加えて、熱又は磁気エネルギーのための伝導経路などの他の種類の伝導路にも影響を及ぼし得る。したがって、電気抵抗の測定以外に、熱抵抗及び磁気抵抗などの他の種類の抵抗の測定もまた、システム又は構造体の劣化に関する情報を提供することができる。本開示の範囲は、劣化測定の厳密な形態によって限定されるものではない。

例示的な劣化測定では、外部から劣化を励起するもの（例えば、応力）を受けるシステムｈから、時間ｔにわたり、変数ｙ（例えば、電気抵抗）を測定することが可能である。例えば、システムｈが故障するまで、サンプル｛（ｔ_ｉ，ｙ_ｉ）｝_ｉ＝．ｎを収集することができる。一般性を失うことなく、初期の境界条件ｙ_０＝１を設定する、ｔ＝０での初期値に対してｙ_ｉが正規化されると仮定することができる。

一部の実施形態では、ｙの劣化測定値を所与として、時間ｔにわたるシステムｈの劣化モデルΨを、ｙ_ｉ＝Ψ（ｔ_ｉ）＋ε_ｉとなるように構築することができる。より具体的には、Ψは未知の凸状劣化関数であり、εは測定ノイズである。測定ノイズは、平均Ｅ［ε_ｉ｜ｙ_ｉ］＝０及び分散Ｖａｒ［ε_ｉ］＜∞を伴うランダム変数である。

システムｈの劣化特性を捕捉するために、凸関数Ψは、以下の式で定義される、寿命収斂特性及び劣化進行特性の両方を満たす必要がある。

式中、ｌは、総耐用年数（ＴＵＬ）である。第１の特性（式（１）で示される）は、寿命収斂特性として知られており、劣化の直感的漸近挙動を規定し、残存耐用年数ｌ−ｔがゼロに近づくにつれて、劣化測定値ｙが無限大に近づくようになっている。なお、式中で、ｌは総耐用年数（ＴＵＬ）である。第２の特性（式（２）によって示される）は、劣化（又はエントロピー）が常に経時的に増加するという物理学の基本的な法則に基づくものである。

したがって、この制約付き凸回帰の問題とは、以下に（３）に示すような、最適な解決策を見出すことである。

一部の実施形態では、上記の抽象的なノンパラメトリックな最適化問題を解く代わりに、システムは、式（１）及び（２）によって示される制約を満たす１つ以上の未知のパラメータを有する関数を使用して凸関数を表してから、パラメトリック最適化関数を解くことができる。一部の実施形態では、システムは

と想定することができる。この式は、１≦ｋ＜∞及び−∞＜β＜０である場合に、制約条件（１）及び（２）を満たすことが証明され得る。ここで

とすると、最適化問題は、以下の、より単純な形で示され得る。

ここでは、時間ｔにおける、その漸近寿命（すなわち、総耐用年数（ＴＵＬ））及び残存耐用年数（ＲＵＬ）を、それぞれ

によって得ることができる。

（４）に示される最適化問題は、制約付き凸回帰モデルを使用して解決することができる。より具体的には、劣化測定に基づいて、モデルパラメータ（例えば、β及びｋ）を推定することができる。推定されたモデルパラメータに基づいて、総耐用年数（ＴＵＬ）の推定値を得ることができる。図２は、一実施形態による、例示的な総耐用年数（ＴＵＬ）推定システムアーキテクチャを示す。

総耐用年数（ＴＵＬ）推定システム２００は、劣化測定モジュール２０２、制約付き凸回帰モデリングモジュール２０４、再較正判定モジュール２０６、及び総耐用年数（ＴＵＬ）推定モジュール２０８を含み得る。より具体的には、制約付き凸回帰モデリングモジュール２０４と再較正判定モジュール２０６とで、制約付き凸回帰コア２１０を形成する。

劣化測定モジュール２０２は、劣化の測定を担い得るものである。一部の実施形態では、劣化測定モジュール２０２は、対象の機器に埋め込まれた多数のセンサを含み得る。例えば、電気抵抗センサ、熱抵抗センサ、又は磁気抵抗センサを使用して、電気抵抗、熱抵抗、又は磁気抵抗をそれぞれ測定することができる。更に、他の種類のセンサもまた、劣化測定値を取得するのに有用であり得る。例えば、特定の撮像センサ（光学的又は音響的なものであり得る）は、マイクロクラックのサイズに関する情報を提供することができる。劣化測定データは、正規化され、時間指数と共に制約付き凸回帰モデリングモジュール２０４に送信されることができる。一部の実施形態では、劣化測定データは、制約付き凸回帰モデリングモジュール２０４を実装するコンピュータシステムに、有線又は無線ネットワークを介して送信されることができる。

制約付き凸回帰モデリングモジュール２０４は、劣化測定値の凸状挙動をモデル化し、測定データに基づいて、モデルパラメータ（例えば、β及びｋ）を推定する。より具体的には、制約付き凸回帰モデリングモジュール２０４は、凸回帰技術を使用して最適化問題を解決する。

なお、式中、ｗ’は、重量関数である。一部の実施形態では、より最近の劣化測定データには、より大きな重みが割り当てられる。

再較正判定モジュール２０６は、制約付き凸回帰モデリングモジュール２０４の出力を再較正する必要があるかどうか判定するのを担うことができる。一部の実施形態では、再較正判定モジュール２０６は、モデルパラメータの分散を計算することができる。例えば、所定の数の時間間隔にわたるモデルパラメータ（例えば、β）の分散が所定の閾値未満である

場合、再較正判定モジュール２０６の出力は有効であると見なされ、総耐用年数（ＴＵＬ）推定モジュール２０８に送信され得る。それ以外の場合は再較正が必要であり、新たな劣化測定が行われる。次いで、新たな劣化測定データを制約付き凸回帰モデリングモジュール２０４に送信し、モデルパラメータ推定のために使用することができる。

総耐用年数（ＴＵＬ）推定モジュール２０８は、現在のモデルパラメータに基づいて、対象の機器の総耐用年数（ＴＵＬ）を推定することができる。より具体的には、総耐用年数（ＴＵＬ）推定モジュール２０８は、以下の最適化問題を解くことによって、現在（例えば、ｔ_ｎ時点）の総耐用年数（ＴＵＬ）を推定することができる。

なお、式中、εは閾値である。次に、対象の装置の現在の残存耐用年数（ＲＵＬ）を、

のようにして計算することができる。なお式中、

は、現在の総耐用年数（ＴＵＬ）推定値であり、ｔ_ｎは、現在の時間である。式（７）は、予測総耐用年数（ＴＵＬ）が収束していることを示している。

図３Ａは、一実施形態による、推定された劣化関数を示す。この実施例では、劣化測定データは、ケーブルの正規化された抵抗値（例えば、電気抵抗値）を含む。前述のように、正規化された抵抗値は、時間が総耐用年数（ＴＵＬ）に近づくにつれて、無限まで増加する（それはケーブルが破断することを示す）。図３Ａはまた、ケーブルの運用を停止するのに、異なる閾値を設定することができるのを示す。図３Ｂは、一実施形態による劣化関数の逆関数を示す。図３Ｂからは、劣化測定値を所与のものとして、単一の値に収束する、予測総耐用年数（ＴＵＬ）を推論することができるということが分かるであろう。なお、劣化測定値が更新されると、劣化関数のモデルパラメータも更新される。したがって、総耐用年数（ＴＵＬ）の予測も、更新、すなわち新たなものとされる。総耐用年数（ＴＵＬ）予測を適応的に更新することにより、残存耐用年数（ＲＵＬ）の正確な推定を保証することができる。

図４は、一実施形態による、残存耐用年数（ＲＵＬ）を推定するための例示的なプロセスを示すフローチャートを示す。稼働中、システムは、調査中の機器又は構造体に関連付けられた劣化測定データを収集する（作業４０２）。一部の実施形態では、システムは、劣化測定を連続的に監視することができる。一部の実施形態では、システムは、所定のサンプリング間隔で劣化データを収集することができる。劣化データは、調査中の機器又は構造体に埋め込まれた又は取り付けられた、１つ以上のセンサによって収集することができる。

次いで、システムは、制約付き凸回帰モデリング技術を使用して、劣化測定データを凸関数に一致させる（作業４０４）。一部の実施形態では、凸関数は漸近関数であり得る。システムは、劣化測定データに基づいて、モデルパラメータを更に推定することができる。一部の実施形態では、システムは、新たな測定データが受信されていくにつれて、モデルパラメータを適応的に更新することができる。一部の実施形態では、制約付き凸回帰モデルを適用することはまた、重み係数（０〜１の数であり得る）を、受信した劣化測定データに割り当てることも伴い得る。最近の測定データには、より大きい重みを割り当てることができるのに対し、古い測定データには、より小さい重みを割り当てることができる。

モデルパラメータを出力する前に、システムは、測定の再較正が必要かどうかを判定する（作業４０６）。測定に誤差がある可能性があるために、モデルパラメータは、物理的には意味をなさない場合があったり、又はモデルの良好な説明となっていない場合があったりする。一部の実施形態では、システムは、モデルパラメータの分散を計算することができる。モデルパラメータに急激な変化があるという場合（例えば、分散が所定の閾値よりも大きい場合）は、測定に誤差があることを示している場合がある。再較正の上での測定が必要である場合には、システムは、新たな測定データを収集する（作業４０２）。そうでない場合には、システムは、現在のモデルパラメータに基づいて総耐用年数（ＴＵＬ）を推定し（作業４０８）、総耐用年数（ＴＵＬ）及び現在時間に基づいて、残存耐用年数（ＲＵＬ）を計算する（作業４１０）。なお、新たな測定データが収集されるにつれて、総耐用年数（ＴＵＬ）及び残存耐用年数（ＲＵＬ）も更新されることに留意されたい。一部の実施形態では、残存耐用年数（ＲＵＬ）が所定の閾値を下回る場合、システムは、警告信号又は警報を、調査中の機器の制御又は管理ユニットに送信してもよい。制御又は管理ユニットは、次いで、装置の適切なメンテナンス又は交換を手配することができる。

一部の実施形態では、総耐用年数（ＴＵＬ）又は残存耐用年数（ＲＵＬ）を単一の値として予測する代わりに、システムは、総耐用年数（ＴＵＬ）又は残存耐用年数（ＲＵＬ）の確率分布を推定することができる。より具体的には、システムは、確率論的、制約付き凸回帰を使用して、残存耐用年数（ＲＵＬ）分布を推定することができる。図５は、一実施形態による、例示的な残存耐用年数（ＲＵＬ）分布推定システムアーキテクチャを示す。

図５では、残存耐用年数（ＲＵＬ）分布推定システム５００は、劣化測定モジュール５０２、制約付き凸回帰コア５０４、粒子発生器５０６、粒子寿命推定器５０８、粒子再サンプリングモジュール５１０、粒子加重推定モジュール５１２、及び残存耐用年数（ＲＵＬ）分布推定モジュール５１４を含むことができる。

劣化測定モジュール５０２は、図２に示される劣化測定モジュール２０２と同様のものであり得る。制約付き凸回帰コア５０４は、図２に示される制約付き凸回帰コア２１０と同様のものであり得る。より具体的には、制約付き凸回帰コア５０４は、凸状回帰モデルのパラメータ（例えば、β及びｋ）を推定することを担い得る。

モデルパラメータは、粒子の生成を担う、粒子発生器５０６に送信され得る。一部の実施形態では、粒子発生器５０６は、ブラウン運動（ＢＭ）パラメータを有するブラウン運動（ＢＭ）粒子を生成することができる。粒子発生器５０６の入力は、現在の時間、劣化測定値、粒子状態（例えば、（ｔ_ｎ，ｙ_ｎ，ｚ））、推定モデルパラメータ

次の予測時間間隔Δｔ、及び粒子パラメータ

を含むことができ、その粒子パラメータにおいては、

が推定粒子分散である。粒子発生器５０６の出力は、次の粒子状態

を含むことができる。図６Ａは、一実施形態による、粒子を生成するための擬似コードを示す。

図５に戻ると、粒子寿命推定器５０８は、凸回帰モデルを使用して、粒子の寿命を予測することができる。一部の実施形態では、粒子寿命推定器５０８の入力は、粒子状態とすることができ、かつ、その出力は、推定された粒子寿命であり得る。図６Ｂは、一実施形態による、粒子の寿命を推定するための擬似コードを示す。

図５に戻ると、粒子再サンプリングモジュール５１０は、粒子の再サンプリングを担い得る。より具体的には、標準的な粒子フィルタリングアルゴリズム（例えば、カルマンフィルタ）を、粒子の再サンプリングに使用することができる。粒子加重推定モジュール５１２は、粒子の寿命の加重平均及び分散を推定することを担い得る。粒子加重推定モジュール５１２の入力は、粒子状態ｚ_ｎ、劣化測定値ｙ_ｎ、及び粒子分散推定値

を含むことができる。図６Ｃは、一実施形態による、粒子の重みを推定するための擬似コードを示す。

図５に戻ると、残存耐用年数（ＲＵＬ）分布推定モジュール５１４は、粒子の寿命及び現在の時間を所与のものとして、正規分布の場合の、残存耐用年数（ＲＵＬ）の分散の加重平均を計算することを担い得る。残存耐用年数（ＲＵＬ）分布推定モジュール５１４への入力は、粒子の寿命推定値Ｌと、粒子の重み推定値ｗとを含むことができる。残存耐用年数（ＲＵＬ）分布推定モジュール５１４の出力は、正規分布

の平均

及び分散

であり得る。図６Ｄは、一実施形態による、残存耐用年数（ＲＵＬ）分布を推定するための擬似コードを示す。

図７は、一実施形態による、残存耐用年数（ＲＵＬ）分布推定例を示す。図７は、その縦軸が劣化測定値を示す。この例では、縦軸は、荷重支持ケーブルの正規化された抵抗値を示す。横軸は時間を示す。図から分かるように、正規化された抵抗値は時間と共に増加し、耐荷重ケーブルにクラックが発生したことを示す。

図７はまた、予測のステップ中に、システムが、凸回帰モデリングを使用して、（曲線７０２によって示されるように）ケーブルの総耐用年数を予測することも示す。更新作業中、システムは、ノイズを伴う推定された傾き

によって、粒子を移動させることができる。この推定は、曲線７０４に対応する。次いで、システムは、実際の抵抗測定値と比較して、粒子の重みを評価し、粒子を再サンプリングすることができる。曲線７０６は、抵抗値の長期予測である平均状態推定結果を示す。点は、実際の抵抗測定結果を示すが、その結果は、長期予測によく一致している。ケーブルの予測寿命の分布を曲線７０８によって示す。

図８は、一実施形態による、残存耐用年数（ＲＵＬ）分布を推定するための例示的なプロセスを示すフローチャートを示す。稼働中、システムは、調査中の機器又は構造体に関連付けられた劣化測定データを収集し得る（作業８０２）。劣化測定データを収集するため、電気抵抗、熱抵抗、又は磁気抵抗の測定のためのセンサなどの、装置又は構造体内に埋め込まれた様々なセンサを使用することができる。

所定量のデータを収集した後（例えば、所定時間データを収集した後）、システムは、制約付き凸回帰モデリング技術を使用して、現在の劣化測定データを、未知のパラメータを有する凸関数に一致させることができる（作業８０４）。次いで、システムは、現在のモデルパラメータが、以前に取得されたモデルパラメータから有意に変化しているかどうかを判定する（作業８０６）。そうである場合には、システムは、より多くの劣化測定データを収集する（作業８０２）。そうでない場合には、システムは、モデルパラメータを出力する（作業８０８）。作業８０２〜８０６は、図４に示される作業４０２〜４０６と同様のものであり得る。

システムは、制約付き凸回帰モデルから取得したパラメータに基づいて、複数の粒子を生成する（作業８１０）。より具体的には、システムは、ブラウンノイズを、次の時間間隔で予測されるモデルパラメータに追加することによって、ブラウン粒子を生成することができる。システムは、凸状回帰モデルを使用して各粒子に対応する寿命を推定する（作業８１２）。作業８１２は、モデル入力が、劣化測定データではなく、粒子であることを除いて、作業８０４と同様のものであり得る。次いで、システムは、現在の測定結果に基づいて、粒子の重みを評価し（作業８１４）、それらの重みに基づいて、粒子を再サンプリングすることができる（作業８１６）。より大きな重量を有する粒子のみが保持される。ひとたび収束に達すると、システムは、残りの粒子の重み及びそれらの対応する寿命推定値に基づいて、残存耐用年数（ＲＵＬ）分布を推定することができる（作業８１８）。

図９は、一実施形態による、残存耐用年数（ＲＵＬ）予測システムを容易にする例示的なコンピュータシステムを示す。コンピュータシステム９００は、プロセッサ９０２、メモリ９０４、記憶装置９０６を含む。コンピュータシステム９００は、ディスプレイ装置９１０、キーボード９１２、及びポインティングデバイス９１４に繋ぐことができ、かつ、１つ以上のネットワークインタフェースを介してネットワーク９０８に繋ぐこともできる。記憶装置９０６は、オペレーティングシステム９１８及び残存耐用年数（ＲＵＬ）予測システム９２０を格納することができる。

残存耐用年数（ＲＵＬ）予測システム９２０は、命令を含むことができ、これらの命令は、コンピュータシステム９００によって実行されると、コンピュータシステム９００に、本開示に記載される方法及び／又はプロセスを実行させ得る。残存耐用年数（ＲＵＬ）予測システム９２０はまた、劣化測定データを受信するための命令（あるいは、測定データ受信モジュール９２２）と、制約付き凸回帰モデルを適用するための命令（あるいは、制約付き凸回帰モデリングモジュール９２４）とを含むことができる。更に、残存耐用年数（ＲＵＬ）予測システム９２０は、粒子フィルタを適用するための命令（あるいは、粒子フィルタリングモジュール９２６）と、残存耐用年数（ＲＵＬ）分布を推定するための命令（あるいは、残存耐用年数（ＲＵＬ）分布推定モジュール９２８）とを含むことができる。

図１０は、一実施形態による、残存耐用年数（ＲＵＬ）推定システムを容易にする例示的な装置を示す。装置１０００は、有線、無線、量子光、又は電気通信チャネルを介して互いに通信し得る、複数のユニット又は装置を備え得る。装置１０００は、１つ以上の集積回路を使用して実現することができ、図１０に示されるものよりも少ないか又は多くのユニット若しくは装置を含み得る。更に、装置１０００は、コンピュータシステムに統合され得るか、又は他のコンピュータシステム及び／若しくはデバイスと通信することができる別個のデバイスとして実現され得る。具体的には、装置１０００は、図９のコンピュータシステム９００のモジュール９２２〜９２８と同様の機能又は動作を実行するユニット１００２〜１００８を備えることができ、測定データ受信ユニット１００２と、制約付き凸回帰モデリングユニット１００４と、粒子フィルタリングユニット１００６と、残存耐用年数（ＲＵＬ）分布推定ユニット１００８とを含む。装置１０００は、通信ユニット１０１０を更に含むことができる。

発明を実施するための形態の節に記載される方法及びプロセスは、上に論じられるようなコンピュータ可読記憶媒体内に記憶され得るコード及び／又はデータとして具体化され得る。コンピュータシステムが、コンピュータ可読記憶媒体上に記憶されたコード及び／又はデータを読み取り、実行するとき、コンピュータシステムは、データ構造及びコードとして具体化され、コンピュータ可読記憶媒体内に記憶された方法及びプロセスを実施する。

更に、上に記載される方法及びプロセスは、ハードウェアモジュール又は装置内に含まれ得る。ハードウェアモジュール又は装置としては、特定用途向け集積回路（ａｐｐｌｉｃａｔｉｏｎ−ｓｐｅｃｉｆｉｃｉｎｔｅｇｒａｔｅｄｃｉｒｃｕｉｔ、ＡＳＩＣ）チップ、フィールドプログラマブルゲートアレイ（ｆｉｅｌｄ−ｐｒｏｇｒａｍｍａｂｌｅｇａｔｅａｒｒａｙ、ＦＰＧＡ）、特定の時間に特定のソフトウェアモジュール又はコード片を実行する専用の若しくは共有プロセッサ、及び現在知られている若しくは今後開発される他のプログラム可能論理デバイスが挙げられ得るが、これらに限定されない。ハードウェアモジュール又は装置は、起動されると、それらの内部に含まれる方法及びプロセスを実施する。

Claims

荷重支持構造体の耐用年数を推定するための方法であって、
前記構造体に対して劣化測定を実行し、所定の時間間隔の劣化データを得ることと、
制約付き凸回帰モデルを前記劣化データに適用することと、
前記制約付き凸回帰モデルの出力に基づいて、前記構造体の総耐用年数（ＴＵＬ）を推定することと、
総耐用年数（ＴＵＬ）及び現在の時間に基づいて、残存耐用年数（ＲＵＬ）を予測することと、を含む方法。
前記荷重支持構造体が荷重支持ケーブルを備え、かつ、
前記劣化測定を実行することが、
電気抵抗を測定すること、
熱抵抗を測定すること、及び
磁気抵抗を測定すること、のうちの１つ以上を含む、請求項１に記載の方法。
前記制約付き凸回帰モデルの前記出力に基づいて、測定の再較正が必要かどうかを判定することと、
測定再較正が必要であることに応じて、新たな劣化データを取得することと、を更に含む、請求項１に記載の方法。
後続の時間間隔に対して、追加の劣化測定を実行することと、
前記追加の劣化測定に基づいて、前記総耐用年数（ＴＵＬ）推定を更新することと、を更に含む、請求項１に記載の方法。
粒子フィルタリング技術を使用して、前記制約付き凸回帰モデルの前記出力及び前記追加の劣化測定に基き、前記総耐用年数（ＴＵＬ）の確率分布を推定することを更に含む、請求項４に記載の方法。
前記粒子フィルタリング技術が、カルマンフィルタリングを含む、請求項５に記載の方法。
前記制約付き凸回帰モデルが、漸近関数を含む、請求項１に記載の方法。
荷重支持構造体の耐用年数を推定するための装置であって、
前記荷重支持構造体内に埋め込まれ、劣化データを得るように構成されている１つ以上のセンサと、
所定の時間間隔に関連付けられた劣化データに、制約付き凸回帰モデルを適用するように構成されている、制約付き凸回帰モデリングモジュールと、
前記制約付き凸回帰モデルの出力に基づいて、前記構造の総耐用年数（ＴＵＬ）を推定するように構成されている、総耐用年数（ＴＵＬ）推定モジュールと、
前記総耐用年数（ＴＵＬ）及び現在の時間に基づいて、残存耐用年数（ＲＵＬ）を予測するように構成されている、残存耐用年数（ＲＵＬ）予測モジュールと、を備える装置。
前記荷重支持構造体が荷重支持ケーブルを備え、かつ、
前記劣化データが、
電気抵抗、
熱抵抗、及び
磁気抵抗のうちの１つ以上を含む、請求項８に記載の装置。
前記制約付き凸回帰モデルの前記出力に基づいて、測定の再較正が必要かどうかを判定し、
前記測定再較正が必要であることに応じて、新たな劣化データを取得するように構成されている再較正モジュールを更に備える、請求項８に記載の装置。
前記１つ以上のセンサが、後続の時間間隔に対する追加の劣化データを取得するように更に構成され、
前記総耐用年数（ＴＵＬ）推定モジュールが、前記追加の劣化データに基づいて、前記総耐用年数（ＴＵＬ）推定を更新するように更に構成されている、請求項８に記載の装置。
粒子フィルタリング技術を使用し、前記制約付き凸回帰モデルの前記出力及び前記追加の劣化測定に基づいて、前記総耐用年数（ＴＵＬ）の確率分布を推定するように構成されている、粒子フィルタリングモジュールを更に備える、請求項１１に記載の装置。
前記粒子フィルタリング技術が、カルマンフィルタリングを含む、請求項１２に記載の装置。
前記制約付き凸回帰モデルが、漸近関数を含む、請求項８に記載の装置。
コンピュータによって実行されると、荷重支持構造体の耐用年数を推定する方法を、前記コンピュータに実施させる命令を記憶する非一時的コンピュータ可読記憶媒体であって、前記方法が、
前記構造体に対して劣化測定を実行し、所定の時間間隔に対する劣化データを取得することと、
制約付き凸回帰モデルを前記劣化データに適用することと、
前記制約付き凸回帰モデルの出力に基づいて、前記構造体の総耐用年数（ＴＵＬ）を推定することと、
前記総耐用年数（ＴＵＬ）及び現在の時間に基づいて、残存耐用年数（ＲＵＬ）を予測することと、を含む、非一時的コンピュータ可読記憶媒体。
前記荷重支持構造体が荷重支持ケーブルを含み、かつ
前記劣化測定を実行することが、
電気抵抗を測定すること、
熱抵抗を測定すること、及び
磁気抵抗を測定することのうちの１つ以上を含む、請求項１５に記載の非一時的コンピュータ可読記憶媒体。
前記方法が、
前記制約付き凸回帰モデルの前記出力に基づいて、測定再較正が必要かどうかを判定することと、
前記測定再較正が必要であることに応じて、新たな劣化データを取得することと、を更に含む、請求項１５に記載の非一時的コンピュータ可読記憶媒体。
前記方法が、
後続の時間間隔に対して、追加の劣化測定を実行することと、
前記追加の劣化測定に基づいて、前記総耐用年数（ＴＵＬ）推定を更新することと、を更に含む、請求項１５に記載の非一時的コンピュータ可読記憶媒体。
前記方法が、粒子フィルタリング技術を使用して、前記制約付き凸回帰モデルの前記出力及び前記追加の劣化測定値に基づき、前記総耐用年数（ＴＵＬ）の確率分布を推定することを更に含み、
前記粒子フィルタリング技術が、カルマンフィルタリングを含む、請求項１８に記載の非一時的コンピュータ可読記憶媒体。
前記制約付き凸回帰モデルが、漸近関数を含む、請求項１５に記載の非一時的コンピュータ可読記憶媒体。