JP2022056795A - 機械学習装置、摺動面診断装置、推論装置、機械学習方法、機械学習プログラム、摺動面診断方法、摺動面診断プログラム、推論方法、及び、推論プログラム - Google Patents
機械学習装置、摺動面診断装置、推論装置、機械学習方法、機械学習プログラム、摺動面診断方法、摺動面診断プログラム、推論方法、及び、推論プログラム Download PDFInfo
- Publication number
- JP2022056795A JP2022056795A JP2020164735A JP2020164735A JP2022056795A JP 2022056795 A JP2022056795 A JP 2022056795A JP 2020164735 A JP2020164735 A JP 2020164735A JP 2020164735 A JP2020164735 A JP 2020164735A JP 2022056795 A JP2022056795 A JP 2022056795A
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- sliding member
- side sliding
- machine learning
- 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
- 238000010801 machine learning Methods 0.000 title claims abstract description 143
- 238000003745 diagnosis Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims description 67
- 230000001133 acceleration Effects 0.000 claims abstract description 44
- 238000003860 storage Methods 0.000 claims abstract description 32
- 238000013500 data storage Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 24
- 239000000314 lubricant Substances 0.000 claims description 13
- 238000002405 diagnostic procedure Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 abstract description 16
- 230000005856 abnormality Effects 0.000 description 29
- 238000005259 measurement Methods 0.000 description 28
- 210000002569 neuron Anatomy 0.000 description 25
- 238000010586 diagram Methods 0.000 description 18
- 230000002159 abnormal effect Effects 0.000 description 17
- 210000000225 synapse Anatomy 0.000 description 15
- 238000004891 communication Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 10
- 238000005070 sampling Methods 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012805 post-processing Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011109 contamination Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C41/00—Other accessories, e.g. devices integrated in the bearing not relating to the bearing function as such
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C17/00—Sliding-contact bearings for exclusively rotary movement
- F16C17/12—Sliding-contact bearings for exclusively rotary movement characterised by features not related to the direction of the load
- F16C17/24—Sliding-contact bearings for exclusively rotary movement characterised by features not related to the direction of the load with devices affected by abnormal or undesired positions, e.g. for preventing overheating, for safety
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N29/00—Special means in lubricating arrangements or systems providing for the indication or detection of undesired conditions; Use of devices responsive to conditions in lubricating arrangements or systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16N—LUBRICATING
- F16N29/00—Special means in lubricating arrangements or systems providing for the indication or detection of undesired conditions; Use of devices responsive to conditions in lubricating arrangements or systems
- F16N29/04—Special means in lubricating arrangements or systems providing for the indication or detection of undesired conditions; Use of devices responsive to conditions in lubricating arrangements or systems enabling a warning to be given; enabling moving parts to be stopped
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/003—Measuring characteristics of vibrations in solids by using direct conduction to the detector of rotating machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
- F16C2233/00—Monitoring condition, e.g. temperature, load, vibration
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Sliding-Contact Bearings (AREA)
Abstract
Description
固定側摺動部材と回転側摺動部材とが摺動する摺動面の状態を診断する摺動面診断装置に用いられる学習モデルを生成する機械学習装置であって、
所定期間において前記回転側摺動部材の駆動源であるモータに供給されるモータ電流値のデータ 、前記所定期間における前記固定側摺動部材と前記回転側摺動部材との間の接
触電気抵抗のデータ、及び、前記所定期間において前記固定側摺動部材及び前記回転側摺
動部材の少なくとも一方に生じる振動のデータを入力データとして少なくとも含む学習用データを1又は複数組記憶する学習用データ記憶部と、
前記学習モデルに前記学習用データを1又は複数組入力することで、前記入力データと前記摺動面の診断情報との相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備える。
上記機械学習装置により生成された学習モデルを用いて、固定側摺動部材と回転側摺動部材とが摺動する摺動面の状態を診断する摺動面診断装置であって、
所定期間における前記回転側摺動部材の駆動源であるモータに供給されるモータ電流値のデータ、前記所定期間における前記固定側摺動部材と前記回転側摺動部材との間の接触電気抵抗のデータ、及び、前記所定期間における前記固定側摺動部材及び前記回転側摺動部材の少なくとも一方に生じる振動のデータを含む入力データを取得する入力データ取得部と、
前記入力データ取得部により取得された前記入力データを前記学習モデルに入力し、前記摺動面の診断情報を推論する推論部と、を備える。
図1は、第1の実施形態に係る摺動面診断システム2が適用された第1の摺動機械要素1Aの一例を示す概略構成図である。図2は、第1の実施形態に係る摺動面診断システム2が適用された第2の摺動機械要素1Bの一例を示す概略構成図である。
0側に設けられてもよい。また、付勢部材15は、図2に示すように、回転側摺動部材11側に設けられることなく、省略されてもよい。
端面に取り付けられてもよいし、アダプタやケーシング等の部材を介して固定側摺動部材10に取り付けけられてもよい。
受信を行う。I/OデバイスI/F部226は、各種のセンサ、アクチュエータ等のI/Oデバイス260に接続され、I/Oデバイス260との間で、例えば、センサによる検出信号やアクチュエータへの制御信号等の各種の信号やデータの送受信を行う。メディア入出力部228は、例えば、DVDドライブ、CDドライブ等のドライブ装置で構成され、DVD、CD等のメディア270に対してデータの読み書きを行う。
図4は、第1の実施形態に係る機械学習装置4の一例を示すブロック図である。図4に示す機械学習装置4では、第1の摺動機械要素1Aを学習モデル6の対象とするが、第2の摺動機械要素1Bを学習モデル6の対象としてもよい。
習を実施する。すなわち、機械学習部42は、学習モデル6に学習用データを複数組入力することで、学習用データに含まれる入力データと摺動面100、110の診断情報との相関関係を学習モデル6に学習させることで、学習済みの学習モデル6を生成する。本実施形態では、機械学習部42による教師あり学習の具体的な手法として、ニューラルネットワークを採用する場合について説明する。
ものとして説明する。なお、振動のデータは、固定側摺動部材10及び回転側摺動部材11の少なくとも一方に生じる振動を表すものであれば、AE波のデータ及び加速度のデータ以外のデータを用いてもよい。
し、摩耗に関する異常であることを示す値を「1」とし、焼付きに関する異常であることを示す値を「2」とし、以下同様に各異常の内容に合わせた値として定義される。
憶部41に記憶する。
図7は、第1の実施形態に係る機械学習装置4による機械学習方法の一例を示すフローチャートである。なお、機械学習方法は、図5の学習フェーズに該当する。
に得られる学習モデル6に求められる推論精度を考慮して設定すればよい。
憶された未学習の学習用データの残数に基づいて判定する。
図8は、第1の実施形態に係る摺動面診断装置5の一例を示すブロック図である。図8に示す摺動面診断装置5では、第1の摺動機械要素1Aを学習モデル6の対象とするが、第2の摺動機械要素1Bを学習モデル6の対象としてもよい。
推論結果は、例えば、学習モデル6の推論精度の更なる向上のため、オンライン学習や再学習に用いられる学習用データとして利用することが可能である。
図9は、第1の実施形態に係る摺動面診断装置5による摺動面診断方法の一例を示すフローチャートである。図9では、摺動面100、110の診断情報が、正常「0」及び異常「1」のいずれかを表す2値分類として定義されたものとして説明する。なお、摺動面診断方法は、図5の推論フェーズに該当する。
る。なお、ステップS240は省略されてもよい。
第1の実施形態では、機械学習の手法として、「教師あり学習」を採用した場合について説明したが、本実施形態では、「教師なし学習」を採用した場合について説明する。なお、第2の実施形態に係る摺動機械要素1A、1B並びに摺動面診断システム2を構成する測定装置3、機械学習装置4及び摺動面診断装置5の基本的な構成や動作は、第1の実施形態と同様であるため、以下では第1の実施形態との相違点を中心に説明する。
機械学習装置4は、第1の実施形態(図4参照)と同様に、学習用データ取得部40と、学習用データ記憶部41と、機械学習部42と、学習済みモデル記憶部43とを備える。
する。本実施形態では、機械学習部42による教師なし学習の具体的な手法として、オートエンコーダを採用する場合について説明する。
図12は、第2の実施形態に係る機械学習装置4による機械学習方法の一例を示すフローチャートである。
された複数組の学習用データから、例えば、ランダムに一の学習用データを取得する。
摺動面診断装置5は、第1の実施形態(図8参照)と同様に、入力データ取得部50と、推論部51と、学習済みモデル記憶部52と、出力処理部53とを備える。
図13は、第2の実施形態に係る摺動面診断装置5による摺動面診断方法の一例を示すフローチャートである。図13では、摺動面100、110の診断情報が、正常及び異常のいずれかであることを表す2値分類として定義されたものとして説明する。
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思想に含まれるものである。
本発明は、上記実施形態に係る摺動面診断装置5(摺動面診断方法又は摺動面診断プログラム)の態様によるもののみならず、摺動面の状態を診断するために用いられる推論装置(推論方法又は推論プログラム)の態様で提供することもできる。その場合、推論装置(推論方法又は推論プログラム)としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、所定期間におけるモータ電流値のデータ、所定期間における接触電気抵抗のデータ、及び、
所定期間における振動(AE波及び加速度の少なくとも1つ)のデータを含む入力データを取得する入力データ取得処理(入力データ取得工程)と、入力データ取得処理にて入力データを取得すると、摺動面の診断情報を推論する推論処理(推論工程)とを含む。
3…測定装置、4…機械学習装置、5…摺動面診断装置、6…学習モデル、
10…固定側摺動部材、11…回転側摺動部材、12…回転軸、13…モータ、
14…モータ制御回路、15…付勢部材、
30…モータ電流センサ、31…接触電気抵抗測定回路、
32…AE測定回路、33…加速度センサ、
40…学習用データ取得部、41…学習用データ記憶部、
42…機械学習部、43…モデル記憶部、
50…入力データ取得部、51…推論部、52…モデル記憶部、53…出力処理部、
100…固定側摺動面、110…回転側摺動面、200…コンピュータ、
Claims (13)
- 固定側摺動部材と回転側摺動部材とが摺動する摺動面の状態を診断する摺動面診断装置に用いられる学習モデルを生成する機械学習装置であって、
所定期間において前記回転側摺動部材の駆動源であるモータに供給されるモータ電流値のデータ、前記所定期間における前記固定側摺動部材と前記回転側摺動部材との間の接触電気抵抗のデータ、及び、前記所定期間において前記固定側摺動部材及び前記回転側摺動部材の少なくとも一方に生じる振動のデータを入力データとして少なくとも含む学習用データを1又は複数組記憶する学習用データ記憶部と、
前記学習モデルに前記学習用データを1又は複数組入力することで、前記入力データと前記摺動面の診断情報との相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備える、
機械学習装置。 - 前記学習用データは、
前記入力データに対応付けられ、前記所定期間における前記摺動面の状態が複数の状態のうちのいずれかであることを表す前記診断情報を出力データとしてさらに含み、
前記機械学習部は、
前記入力データと前記出力データとの相関関係を教師あり学習により前記学習モデルに学習させる、
請求項1に記載の機械学習装置。 - 前記学習用データは、
前記診断情報が前記所定期間における前記摺動面の状態が所定の状態であることを表すときの前記入力データのみを含み、
前記機械学習部は、
前記入力データと前記摺動面の状態が前記所定の状態であることを表す前記診断情報との相関関係を教師なし学習により前記学習モデルに学習させる、
請求項1に記載の機械学習装置。 - 前記入力データに含まれる前記振動のデータは、
アコースティックエミッション波のデータ、及び、前記摺動面と直交する方向に生じる加速度のデータ、の少なくとも一つである、
請求項1乃至請求項3のいずれか一項に記載の機械学習装置。 - 前記診断情報は、
前記摺動面の摩耗に関する診断情報、前記摺動面の焼付きに関する診断情報、及び、前記摺動面を潤滑する潤滑剤の汚損に関する診断情報である、の少なくとも一つである、
請求項1乃至請求項4のいずれか一項に記載の機械学習装置。 - 請求項1乃至請求項5のいずれか一項に記載の機械学習装置により生成された学習モデルを用いて、固定側摺動部材と回転側摺動部材とが摺動する摺動面の状態を診断する摺動面診断装置であって、
所定期間における前記回転側摺動部材の駆動源であるモータに供給されるモータ電流値のデータ、前記所定期間における前記固定側摺動部材と前記回転側摺動部材との間の接触電気抵抗のデータ、及び、前記所定期間における前記固定側摺動部材及び前記回転側摺動部材の少なくとも一方に生じる振動のデータを含む入力データを取得する入力データ取得部と、
前記入力データ取得部により取得された前記入力データを前記学習モデルに入力し、前
記摺動面の診断情報を推論する推論部と、を備える、
摺動面診断装置。 - 固定側摺動部材と回転側摺動部材とが摺動する摺動面の状態を診断するために用いられる推論装置であって、
前記推論装置は、メモリと、プロセッサとを備え、
前記プロセッサは、
所定期間における前記回転側摺動部材の駆動源であるモータに供給されるモータ電流値のデータ、前記所定期間における前記固定側摺動部材と前記回転側摺動部材との間の接触電気抵抗のデータ、及び、前記所定期間における前記固定側摺動部材及び前記回転側摺動部材の少なくとも一方に生じる振動のデータを含む入力データを取得する入力データ取得処理と、
前記入力データ取得処理にて前記入力データを取得すると、前記摺動面の診断情報を推論する推論処理と、を実行する、
推論装置。 - 固定側摺動部材と回転側摺動部材とが摺動する摺動面の状態を診断する摺動面診断装置に用いられる学習モデルを学習する機械学習方法であって、
所定期間における前記回転側摺動部材の駆動源であるモータに供給されるモータ電流値のデータ、前記所定期間における前記固定側摺動部材と前記回転側摺動部材との間の接触電気抵抗のデータ、及び、前記所定期間における前記固定側摺動部材及び前記回転側摺動部材の少なくとも一方に生じる振動のデータを入力データとして少なくとも含む学習用データを、学習用データ記憶部に1又は複数組記憶する学習用データ記憶工程と、
前記学習モデルに前記学習用データを1又は複数組入力することで、前記入力データと前記摺動面の診断情報との相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備える、
機械学習方法。 - コンピュータに、請求項8に記載の機械学習方法が備える各工程を実行させるための、
機械学習プログラム。 - 請求項1乃至請求項5のいずれか一項に記載の機械学習装置により生成された学習モデルを用いて、固定側摺動部材と回転側摺動部材とが摺動する摺動面の状態を診断する摺動面診断方法であって、
所定期間における前記回転側摺動部材の駆動源であるモータに供給されるモータ電流値のデータ、前記所定期間における前記固定側摺動部材と前記回転側摺動部材との間の接触電気抵抗のデータ、及び、前記所定期間における前記固定側摺動部材及び前記回転側摺動部材の少なくとも一方に生じる振動のデータを含む入力データを取得する入力データ取得工程と、
前記入力データ取得工程により取得された前記入力データを前記学習モデルに入力し、前記摺動面の診断情報を推論する推論工程と、を備える、
摺動面診断方法。 - コンピュータに、請求項10に記載の摺動面診断方法が備える各工程を実行させるための、
摺動面診断プログラム。 - 固定側摺動部材と回転側摺動部材とが摺動する摺動面の状態を推論する推論方法であって、
所定期間における前記回転側摺動部材の駆動源であるモータに供給されるモータ電流値のデータ、前記所定期間における前記固定側摺動部材と前記回転側摺動部材との間の接触電気抵抗のデータ、及び、前記所定期間における前記固定側摺動部材及び前記回転側摺動部材の少なくとも一方に生じる振動のデータを含む入力データを取得する入力データ取得工程と、
前記入力データ取得工程にて前記入力データを取得すると、前記摺動面の診断情報を推論する推論工程と、を備える、
推論方法。 - コンピュータに、請求項12に記載の推論方法が備える各工程を実行させるための、
推論プログラム。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020164735A JP7044333B1 (ja) | 2020-09-30 | 2020-09-30 | 機械学習装置、摺動面診断装置、推論装置、機械学習方法、機械学習プログラム、摺動面診断方法、摺動面診断プログラム、推論方法、及び、推論プログラム |
PCT/JP2021/035082 WO2022071114A1 (ja) | 2020-09-30 | 2021-09-24 | 機械学習装置、摺動面診断装置、推論装置、機械学習方法、機械学習プログラム、摺動面診断方法、摺動面診断プログラム、推論方法、及び、推論プログラム |
CN202180066372.2A CN116324193A (zh) | 2020-09-30 | 2021-09-24 | 机器学习装置、滑动面诊断装置、推论装置、机器学习方法、机器学习程序、滑动面诊断方法、滑动面诊断程序、推论方法及推论程序 |
KR1020237014234A KR20230075496A (ko) | 2020-09-30 | 2021-09-24 | 기계 학습 장치, 미끄럼 이동면 진단 장치, 추론 장치, 기계 학습 방법, 기계 학습 프로그램, 미끄럼 이동면 진단 방법, 미끄럼 이동면 진단 프로그램, 추론 방법 및 추론 프로그램 |
US18/246,648 US20240011821A1 (en) | 2020-09-30 | 2021-09-24 | Machine learning apparatus, sliding-surface diagnosis apparatus, inference apparatus, machine learning method, machine learning program, sliding-surface diagnosis method, sliding-surface diagnosis program, inference method, and inference program |
EP21875416.6A EP4224025A1 (en) | 2020-09-30 | 2021-09-24 | Machine learning device, slide surface diagnosis device, inference device, machine learning method, machine learning program, slide surface diagnosis method, slide surface diagnosis program, inference method, and inference program |
TW110136221A TW202232005A (zh) | 2020-09-30 | 2021-09-29 | 機械學習裝置、滑動面診斷裝置、推論裝置、機械學習方法、機械學習程式、滑動面診斷方法、滑動面診斷程式、推論方法、及推論程式 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020164735A JP7044333B1 (ja) | 2020-09-30 | 2020-09-30 | 機械学習装置、摺動面診断装置、推論装置、機械学習方法、機械学習プログラム、摺動面診断方法、摺動面診断プログラム、推論方法、及び、推論プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7044333B1 JP7044333B1 (ja) | 2022-03-30 |
JP2022056795A true JP2022056795A (ja) | 2022-04-11 |
Family
ID=80950321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020164735A Active JP7044333B1 (ja) | 2020-09-30 | 2020-09-30 | 機械学習装置、摺動面診断装置、推論装置、機械学習方法、機械学習プログラム、摺動面診断方法、摺動面診断プログラム、推論方法、及び、推論プログラム |
Country Status (7)
Country | Link |
---|---|
US (1) | US20240011821A1 (ja) |
EP (1) | EP4224025A1 (ja) |
JP (1) | JP7044333B1 (ja) |
KR (1) | KR20230075496A (ja) |
CN (1) | CN116324193A (ja) |
TW (1) | TW202232005A (ja) |
WO (1) | WO2022071114A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022113888A1 (de) | 2022-06-01 | 2023-12-07 | Rheinisch-Westfälische Technische Hochschule (RWTH) Aachen, Körperschaft des öffentlichen Rechts | Verfahren und System zur Überwachung eines Gleitlagers |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5741740Y2 (ja) * | 1977-11-04 | 1982-09-13 | ||
JPS5913692B2 (ja) * | 1977-02-14 | 1984-03-31 | 株式会社安川電機 | 軸受潤滑状態の余裕度判定方法 |
JP2007292731A (ja) * | 2006-03-28 | 2007-11-08 | Victor Co Of Japan Ltd | 軸受検査方法及びモータの製造方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10318261A (ja) | 1997-05-20 | 1998-12-02 | Hitachi Constr Mach Co Ltd | 軸受用給脂時期判別制御装置 |
JP2010180982A (ja) | 2009-02-06 | 2010-08-19 | Nippon Soken Inc | 回転軸支持構造、および、機関の制御装置 |
JP5741740B1 (ja) | 2014-03-14 | 2015-07-01 | オムロン株式会社 | 封止接点装置およびその製造方法 |
JP5913692B1 (ja) | 2015-06-24 | 2016-04-27 | 海寧金永和家紡紹造有限公司 | ソファーカバー |
-
2020
- 2020-09-30 JP JP2020164735A patent/JP7044333B1/ja active Active
-
2021
- 2021-09-24 WO PCT/JP2021/035082 patent/WO2022071114A1/ja active Application Filing
- 2021-09-24 CN CN202180066372.2A patent/CN116324193A/zh active Pending
- 2021-09-24 US US18/246,648 patent/US20240011821A1/en active Pending
- 2021-09-24 KR KR1020237014234A patent/KR20230075496A/ko unknown
- 2021-09-24 EP EP21875416.6A patent/EP4224025A1/en active Pending
- 2021-09-29 TW TW110136221A patent/TW202232005A/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5913692B2 (ja) * | 1977-02-14 | 1984-03-31 | 株式会社安川電機 | 軸受潤滑状態の余裕度判定方法 |
JPS5741740Y2 (ja) * | 1977-11-04 | 1982-09-13 | ||
JP2007292731A (ja) * | 2006-03-28 | 2007-11-08 | Victor Co Of Japan Ltd | 軸受検査方法及びモータの製造方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202232005A (zh) | 2022-08-16 |
KR20230075496A (ko) | 2023-05-31 |
EP4224025A1 (en) | 2023-08-09 |
JP7044333B1 (ja) | 2022-03-30 |
WO2022071114A1 (ja) | 2022-04-07 |
US20240011821A1 (en) | 2024-01-11 |
CN116324193A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Eren et al. | A generic intelligent bearing fault diagnosis system using compact adaptive 1D CNN classifier | |
Cheng et al. | A deep learning-based remaining useful life prediction approach for bearings | |
Zhang et al. | Dynamic condition monitoring for 3D printers by using error fusion of multiple sparse auto-encoders | |
TW202133968A (zh) | 異常檢知裝置、異常檢知方法以及記錄電腦可讀取程式之記錄媒體 | |
Malawade et al. | Neuroscience-inspired algorithms for the predictive maintenance of manufacturing systems | |
WO2022071114A1 (ja) | 機械学習装置、摺動面診断装置、推論装置、機械学習方法、機械学習プログラム、摺動面診断方法、摺動面診断プログラム、推論方法、及び、推論プログラム | |
US11853047B2 (en) | Sensor-agnostic mechanical machine fault identification | |
Wang et al. | Bearing fault diagnosis under various conditions using an incremental learning-based multi-task shared classifier | |
WO2021090765A1 (ja) | 異常検知装置、異常検知方法及びコンピュータプログラム | |
CN113360304A (zh) | 用于对机器的异常状态进行原因分析的方法和计算单元 | |
van den Hoogen et al. | An improved wide-kernel cnn for classifying multivariate signals in fault diagnosis | |
Zahra et al. | Predictive maintenance with neural network approach for UAV propulsion systems monitoring | |
CN116561514A (zh) | 车辆轮毂轴承单元的故障诊断方法、系统、装置及介质 | |
WO2020071066A1 (ja) | 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 | |
Mahesh et al. | Data-driven intelligent condition adaptation of feature extraction for bearing fault detection using deep responsible active learning | |
WO2023107836A1 (en) | Machine-learning based behavior modeling | |
Han et al. | A study on fault classification system based on deep learning algorithm considering speed and load condition | |
Demircan | Vibration based condition monitoring of pumping systems in textile dyehouses | |
RU2795745C1 (ru) | Независимая от датчика идентификация неисправности механического станка | |
Arslan et al. | Convolutional auto-encoder based degradation point forecasting for bearing data set | |
Mahamad | Diagnosis, classification and prognosis of rotating machine using artificial intelligence | |
Jin | Modeling of Machine Life Using Accelerated Prognostics and Health Management (APHM) and Enhanced Deep Learning Methodology | |
Gituku | Application of Domain Invariant Features in Condition Monitoring of Rolling Element Bearings Under Changing Operating Conditions | |
Liu et al. | Incremental bearing fault diagnosis method under imbalanced sample conditions | |
Wu et al. | Unknown-class recognition adversarial network for open set domain adaptation fault diagnosis of rotating machinery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220131 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220131 |
|
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: 20220301 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220309 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7044333 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |