JP6557110B2 - 状態診断装置及びプログラム - Google Patents
状態診断装置及びプログラム Download PDFInfo
- Publication number
- JP6557110B2 JP6557110B2 JP2015202166A JP2015202166A JP6557110B2 JP 6557110 B2 JP6557110 B2 JP 6557110B2 JP 2015202166 A JP2015202166 A JP 2015202166A JP 2015202166 A JP2015202166 A JP 2015202166A JP 6557110 B2 JP6557110 B2 JP 6557110B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- state
- vibration
- aggregation
- result
- 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.)
- Active
Links
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Description
鉄道車両に搭載された駆動用機器の振動を検知するための振動センサによって検知された振動データがオクターブバンド分析された分析結果(例えば、図2のオクターブバンド分析結果12)を、前記鉄道車両の動作モード及び走行速度別、或いは、走行速度別に集約する集約手段(例えば、図11のコンターマップ生成部204)と、
前記集約手段の集約結果(例えば、図2のコンターマップ14)が、前記駆動用機器のN種類の既知状態(N≧1)それぞれの集約結果基準データ(例えば、図2の学習データ20)に適合するか否かを判別する判別手段(例えば、図11の正常判定部210、故障判定部214)と、
を備えた状態診断装置である。
コンピュータを、
鉄道車両に搭載された駆動用機器の振動を検知するための振動センサによって検知された振動データがオクターブバンド分析された分析結果を、前記鉄道車両の動作モード及び走行速度別、或いは、走行速度別に集約する集約手段、
前記集約手段の集約結果が、前記駆動用機器のN種類の既知状態(N≧1)それぞれの集約結果基準データに適合するか否かを判別する判別手段、
として機能させるためのプログラム(例えば、図11の状態診断プログラム302)を構成しても良い。
前記集約結果基準データを記憶する記憶手段(例えば、図11の記憶部300)と、
前記判別手段により何れの前記集約結果基準データにも適合しないと判別された場合に、ユーザの操作入力に従って、当該判別された集約結果のデータを、新たな既知状態と対応付け、新たな集約結果基準データ(例えば、図3の学習データ[故障zn+1]24_n+1)として前記記憶手段に記憶させる追加手段(例えば、図11の故障データ追加部216)と、
を更に備えた状態診断装置を構成しても良い。
前記追加手段は、前記判別手段により適合すると判別された場合に、当該判別された集約結果のデータを、当該適合すると判別された種類の既知状態と対応付けて、新たな集約結果基準データとして前記記憶手段に記憶させる、
状態診断装置を構成しても良い。
前記判別手段は、
前記集約手段の集約結果を主成分分析する主成分分析手段と、
前記主成分分析の結果が、前記集約結果基準データに適合するか否かを分類する分類手段と、
を有する、
状態診断装置を構成しても良い。
前記集約手段は、時間的に前後の前記振動データに係る分析結果を比較し、定常状態の分析結果を抽出する抽出手段を有し、前記抽出手段により抽出された分析結果を集約する、
状態診断装置を構成しても良い。
(A)システムの概要
図1は、本実施形態の状態診断システム1の適用例である。図1に示すように、状態診断システム1は、振動センサ3と、状態診断装置5と、を備えて構成され、鉄道車両7に搭載されて使用される。鉄道車両7は、本実施形態では電気車とするが、気動車であってもよい。振動センサ3は、診断対象となるモータ(主電動機)や減速器等の駆動用機器の近傍に設置され、駆動用機器の動作によって生じる振動を検知する。図1では台車に設置する例を示している。状態診断装置5は、振動センサ3によって検知された振動データに基づき、診断対象である駆動用機器の状態(正常や故障等)を診断する。なお、鉄道車両7がディーゼル車の場合、ディーゼル機関(エンジン)や変速機、減速機等が、診断対象の駆動用機器となる。
図2は、状態診断装置5による状態診断の流れの概要図である。状態診断装置5は、振動センサ3で検知された振動データ10に基づき、1クラス分類器30を用いて、駆動用機器の動作状態を診断する。すなわち、振動データ10に対するオクターブバンド分析を行い、そのオクターブバンド分析結果12を鉄道車両の走行速度別に集約したコンターマップ14を生成する。次いで、このコンターマップ14に基づく主成分分析を行って、特徴ベクトル16を算出する。そして、この特徴ベクトル16をテストデータとし、所与の“状態Z”に対応付けられた学習データ20に基づく1クラス分類器30によって、特徴ベクトル16が学習データ20に適合するか否か、すなわち、駆動用機器の動作状態が“状態Z”であるか否かを判断する。
図3は、状態診断装置5による状態診断の詳細図である。図3に示すように、状態診断装置5は、得られた振動データに基づく特徴ベクトル(以下、振動データと特徴ベクトルとを含めてテストデータ18という)を、1クラス分類器を用いて、予め記憶した学習データ20と適合するかを判定することで、診断対象の状態を判定する。
振動データに基づく特徴ベクトルの算出としては、先ず、振動データに対するオクターブバンド分析を行う。図4は、振動データに対するオクターブバンド分析の説明図である。図4に示すように、振動データ10に対するオクターブバンド分析が所定のフィルタ処理によって連続的に行われ、オクターブバンド分析結果の記録を、所定の単位期間Δt(例えば、1秒)毎に行うことができる。その結果、単位期間Δt別のオクターブバンド分析結果12として、周波数帯域(オクターブバンド)に対する振動の大きさ(オクターブバンドレベル)が得られる。またこのとき、オクターブバンド分析を行った期間における鉄道車両の走行速度の平均(平均速度)を、当該オクターブバンド分析結果12に対応する走行速度とする。なお、ここで“単位期間”とは、一般的な意味では単位時間と同じであるが、各単位時間の時刻(タイミング)を峻別する意味で“単位期間”と称して説明する。
せることから、パターン認識の手法を適用することで、コンターマップに基づいて特徴ベクトルを算出する。具体的には、コンターマップに対する主成分分析を行って主成分を求め、その係数を特徴ベクトルとする。主成分の数は、その寄与率に応じて適当に定めることができる。
このように求めた1回の走行に該当する特徴ベクトルに基づき、予め用意した学習データを参照した1クラス分類器を用いて、診断対象の状態を診断する。本実施形態では、1クラス分類器として、1クラスサポートベクターマシンの手法を採用する。
図10は、状態診断装置5による状態診断の全体の流れを示す図である。図10では、下方向を時間軸としている。また、説明の簡明化のため、動作モードに関する図示および説明を省略するが、実際は、動作モード別に学習データが蓄積記憶され、動作モード別に振動データ10に対する状態診断が行われる。
図11は、状態診断装置5の機能構成図である。図11によれば、状態診断装置5は、操作入力部102と、表示部104と、音声出力部106と、通信部108と、処理部200と、記憶部300とを備えて構成され、一種のコンピュータシステムである。
図12は、状態診断処理のフローチャートである。この処理は、所定の1回の走行が終了した後に、当該走行において測定された振動データを対象として、処理部200が状態診断プログラム302に従って実行する処理である。
このように、本実施形態の状態診断システム1によれば、診断対象の駆動用機器の近傍に設置された振動センサ3によって計測される振動データに基づき、駆動用機器の状態が正常であるか故障が発生したかを判定するとともに、故障が発生した場合にはどのような種類の故障であるのかを診断することができる。
なお、本発明の適用可能な実施形態は上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲で適宜変更可能なのは勿論である。
状態診断システム1は、少なくとも、振動センサ3が鉄道車両7に搭載されていれば良く、状態診断装置5の機能の一部又は全部を地上側の外部装置が担うこととしても良い。例えば、オクターブバンド分析によってデータ量を大幅に削減できることから、振動データに対するオクターブバンド分析までの処理を車上装置(図1における状態診断装置5)において行い、それ以降の処理であるコンターマップの生成や特徴ベクトルの算出、正常/故障の判定を地上装置(例えば、駅や車庫等に設置された外部装置)で行うようにすることができる。
また、上述の実施形態では、診断対象を鉄道車両の駆動用機器としたが、動作によって周期的な振動が生じるような回転機械であれば、他の機器にも同様に適用可能である。
また、上述の実施形態では、診断できる状態を正常と故障としたが、故障に至る前の不調の状態も診断可能である。学習データを「故障」とラベル付けするのではなく、「不調」とラベル付けして上述した状態診断処理を行えば良い。こうすることで、正常なのか、異常なのか、異常のうちのどこのどういう異常なのか、異常の程度はどの程度か(故障といえるか、不調の程度か)、までを診断することが可能となる。
振動データのオクターブバンド分析結果からコンターマップを生成する際に、当該分析結果を、鉄道車両の動作モード別に振り分けた(集約した上で)、さらに走行速度毎に集約してコンターマップを生成することとして説明した。しかし、動作モード別の振り分けをせずに、1つの動作モードとみなしてコンターマップを生成することとしてもよい。その場合は、単に、走行速度別に分析結果を集約することとなる。
3 振動センサ
5 状態診断装置
102 操作入力部、104 表示部、106 音声出力部、108 通信部
200 処理部
202 オクターブバンド分析部、204 コンターマップ生成部
206 特徴ベクトル算出部、208 学習データ生成部
210 正常判定部、212 正常データ追加部
214 故障判定部、216 故障データ追加部
300 記憶部
302 状態診断プログラム
304 走行データ
10 振動データ、12 オクターブバンド分析結果
14 コンターマップ、16 特徴ベクトル
20 学習データ、22 学習データ[正常]、24 学習データ[故障]
30 1クラス分類器
7 鉄道車両
Claims (8)
- 鉄道車両に搭載された駆動用機器の振動を検知するための振動センサによって検知された単位時間毎の振動データそれぞれについてオクターブバンド分析された分析結果を、当該オクターブバンド分析に係る周波数帯域毎に、前記鉄道車両の動作モード及び走行速度別、或いは、走行速度別に集約する集約手段と、
前記集約手段の集約結果が、前記駆動用機器のN種類の既知状態(N≧1)それぞれの集約結果基準データに適合するか否かを判別する判別手段と、
を備えた状態診断装置。 - 前記集約結果基準データを記憶する記憶手段と、
前記判別手段により何れの前記集約結果基準データにも適合しないと判別された場合に、当該判別された集約結果のデータを、新たな既知状態と対応付け、新たな集約結果基準データとして前記記憶手段に記憶させる追加手段と、
を更に備えた請求項1に記載の状態診断装置。 - 鉄道車両に搭載された駆動用機器の振動を検知するための振動センサによって検知された振動データがオクターブバンド分析された分析結果を、前記鉄道車両の動作モード及び走行速度別、或いは、走行速度別に集約する集約手段と、
前記集約手段の集約結果が、前記駆動用機器のN種類の既知状態(N≧1)それぞれの集約結果基準データに適合するか否かを判別する判別手段と、
前記集約結果基準データを記憶する記憶手段と、
前記判別手段により何れの前記集約結果基準データにも適合しないと判別された場合に、当該判別された集約結果のデータを、新たな既知状態と対応付け、新たな集約結果基準データとして前記記憶手段に記憶させる追加手段と、
を備えた状態診断装置。 - 前記追加手段は、前記判別手段により適合すると判別された場合に、当該判別された集約結果のデータを、当該適合すると判別された種類の既知状態と対応付けて、新たな集約結果基準データとして前記記憶手段に記憶させる、
請求項2又は3に記載の状態診断装置。 - 前記判別手段は、
前記集約手段の集約結果を主成分分析する主成分分析手段と、
前記主成分分析の結果が、前記集約結果基準データに適合するか否かを分類する分類手段と、
を有する、
請求項1〜4の何れか一項に記載の状態診断装置。 - 前記集約手段は、時間的に前後の前記振動データに係る分析結果を比較し、定常状態の分析結果を抽出する抽出手段を有し、前記抽出手段により抽出された分析結果を集約する、
請求項1〜5の何れか一項に記載の状態診断装置。 - コンピュータを、
鉄道車両に搭載された駆動用機器の振動を検知するための振動センサによって検知された単位時間毎の振動データそれぞれについてオクターブバンド分析された分析結果を、当該オクターブバンド分析に係る周波数帯域毎に、前記鉄道車両の動作モード及び走行速度別、或いは、走行速度別に集約する集約手段、
前記集約手段の集約結果が、前記駆動用機器のN種類の既知状態(N≧1)それぞれの集約結果基準データに適合するか否かを判別する判別手段、
として機能させるためのプログラム。 - コンピュータを、
鉄道車両に搭載された駆動用機器の振動を検知するための振動センサによって検知された振動データがオクターブバンド分析された分析結果を、前記鉄道車両の動作モード及び走行速度別、或いは、走行速度別に集約する集約手段、
前記集約手段の集約結果が、前記駆動用機器のN種類の既知状態(N≧1)それぞれの集約結果基準データに適合するか否かを判別する判別手段、
前記集約結果基準データを記憶する記憶手段、
前記判別手段により何れの前記集約結果基準データにも適合しないと判別された場合に、当該判別された集約結果のデータを、新たな既知状態と対応付け、新たな集約結果基準データとして前記記憶手段に記憶させる追加手段、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015202166A JP6557110B2 (ja) | 2015-10-13 | 2015-10-13 | 状態診断装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015202166A JP6557110B2 (ja) | 2015-10-13 | 2015-10-13 | 状態診断装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017077055A JP2017077055A (ja) | 2017-04-20 |
JP6557110B2 true JP6557110B2 (ja) | 2019-08-07 |
Family
ID=58549706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015202166A Active JP6557110B2 (ja) | 2015-10-13 | 2015-10-13 | 状態診断装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6557110B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6986480B2 (ja) * | 2017-04-11 | 2021-12-22 | 公益財団法人鉄道総合技術研究所 | 異常診断装置およびプログラム |
JP6796545B2 (ja) * | 2017-04-27 | 2020-12-09 | 公益財団法人鉄道総合技術研究所 | 鉄道車両機器診断装置および鉄道車両機器診断方法 |
JP6796562B2 (ja) * | 2017-08-10 | 2020-12-09 | 公益財団法人鉄道総合技術研究所 | 代表データ選択装置、機器診断装置、プログラム及び代表データ選択方法 |
KR102527319B1 (ko) * | 2018-01-29 | 2023-05-03 | 한국전자통신연구원 | 철도 차량의 부품 및 운영 환경 특징 벡터 정보 기반의 기계 학습 고장 진단 시스템 및 그 방법 |
JP7056428B2 (ja) * | 2018-07-18 | 2022-04-19 | 日本製鉄株式会社 | 軌道の状態評価方法及び評価装置 |
JP6866335B2 (ja) * | 2018-09-05 | 2021-04-28 | 東芝情報システム株式会社 | 検査装置及び検査用プログラム |
KR102152352B1 (ko) * | 2018-09-28 | 2020-09-04 | 부경대학교 산학협력단 | 기계 결함 진단 장치 및 방법 |
KR102169791B1 (ko) * | 2018-11-19 | 2020-10-26 | 주식회사 글로비즈 | 철도차량 주요부품 및 시스템 진단장치 |
US10922906B2 (en) | 2019-03-28 | 2021-02-16 | GM Global Technology Operations LLC | Monitoring and diagnosing vehicle system problems using machine learning classifiers |
AU2021413008B2 (en) | 2021-01-04 | 2024-05-16 | Central South University | Train compartment vibration monitoring method, vibration signal feature library establishment method and vibration signal feature library application method |
JP7489927B2 (ja) | 2021-01-27 | 2024-05-24 | 公益財団法人鉄道総合技術研究所 | 診断装置及び診断方法 |
CN115638875B (zh) * | 2022-11-14 | 2023-08-18 | 国家电投集团河南电力有限公司技术信息中心 | 基于图谱分析的电厂设备故障诊断方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS54138208A (en) * | 1978-04-14 | 1979-10-26 | Mitsubishi Electric Corp | On-train monitoring device |
EP1227382A3 (en) * | 2001-01-24 | 2003-03-26 | Bombardier Transportation GmbH | Rolling stock diagnostic condition monitoring and on-line predictive maintenance |
JP2002329020A (ja) * | 2001-04-27 | 2002-11-15 | Toshiba Corp | 電気車に対するサービスの提供をビジネスとする方法 |
JP2007256153A (ja) * | 2006-03-24 | 2007-10-04 | Hitachi Ltd | 鉄道車両台車異常検知システム |
JP5052456B2 (ja) * | 2007-08-22 | 2012-10-17 | 三菱電機株式会社 | 車両の異常検知システムおよび方法 |
JP5525404B2 (ja) * | 2010-10-01 | 2014-06-18 | 株式会社日立製作所 | 鉄道車両の状態監視装置及び状態監視方法、並びに鉄道車両 |
JP6061782B2 (ja) * | 2013-05-30 | 2017-01-18 | 公益財団法人鉄道総合技術研究所 | 異音検知装置及びプログラム |
-
2015
- 2015-10-13 JP JP2015202166A patent/JP6557110B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017077055A (ja) | 2017-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6557110B2 (ja) | 状態診断装置及びプログラム | |
Cui et al. | Quantitative trend fault diagnosis of a rolling bearing based on Sparsogram and Lempel-Ziv | |
CN105976578B (zh) | 一种基于监测数据的高速列车轴温动态报警阈值设定方法 | |
CN103648827B (zh) | 用于预测电机的机械故障的系统和方法 | |
JP6796545B2 (ja) | 鉄道車両機器診断装置および鉄道車両機器診断方法 | |
EP3913453B1 (en) | Fault detection system and method for a vehicle | |
JP6986480B2 (ja) | 異常診断装置およびプログラム | |
CN108896299A (zh) | 一种齿轮箱故障检测方法 | |
CN103838229B (zh) | 电动汽车诊断方法和诊断装置 | |
CN105045788A (zh) | 用于处理和分析车辆驾驶大数据的方法及其系统 | |
CN107655693A (zh) | 一种船舶发动机故障诊断系统及方法 | |
CN103617110A (zh) | 服务器设备状态检修系统 | |
US20070136015A1 (en) | Diagnosis apparatus for diagnosing state of equipment | |
CN104266841A (zh) | 柴油机的故障诊断装置和诊断方法 | |
CN107776606B (zh) | 一种轴温监测系统故障检测方法 | |
Nowakowski et al. | Diagnostics of the drive shaft bearing based on vibrations in the high-frequency range as a part of the vehicle's self-diagnostic system | |
KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
CN116523722A (zh) | 一种具备机器学习能力的环境监测分析系统 | |
Jegadeeshwaran et al. | Method and apparatus for fault diagnosis of automobile brake system using vibration signals | |
Joshuva et al. | A machine learning approach for vibration signal based fault classification on hydraulic braking system through c4. 5 decision tree classifier and logistic model tree classifier | |
JP2020107248A (ja) | 異常判定装置および異常判定方法 | |
RU2451299C1 (ru) | Устройство диагностирования в реальном времени системы электродвижения судна | |
JP6796562B2 (ja) | 代表データ選択装置、機器診断装置、プログラム及び代表データ選択方法 | |
CN111947927B (zh) | 一种基于色度理论的滚动轴承故障检测方法 | |
Kondo et al. | Traction diesel engine anomaly detection using vibration analysis in octave bands |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180223 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181219 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181225 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190131 |
|
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: 20190702 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190711 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6557110 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |