JP7199179B2 - 診断装置および診断方法 - Google Patents
診断装置および診断方法 Download PDFInfo
- Publication number
- JP7199179B2 JP7199179B2 JP2018161350A JP2018161350A JP7199179B2 JP 7199179 B2 JP7199179 B2 JP 7199179B2 JP 2018161350 A JP2018161350 A JP 2018161350A JP 2018161350 A JP2018161350 A JP 2018161350A JP 7199179 B2 JP7199179 B2 JP 7199179B2
- Authority
- JP
- Japan
- Prior art keywords
- unit
- data
- extraction
- measurement data
- 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.)
- Active
Links
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
しかしながら、振動センサが測定するセンサ値は、劣化度合いだけでなく、運転状態によっても値が変化し、初期の劣化は、運転状態の変化によるセンサ値の変化に埋もれてしまうという問題があった。
本願は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、対象機器の状態を計測した計測データを取得する計測部と、計測部で取得した対象機器の計測データから特定範囲を切り出して抽出データを得る抽出部と、抽出部で得られた抽出データと、予め保存した学習済診断モデルで対象機器の状態を診断する診断部と、計測部で得られた計測データから特定範囲のデータを選択する範囲選択部と、計測データに基づいて、特定の運転条件のデータの抽出可否を検証する抽出動作検証部と、範囲選択部で選択された計測データの特徴を探索すると共に抽出動作検証部での検証結果に基づいて探索が制御される特徴探索部と、特徴探索部で探索された計測データの特徴に基づいて得られた学習済範囲選択モデルを格納する学習済範囲選択モデル格納部を備える。そして、抽出部は、学習済範囲選択モデル格納部が格納した学習済範囲選択モデルを使って抽出データを得ると共に、特徴探索部は、特定の運転条件のデータを抽出する際にニューラルネットワークを用いて分類するようにした。
上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
最初に、実施の形態例を説明する上で前提となる従来技術について、図1~図4を参照して説明する。なお、従来技術を説明する図1~図4と、実施の形態例を説明する図5以降の図とで、共通する部分には同一の符号を付し、重複説明は省略する。
図1は、従来の診断装置100xの構成例を示す。
ここでは、インバータである電力変換装置1に回転機(モータ)2が接続され、電力変換装置1から回転機2に供給される電力(三相交流電力など)により回転機2が回転する。回転機2と負荷装置3とは機械的に接続されている。回転機2と負荷装置3との機械的な接続としては、回転機2の回転軸を負荷装置3に直結する方法や、回転機2の回転軸を、ギアを介して負荷装置3に接続する方法等が考えられる。
すなわち、診断装置100xの計測部4は、電力変換装置1から回転機2に供給する電流や電圧の計測値を取得する。そして、診断装置100aが備える診断部5が、計測部4が取得したトルク電流の計測値から、回転機2の状態を診断する。ここで、診断装置100xは、学習済診断モデル格納部8を備え、診断部5は、学習済診断モデル格納部8に格納された学習済診断モデルを使って診断を行う。
図2は、正常運転時と故障直前における、回転機2のトルク電流の実測値の変化を示す。図2の縦軸はトルク電流(A)、横軸は時間である。図2に示すトルク電流の実測値は、運転条件a1~a8の8種類の運転条件で運転した際の値である。ここで、運転条件a2は、定常状態の運転であり、図2に示す区間中には、この運転条件a2の定常状態が4回発生(運転条件a2-1、a2-2、a2-3、a2-4の状態)している。
一方、閾値TH1よりも小さな値の閾値TH2を設定したときには、運転条件によってトルク電流がもともと大きい運転条件も存在するため、通常の運転時にも故障と誤診断されてしまう可能性がある。すなわち、図2に示す閾値TH2は、運転条件a7でのトルク電流値よりも小さな値に設定されており、運転条件a7での運転が故障と誤診断されるおそれがある。
そこで、運転条件ごとに異なる閾値を設定する方法が考えられている。
図3に示す診断装置100yの場合には、運転条件ごとに閾値を設定するようにしたものである。
図3に示す診断装置100yは、計測部4が取得した計測データを抽出部6に供給する。抽出部6は、抽出条件格納部9に格納された抽出条件に合致する計測データを抽出する抽出処理を行う。すなわち、抽出条件格納部9に格納される抽出条件は、プログラムのコードで定義され、その抽出条件に基づいて、特定の運転パターンに合致する計測データを抽出部6で抽出する。
抽出部6が抽出した抽出データ(計測データ)は、抽出データ格納部7に格納される。この抽出データ格納部7に格納された抽出データは、診断部5に供給され、診断部5は、学習済診断モデル格納部8に格納された学習済診断モデルを用いて診断処理を行う。
次に、本発明の第1の実施の形態例について、図4~図8を参照して説明する。
図4は、第1の実施の形態例の診断装置100aの構成を示す。
診断装置100aが計測部4、抽出部6、抽出データ格納部7、診断部5、および学習済診断モデル格納部8を備える点は、図3に示す診断装置100yと同じである。
本実施の形態例の診断装置100aは、さらに、計測データ格納部10、範囲選択部11、特徴探索部12、および学習済範囲選択モデル格納部13を備える。
計測データ格納部10には、計測部4が取得した計測データが格納される。
範囲選択部11は、特定の運転パターンの計測データを選択する範囲選択処理を行う。特定の運転パターンの計測データとしては、例えば、図2に示す運転条件a2-1から運転条件a3に遷移する過渡状態のデータや、図2に示す運転条件a2-1~a2-4のような定常状態のデータを選択する。
ここで、好ましい定常状態とは、例えば一定速度で、一定負荷の条件で駆動している状態である。さらに、より好ましくは、一定速度で、アンロード(無負荷)の状態の定常状態である。
特徴探索部12は、範囲選択部11で切り出された計測データから、運転条件に対応する特徴を探索する特徴探索処理を行う。例えば、特徴探索部12は、図2に示す運転条件a2-1~a2-4の定常状態に対応する特徴を探索する。
そして、抽出部6は、計測部4が取得した計測データに対して、学習済範囲選択モデル格納部13に格納された学習済範囲選択モデルで定めたパラメータに収まるデータのみを、抽出データとして取り出す。なお、抽出部6で抽出されるデータは、あるクラスタに時系列的に連続して収まっている必要がある。
抽出部6が取り出した抽出データが、抽出データ格納部7に格納される。
そして、診断部5は、抽出データ格納部7に格納された計測データに基づいて診断を行う。この診断には、学習済診断モデル格納部8に格納された学習済診断モデルが用いられる。
図5に示すコンピュータは、バス108にそれぞれ接続されたCPU(Control Processing Unit:中央処理装置)101、ROM(Read Only Memory)102、およびRAM(Random Access Memory)103を備える。さらに、コンピュータは、記憶装置104、操作部105、表示部106、および通信インターフェース107を備える。
RAM103には、演算処理の途中に発生した変数やパラメータ等が一時的に書き込まれる。診断装置100aによる制御処理の実行は、主にCPU101がプログラムコードを実行することにより実現される。
表示部106は、例えば、液晶ディスプレイモニタであり、この表示部106によりコンピュータで実行される制御処理の結果がユーザに表示される。但し、図5に示すようにコンピュータが操作部105や表示部106を備えるのは一例であり、コンピュータは、操作部105および表示部106のいずれか一方、または双方を備えない構成としてもよい。
通信インターフェース107には、例えば、NIC(Network Interface Card)などが用いられる。通信インターフェース107は、端子が接続されたLAN(Local Area Network)、専用線などを介して外部と各種データの送受信を行う。
図6は、計測部4で得られた計測データの内のトルク電流を縦軸、速度フィードバックを横軸にしてプロットした図である。速度フィードバックの値は、インバータである電力変換装置1の速度制御値である。この図6は、図2に示す運転状態での計測結果を示す。
この図6において、×印で示す計測データは、図2の運転状態の内の運転条件a2-1~a2-4での計測データである。また、黒丸の印で示す計測データは、その他の運転条件(a1、a3~a8)での計測データである。
例えば、クラスタc1には、運転条件a2-1~a2-4で得た計測データt1,t2,t3が含まれている。なお、計測データには、いずれのクラスタc1~c7からも外れたデータta,tbのようなデータも存在する。
また、トルク電流と速度フィードバック値がいずれもほぼ0である、クラスc0の計測データは、回転機2が停止状態でのデータである。
診断結果を伝達する際には、例えば、以下の(1)、(2)、(3)の手法が適用可能である。すなわち、(1)劣化特徴周波数の振幅を画面に表示してユーザに対応有無を判断させる手法、(2)劣化特徴周波数の振幅変化を何らかの処理を加え求めた値でユーザに伝える手法、(3)予め定めた閾値を超えた場合にユーザに通知する方法、等が考えられる。
図7の(a)は、正常時の運転条件a2-1~a2-4での特性x1を示し、図7の(b)は、故障直前の運転条件a2-1~a2-4での特性x2を示す。
正常時の特性x1と、故障直前の特性x2とを比較すると、故障直前のトルク電流の周波数特性x2には、回転機の回転周波数および外輪傷に対応する周波数成分のピークx2-1,x2-2が発生することが判る。このピークx2-1,x2-2が発生する周波数が、機械的な劣化周波数に対応している。
ここで、回転機2の回転周波数のピークx2-1,x2-2の振幅を各軸に取り、各軸の平均値を結んだ異常度0の平面からの距離で、異常度を定義する。ここで、距離の算出方法は、正常と定義したデータ範囲における各周波数成分の振幅を分散で割った値から算出すればよい。
表1に示す各式において、frはモータ軸受の回転周波数、nbは球数、bdは球経、pdはピッチ径、βは接触角である。診断に入力する周波数は1つでもよいが、考えられる周波数成分を複数入力してもよい。あるいは、劣化特徴周波数の高次成分を入力してもよい。
図8は、図2に示す運転条件a2-1~a2-4での異常度の変化を示している。正常時の運転条件a2-1およびa2-2では、異常度がほぼ0に近い値であり、診断部5は、異常がないと診断することができる。
一方、故障直前の運転条件a2-3およびa2-4では、異常度が高くなり、診断部5は、故障直前などと診断する。
したがって、診断装置100aは、ユーザが範囲選択部11で特定の運転パターンのトルク電流のデータを選ぶ作業を行うだけで、診断に必要な計測データを抽出することができる。このため、診断する作業者がソフトウェアを機器に合わせて修正する作業を必要とすることなく、高精度に対象機器の状態を診断することができるようになる。
なお、診断に用いる周波数は、回転周波数および外輪傷に対応する周波数に限定されず、対象設備の振動周波数に対応する成分や、過去のノウハウに応じて決めた周波数成分などを用いることができる。
次に、本発明の第2の実施の形態例について、図9~図10を参照して説明する。
図9は、第2の実施の形態例の診断装置100bの構成を示す。
診断装置100bは、第1の実施の形態例の診断装置100aと同様に、計測部4、抽出部6、抽出データ格納部7、診断部5、学習済診断モデル格納部8、計測データ格納部10、範囲選択部11、特徴探索部12、および学習済範囲選択モデル格納部13を備える。
第1の実施の形態例の診断装置100aでは、トルク電流と速度フィードバックの2つから特徴探索を行ったが、トルク電流と速度フィードバックなど、インバータの内部値だけでは、運転条件の変化が見えにくい場合がある。
図10でも、図2と同様に、範囲選択部11で選択した、定常状態である運転条件a2-1~a2-4に対応する領域は×印で示され、その他の運転状態の領域は黒丸印で示されている。
診断装置100bの特徴探索部12は、この図10に示す各値をk平均法により複数のクラスタc11~c17に分類する。なお、いずれのクラスタにも属さない情報txも存在する。
診断装置100aの診断部5は、このようにして得られたデータを使って診断することで、第1の実施の形態例の診断装置100aの診断部5で診断した場合と同様に、対象設備の故障直前などの状態が的確に診断できる。
次に、本発明の第3の実施の形態例について、図11を参照して説明する。
図11は、第3の実施の形態例の診断装置100cの構成を示す。
診断装置100cは、第1の実施の形態例の診断装置100aと同様に、計測部4、抽出部6、抽出データ格納部7、診断部5、学習済診断モデル格納部8、計測データ格納部10、範囲選択部11、特徴探索部12、および学習済範囲選択モデル格納部13を備える。さらに本実施の形態例の診断装置100cは、プログラマブルロジックコントローラ(PLC)15を備える。
PLC15に集約されている計測データは、計測部4に供給される。
そして、計測部4は、PLC15に保存されている範囲内の過去のデータから、診断用の計測データを取得する。
このように、PLC15を備えた診断装置100cによって、対象設備の故障直前などの状態を的確に診断することができる。
次に、本発明の第4の実施の形態例について、図12を参照して説明する。
図12は、第4の実施の形態例の診断装置100dの構成を示す。
診断装置100dは、第1の実施の形態例の診断装置100aと同様に、計測部4、抽出部6、抽出データ格納部7、診断部5、学習済診断モデル格納部8、計測データ格納部10、範囲選択部11、特徴探索部12、および学習済範囲選択モデル格納部13を備える。
そして、特徴探索部12は、分類したデータから、特定の運転条件の電流波形を取り出し、学習済範囲選択モデルを構築し、構築した学習済範囲選択モデルを学習済範囲選択モデル格納部13に格納する。
このように、計測データとして電流波形を取得する診断装置100dによって、対象設備の故障直前などの状態を的確に診断することができる。
次に、本発明の第5の実施の形態例について、図13を参照して説明する。
図13は、第5の実施の形態例の診断装置100eの構成を示す。
診断装置100eは、第1の実施の形態例の診断装置100aと同様に、計測部4、抽出部6、抽出データ格納部7、診断部5、学習済診断モデル格納部8、計測データ格納部10、範囲選択部11、特徴探索部12、および学習済範囲選択モデル格納部13を備える。
さらに、図13の例では、電力変換装置1から回転機2に供給される3相の電源供給ラインのうちの1相のラインに電圧センサ17aを設けられている。そして、計測部4は、電圧センサ17aで検出した電圧値を計測データとして取得している。なお、電圧センサ17aからの電圧値は取得せず、電流センサ16a,16bで検出した2相の電流値のみを、計測部4が計測データとして取得してもよい。
これにより、電力変換装置1の内部値を計測することが機器構成の関係で困難な場合であっても、ソフトウェア構築の知識を持った作業員を必ずしも必要とせず、計測データから特定の運転パターンのデータを抽出することができる。
次に、本発明の第6の実施の形態例について、図14を参照して説明する。
図14は、第6の実施の形態例の診断装置100fの構成を示す。
診断装置100fは、第1の実施の形態例の診断装置100aと同様に、計測部4、抽出部6、抽出データ格納部7、診断部5、学習済診断モデル格納部8、計測データ格納部10、範囲選択部11、特徴探索部12、および学習済範囲選択モデル格納部13を備える。
図14に示す第6の実施形態例では、さらに、電力変換装置1から回転機2に供給される3相の電源供給ラインに、零相電流センサ18を設けており、計測部4は、この零相電流センサ18で検出した零相電流値を計測データとして取得している。なお、電流値については、図13の例のように電流センサ16a,16bを設けて、2相の電流値を計測してもよい。逆に、零相電流センサ18が計測した零相電流値のみを計測データとして取得するようにしてもよい。
具体的には、例えば抽出部6での抽出処理時には、電流センサ16aで得た電流波形から抽出動作を行い、診断部5では、抽出した電流波形と同じ期間の零相電流から、電気的な劣化に関連する診断を行う。
このように零相電流を計測データとして取得することで、診断対象の絶縁劣化に対応するような成分を取得することができ、回転機2や関連機器の機械的な劣化だけでなく、電気的な劣化を的確に診断することができるようになる。
次に、本発明の第7の実施の形態例について、図15を参照して説明する。
図15に示す例は、2つの回転機システムが構築された例である。すなわち、図15に示すように、電力変換装置1と回転機2と負荷装置3とからなるシステムが、それぞれ独立して2組用意されている。この2組のシステムは、類似した運転条件で動作するシステムである。
そして、一方のシステムの電力変換装置1に診断装置100gを接続し、他方のシステムの電力変換装置1に診断装置100hを接続して、それぞれの診断装置100gおよび100hで、接続された一方または他方のシステムの異常を診断する。
この一方の診断装置100gが行う計測データの抽出処理や診断処理は、第1の実施の形態例で説明した診断装置100aと同じである。
なお、図15では2つのシステムに展開する例としたが、3つ以上のシステムに同様に展開する構成としてもよい。
次に、本発明の第8の実施の形態例について、図16~図17を参照して説明する。
図16は、第8の実施の形態例の診断装置100iの構成を示す。
診断装置100iは、第1の実施の形態例の診断装置100aと同様に、計測部4、抽出部6、抽出データ格納部7、診断部5、学習済診断モデル格納部8、計測データ格納部10、範囲選択部11、特徴探索部12、および学習済範囲選択モデル格納部13を備える。
さらに、診断装置100iは、抽出動作検証部19を備える。
さらに、画面20に、意図したデータ範囲であることを指示する選択ボタン22と、選択範囲の修正を指示する選択ボタン23とを表示し、ユーザのマウス操作などによる画面上のカーソル24の移動で、いずれか一方の選択ボタン23または24を選択する。
このようにして、抽出動作検証部19を設けることで、抽出動作の検証を行うことができる。
このように抽出動作の検証を行って、必要によって再度特徴量を探索するようにしたことで、ユーザによる簡単な操作で、学習済範囲選択モデルを改良することができる。
なお、本発明は、上述した各実施の形態例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した各実施の形態例は、本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、複数の実施の形態例の構成を組み合わせてもよい。例えば、計測部4は、電力変換装置1から計測データを取得(第1の実施の形態例など)すると共に、電源供給ラインに配置した電流センサや電圧センサなどから計測データを取得(第4の実施の形態例など)するようにしてもよい。
さらに、第7の実施の形態例で説明した複数のシステムに展開する構成についても、他の実施の形態例の構成と組み合わせてもよい。さらにまた、第8の実施の形態例で説明した抽出動作検証部19を備える構成についても、他の実施の形態例の構成と組み合わせてもよい。
Claims (5)
- 対象機器の状態を計測した計測データを取得する計測部と、
前記計測部で取得した対象機器の計測データから、特定範囲を切り出して抽出データを得る抽出部と、
前記抽出部で得られた抽出データと、予め保存した学習済診断モデルで対象機器の状態を診断する診断部と、
前記計測部で得られた計測データから特定範囲のデータを選択する範囲選択部と、
前記計測データに基づいて、特定の運転条件のデータの抽出可否を検証する抽出動作検証部と、
前記範囲選択部で選択された計測データの特徴を探索すると共に、前記抽出動作検証部での検証結果に基づいて、探索が制御される特徴探索部と、
前記特徴探索部で探索された計測データの特徴量に基づいて得られた学習済範囲選択モデルを格納する学習済範囲選択モデル格納部と、を備え、
前記抽出部は、前記学習済範囲選択モデル格納部が格納した学習済範囲選択モデルを使って前記抽出データを得ると共に、前記特徴探索部は、特定の運転条件のデータを抽出する際に機械学習を用いて分類する
診断装置。 - 前記対象機器は、負荷装置が機械的に接続された回転機および前記回転機を制御する電力変換装置であり、
前記計測部は、前記電力変換装置のトルク電流および/または速度フィードバックを計測する
請求項1に記載の診断装置。 - 前記対象機器は、負荷装置が機械的に接続された回転機および前記回転機を制御する電力変換装置であり、
前記計測部は、電力変換装置から回転機に流れる負荷電流および/または零相電流を計測する
請求項1に記載の診断装置。 - 前記計測部は、プログラマブルコントローラおよび/または生産管理装置を介して計測データを取得する
請求項2または3に記載の診断装置。 - コンピュータの演算機能により対象機器の状態を診断する診断方法において、
前記コンピュータは、
対象機器の状態を計測した計測データから特定範囲を切り出して抽出データを得る抽出処理と、
前記抽出処理により得られた抽出データと、予め保存した学習済診断モデルで対象機器の状態を診断する診断処理と、
前記計測データから特定範囲のデータを選択する範囲選択処理と、
前記計測データに基づいて、特定の運転条件のデータの抽出可否を検証する抽出動作検証処理と、
前記範囲選択処理により選択された計測データの特徴を探索すると共に、前記抽出動作検証処理での検証結果に基づいて、探索が制御される特徴探索処理と、
前記特徴探索処理により探索された計測データの特徴に基づいて学習済範囲選択モデルを得る学習済範囲選択モデル取得処理と、を演算機能で実行するものであり、
前記抽出処理では、前記学習済範囲選択モデルを使って前記抽出データを得ると共に、
前記特徴探索処理では、特定の運転条件のデータを抽出する際に機械学習を用いて分類する
診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018161350A JP7199179B2 (ja) | 2018-08-30 | 2018-08-30 | 診断装置および診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018161350A JP7199179B2 (ja) | 2018-08-30 | 2018-08-30 | 診断装置および診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020035187A JP2020035187A (ja) | 2020-03-05 |
JP7199179B2 true JP7199179B2 (ja) | 2023-01-05 |
Family
ID=69668176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018161350A Active JP7199179B2 (ja) | 2018-08-30 | 2018-08-30 | 診断装置および診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7199179B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023117991A (ja) | 2022-02-14 | 2023-08-24 | オムロン株式会社 | 監視装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001294928A (ja) | 2000-04-10 | 2001-10-26 | Nippon Steel Corp | 転炉吹錬の終点制御方法 |
JP2012174120A (ja) | 2011-02-23 | 2012-09-10 | Yokogawa Electric Corp | 情報管理装置及び情報管理システム |
KR101797402B1 (ko) | 2016-12-07 | 2017-11-15 | 울산대학교 산학협력단 | 기계 결함 진단 방법 및 장치 |
JP2017204020A (ja) | 2016-05-09 | 2017-11-16 | アズビル株式会社 | 運転支援装置および方法 |
WO2018100655A1 (ja) | 2016-11-30 | 2018-06-07 | 株式会社日立製作所 | データ収集システム、異常検出方法、及びゲートウェイ装置 |
-
2018
- 2018-08-30 JP JP2018161350A patent/JP7199179B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001294928A (ja) | 2000-04-10 | 2001-10-26 | Nippon Steel Corp | 転炉吹錬の終点制御方法 |
JP2012174120A (ja) | 2011-02-23 | 2012-09-10 | Yokogawa Electric Corp | 情報管理装置及び情報管理システム |
JP2017204020A (ja) | 2016-05-09 | 2017-11-16 | アズビル株式会社 | 運転支援装置および方法 |
WO2018100655A1 (ja) | 2016-11-30 | 2018-06-07 | 株式会社日立製作所 | データ収集システム、異常検出方法、及びゲートウェイ装置 |
KR101797402B1 (ko) | 2016-12-07 | 2017-11-15 | 울산대학교 산학협력단 | 기계 결함 진단 방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
JP2020035187A (ja) | 2020-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20130030765A1 (en) | System and method for use in monitoring machines | |
US20170284896A1 (en) | System and method for unsupervised anomaly detection on industrial time-series data | |
Villa et al. | Statistical fault diagnosis based on vibration analysis for gear test-bench under non-stationary conditions of speed and load | |
US7089154B2 (en) | Automatic machinery fault diagnostic method and apparatus | |
CN111352388A (zh) | 学习用数据确认辅助装置、机器学习装置、故障预测装置 | |
US11269322B2 (en) | Failure diagnosis system | |
WO2005071620A2 (en) | Method and apparatus to diagnose mechanical problems in machinery | |
JP6429929B2 (ja) | 軸接地システムを動作させるための方法および回転機器の軸接地システム | |
JP6945371B2 (ja) | 回転機システムの診断装置、電力変換装置、回転機システム、および回転機システムの診断方法 | |
JP6514239B2 (ja) | 機械診断装置および機械診断方法 | |
CN110987166A (zh) | 旋转机械健康状态的预测方法、装置、设备及存储介质 | |
Jaros et al. | Advanced signal processing methods for condition monitoring | |
JP2015021901A (ja) | 回転機械の診断装置 | |
CN112985578B (zh) | 一种风电机组共振诊断方法及装置 | |
JP7191807B2 (ja) | 診断装置および診断方法 | |
JP7199179B2 (ja) | 診断装置および診断方法 | |
Leonidovich et al. | The development and use of diagnostic systems and estimation of residual life in industrial electrical equipment | |
US20050065744A1 (en) | System and method for detecting and excluding outlier sensors in sensor-based monitoring | |
Przysowa | Blade vibration monitoring in a low-pressure steam turbine | |
JPWO2019186909A1 (ja) | 診断装置および診断方法 | |
US11339763B2 (en) | Method for windmill farm monitoring | |
CN111811845B (zh) | 诊断装置 | |
US11747191B2 (en) | Automated health state classifier for rotating machines based on expert knowledge | |
US11463032B2 (en) | Detecting rotor anomalies by determining vibration trends during transient speed operation | |
Plotts et al. | A Survey of New Technologies Used by Siemens Energy for the Monitoring and Diagnosis of a Global Fleet of Power Generation Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220119 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220621 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220809 |
|
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: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7199179 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |