JP7430317B2 - 余寿命予測システム、余寿命予測装置、および余寿命予測プログラム - Google Patents
余寿命予測システム、余寿命予測装置、および余寿命予測プログラム Download PDFInfo
- Publication number
- JP7430317B2 JP7430317B2 JP2019180226A JP2019180226A JP7430317B2 JP 7430317 B2 JP7430317 B2 JP 7430317B2 JP 2019180226 A JP2019180226 A JP 2019180226A JP 2019180226 A JP2019180226 A JP 2019180226A JP 7430317 B2 JP7430317 B2 JP 7430317B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- remaining life
- evaluation
- time
- regression model
- 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
- 230000007246 mechanism Effects 0.000 claims description 140
- 238000011156 evaluation Methods 0.000 claims description 116
- 230000006866 deterioration Effects 0.000 claims description 92
- 238000009826 distribution Methods 0.000 claims description 49
- 238000012549 training Methods 0.000 claims description 20
- 238000009795 derivation Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 19
- 238000005096 rolling process Methods 0.000 description 15
- 230000007547 defect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000000034 method Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 239000004519 grease Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 241000287462 Phalacrocorax carbo Species 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Description
余寿命予測システム100は、動作機構が機械要素としての所定の機能が発揮できなくなる動作限界までの時間である余寿命を予測するシステムである。動作機構の種類は、第一部材、および第二部材が接触状態で相対的に動作する機構であれば特に限定されるものではない。本実施の形態1の場合、動作機構として転がり軸受を例示している。また、第一部材として転がり軸受の転動体を、第二部材として転がり軸受の内輪を例示している。なお、転がり軸受は、転動体、および内輪の他に外輪、および保持器など複数の部材を備えており、第一部材、および第二部材として採用する部材の組み合わせは任意であるが、動作機構の動作によって劣化を示す欠損が顕著に現れ、欠損の量の測定が容易な部材の組み合わせを採用することが好ましい。この点において、転がり軸受の内輪は、外周面に欠損が発生し欠損の量の測定が容易であるため、第二部材として好適である。
y:余寿命情報
x:劣化量情報
δi:動作機構の個体差のバラツキ
α、β:動作機構に共通する共通パラメータ
ε:誤差パラメータ
余寿命予測システム100の実施の形態2について説明する。なお、実施の形態1と同様の作用や機能、同様の形状や機構や構造を有するもの(部分)には同じ符号を付して説明を省略する場合がある。また、以下では実施の形態1と異なる点を中心に説明し、同じ内容については説明を省略する場合がある。
余寿命予測システム100の実施の形態3について説明する。なお、実施の形態1、2と同様の作用や機能、同様の形状や機構や構造を有するもの(部分)には同じ符号を付して説明を省略する場合がある。また、以下では実施の形態1、2と異なる点を中心に説明し、同じ内容については説明を省略する場合がある。
101 学習装置
109 余寿命予測装置
110 学習情報取得部
120 第一回帰モデル育成部
130 評価情報取得部
140 余寿命導出部
150 第二回帰モデル育成部
160 第三回帰モデル育成部
200 学習用動作機構
201 学習用第一部材
202 学習用第二部材
300 学習情報生成装置
301 軸体
302 駆動装置
305 固定部材
306 記録装置
321 第一センサ
322 第二センサ
330 駆動制御装置
400 実機
Claims (6)
- 第一部材、および第二部材が相対的に動作する動作機構の動作限界までの時間である余寿命を予測する余寿命予測システムであって、
学習用動作機構を動作限界まで動作させ、動作限界までの各時刻における学習用第一部材、および学習用第二部材の少なくとも一方における動作により生じる劣化の量を示す学習劣化量情報、および前記学習劣化量情報を取得した時刻から動作限界までの時間である学習余寿命を取得する学習情報取得部と、
複数の前記学習用動作機構に対し学習情報生成装置を用いて生成し、前記学習情報取得部が取得した学習劣化量情報、および前記学習余寿命を用いて前記学習用動作機構に共通する共通パラメータ、個体差パラメータ、超パラメータ、および誤差パラメータのそれぞれの事前分布に基づき、階層ベイズ回帰により共通パラメータ、超パラメータ、前記学習用動作機構それぞれの個体差パラメータ、および誤差パラメータの事後分布を含む階層ベイズによる第一回帰モデルを育成する第一回帰モデル育成部と、
前記学習用動作機構と同種の評価用動作機構の動作により生じる劣化の量を示す評価劣化量情報、および前記評価劣化量情報を取得した時刻から動作限界までの時間である評価余寿命であって、前記評価用動作機構の動作から得られる特徴に基づき第二回帰モデルまたはエキスパートシステムによって推定される評価余寿命を示す第一評価余寿命を取得する評価情報取得部と、
前記評価劣化量情報、前記第一評価余寿命、前記共通パラメータの事後分布、および前記超パラメータの事後分布を用いて前記評価用動作機構に固有の個体差パラメータの事後分布を、前記第一回帰モデルを用いて推定し、前記共通パラメータの事後分布、前記個体差パラメータの事後分布から得られる値を前記第一回帰モデルに適用し、前記評価劣化量情報を入力として前記評価用動作機構の評価余寿命を示す第二評価余寿命を導出する余寿命導出部と、
を備える余寿命予測システム。 - 前記学習情報取得部は、
動作限界までの各時刻における前記学習用動作機構の動作から得られる学習特徴量ベクトル、および前記学習特徴量ベクトルを取得した時刻から動作限界までの時間である学習余寿命を取得し、
前記余寿命予測システムはさらに、
前記学習特徴量ベクトル、および前記学習余寿命に基づき第二回帰モデルを育成する第二回帰モデル育成部を備え、
前記評価情報取得部は、
育成された前記第二回帰モデルに前記評価用動作機構の動作から得られる評価特徴量ベクトルを入力して得られる第一評価余寿命を取得する
請求項1に記載の余寿命予測システム。 - 前記学習情報取得部は、
動作限界までの各時刻における前記学習用動作機構の動作から得られる学習特徴量ベクトル、および前記学習特徴量ベクトルを取得した時刻における前記学習劣化量情報を取得し、
前記余寿命予測システムはさらに、
前記学習特徴量ベクトル、および前記学習劣化量情報に基づき第三回帰モデルを育成する第三回帰モデル育成部を備え、
前記評価情報取得部は、
育成された前記第三回帰モデルに前記評価用動作機構の動作から得られる評価特徴量ベクトルを入力して得られる評価劣化量情報を取得する
請求項1または2に記載の余寿命予測システム。 - 前記階層ベイズの回帰式は、
前記共通パラメータをα、βとし、
誤差パラメータをεとし、
前記個体差パラメータをδiとし、
前記第二評価余寿命をy
前記評価劣化量情報をxとした場合、
下記式で表される
y=δi(α+β/x)+ε
請求項1から3のいずれか一項に記載の余寿命予測システム。 - 第一部材、および第二部材が相対的に動作する動作機構の動作限界までの時間である余寿命を予測する余寿命予測装置であって、
前記動作機構の動作により生じる劣化の量を示す評価劣化量情報、および前記評価劣化量情報を取得した時刻から動作限界までの時間である評価余寿命であって、前記動作機構の動作から得られる特徴に基づき第二回帰モデルまたはエキスパートシステムによって推定される評価余寿命を示す第一評価余寿命を取得する評価情報取得部と、
前記動作機構と同種の複数の学習用動作機構に対し学習情報生成装置を用いて生成し、学習情報取得部が取得した学習用動作機構を動作限界まで動作させ、動作限界までの各時刻における学習用第一部材、および学習用第二部材の少なくとも一方における動作により生じる劣化の量を示す学習劣化量情報、および前記学習劣化量情報を取得した時刻から動作限界までの時間である学習余寿命を用いて前記学習用動作機構に共通する共通パラメータ、個体差パラメータ、超パラメータ、および誤差パラメータのそれぞれの事前分布に基づき、階層ベイズ回帰により共通パラメータ、超パラメータ、前記学習用動作機構それぞれの個体差パラメータ、および誤差パラメータの事後分布を含む階層ベイズにより育成された第一回帰モデルを用い、前記評価劣化量情報、前記第一評価余寿命、前記共通パラメータの事後分布、および前記超パラメータを用いて前記動作機構に固有の個体差パラメータの事後分布を推定し、前記共通パラメータの事後分布、および前記個体差パラメータの事後分布からそれぞれ得られる値を前記第一回帰モデルに適用し、前記評価劣化量情報を入力として前記動作機構の評価余寿命を示す第二評価余寿命を導出する余寿命導出部と、を備える余寿命予測装置。 - 第一部材、および第二部材が相対的に動作する動作機構の動作限界までの時間である余寿命を予測する余寿命予測プログラムであって、
前記動作機構の動作により生じる劣化の量を示す評価劣化量情報、および前記評価劣化量情報を取得した時刻から動作限界までの時間である評価余寿命であって、前記動作機構の動作から得られる特徴に基づき第二回帰モデルまたはエキスパートシステムによって推定される評価余寿命を示す第一評価余寿命を取得する評価情報取得部と、
前記動作機構と同種の複数の学習用動作機構に対し学習情報生成装置を用いて生成し、学習情報取得部が取得した学習用動作機構を動作限界まで動作させ、動作限界までの各時刻における学習用第一部材、および学習用第二部材の少なくとも一方における動作により生じる劣化の量を示す学習劣化量情報、および前記学習劣化量情報を取得した時刻から動作限界までの時間である学習余寿命を用いて前記学習用動作機構に共通する共通パラメータ、個体差パラメータ、超パラメータ、および誤差パラメータのそれぞれの事前分布に基づき、階層ベイズ回帰により共通パラメータ、超パラメータ、前記学習用動作機構それぞれの個体差パラメータ、および誤差パラメータの事後分布を含む階層ベイズにより育成された第一回帰モデルを用い、前記評価劣化量情報、前記第一評価余寿命、前記共通パラメータの事後分布、および前記超パラメータを用いて前記動作機構に固有の個体差パラメータの事後分布を推定し、前記共通パラメータの事後分布、および前記個体差パラメータの事後分布からそれぞれ得られる値を前記第一回帰モデルに適用し、前記評価劣化量情報を入力として前記動作機構の評価余寿命を示す第二評価余寿命を導出する余寿命導出部と、を機能させるための余寿命予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019180226A JP7430317B2 (ja) | 2019-09-30 | 2019-09-30 | 余寿命予測システム、余寿命予測装置、および余寿命予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019180226A JP7430317B2 (ja) | 2019-09-30 | 2019-09-30 | 余寿命予測システム、余寿命予測装置、および余寿命予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021056123A JP2021056123A (ja) | 2021-04-08 |
JP7430317B2 true JP7430317B2 (ja) | 2024-02-13 |
Family
ID=75270527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019180226A Active JP7430317B2 (ja) | 2019-09-30 | 2019-09-30 | 余寿命予測システム、余寿命予測装置、および余寿命予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7430317B2 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005233657A (ja) | 2004-02-17 | 2005-09-02 | Yaskawa Electric Corp | 真空用転がり軸受の寿命予測式の作成方法 |
US20100274833A1 (en) | 2009-04-24 | 2010-10-28 | Kabushiki Kaisha Toshiba | Monitoring device and a server |
US20160069775A1 (en) | 2013-04-05 | 2016-03-10 | Aktiebolaget Skf | Method, computer program product & system |
JP2017194341A (ja) | 2016-04-20 | 2017-10-26 | 株式会社Ihi | 異常診断方法、異常診断装置、及び異常診断プログラム |
US20180003588A1 (en) | 2016-07-04 | 2018-01-04 | Fanuc Corporation | Machine learning device which learns estimated lifetime of bearing, lifetime estimation device, and machine learning method |
JP2019045241A (ja) | 2017-08-31 | 2019-03-22 | Ntn株式会社 | 転がり軸受の状態監視方法および状態監視装置 |
JP2019045487A (ja) | 2017-08-31 | 2019-03-22 | Ntn株式会社 | 転がり軸受の状態監視方法および状態監視装置 |
-
2019
- 2019-09-30 JP JP2019180226A patent/JP7430317B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005233657A (ja) | 2004-02-17 | 2005-09-02 | Yaskawa Electric Corp | 真空用転がり軸受の寿命予測式の作成方法 |
US20100274833A1 (en) | 2009-04-24 | 2010-10-28 | Kabushiki Kaisha Toshiba | Monitoring device and a server |
JP2010257227A (ja) | 2009-04-24 | 2010-11-11 | Toshiba Corp | 監視装置およびサーバー |
US20160069775A1 (en) | 2013-04-05 | 2016-03-10 | Aktiebolaget Skf | Method, computer program product & system |
JP2017194341A (ja) | 2016-04-20 | 2017-10-26 | 株式会社Ihi | 異常診断方法、異常診断装置、及び異常診断プログラム |
US20180003588A1 (en) | 2016-07-04 | 2018-01-04 | Fanuc Corporation | Machine learning device which learns estimated lifetime of bearing, lifetime estimation device, and machine learning method |
JP2018004473A (ja) | 2016-07-04 | 2018-01-11 | ファナック株式会社 | 軸受の予測寿命を学習する機械学習装置、寿命予測装置および機械学習方法 |
JP2019045241A (ja) | 2017-08-31 | 2019-03-22 | Ntn株式会社 | 転がり軸受の状態監視方法および状態監視装置 |
JP2019045487A (ja) | 2017-08-31 | 2019-03-22 | Ntn株式会社 | 転がり軸受の状態監視方法および状態監視装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021056123A (ja) | 2021-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6397330B2 (ja) | ドライブトレイン、ギアボックス、発電機などの回転機械の残存耐用年数を測定 | |
Saidi et al. | An integrated wind turbine failures prognostic approach implementing Kalman smoother with confidence bounds | |
Zhao et al. | An integrated prognostics method for failure time prediction of gears subject to the surface wear failure mode | |
JP2017103882A (ja) | 制御装置、制御プログラムおよび記録媒体 | |
US11885708B2 (en) | Method for determining a remaining useful life of a bearing | |
Baron et al. | The parameter correlation of acoustic emission and high-frequency vibrations in the assessment process of the operating state of the technical system | |
JP2018147443A (ja) | 故障予知方法、故障予知装置および故障予知プログラム | |
JP7430317B2 (ja) | 余寿命予測システム、余寿命予測装置、および余寿命予測プログラム | |
JP7290221B2 (ja) | 余寿命予測システム、余寿命予測装置、および余寿命予測プログラム | |
Dang et al. | Fault prediction of rolling bearing based on ARMA model | |
WO2021065448A1 (ja) | 余寿命予測装置、余寿命予測システム、および余寿命予測プログラム | |
WO2021117752A1 (ja) | 転がり軸受の状態監視方法及び転がり軸受の状態監視装置 | |
Gabrielli et al. | Physics-based prognostics of rolling-element bearings: The equivalent damaged volume algorithm | |
WO2022064769A1 (ja) | 劣化状況予測システム、および劣化状況予測方法 | |
KR102343793B1 (ko) | 데이터 처리 장치, 데이터 처리 시스템, 데이터 처리 방법, 데이터 처리 프로그램 및 기억 매체 | |
JP2023138012A (ja) | 劣化状況予測システム、および劣化状況予測方法 | |
Bahador et al. | Condition monitoring for predictive maintenance of machines and processes in ARTC model factory | |
Banerjee et al. | Remaining Useful Life as a Cognitive Tool in the Domain of Manufacturing | |
Jin | A comparative study of fault detection and health assessment techniques for motion control mechanism | |
Ellis et al. | Diagnosis and Prognosis of Mechanical Components Using Hybrid Methods | |
Zhao et al. | Overview on Gear Health Prognostics | |
Holmberg et al. | Tribology as basis for machinery condition diagnostics and prognostics | |
Liu | An integrated bearing prognostics method for remaining useful life prediction | |
Wescoat | Generating Training Data for Machine Learning Applications in Manufacturing through Purposeful Failure | |
Shutin et al. | Prediction of Remaining Useful Life of Passive and Adjustable Fluid Film Bearings Using Physics-Based Models of Their Degradation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191225 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220404 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230216 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230530 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231013 |
|
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: 20231226 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240123 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7430317 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |