JP7471583B2 - 荷電粒子照射装置、システム、方法及びプログラム - Google Patents
荷電粒子照射装置、システム、方法及びプログラム Download PDFInfo
- Publication number
- JP7471583B2 JP7471583B2 JP2019222358A JP2019222358A JP7471583B2 JP 7471583 B2 JP7471583 B2 JP 7471583B2 JP 2019222358 A JP2019222358 A JP 2019222358A JP 2019222358 A JP2019222358 A JP 2019222358A JP 7471583 B2 JP7471583 B2 JP 7471583B2
- Authority
- JP
- Japan
- Prior art keywords
- irradiation
- charged
- state
- unit
- irradiation time
- 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
- 239000002245 particle Substances 0.000 title claims description 135
- 238000000034 method Methods 0.000 title claims description 97
- 230000008569 process Effects 0.000 claims description 89
- 238000010801 machine learning Methods 0.000 claims description 57
- 230000003068 static effect Effects 0.000 claims description 50
- 238000001514 detection method Methods 0.000 claims description 49
- 238000003379 elimination reaction Methods 0.000 claims description 23
- 230000008030 elimination Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 11
- 230000001678 irradiating effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 230000005856 abnormality Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 4
- 150000002500 ions Chemical class 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/32—Gas-filled discharge tubes
- H01J37/32009—Arrangements for generation of plasma specially adapted for examination or treatment of objects, e.g. plasma sources
- H01J37/32321—Discharge generated by other radiation
- H01J37/3233—Discharge generated by other radiation using charged particles
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05F—STATIC ELECTRICITY; NATURALLY-OCCURRING ELECTRICITY
- H05F3/00—Carrying-off electrostatic charges
- H05F3/04—Carrying-off electrostatic charges by means of spark gaps or other discharge devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01T—SPARK GAPS; OVERVOLTAGE ARRESTERS USING SPARK GAPS; SPARKING PLUGS; CORONA DEVICES; GENERATING IONS TO BE INTRODUCED INTO NON-ENCLOSED GASES
- H01T19/00—Devices providing for corona discharge
- H01T19/04—Devices providing for corona discharge having pointed electrodes
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01T—SPARK GAPS; OVERVOLTAGE ARRESTERS USING SPARK GAPS; SPARKING PLUGS; CORONA DEVICES; GENERATING IONS TO BE INTRODUCED INTO NON-ENCLOSED GASES
- H01T23/00—Apparatus for generating ions to be introduced into non-enclosed gases, e.g. into the atmosphere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/04—Means for controlling the discharge
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/06—Sources
- H01J2237/063—Electron sources
- H01J2237/06375—Arrangement of electrodes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Plasma & Fusion (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Elimination Of Static Electricity (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
Description
本実施形態においては、荷電粒子照射装置の一例として、対象物の静電気等を除電する除電装置100を例に説明する。
図1を参照しつつ、本実施形態に係る除電装置100の構成について説明する。図1は除電装置100のブロック図である。同図から明らかな通り、除電装置100は、コロナ放電電極(針電極)6にて発生した正又は負の荷電粒子、すなわちイオンを除電対象物9に対して圧縮空気ノズル5からの圧縮空気により吹き付けて照射することにより、除電対象物9を電気的に中和し除電する。なお、除電対象物はベルトコンベア等により一定速度又は間欠的に搬送され順に除電処理が施される。
次に、図2~図8を参照しつつ、除電装置100の動作について説明する。
図3~図7を参照しつつ、適応学習(S5)の詳細について説明する。
次に、図9~図11を参照しつつ、本実施形態に係る除電装置100を用いた各種の実験結果について説明する。
上述の実施形態においては、機械学習モデルとして学習木を利用したが、本発明はこのような構成に限定されない。従って、例えば、ニューラルネットワークやサポートベクターマシーン(SVM)等の他の学習モデルを利用してもよい。
2 電源制御ユニット
3 高電力電源
4 異常出力部
5 圧縮空気ノズル
6 コロナ放電電極
7 表面電位計
8 表面電位計
9 除電対象物
100 除電装置
Claims (15)
- 帯電物に対して荷電粒子を所定の照射時間だけ照射する荷電粒子照射装置であって、
荷電粒子を照射する前の帯電物の帯電状態である照射前帯電状態を検出する、照射前状態検出部と、
過去の荷電粒子の照射時間とその照射後の帯電物の帯電状態に基づいて、前記帯電物への荷電粒子の照射時間を生成する、照射時間生成部と、
前記照射時間生成部にて生成された前記照射時間に基づいて、前記照射前帯電状態にある前記帯電物に対して荷電粒子を照射する、照射部と、
前記荷電粒子が照射された後の前記帯電物の帯電状態である照射後帯電状態を検出する、照射後状態検出部と、
所定の機械学習モデルに対して、前記照射前帯電状態、前記照射後帯電状態、及び前記照射時間生成部にて生成された前記照射時間の対応関係を学習させる、機械学習部と、
前記機械学習モデルが所定の学習終了条件を満たすまで、前記照射前状態検出部、前記照射時間生成部、前記照射部、前記照射後状態検出部、及び前記機械学習部を繰り返し動作させる、終了判定部と、を備え、
前記学習終了条件は、前記機械学習モデルの出力となる照射時間と、前記照射後帯電状態が目標状態又はその近傍状態となったときの前記照射時間との誤差が所定値又は所定割合以下となることである、荷電粒子照射装置。 - 前記荷電粒子照射装置は、さらに、
前記照射前帯電状態、目標とする照射後帯電状態、及び前記機械学習部にて学習された前記機械学習モデルに基づいて、荷電粒子の推定照射時間を生成する、推定部と、
前記推定照射時間に基づいて帯電物に対して荷電粒子を照射する、推定照射部と、
前記終了判定部において前記学習終了条件が満たされた場合は、前記照射部に代えて前記推定照射部を用いて帯電物に対して荷電粒子を照射する、切替部と、を備えた請求項1に記載の荷電粒子照射装置。 - 前記照射時間生成部において、
前記帯電物への荷電粒子の照射時間は、過去の荷電粒子の照射時間とその照射後の帯電物の帯電状態に基づいて近似処理を行うことにより算出される、請求項1に記載の荷電粒子照射装置。 - 前記近似処理は、目標とする帯電状態へと一次近似又は直線近似することにより行われる、請求項3に記載の荷電粒子照射装置。
- 前記近似処理は、前記照射時間に関する近似処理結果にばらつきをもたせた値を用いて行われる、請求項3に記載の荷電粒子照射装置。
- 前記荷電粒子照射装置は、さらに、
前記帯電物又は環境の変化を検出する、変化検出部と、
前記変化検出部において所定の変化が検出された場合に、前記照射前状態検出部、前記照射時間生成部、前記照射部、前記照射後状態検出部、前記機械学習部及び前記終了判定部を動作させる、動作開始判定部と、を備える、請求項1に記載の荷電粒子照射装置。 - 前記帯電物の前記帯電状態は、前記帯電物の電位である、請求項1に記載の荷電粒子照射装置。
- 前記荷電粒子照射装置は、
前記照射後帯電状態が前記照射前帯電状態に対して所定割合以上であると判定された場合に所定のエラー処理を行う、請求項1に記載の荷電粒子照射装置。 - 前記エラー処理は、
前記照射後帯電状態が前記照射前帯電状態に対して所定割合以上であると判定された場合に、その割合に応じてポイントを加算し、前記ポイントが所定値以上となった場合に、前記荷電粒子照射装置を停止させる、装置停止処理を含む、請求項8に記載の荷電粒子照射装置。 - 前記エラー処理は、
前記照射後帯電状態が前記照射前帯電状態に対して所定割合以上であると判定された場合に、判定された各前記帯電状態を、前記機械学習部における機械学習の対象から外す処理を含む、請求項8に記載の荷電粒子照射装置。 - 前記機械学習モデルは、木構造を利用した学習モデルである、請求項1に記載の荷電粒子照射装置。
- 帯電物に対して荷電粒子を所定の照射時間だけ照射する除電装置であって、
荷電粒子を照射する前の帯電物の帯電状態である照射前帯電状態を検出する、照射前状態検出部と、
過去の荷電粒子の照射時間とその照射後の帯電物の帯電状態に基づいて、前記帯電物への荷電粒子の照射時間を生成する、照射時間生成部と、
前記照射時間生成部にて生成された前記照射時間に基づいて、前記照射前帯電状態にある前記帯電物に対して荷電粒子を照射する、照射部と、
前記荷電粒子が照射された後の前記帯電物の帯電状態である照射後帯電状態を検出する、照射後状態検出部と、
所定の機械学習モデルに対して、前記照射前帯電状態、前記照射後帯電状態、及び前記照射時間生成部にて生成された前記照射時間の対応関係を学習させる、機械学習部と、
前記機械学習モデルが所定の学習終了条件を満たすまで、前記照射前状態検出部、前記照射時間生成部、前記照射部、前記照射後状態検出部、及び前記機械学習部を繰り返し動作させる、終了判定部と、を備え、
前記学習終了条件は、前記機械学習モデルの出力となる照射時間と、前記照射後帯電状態が目標状態又はその近傍状態となったときの前記照射時間との誤差が所定値又は所定割合以下となることである、除電装置。 - 帯電物に対して荷電粒子を所定の照射時間だけ照射する荷電粒子照射システムであって、
荷電粒子を照射する前の帯電物の帯電状態である照射前帯電状態を検出する、照射前状態検出部と、
過去の荷電粒子の照射時間とその照射後の帯電物の帯電状態に基づいて、前記帯電物への荷電粒子の照射時間を生成する、照射時間生成部と、
前記照射時間生成部にて生成された前記照射時間に基づいて、前記照射前帯電状態にある前記帯電物に対して荷電粒子を照射する、照射部と、
前記荷電粒子が照射された後の前記帯電物の帯電状態である照射後帯電状態を検出する、照射後状態検出部と、
所定の機械学習モデルに対して、前記照射前帯電状態、前記照射後帯電状態、及び前記照射時間生成部にて生成された前記照射時間の対応関係を学習させる、機械学習部と、
前記機械学習モデルが所定の学習終了条件を満たすまで、前記照射前状態検出部、前記照射時間生成部、前記照射部、前記照射後状態検出部、及び前記機械学習部を繰り返し動作させる、終了判定部と、を備え、
前記学習終了条件は、前記機械学習モデルの出力となる照射時間と、前記照射後帯電状態が目標状態又はその近傍状態となったときの前記照射時間との誤差が所定値又は所定割合以下となることである、荷電粒子照射システム。 - 帯電物に対して荷電粒子を所定の照射時間だけ照射する荷電粒子照射方法であって、
荷電粒子を照射する前の帯電物の帯電状態である照射前帯電状態を検出する、照射前状態検出ステップと、
過去の荷電粒子の照射時間とその照射後の帯電物の帯電状態に基づいて、前記帯電物への荷電粒子の照射時間を生成する、照射時間生成ステップと、
前記照射時間生成ステップにて生成された前記照射時間に基づいて、前記照射前帯電状態にある前記帯電物に対して荷電粒子を照射する、照射ステップと、
前記荷電粒子が照射された後の前記帯電物の帯電状態である照射後帯電状態を検出する、照射後状態検出ステップと、
所定の機械学習モデルに対して、前記照射前帯電状態、前記照射後帯電状態、及び前記照射時間生成ステップにて生成された前記照射時間の対応関係を学習させる、機械学習ステップと、
前記機械学習モデルが所定の学習終了条件を満たすまで、前記照射前状態検出ステップ、前記照射時間生成ステップ、前記照射ステップ、前記照射後状態検出ステップ、及び前記学習ステップを繰り返し行う、終了判定ステップと、を備え、
前記学習終了条件は、前記機械学習モデルの出力となる照射時間と、前記照射後帯電状態が目標状態又はその近傍状態となったときの前記照射時間との誤差が所定値又は所定割合以下となることである、荷電粒子照射方法。 - コンピュータを、
帯電物に対して荷電粒子を所定の照射時間だけ照射する荷電粒子照射装置であって、
荷電粒子を照射する前の帯電物の帯電状態である照射前帯電状態を検出する、照射前状態検出部と、
過去の荷電粒子の照射時間とその照射後の帯電物の帯電状態に基づいて、前記帯電物への荷電粒子の照射時間を生成する、照射時間生成部と、
前記照射時間生成部にて生成された前記照射時間に基づいて、前記照射前帯電状態にある前記帯電物に対して荷電粒子を照射する、照射部と、
前記荷電粒子が照射された後の前記帯電物の帯電状態である照射後帯電状態を検出する、照射後状態検出部と、
所定の機械学習モデルに対して、前記照射前帯電状態、前記照射後帯電状態、及び前記照射時間生成部にて生成された前記照射時間の対応関係を学習させる、機械学習部と、
前記機械学習モデルが所定の学習終了条件を満たすまで、前記照射前状態検出部、前記照射時間生成部、前記照射部、前記照射後状態検出部、及び前記機械学習部を繰り返し動作させる、終了判定部と、を備え、
前記学習終了条件は、前記機械学習モデルの出力となる照射時間と、前記照射後帯電状態が目標状態又はその近傍状態となったときの前記照射時間との誤差が所定値又は所定割合以下となることである、荷電粒子照射装置、として機能させるためのコンピュータプログラム。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019222358A JP7471583B2 (ja) | 2019-12-09 | 2019-12-09 | 荷電粒子照射装置、システム、方法及びプログラム |
PCT/JP2020/045660 WO2021117718A1 (ja) | 2019-12-09 | 2020-12-08 | 荷電粒子照射装置、システム、方法及びプログラム |
EP20899062.2A EP4075924A4 (en) | 2019-12-09 | 2020-12-08 | CHARGED PARTICLE RADIATION APPARATUS, SYSTEM, METHOD AND PROGRAM |
KR1020227017937A KR20220113684A (ko) | 2019-12-09 | 2020-12-08 | 하전 입자 조사 장치, 시스템, 방법 및 프로그램 |
CN202080085067.3A CN114830831A (zh) | 2019-12-09 | 2020-12-08 | 带电粒子照射装置、系统、方法以及程序 |
US17/835,345 US20220301820A1 (en) | 2019-12-09 | 2022-06-08 | Charged particle irradiating device, system, method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019222358A JP7471583B2 (ja) | 2019-12-09 | 2019-12-09 | 荷電粒子照射装置、システム、方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021093268A JP2021093268A (ja) | 2021-06-17 |
JP7471583B2 true JP7471583B2 (ja) | 2024-04-22 |
Family
ID=76312665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019222358A Active JP7471583B2 (ja) | 2019-12-09 | 2019-12-09 | 荷電粒子照射装置、システム、方法及びプログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220301820A1 (ja) |
EP (1) | EP4075924A4 (ja) |
JP (1) | JP7471583B2 (ja) |
KR (1) | KR20220113684A (ja) |
CN (1) | CN114830831A (ja) |
WO (1) | WO2021117718A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006086338A (ja) | 2004-09-16 | 2006-03-30 | Juki Corp | 電子部品実装装置 |
JP2013247069A (ja) | 2012-05-29 | 2013-12-09 | Sharp Corp | 基板除電システム |
JP2016173686A (ja) | 2015-03-16 | 2016-09-29 | 国立大学法人岩手大学 | 情報処理装置 |
WO2016199282A1 (ja) | 2015-06-11 | 2016-12-15 | 富士機械製造株式会社 | 部品実装ライン |
JP2018500723A (ja) | 2014-11-10 | 2018-01-11 | イリノイ トゥール ワークス インコーポレイティド | 変動圧力環境におけるバランスのとれたバリア放電中和 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6985346B2 (en) * | 2003-01-29 | 2006-01-10 | Credence Technologies, Inc. | Method and device for controlling ionization |
JP2009205815A (ja) | 2008-02-26 | 2009-09-10 | Keyence Corp | 除電装置 |
US10251251B2 (en) * | 2016-02-03 | 2019-04-02 | Yi Jing Technology Co., Ltd | Electrostatic dissipation device with static sensing and method thereof |
-
2019
- 2019-12-09 JP JP2019222358A patent/JP7471583B2/ja active Active
-
2020
- 2020-12-08 CN CN202080085067.3A patent/CN114830831A/zh active Pending
- 2020-12-08 WO PCT/JP2020/045660 patent/WO2021117718A1/ja unknown
- 2020-12-08 KR KR1020227017937A patent/KR20220113684A/ko unknown
- 2020-12-08 EP EP20899062.2A patent/EP4075924A4/en active Pending
-
2022
- 2022-06-08 US US17/835,345 patent/US20220301820A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006086338A (ja) | 2004-09-16 | 2006-03-30 | Juki Corp | 電子部品実装装置 |
JP2013247069A (ja) | 2012-05-29 | 2013-12-09 | Sharp Corp | 基板除電システム |
JP2018500723A (ja) | 2014-11-10 | 2018-01-11 | イリノイ トゥール ワークス インコーポレイティド | 変動圧力環境におけるバランスのとれたバリア放電中和 |
JP2016173686A (ja) | 2015-03-16 | 2016-09-29 | 国立大学法人岩手大学 | 情報処理装置 |
WO2016199282A1 (ja) | 2015-06-11 | 2016-12-15 | 富士機械製造株式会社 | 部品実装ライン |
Also Published As
Publication number | Publication date |
---|---|
KR20220113684A (ko) | 2022-08-16 |
CN114830831A (zh) | 2022-07-29 |
EP4075924A1 (en) | 2022-10-19 |
WO2021117718A1 (ja) | 2021-06-17 |
JP2021093268A (ja) | 2021-06-17 |
EP4075924A4 (en) | 2024-01-10 |
US20220301820A1 (en) | 2022-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | A multi-scale parameter adaptive method for state of charge and parameter estimation of lithium-ion batteries using dual Kalman filters | |
Zhang et al. | Artificial neural network based identification of multi-operating-point impedance model | |
CN109861206B (zh) | 一种基于支持向量机的暂态功角稳定故障筛选系统及方法 | |
JP5366166B2 (ja) | 二次電池の状態量演算方式 | |
JP7471583B2 (ja) | 荷電粒子照射装置、システム、方法及びプログラム | |
Ali et al. | A Hybrid Data‐Driven Approach for Multistep Ahead Prediction of State of Health and Remaining Useful Life of Lithium‐Ion Batteries | |
CN114266284A (zh) | 开关柜绝缘缺陷类型检测方法、装置、设备和程序产品 | |
Xiao et al. | Combined training of recurrent neural networks with particle swarm optimization and backpropagation algorithms for impedance identification | |
Hemavathi | Modeling and estimation of lithium-ion battery state of charge using intelligent techniques | |
Tang et al. | Application of SA-SVM incremental algorithm in GIS PD pattern recognition | |
Chaoui et al. | State-of-charge and state-of-health prediction of lead-acid batteries with genetic algorithms | |
Puig et al. | A new algorithm for adaptive threshold generation in robust fault detection based on a sliding window and global optimization | |
Benidris et al. | A fast transient stability screening and ranking tool | |
Chan et al. | Modeling of epoxy dispensing process using a hybrid fuzzy regression approach | |
JP7471584B2 (ja) | 荷電粒子照射装置、システム、方法及びプログラム | |
US11747774B2 (en) | Search device, search program, and plasma processing apparatus | |
Alkhalaf | Modeling the automatic voltage regulator (AVR) using artificial neural network | |
CN112667957A (zh) | 一种基于深度神经网络的智能电能表失效率预测方法 | |
KR20230150332A (ko) | 데이터 수집 시스템, 데이터 수집 장치, 데이터 수집 방법 및 데이터 수집 프로그램 | |
Liu et al. | Prediction of remaining useful life of battery cell using logistic regression based on strong tracking particle filter | |
CN112542621B (zh) | 一种电池温度向量生成方法及其相关设备 | |
Michelena et al. | Novel adaptive approach for anomaly detection in nonlinear and time-varying industrial systems | |
US20230314527A1 (en) | Method for sorting a set of batteries based on a machine classification model | |
Gesner et al. | Robust Data-Driven Error Compensation for a Battery Model | |
Stul et al. | Development of a SVM prediction model to optimize the energy consumption of industrial installations by detecting and classifying errors at an early stage |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20191211 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221201 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230906 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231102 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
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: 20240306 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240402 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7471583 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |