JPH07295853A - 故障診断方法 - Google Patents

Abstract

(57)【要約】 【目的】 複数の構成要素により構成されるシステムを
診断対象とする故障診断方法で、故障構成要素候補とそ
の故障原因候補の絞り込みが十分に行なわれ、且つその
診断処理が短時間なもの。 【構成】 診断対象のすべての構成要素を故障構成要素
候補として、定性シミュレーションにより診断対象の正
常時の動作をシュミレートし、そのシミュレーション結
果と実際の診断対象の症状とをＧＤＥアルゴリズムを用
いて比較することにより、診断対象から故障構成要素候
補の絞り込みを行なう工程（Ｓ３１，Ｓ３２）と、前記
Ｓ３１，Ｓ３２で絞り込まれた各故障構成要素候補につ
いて、あらかじめ設定されたいくつかの故障原因につい
ての故障時の定性モデルを順次選択し、この選択された
故障時の定性モデルを用いて診断対象の定性シミュレー
ションを行ない、そのシミュレーション結果と実際の診
断対象の症状との比較一致を検出することにより故障原
因を特定する工程（Ｓ３３）とを含むもの。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は素子、部品、ユニット又
は装置等を一つの構成要素として、この構成要素を複数
個結合して構成されるシステムを診断対象とする故障診
断方法に関するものである。

【０００２】

【従来の技術】多数の構成要素により構成されるシステ
ムや、多くの処理工程を経て連続処理される複雑なプラ
ント等に故障が発生した場合、その故障箇所を特定する
のが困難な場合が多い。このような故障診断方法の従来
技術としては、あらかじめ診断専門家の持つ故障診断知
識をコンピュータ内に格納しておき、この故障診断知識
を利用して診断を自動化するシステムとして、診断型エ
キスパートシステムが一般に知られている。この場合、
専門家の持つ知識とは故障の原因と結果の因果関係を表
す知識であって、この知識をコンピュータ内に格納する
方法として、ｉｆ−ｔｈｅｎ形式のルールが一般に広く
用いられている。しかし、専門家からこの様な知識を獲
得するためには、知識工学者（エキスパートシステム開
発者）が専門家に対しインタビューを行なわなくてはな
らず、かなりの困難が伴う。

【０００３】従来、診断対象のモデルによる動作の予測
値を利用して診断するモデルベース診断が考案されてい
る。モデルベース診断の一手法としては、例えば下記の
文献１がある。 文献１：Ｊｏｈａｎ ｄｅ Ｋｌｅｅｒ ａｎｄ Ｂｒ
ｉａｎ Ｃ． Ｗｉｌｌｉａｍｓ，“Ｄｉａｇｎｏｓｉ
ｎｇ Ｍｕｌｔｉｐｌｅ Ｆａｕｌｔｓ”，Ａｒｔｉｆ
ｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｖｏｌ．３
２，ｐ．９７−１３０

【０００４】図８は前記文献１に示されたＧＤＥアルゴ
リズムを説明するための図であり、図のＭ１，Ｍ２，Ｍ
３はそれぞれ乗算器、Ａ１，Ａ２はそれぞれ加算器であ
る。図８のように構成された演算回路への入力信号Ａ〜
Ｅの信号値として、いまＡ＝Ｂ＝Ｅ＝３，Ｃ＝Ｄ＝２が
入力されたとすると、出力信号Ｅ，Ｇの信号値は共に１
２になるはずである。しかし実際に測定してみると、Ｆ
＝１０，Ｇ＝１２になっているとすると、回路のどかこ
に故障があることがわかる。このような場合に、回路内
のどの部品が故障しているかを特定する手法がＧＤＥ
（Ｇｅｎｅｒａｌ Ｄｉａｇｎｏｓｔｉｃ Ｅｎｇｉｎ
ｅ）アルゴリズムである。

【０００５】ＧＤＥアルゴリズムにおいては、変数表記
として、 変数＝値｛計算に用いた部品の番号｝ という方式をとる。測定値に関しては、｛｝内は、空の
リストである。図８の回路におけるＧＤＥアルゴリズム
による診断ステップの例を下記に示す。 ［ステップ１］Ａ＝３｛｝ ［ステップ２］Ｂ＝３｛｝ ［ステップ３］Ｃ＝２｛｝ ［ステップ４］Ｄ＝２｛｝ ［ステップ５］Ｅ＝３｛｝

【０００６】乗算結果であるＸ，Ｙ，Ｚに関しては、乗
算器のモデルを使うことにより求められる。そして信号
値を求めるために使った部品の名前を、｛｝の中に入れ
る。 ［ステップ６］Ｘ＝６｛Ｍ１｝ ［ステップ７］Ｘ＝６｛Ｍ２｝ ［ステップ８］Ｘ＝６｛Ｍ３｝ これは、例えばステップ６を例にとると、「Ｍ１が故障
していないとすると、Ｘ＝６である。」というように読
む。

【０００７】加算結果であるＦ，Ｇについては、 ［ステップ９］ Ｆ＝１２｛Ａ１，Ｍ１，Ｍ２｝ ［ステップ１０］Ｇ＝１２｛Ａ２，Ｍ２，Ｍ３｝ これは、例えば「Ａ１，Ｍ１，Ｍ２が全て故障していな
いとすると、Ｆ＝１２である。」というように読む。一
方、Ｆの測定値が１０なので、 ［ステップ１１］Ｆ＝１０｛｝ ステップ１０とステップ１１の結果は矛盾している。つ
まり、Ａ１，Ｍ１，Ｍ２の全てが正常と考えると、おか
しいということになる。アルゴリスム上は、矛盾が発見
され次第下記に示すｃｏｎｆｌｉｃｔというものを生成
する。 Ｃ１＝＜Ａ１，Ｍ１，Ｍ２＞ これは、Ｃ１の中に、最低１つは故障した部品があるこ
とを示している。

【０００８】以下、あらゆる組合せにより、各点の信号
値を求める。 ［ステップ１２］Ｘ＝４（Ｘ＝Ｆ−Ｙ）｛Ａ１，Ｍ２｝ ［ステップ１３］Ｙ＝４（Ｙ＝Ｆ−Ｘ）｛Ａ１，Ｍ１｝ ［ステップ１４］Ｇ＝１０（Ｇ＝Ｙ＋Ｚ）｛Ａ１，Ａ
２，Ｍ１，Ｍ３｝ Ｇの測定値は ［ステップ１５］Ｇ＝１２｛｝ なので、ステップ１４と矛盾し、 Ｃ２＝＜Ａ１，Ａ２，Ｍ１，Ｍ３＞ という次のｃｏｎｆｌｉｃｔを生成する。

【０００９】次の組合せのステップとしては、 ［ステップ１６］Ｚ＝６（Ｚ＝Ｇ−Ｙ）｛Ａ２，Ｍ２｝ ［ステップ１７］Ｙ＝６（Ｙ＝Ｇ−Ｚ）｛Ａ２，Ｍ３｝ ［ステップ１８］Ｚ＝８（Ｚ＝Ｇ−Ｆ＋Ｘ）｛Ａ１，Ａ
２，Ｍ１｝ ［ステップ１９］Ｘ＝４（Ｘ＝Ｆ−Ｇ＋Ｚ）｛Ａ１，Ａ
２，Ｍ３｝ となり、これ以上は矛盾は無い。

【００１０】次に求めたｃｏｎｆｌｉｃｔから故障部品
の候補を決定する。得られたｃｏｎｆｌｉｃｔは、 Ｃ１＝＜Ａ１，Ｍ１，Ｍ２＞ Ｃ２＝＜Ａ１，Ａ２，Ｍ１，Ｍ３＞ である。ＧＤＥアルゴリズムでは複数箇所の故障に対応
しているが、同時に発生する故障は一箇所であるという
仮定をすると、両方のｃｏｎｆｌｉｃｔを説明できる故
障部品は、Ｃ１，Ｃ２の積集合である、 ［Ａ１］または［Ｍ１］ のみであり、この二つが故障部品の候補となる。

【００１１】ＧＤＥアルゴリズムは、直観的には、変数
の値を求める際に使用した部品を記憶しておき、求めた
観測値と測定値の間に不一致が生じた場合には、その値
を求める際に使用した部品の中に故障があると考えてい
ることになる。このように、ＧＤＥアルゴリズムを用い
れば、診断対象のモデルさえ定義できれば、観測値とモ
デルによる計算値を比較することを繰り返すことによ
り、故障部品の絞り込みが可能となる。

【００１２】一方、多変量、非線形の複雑なプラントの
場合には、一般に対象の定量的なモデルを構築すること
は困難なので、その代わりに対象の定性的な挙動のみを
簡易に予測する技術として定性シミュレーションという
方法が考えられている。定性シミュレーション手法の一
例としては次の文献２がある。 文献２：Ｊｏｈａｎ Ｄｅ Ｋｌｅｅｒ ａｎｄ Ｊｏ
ｈｎ Ｓｅｅｌｙ Ｂｒｏｗｎ，“Ａ Ｑｕａｌｉｔａ
ｔｉｖｅ Ｐｈｙｓｉｃｓ Ｂａｓｅｄ ｏｎＣｏｎｆ
ｌｕｅｎｃｅｓ”，Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌ
ｌｉｇｅｎｃｅ，Ｖｏｌ．２４，ｐ．７−８３，１９８
４

【００１３】定性シミュレーションでは、定量的な数値
を扱う変わりに変数を下記のように３値化する。 ｘ＝［＋］；ｘ＞正常値 ｘ＝［０］；ｘ＝正常値 ｘ＝［−］；ｘ＜正常値 図９はバルブの定性シミュレーションモデルを説明する
図であり、図の１１はバルブ、Ｐinは入口圧力、Ｐout
は出口圧力、Ｆinは入口流量、Ｆout は出口流量、ｄＰ
は入出力間の差圧である。図９のバルブ１１の定性シミ
ュレーションモデルは一般に次の（１）〜（３）式で示
される。 ｄＰ＝Ｐin−Ｐout …（１） Ｆin＝ｄＰ …（２） Ｆin＝Ｆout …（３）

【００１４】（２）式における物理的意味は、入力流量
Ｆinは入出力間の差圧ｄＰに比例するの意であるが、定
性シミュレーションモデルの式としては単に等号で結合
されている。図９の定性シミュレーションモデルにおい
て、入口圧力増加、出口圧力増加の場合のそれぞれの定
性シミュレーションの結果をそれぞれ下記の定性シミュ
レーション結果ａ、ｂに示す。

【００１５】定性シミュレーション結果ａ、 Ｐin ＝［＋］：入口圧力増加 ｄp ＝［＋］：差圧増加 Ｆin ＝［＋］：入口流量増加 Ｆout ＝［＋］：出口流量増加 Ｐout ＝［＋］：出口圧力増加 上記の定性シミュレーション結果ａは、入口圧力が上昇
すると、差圧が上昇し、入口からはいる流量が増加し、
出口から出る流量も増加し、さらに出口の圧力が上昇す
ることを表している。

【００１６】定性シミュレーション結果ｂ、 Ｐout ＝［＋］：出口圧力増加 ｄp ＝［−］：差圧減少 Ｆin ＝［−］：入口流量減少 Ｆout ＝［−］：出口流量減少 Ｐin ＝［＋］：入口圧力増加 上記の定性シミュレーション結果ｂは、出口圧力が上昇
すると、差圧が減少し、入口からはいる流量が減少し、
出口から出る流量も減少し、さらに出口の圧力が上昇す
ることを表している。

【００１７】

【発明が解決しようとする課題】しかしながら前記のＧ
ＤＥアルゴリズムでは、その診断結果として、ある程度
までの故障部品候補の絞り込みは行なわれるが、実際に
は故障とは考えられない部品も故障候補に含まれている
ことがあり、故障原因候補についての絞り込みが不十分
であるという問題点があった。また定性シミュレーショ
ンのアルゴリズムでは、多数の構成要素を含むシステム
や多くの処理工程が連続する複雑なプラント等を診断対
象とする場合に、すべての構成要素又は処理工程を故障
候補として故障診断を行なうと、一般にその診断処理に
長時間を要するという問題点があった。

【００１８】本発明はかかる問題点を解決するためにな
されたもので、素子、部品、ユニット又は装置等を一つ
の構成要素として、該構成要素を複数個結合して構成さ
れるシステムを診断対象とする場合に、故障構成要素候
補とその故障原因候補についての絞り込みが十分に行な
われ、且つその診断処理時間も従来より短縮できる故障
診断方法を得ることを目的とする。

【００１９】

【課題を解決するための手段】本発明に係る故障診断方
法は、素子、部品、ユニット又は装置等を一つの構成要
素とし、該構成要素を複数個結合して構成されるシステ
ムを診断対象とする故障診断方法において、定性シミュ
レーションにより診断対象の正常時の動作をシミュレー
トし、そのシミュレーション結果と実際の診断対象の症
状とをＧＤＥアルゴリズムを用いて比較することによ
り、診断対象から故障構成要素候補の絞り込みを行なう
第１の工程と、前記第１の工程により絞り込まれた各故
障構成要素候補について、あらかじめ設定されたいくつ
かの故障原因についての故障時の定性モデルを順次選択
し、該選択された故障時の定性モデルを用いて診断対象
の定性シミュレーションを行ない、そのシミュレーショ
ン結果と実際の診断対象の症状との比較一致を検出する
ことにより故障原因を特定する第２の工程とを含むもの
である。

【００２０】

【作用】本発明においては、素子、部品、ユニット又は
装置等を一つの構成要素として、該構成要素を複数個結
合して構成されるシステムを診断対象とする故障診断方
法において、第１の工程により、定性シミュレーション
により診断対象の正常時の動作をシミュレートし、その
シミュレーション結果と実際の診断対象の症状とをＧＤ
Ｅアルゴリズムを用いて比較することにより、診断対象
から故障構成要素候補の絞り込みを行ない、第２の工程
により、前記第１の工程により絞り込まれた各故障構成
要素候補について、あらかじめ設定されたいくつかの故
障原因についての故障時の定性モデルを順次選択し、該
選択された故障時の定性モデルを用いて診断対象の定性
シミュレーションを行ない、そのシミュレーション結果
と実際の診断対象の症状との比較一致を検出することに
より故障原因を特定する。

【００２１】

【実施例】まず本発明の故障診断方法は、素子（エレメ
ント）、部品（パーツ）、もしくはユニット、又は装置
等のいずか一つをその構成要素として、この構成要素を
複数個結合して構成されるすべてのシステムに適用する
ことができる。換言すると小規模システムから大規模シ
ステムまで適用が可能である。

【００２２】図１は本発明に係る故障診断方法の概略処
理を示す流れ図である。図１の流れ図を説明する。図１
のステップＳ３１では、診断対象に故障が発生した場合
に、診断対象のすべての構成要素を故障構成要素候補と
する。ステップＳ３２では、定性シミュレーションによ
り診断対象の正常時の動作をシミュレートし、そのシミ
ュレーション結果と実際の診断対象の症状とをＧＤＥア
ルゴリズムを用いて比較することにより、診断対象から
故障構成要素候補の絞り込みを行なう。即ち故障構成要
素候補の数を減少させておく。

【００２３】ステップＳ３３では、前のステップＳ３２
で絞り込まれた各故障構成要素候補について、あらかじ
め設定されたいくつかの故障原因についての故障時の定
性モデルを順次選択し、この選択された故障時の定性モ
デルを用いて診断対象の定性シミュレーションを行な
い、そのシミュレーション結果と実際の診断対象の症状
との比較一致を検出することにより故障原因を特定す
る。なお、ステップＳ３３のさらに詳細な処理は図５に
おいて説明する。

【００２４】本発明の故障診断方法を図２の油圧回路に
適用した場合を考える。図２は本発明の故障診断対象の
一例である油圧回路を示す図であり、図の１は油圧源，
３及び５は油圧モータ、７は電磁弁，４はパイロットチ
ェック弁、２，６はそれ以外の部品、８は出力端であ
る。パイロットチェック弁４は、電磁弁７が図の状態の
時のみ高圧側から低圧側へ油がながれる。この油圧回路
の場合油圧モータ３，５と電磁弁７以外の部品は、従来
技術で述べたバルブの定性モデルによりモデル化されて
いるとする。

【００２５】図２の場合に、起こり得る故障の症状とし
ては、次の（イ）と（ロ）の２つが考えられる。 （イ）：油圧モータ３は動作し、油圧モータ５は動作し
ない。 （ロ）：油圧モータ３，５の両方が動作しない。 （イ）の症状の場合、故障箇所を一箇所とすると、診断
専門家は、油圧モータ３及び５の間のパイロットチェッ
ク弁４で油の漏れが生じているか、油圧モータ５が故障
していると判断する。

【００２６】（ロ）の症状の場合は、どこかの部品
（２，３，４，５，６）がつまっているか、あるいは２
つの油圧モータ３，５より高圧側にある部品２で油の漏
れが生じているか、または、電磁弁７が故障してパイロ
ットチェック弁４が閉じていると判断する。提案する故
障診断方法が、上記判断と同等の結論を出せば良いこと
になる。

【００２７】図２の油圧源（入力端）１と出力端８の圧
力が共に正常で、各油圧モータ３，５の動作がそれぞれ
前述の（イ）と（ロ）の症状になったとき、図１のステ
ップＳ３１，Ｓ３２による処理を行ない、故障部品候補
を絞り込んだ結果を、それぞれ図３と図４に示す。図３
と図４において、破線の曲線で囲った部品が、それぞれ
絞り込まれた故障部品の候補である。この結果は、診断
専門家の判断した故障部品を含んでいる。

【００２８】Ｓ３２におけるＧＤＥアルゴリズムを用い
た診断結果だけでもある程度故障部品候補の絞り込みが
できてはいるが、問題点もある。例えば（イ）の症状の
診断結果を示す図３では、電磁弁７も故障候補に入って
いる。この電磁弁７が壊れた場合には、開いているはず
のパイロットチェック弁４が閉じてまい、経路が遮断さ
れ、両油圧モータ３，５が止まることになる。これは実
際の症状と食い違っている。つまり、電磁弁７の故障
は、症状（イ）の場合の故障の候補としてふさわしくな
い。このことにより、ＧＤＥアルゴリズムでは求めた故
障候補群の中に故障部品が含まれていることは間違いな
いが、余分なものも含んでいることがあるこがわかる。

【００２９】また、例えば症状（イ）の診断結果を見て
みると、パイロットチェック弁４の故障かもしれないと
いうことだけはわかっても、実際の故障の原因はわから
ない。もしパイロットチェック弁４の故障原因が「漏
れ」であれば、（イ）の様な症状になるが、もしパイロ
ットチェック弁４の故障原因が「詰まり」であれば、両
油圧モータ３，５とも止まってしまう。つまり、ＧＤＥ
アルゴリズムの診断結果からは、どの部品が故障の可能
性があるかはわかるが、複数の故障原因が考え得る場合
に、実際にどのような故障原因の可能性があるかはわか
らない。

【００３０】これらの問題を解決するために、図１のＳ
３３においては、各部品に故障時の定性モデルを定義
し、故障時の定性シミュレーションを行なうことによ
り、実際に起こり得る故障原因を確定することを行な
う。故障時のシミュレーションとは、たとえば図２にお
いて両油圧モータ３，５の前にある部品２が漏洩した場
合、両油圧モータの動作がどうなるかということを推定
することである。

【００３１】図５は図１のステップＳ３３の詳細処理を
示す流れ図であり、同図は本発明に係る故障モデルによ
り起り得る故障原因を特定する順序を示している。図５
の流れ図を説明する。まずステップＳ４１で、診断対象
内にまだ故障と仮定していない故障部品候補があるかど
うかをチェックし、もしなければ終了するが、もしある
場合には、次のステップＳ４２で、診断対象内で新たに
故障部品候補の一つを故障と仮定する。

【００３２】ステップＳ４３では、前のステップＳ４２
で故障と仮定した部品について、考え得るいくつかの故
障原因のうち、まだ未仮定の故障原因候補があるか否か
を判別する。具体例としては、Ｓ４２でバルブが故障し
たと仮定すると、このバルブの故障原因としては、「漏
れ」と「詰まり」の２つが考え得るので、バルブが「漏
れた」と仮定した場合の定性シミュレーションと「詰ま
った」と仮定した場合の定性シミュレーションのうち、
まだ行なわれていないものはないかを判別することであ
る。判別結果がＹＥＳの場合はステップＳ４４へ移り、
ＮＯの場合はステップＳ４１へ戻る。

【００３３】ステップＳ４４では、未仮定の故障原因候
補のうちの一つを故障原因と仮定し、ステップＳ４５で
は、前記仮定した故障原因による症状を定性シミュレー
ションによりシミュレートし、ステップＳ４６では、実
際の診断対象の症状とＳ４５のシミュレーション結果と
が一致しているかどうかを確認する。そして実際の症状
とシミュレーション結果とが一致している場合には、ス
テップＳ４７で、一致した故障原因候補が故障原因であ
ったものとして表示し、一致しない場合にはステップＳ
４３へ戻り、再びＳ４３からの各ステップを繰返して行
なう。

【００３４】図５のステップＳ４５における故障時の定
性シミュレーションを行なう場合に、仮定した故障部品
がバブルの場合、下記のような「漏れ」と「詰まり」の
２つの故障モデルがあらかじめ設定されている。 バルブ「漏れ」の故障モデル Ｐin ＝［−］：入力圧力減少 Ｐout ＝［−］：出力圧力減少 バルブ「詰まり」の故障モデル Ｐin ＝［＋］：入口圧力増加 Ｐout ＝［−］：出力圧力減少

【００３５】ここで故障モデルは、故障原因が「漏れ」
又は「詰まり」の場合に、部品についての変数がどうな
るかを記述したものである。上記の「漏れ」のモデル
は、バルブに漏れが生じると、バルブの入口と出力の圧
力が共に低下することを、また、「詰まり」のモデル
は、バルブに詰まりが生じると、バルブの入口は圧力が
上昇し、出口は圧力が低下することを表している。ステ
ップＳ４５では、上記のようにあらかじめ設定されたい
くつか（この例は２つ）の故障モデルのうち、順番に選
択されたモデルについての定性シミュレーションを行な
うことになる。

【００３６】また、パイロットチェック弁４につながっ
ている電磁弁７は、故障時には出口の圧力が本来高圧の
場合は低圧に、低圧の場合は高圧になるものとする故障
モデルを設定する。例えば図２の油圧回路の故障症状
（イ）の場合において、図５の診断ステップＳ４２で、
図２のパイロッチェック弁４が故障と仮定されたとす
る。そしてステップＳ４４で故障原因として「漏れ」を
仮定したとする。前記バルブ「漏れ」の故障モデルにあ
る変数値を起点として、ステップＳ４５で定性シミュレ
ーションを行なうと、油圧モータ３は動作し、油圧モー
タ５は動作しないという症状をシミュレートすることが
できるので、パイロットチェック弁４の「漏れ」を故障
原因の候補としてステップＳ４７で表示する。

【００３７】次にステップＳ４４で、故障原因として
「詰まり」を仮定したとする。前記バルブ「詰まり」の
故障モデルにある変数値を起点として定性シミュレーシ
ョンを行なうと、両油圧モータ３，５とも動作しないと
シミュレートされる。これは実際に起こっている症状と
異なるので、この故障原因の仮定は棄却される。以下全
ての故障部品候補について同様な検証を繰り返し、症状
をシミュレートできない故障原因を棄却することによ
り、起こり得る故障原因の絞り込みを行なう。

【００３８】図２の油圧回路を診断対象として、まず図
１のＳ３２において、ＧＤＥアルゴリズムで故障部品候
補を絞り込んで求め、次に図１のＳ３３において、各故
障部品候補について故障時の定性シミュレーションを行
ない、症状（イ），（ロ）について故障原因の確定を行
なった結果をそれぞれ図６，図７に示す。図６及び図７
において、破線の曲線で示された故障部品と、その故障
原因とは、それぞれ専門家の判断と完全に一致している
ので、診断に成功したことになる。

【００３９】本発明におけるＧＤＥアルゴリズムの利用
目的は、故障時の定性シミュレーションを診断対象内の
全ての部品に適用すると演算時間がかかるので、事前に
故障部品候補を減少させておくことである。なおＧＤＥ
アルゴリズムの利点としては、故障モデルを使用しなく
とも、正常時のモデルのみである程度の故障部品候補の
絞り込みが行なえるということがある。また一般に、部
品単体のモデルが複雑なほど、ＧＤＥアルゴリズムを利
用する効果は高い。

【００４０】

【発明の効果】以上のように本発明によれば、素子、部
品、ユニット又は装置等を一つの構成要素として、該構
成要素を複数個結合して構成されるシステムを診断対象
とする故障診断方法において、まず第１の工程により、
定性シミュレーションにより診断対象の正常時の動作を
シミュレートし、そのシミュレーション結果と実際の診
断対象の症状とをＧＤＥアルゴリズムを用いて比較する
ことにより、診断対象から故障構成要素候補の絞り込み
を行ない、次に第２の工程により、前記絞り込まれた各
故障構成要素候補について、あらかじめ設定されたいく
つかの故障原因についての故障時の定性モデルを順次選
択し、該選択された故障時の定性モデルを用いて診断対
象の定性シミュレーションを行ない、そのシミュレーシ
ョン結果と実際の診断対象の症状との比較一致を検出す
ることにより故障原因を特定するようにしたので、故障
構成要素候補とその故障原因候補との絞り込みが十分に
行なわれ、且つ前記第１及び第２の工程の合計処理時間
も従来方法の処理時間より短縮され、故障の復旧処理を
迅速に行なうことができるようになった。また、このよ
うな故障診断方法は、専門家の知識を利用しないため、
故障診断システム作成時に専門家へのインタビュー作業
が不要となり、開発が容易になった。

【図面の簡単な説明】

【図１】本発明に係る故障診断方法の概略処理を示す流
れ図である。

【図２】本発明の故障診断対象の一例である油圧回路を
示す図である。

【図３】図２の症状（イ）の場合のＧＤＥによる診断結
果を示す図である。

【図４】図２の症状（ロ）の場合のＧＤＥによる診断結
果を示す図である。

【図５】図１のステップＳ３３の詳細処理を示す流れ図
である。

【図６】図２の症状（イ）の場合の本発明による故障原
因確定結果を示す図である。

【図７】図２の症状（ロ）の場合の本発明による故障原
因確定結果を示す図である。

【図８】従来のＧＤＥアルゴリズムを説明するための図
である。

【図９】バルブの定性シミュレーションモデルを説明す
る図である。

【符号の説明】

１ 油圧源 ２，６ 部品 ３，５ 油圧モータ ４ パイロットチェック弁 ７ 電磁弁 ８ 出力端 １１ バルブ

Claims (1)

【特許請求の範囲】
1. 【請求項１】 素子、部品、ユニット又は装置等を一つ
   の構成要素として、該構成要素を複数個結合して構成さ
   れるシステムを診断対象とする故障診断方法において、 定性シミュレーションにより診断対象の正常時の動作を
   シミュレートし、そのシミュレーション結果と実際の診
   断対象の症状とをＧＤＥアルゴリズムを用いて比較する
   ことにより、診断対象から故障構成要素候補の絞り込み
   を行なう第１の工程と、 前記第１の工程により絞り込まれた各故障構成要素候補
   について、あらかじめ設定されたいくつかの故障原因に
   ついての故障時の定性モデルを順次選択し、該選択され
   た故障時の定性モデルを用いて診断対象の定性シミュレ
   ーションを行ない、そのシミュレーション結果と実際の
   診断対象の症状との比較一致を検出することにより故障
   原因を特定する第２の工程とを含むことを特徴とする故
   障診断方法。