JPH10176949A - ニューラルネットワーク処理振動データ分析を用いる機械部品試験装置および方法 - Google Patents

ニューラルネットワーク処理振動データ分析を用いる機械部品試験装置および方法

Info

Publication number
JPH10176949A
JPH10176949A JP9338480A JP33848097A JPH10176949A JP H10176949 A JPH10176949 A JP H10176949A JP 9338480 A JP9338480 A JP 9338480A JP 33848097 A JP33848097 A JP 33848097A JP H10176949 A JPH10176949 A JP H10176949A
Authority
JP
Japan
Prior art keywords
signal
vibration data
neural network
vibration
data signal
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.)
Pending
Application number
JP9338480A
Other languages
English (en)
Inventor
Anthony J Grichnik
ジェイ グリクニック アントニー
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Caterpillar Inc
Original Assignee
Caterpillar Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Caterpillar Inc filed Critical Caterpillar Inc
Publication of JPH10176949A publication Critical patent/JPH10176949A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/025—Test-benches with rotational drive means and loading means; Load or drive simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S706/00—Data processing: artificial intelligence
    • Y10S706/902—Application using ai with detail of the ai system
    • Y10S706/911—Nonmedical diagnostics
    • Y10S706/912—Manufacturing or machine, e.g. agricultural machinery, machine tool

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

(57)【要約】 【課題】 機械部品試験技術を提供する。 【解決手段】 機械部品試験技術は、第１のニューラル
ネットワークにおいて、パワーおよび負荷機械バックグ
ラウンドノイズから分離された、機械部品の振動信号に
関する診断分析を実行する。対話式インターフェイスを
介しオペレータの指示での診断分析は、一連の診断操作
を実行し、試験操作が実行される際に得られた経験をア
ーカイブする際に第２のニューラルネットワークを用い
る。診断分析において、試験中の機械部品からの時間ベ
ースと周波数ベースの振動信号情報が、オペレータの指
示を受けて、同時多重ディスプレー対話式インターフェ
イスを介し共に用いられる。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、車両のようなより大型
の機械の一部であるトランスミッションのような機械部
品の診断と評価の試験に関連する。より詳細には、本発
明は、対話式ユーザインターフェイスを介し評価と経験
を記憶して振動データのニューラルネットワーク処理を
用いる試験システムに関する。
【０００２】
【従来の技術】大型機械の一部であるトランスミッショ
ンのような機械部品の診断と評価の試験では、数多くの
独特な工夫を含む。機械部品自体は、一般的に潤滑剤が
含まれるハウジング内でシールされた部品からなる入り
込んだ構造を含む複雑な装置である。ハウジングと潤滑
剤は、振動データ信号を減衰させ、ひずませることがあ
る。機械部品自体は、一般的に大型で重量も重いので、
機械部品を試験環境に動かすだけのことに相当の努力を
必要とする。試験中、機械部品には、設計された作動範
囲にわたり可変な動力および負荷が供給されなければな
らない。このことは、分析されるべき機械部品からの振
動信号が、パワーおよび負荷機構を試験することによっ
て発生するノイズ帯域内に含まれる状況が発生し、有効
な機械部品振動信号の抽出を困難なものにする。
【０００３】実際の試験操作は多くの異なる状況のもと
で発生する可能性があり、例えば、機械部品が作られる
製造環境において発生したり、車両内、もしくは車両と
は関係のない修理部分で発生することもあるし、あるい
は、現場で大型の機械の上に取付けられて発生すること
もある。特定の試験操作の目的が達成されたときに、そ
の試験を中断できるのが有効である。試験中に、一旦試
験状態が確立されると、機械成分の装置の性能が十分な
ものであるかどうかを試験すること、十分な性能からの
ずれの原因になる、試験されるべき機械部品の場所を識
別することが望まれる。ニューラルネットワーク振動信
号分析が、回転する機械に関する問題を識別し診断する
のに本分野において用いられてきた。特に、ニューラル
ネットワーク振動分析を用いることが、機械の診断分野
に利用されてきた。例えば、米国特許第５、３６１、６
２８号において、ニューラルネットワークをオーバロー
ドさせないために振動信号帯域を減少させるように、サ
ブサンプリングとフィルタを有するニューラルネットワ
ークを用いる、自動車エンジンの診断試験および分類が
記載されている。
【０００４】本発明は、本件の譲受け人が所有する、米
国特許第５、６０２、７６１号の「指数重み付け移動平
均を用いる機械の性能監視および故障分類」、同第５、
５６６、０９２号「機械故障診断システムおよび方法」
および同第５、５６６、２７３号「ニューラルネットワ
ークの管理トレーニング」に記述されたニューラルネッ
トワークを介して機械振動分析を含む、絶え間なく続い
ている努力により開発されたものであり、本発明は、こ
れらの先行技術を引用し、これらの特許明細書の記述を
本明細書の記述の一部とする。
【０００５】
【発明が解決しようとする課題】技術が進歩するにつ
れ、物理的により大型で、重量が重く、より複雑な機械
部品における問題を分類し識別するのに要求される試験
の複雑さのために、より広範囲の機械部品の評価システ
ムが必要となっている。
【０００６】
【課題を解決するための手段】性能明細が適合している
かどうかを識別することができ、機械部品の振動信号に
関する診断分析を実行できる機械部品試験技術を提供す
る。試験技術では、動力と負荷機械のバックグラウンド
ノイズの影響を、オペレータ分析のもとで第１のニュー
ラルネットワークにおいて試験中の機械部品の振動信号
から分離する。さらにオペレータの指示で、対話式イン
ターフェイスを介し、診断分析は、第２のニューラルネ
ットワークにより、仮説アバンスシステムおよび先の経
験が基本となったエキスパートシステムとを用いて修正
式作用を導くようになっている。次の試験に使用するた
めに、実行された試験操作の際に得られた経験をアーカ
イブすることができる。
【０００７】診断分析において、試験中の機械部品から
の時間および周波数ベースの振動信号情報が、ともに、
オペレータの指示を受けて同時多重信号特徴ディスプレ
ー対話式インターフェイスを介し使用される。入力積層
が自動回帰パラメータ制限制御を受け、出力積層がビジ
ランス制御を受けた状態で、入力信号パターンが入力−
出力交差接続ニューラルネットワークに入力され、バッ
クグラウンドノイズの影響なく、診断分析のために通過
した信号をビジランス制御レベルが受け入れるまでネッ
トワークユニットが共振するようになっている、第１の
ニューラルネットワークユニットが用いられる。診断分
析では、振動信号パターンを、既知の故障パターン、既
知の種類の一般的な故障停止パターンおよびエキスパー
トシステムの規則および事実と比較する第２のニューラ
ルネットワークを用いる。
【０００８】
【実施例】本発明の試験システムは、トランスミッショ
ンのような機械部品の試験能力を提供する。このシステ
ムは、設計範囲にわたり機械部品の作動に重要な動力と
負荷に関連する機能のバックグラウンド振動信号から抽
出されなければならない、機械部品からの振動データ信
号に作用する。これは、機械部品の初期の、十分さある
いは不十分さを分類する能力を提供する。不十分なもの
として分類された機械部品に関し、さらに振動信号パタ
ーンを試験して、機械部品の欠陥を識別するための異常
信号群を抽出する。異常振動信号パターンに関し、本発
明のシステムは、どの機械部品の欠陥が異常信号パター
ンを起こしているかの推奨を作り出す。推奨は、第１
に、新しく入ってくる信号パターンと、先の機械部品試
験経験により知られた既知の機械部品故障の信号パター
ンとの間の整合性を見付け出すことに基づく。整合性が
見つけられない場合には、異常振動信号パターンが、試
験中の機械部品の種類の一般的な故障を研究することか
ら得られる一群の疑似振動信号との比較で、さらに試験
される。本発明のシステムが、異常信号パターンを依然
として識別できない場合には、エキスパートシステムの
機能が、試験中の機械部品に必要とされる修正を判定す
る際の案内として利用される。本発明のシステムにおい
てアーカイブできる能力が設けられており、現在の試験
から得られたものは将来の診断の役に立つようになる。
【０００９】図１を参照すると、本発明の試験システム
の機能的フローチャートを表しており、エレメント１と
付されている第１段階で、振動信号データが得られる。
振動信号データはノイズのバックグラウンド内にある所
定の場所で発生する。ノイズのバックグラウンドは、試
験中である機械部品を機能させるために駆動動力と負荷
を与えなければならない機械類の主な副産物である。エ
レメント２と付された第２段階において、獲得されたデ
ータ信号が、バックグラウンドノイズの影響を除去する
のに有効な機能を有する第１ニューラルネットワークを
含む、前処理作用を受けているので、試験中の機械部品
を表すデータ信号において正常の状態とみなされる。エ
レメント３が付された第３の段階において、対話式オペ
レータインターフェイスの共有制御中に、試験データが
処理される。試験では、試験中の試験部品を十分なもの
であるとして最初に分類することができ、十分ではない
場合には、機械部品の問題面を識別させ、最後には、不
十分な分類となった識別子が、別の機械部品に関する将
来の試験のためにアーカイブされる。
【００１０】図２を参照すると、本発明の対話式オペレ
ータ同時ディスプレーインターフェイイスを有する診断
および分類システムのエレメントと特徴のブロック線図
が図示されている。図２において、試験環境がエレメン
ト４として点線で囲まれた線で示されており、試験５を
受けている機械部品が、試験５中の機械部品の能力の範
囲を評価できる状態で取り付けられている。トランスミ
ッションのような機械部品５に関し、これらの状態は、
エレメント６と７のような点線で図示された少なくとも
動力および負荷、試験環境４でいくらかノイズの原因と
なる、図示されていないがギア装置である。試験装置デ
ータセンサーユニット８が、試験装置５に近接して配置
されており、振動データのための複数のセンサーを含ん
でおり、試験装置５に対し記号接続された状態で作用す
る。試験環境データセンサーユニット９が試験環境内に
配置されている。試験環境４におけるいくつかの特有の
ノイズ源がない状態で、試験環境データセンサーユニッ
ト９は、少なくともユニット８内のセンサーと同一の振
動データセンサーを含んでおり、これらは、従来の３２
８ＣＯ４ＰＣＢのタイプで、標準パーソナルコンピュー
タにおけるＤＴ２８２１−Ｇ−８ＤＩ捕捉ボードに使用
されるトランスジューサまたは加速度計であり、振動、
音、力、圧力等および例えば温度、潤滑油状態のような
別の基準を計測する。
【００１１】データ信号スクリーンプレプロセッサ２
は、装置センサーニット８によって検出される試験装置
データ信号から、環境センサーユニット９において検出
されたバックグラウンドノイズの影響を取り除く際に、
第１のニューラルネットワークを用いる機能を実行す
る。スクリーンプレプロセッサ２において、チャネル１
０を介してバックグラウンドノイズの信号が、図８に関
し記載される特定の第１ニューラルネットワークユニッ
トをトレーニングする際に用いられ、ユニット８におい
て検出され、チャネル１１を介し送信された試験装置デ
ータ信号を処理するときに、チャネル１０を介して信号
を正常であると認識し、チャネル１２を通り送信された
ときの試験装置データ信号は、試験環境においてバック
グラウンドノイズの影響を受けないようになる。
【００１２】図２のエレメント３において、本発明の対
話式オペレータ同時ディスプレーインターフェイスを備
えた診断および分類システムの特徴が示されている。試
験装置データ信号がチャネル１２を介し対話式インター
フェイス１３にこれを通って送信され、オペレータの制
御を受けて、データ信号が第２のニューラルネットワー
ク１４内で処理され、自動還元（ＡＲ）、高速フーリエ
変換（ＦＦＴ）、平均平方根（ＲＭＳ）および指数加重
移動平均（ＥＷＭＡ）、エキスパートシステムの影響と
サブシステムの説明に沿った自動還元パワースペクトル
密度（ＡＲＰＳＤ）のような診断技術１５と、作動状態
限界、ニューラルネットワークトレーニングログ、先の
実際の故障モデル、先に経験した典型的な故障モデルお
よびエキスパートシステム規律と事実のようなデータベ
ース１６を使用する。
【００１３】実際の試験操作において、さらに詳細に図
７に関連して記載するようにインターフェイス１３の多
重同時ディスプレー性能特徴１７が、データベースユニ
ット１６内に記録された許容可能な限界に対するデータ
信号の関係をオペレータに表示し、データ信号のパター
ンが正常である、すなわち言い換えれば、許容可能であ
ると考えられということを示す際に、オペレータは、試
験中の特定の機械部品をオペレータ入力手段１８を介し
表示することによって許容可能なものとして分類させる
ことができる。限界値に対するデータ信号の関係の表示
が、許容可能であるように示されている場合、システム
の全診断能力が、連続して行なわれる一連の診断操作に
おいて第２のニューラルネットワークを用いて利用され
る。第１の診断操作では、先の試験操作において故障し
たベアリングに関するような、既知の記憶された実際の
故障モデル信号と正確な信号との整合性の比較検索を用
いる。整合性が見つけられる場合、試験中の装置は、欠
陥識別子で欠陥があるものとして分類される。整合性を
見つけられない場合には、第２の診断操作において、フ
ァジィ論理計算が実行され、試験中の装置の分類に関す
る判定に元も近い既知のパターンと差の程度と、可能性
のある欠陥の表示を確立し、オペレータに表示するよう
になっている。満足のいくような近接したデータの整合
性が依然として見つからなかった場合には、エキスパー
トシステムが用いられ、データベースエレメント１６内
に記憶された規律と事実が、エレメント１５内の影響と
説明サブシステムで処理されて、欠陥を識別する際に整
合性が最も近接することになる。
【００１４】入力手段１８を用いてオペレータは、イン
ターフェイス１３を介し十分な情報を受け取り、入力能
力を使用して、試験５中の各故障した装置を、故障の表
示および修理可能表示とに分類し、将来使用するために
エキスパートシステムを介し選択された信号パターンと
故障との関係を、エレメント１６内のデータベース内に
記憶することによってアーカイブするようになってい
る。プロセッサエレメント３のシステム内のエレメント
１５に診断技術とニューラルネットワークエレメント１
４との対話を適用する際には、多くの計算が含まれる。
本分野において多くの様々なニューラルネットワークの
構造がある。好ましい種類のものは、出力精密さの習得
とビジランスまたは程度を制御するコントローラでＭＡ
Ｐによりリンク結合された目標出力に関連して、処理
が、バイナリ入力パターンと、アナログ入力パターンと
の２つのモジュールで発生するような、適応性共振理論
（ＡＲＴ）の概念を含む。適応性共振理論（ＡＲＴ）ニ
ューラルネットワークが、引例となる本件出願人による
出願に記載されている。１回か、それ以上試験されるべ
き装置のわずかに異なるモデルが多くある場合の、機械
部品の試験において、ＡＲＴのような１つの試験装置モ
デルから別の試験装置モデルの間で専門的な注意があま
り必要とされないニューラルネットワークの構造が有効
である。
【００１５】全体の操作において、図１と図２の試験シ
ステムは、ニューラルネットワーク処理による評価のた
めに連続して多重送信された作動データを収集する。こ
の作動振動データは、分類と評価の動作に重要な情報を
含む基準データパターンを取り囲むデータの広いスペク
トルを含む。計算システムのリソースを減少させると
き、より多くの情報を抽出するとき、多重同時ディスプ
レーを介するオペレータとの通信を改善するときに、時
間と周波数との双方に関するデータをフィルターし、凝
縮しさらにグラフ化することによって利点が得られる。
システムは、いくつかの初期化を必要とする。振動デー
タが、機械とは関係なく、計算システムのリソースに役
に立つことができないが、標準的フィルタリング技術に
よって取り除くことのできるフィルタリング可能な異質
の識別可能データを含んでいてもよい。
【００１６】連続したデータの流れが、全主要データを
含むが通常の計算時間には十分な程度に小さい信号ウィ
ンドーを形成する標準のサンプリングとフレーミング作
用を受ける。理想的なサンプリング作用が最小限度のポ
イントで全信号特徴に反映する。理想的なフレームはサ
ンプル全てではあるが、それを越えないサンプルを含
む。列挙した技術のうち診断技術エレメント１５におい
て、ＦＦＴとＲＭＳは本分野において広範囲で使用され
ており、説明は必要ではない。ＥＷＭＡは、引例となる
本件出願人による特許出願に記載されている。自動還元
（ＡＲ）技術は、低（ＡＲ）順位が、通常より高い周波
数のみをモデル化することになり、高（ＡＲ）順位は、
主として全周波数を含み、高範囲の限界に近い有効な計
算を行なうことになり、中間（ＡＲ）順位は特定のオプ
ションを含むような能力を与えるようになっている時間
順位で、ＡＲ順位がモデル化され、凝縮され再順位付け
されたデータポイントのサンプルになることが必要とさ
れる。（ＡＲ）順位は、７と分析に利用できるだけのデ
ータポイントとの間の整数である。トランスミッション
のような機械部品に関し、４０の中間（ＡＲ）順位が好
ましい。このような（ＡＲ）順位ログ（経過記録）がニ
ューラルネットワークトレーニングに使用するためにデ
ータベースエレメント１６内に記憶される。
【００１７】いくつかの種類の振動データ信号における
情報利点が同時に得られる場合に、オペレータとの通信
が高められる。図３乃至図６を参照すると、本発明に用
いられるいくつかの種類の振動データ信号のグラフが図
示されている。図３乃至図６を参照すると、図３におい
ては、サンプルフレームを表すグラフを横切る線によっ
て分離された一般的な振動データ信号の、大きさ対時間
（秒）のグラフを表す。図４では、自動還元データ凝縮
動作の後の、図３の信号の大きさ対時間（秒）のグラフ
の単一のフレームを表している。図５において、高速フ
ーリエ変換（ＦＦＴ）の後の、図３の振動データ信号の
大きさ対周波数（Ｈｚ）グラフの単一のフレームを表
す。図６において、周波数がベースの自動還元パワース
ペクトル密度（ＡＲＰＳＤ）グラフのポイントの変換の
後の、図４に示すような自動還元振動データ信号の大き
さ対周波数（Ｈｚ）のグラフを表す。
【００１８】時間と周波数が組み合わされたグラフと
が、ともに同時に表示されるときに行なわれる判定に役
に立つような、機械部品の評価と診断において有効な複
数の特徴がある。時間がベースの自動還元式信号が位相
の関係を保持しながらデータを凝縮し本質的なフィルタ
リングを表している。回転式機械がトランスミッション
に関しオイルが充填されたケース内で作動しているとき
に、振動データにおいて位相シフトが振動信号内で観測
された。周波数ベース式グラフは大きさと瞬間的なパワ
ーとを捕らえ、フィルタリングされた時間ベースのグラ
フが存在すると、フィルタリングされた特徴が明白にな
り始める。図４から図６に図示したようなデータ評価の
全てに関しディスプレー手段が、診断および分類するオ
ペレータの能力を高め、能力が異なるオペレータに適合
される。
【００１９】図７において、本発明の多重同時ディスプ
レー手段と、対話式オペレータ制御インターフェイスと
を組み合わせて図示する。インターフェイスは、診断お
よび警告レベルの情報をオペレータに与え、システムに
関する対話式診断および分類情報を受け取る。図７を参
照すると、図２のインターフェイス１３の一部として、
８個のウィンドー２１−２８モニターとして図示されて
いる、多重特性同時ディスプレー手段２０があるが、各
ウィンドーごとに分離したモニターを用いることができ
ることは明らかである。ディスプレー手段が、例えばキ
ーボードとして図示されているオペレータ入力手段２９
の視界にあるように配置される。ウィンドー２１が時間
ベースの診断システム入力振動データ信号を表示する。
ウィンドー２２はウィンドー２１の信号の自動回帰（Ａ
Ｒ）パラメータグラフを表示する。ウィンドー２３は、
ウィンドー２１の信号の指数加重移動平均（ＥＷＭＡ）
グラフを表示する。ウィンドー２４は、ウィンドー２１
の信号の平方根（ＲＭＳ）グラフを表示する。ウィンド
ー２５は、誘電定数値における変化により計測できるよ
うな温度、圧力およびオイル状態のような機械の状態に
おける変化をオペレータに知らせるデータの少なくとも
１つのエレメントを表示する。ウィンドー２６は、限界
値を越えているか、これに近いことを、データが表す警
告式の通信を表示し、判定を必要とすればよい。ウィン
ドー２７はウィンドー２１の信号の高速フーリエ変換
（ＦＦＴ）グラフを表示し、ウィンドー２８は、ウィン
ドー２１の信号の自動回帰パワースペクトル密度（ＡＲ
ＰＳＤ）グラフを表示する。
【００２０】様々な種類の信号がオペレータに対し次の
有効性をもたらす。ウィンドー２１における信号によっ
てオペレータは、振動データ信号パターンを見ることが
できる。ウィンドー２２における信号により、オペレー
タは位相関係を含む時間ベースの信号のグラフを見るこ
とができるし、診断の基本である信号も表す。ウィンド
ー２３における信号により、オペレータは、履歴傾向に
関連する振動データ信号における現在のパワーを見て、
状態が発生したばかりか、あるいは急速に悪化するかど
うかを見ることができる。ウィンドー２４における信号
によって、振動データ信号における瞬間的なパワーを見
ることができる。ウィンドー２５における信号によりオ
ペレータは、含まれている設備の安定状態の作動状態に
変化が少しでもあるかどうかを見ることができる。ウィ
ンドー２６における信号は、通常別の信号グラフを要約
するインジケータと、限界値を越えるときの赤ライト
と、限界値に近いときの黄色ライトと、十分であるとき
のグリーンのライトのような、問題の重要さの表示を含
む。ウィンドー２７と２８における信号によってオペレ
ータは、振動データ信号パターンの時間ベースと周波数
ベースのグラフを同時に使用できる。多くの欠陥をウィ
ンドー２７と２８のディスプレーだけで判定でき、この
分野において異なるレベルを有するオペレータの処理が
少なくてすみ、有効に使用して、診断と分類を行なうこ
とができる。トランスミッションのような機械部品の場
合に、特定のギアを表示するようにディスプレー内に規
定を含むことができる。
【００２１】図８において、本発明のバックグラウンド
振動信号抽出の第１のニューラルネットワークユニット
が図示されている。図８において、第１のニューラルネ
ットワーク信号抽出ユニット３０は、例示的な６個の入
力と出力通路３３−３８が示されているが、選択された
データ信号のサンプル化されたパターンに対応する、量
に関するニューラルプロセッサ合計装置の入力積層３１
と出力層３２を含む。積層３１における各入力装置が積
層３２の各出力装置に接続されており、積層３２内の各
出力装置が、本分野の加重相互接続における標準的手段
により積層３１内の各入力装置に接続されている。抽出
ニューラルネットワークユニット３０の機能は、図２の
プロセッサ１４内の振動データ信号を連続して処理し
て、正常信号としてバックグラウンドデータ信号を認識
させることである。次いで、処理は試験装置データ信号
に照準をあてる。
【００２２】引用される本件出願人による特許出願に詳
細に記載されているように、図２のチャネル１０を介
し、バックグラウンドデータ信号のパターンが、本分野
の自動回帰技術においてラベルで分類されたエレメント
４５における標準的手段を介し端末３９−４４に付与さ
れる。上限および下限自動回帰パラメータに対応する前
後（ＡＲ）順位パラメータが確立され、入力端末４６−
５１に付与される。積層３１内の各入力ノードが入力に
比例する信号を発信し続ける。積層３２内の各出力ノー
ドが、相互接続の強度によって調整された入力積層３１
から信号を受信し、各出力積層ノードは、別の組の接続
部を介し全ての入力層３１のノートへ信号を戻し、積層
３１と３２との間の共振を設定することになる。トリガ
レベルが、ビジランス係数５２により設けられている。
ビジランス係数５２は、信号パターンが自動回帰パラメ
ータ限界を満足させるために、いかに多くの出力信号が
必要とされるかを求める。６個の通路３３−３８のうち
５個の例が５個の端末５３−５７として図示されてお
り、図２のチャネル１２を介しプロセッサ１４に接続さ
れている。
【００２３】エレメント５２内のビジランス係数が高い
場合には、ネットワークユニット３０が正確な整合を検
索される際に長期間反復適用され、ビジランス係数が低
い場合には、ネットワークユニット３０は、バックグラ
ウンド振動が多すぎて異常となり、多くのネットワーク
計算リソースを使い果たすことになる。ビジランス係数
５２は、１から１０の数であり、５が本発明において十
分なものである。エレメント３０の前処理の結果、チャ
ネル１２を介してプロセッサ３に送信された振動データ
信号において、バックグラウンド環境信号の影響が正常
の状態として中和されることになった。上述してきたこ
とは、第１のニューラルネットワークにおいて抽出され
たパワーおよび負荷機械バックグラウンドノイズの影響
を有していた機械部品の振動信号に関して診断分析を実
行する機械部品試験技術である。診断分析において、対
話式インターフェイスを介しオペレータの指示で、第２
のニューラルネットワークが用いられて、機械部品を分
類し、これに対する動作を導き、試験動作が実行されて
得られた経験をアーカイブする際の連続した一連の診断
アプローチを形成するようになる。
【００２４】本発明の別の態様、目的および特徴が、図
面、発明の開示および請求の範囲を研究することによっ
て得ることができる。
【図面の簡単な説明】
【図１】本発明の試験システムの機能的フローチャート
である。
【図２】本発明の診断および分類システムのようなエレ
メントと特徴のブロック線図である。
【図３】典型的な振動データ信号の典型的な大きさ対時
間（秒単位）を表す図である。
【図４】自動回帰データ凝縮動作の後の典型的な振動デ
ータ信号の一般的な大きさ対時間（秒単位）のグラフを
表す図である。
【図５】高速フーリエ変換（ＦＦＴ）データ凝縮動作の
後の一般的な振動データ信号の大きさ対周波数（ヘル
ツ）を表す図である。
【図６】ポイントを周波数ベースパワースペクトル密度
（ＡＲＰＳＤ）プロットへの変換の後の、図４に図示し
た典型的な自動回帰振動データ信号の典型的な大きさ対
周波数（ヘルツ）グラフを表す図である。
【図７】本発明の対話式オペレータ制御式インターフェ
イスを表す図である。
【図８】本発明のバックグラウンドノイズ抽出振動信号
ニューラルネットワークユニットを表す図である。
【符号】
２ スクリーンプレプロセッサ ５ 試験装置 ８ 試験装置データセンサーユニット ９ 試験環境データセンサーユニット １０、１２ チャネル １３ 対話式インターフェイス １４ 第２ニューラルネットワーク ２１−２８ ウィンドー ３０ 第１ニューラルネットワーク信号抽出ユニット ３１ 入力積層 ３２ 出力積層 ３９─４４ 端末

Claims (16)

    【特許請求の範囲】
  1. 【請求項１】 振動データ信号のニューラルネットワー
    ク分析を介し、前記振動データ内の異常信号パターンを
    識別するようになっている、大型機械の一部の機械部品
    を評価し診断するための装置において、 機械部品によって発生した振動データ信号を検出するよ
    うに配置された第１の検出手段と、 前記機械部品に近接したバックグラウンドノイズ振動デ
    ータを検出するように前記第１の検出手段から離れて配
    置された第２の検出手段と、 前記検出された機械部品の振動データ信号における前記
    検出されたバックグラウンドノイズの影響を正常のもの
    にする第１のニューラルネットワーク前処理手段と、 少なくとも同時多重信号ディスプレーとオペレータ入力
    の特徴を有する対話式インターフェイス部材と、前記前
    処理された機械部品振動データ信号を受信するための手
    段とを含む、評価および診断のための処理段階と、 組み合わされた診断技術作動システムと支持データベー
    スとを有する第２のニューラルネットワークと、を備え
    ており、該第２のニューラルネットワークにおいて識別
    された前記機械部品の振動データ信号パターンに基づい
    て評価し判定を処理するようになっている装置。
  2. 【請求項２】 前記第１のニューラルネットワークで前
    記検出された機械部品振動データ信号内の前記検出され
    たバックグラウンドノイズの影響を正常のものにするこ
    とは、自動回帰パラメータの選択によることを特徴とす
    る請求項１に記載の装置。
  3. 【請求項３】 前記多重ディスプレーは多重ウィンドー
    コンピュータモニターであることを特徴とする請求項１
    に記載の装置。
  4. 【請求項４】 前記第１および第２の検出手段のそれぞ
    れは加速度計を含むことを特徴とする請求項１に記載の
    装置。
  5. 【請求項５】 前記オペレータ入力手段はキーボードで
    あることを特徴とする請求項１に記載の装置。
  6. 【請求項６】 振動データ信号のニューラルネットワー
    ク分析を介し、前記振動データ内の異常信号パターンを
    識別するようになっている、大型機械の一部である機械
    部品の評価と診断を行なう方法において、 機械部品の所定の場所で振動データ信号を検出し、 前記機械部品に近接した場所でバックグラウンドノイズ
    振動データ信号を検出し、前記検出された機械部品振動
    データ信号において前記検出されたバックグラウンドノ
    イズの影響を正常のものとする第１のニューラルネット
    ワークプレプロセッサを設け、 前記検出された機械部品の振動データ信号を評価と診断
    のために処理し、同時性多重信号ディスプレーを見て、
    該ディスプレーの情報に基づいて応答を入力する、 段階からなる方法。
  7. 【請求項７】 自動回帰パラメータの選択によって前記
    検出された機械部品の振動データ信号の前記検出された
    バックグラウンドノイズの影響を正常のものにする段階
    を含むことを特徴とする請求項６に記載の方法。
  8. 【請求項８】 多重ウィンドーコンピュータモニターを
    前記多重ディスプレーとして形成する段階を含むことを
    特徴とする請求項６に記載の方法。
  9. 【請求項９】 前記第１および第２の検出手段のための
    加速度計を形成する段階を含むことを特徴とする請求項
    ６に記載の方法。
  10. 【請求項１０】前記オペレータ入力手段としてキーボー
    ドを設けることを特徴とする請求項６に記載の方法。
  11. 【請求項１１】特定のソースで発生し、後でニューラル
    ネットワークで処理される特定の振動信号からバックグ
    ラウンド振動信号を抽出する振動データ処理エレメント
    において、 特定の振動信号の特定のソースに近接する第１の場所で
    前記特定の振動信号を第１の検出ユニットで検出するた
    めの手段と、 前記特定の振動信号のソースから分離され離れて配置さ
    れた第２の検出ユニットでバックグラウンド振動信号を
    検出する手段と、 前記検出されたバックグラウンド振動信号内で該バック
    グラウンド振動信号を表す最低および最高期待信号を発
    信し、前記検出されたバックグラウンド振動信号から正
    常の期待範囲信号を送信するための自動回帰を含む手段
    と、 ニューラルネットワーク部材と、を備え、 該ニューラルネットワーク部材は、入力端末をそれぞれ
    が有する処理エレメントからなる入力積層を有してお
    り、前記入力端末の各々には複数の期待範囲信号から該
    期待範囲信号が供給され、 前記ニューラルネットワーク部材は、出力端末を各々が
    備えた処理エレメントからなる出力積層を有しており、 前記入力積層内の前記各処理エレメントは、前記出力積
    層内の前記各処理エレメントに接続されており、 前記出力積層内の前記各処理エレメントは、前記入力積
    層内の前記各処理エレメントに接続されており、 前記連続したニューラルネットワーク処理の前記各出力
    端末とこれに対応する入力端末との間に配置されてお
    り、ビジランス係数に応答して、前記出力端末において
    可能な出力信号の全ての要求された部分に基づいて出力
    信号を通過させるように作動するビジランス段階が、 設けられているビジランスデータ処理エレメント。
  12. 【請求項１２】異常信号パターンを識別するように機械
    の振動データ信号のニューラルネットワーク分析により
    機械の診断と評価を行う装置において、 正常であるものとして前記振動データ信号内の特定の振
    動データ信号パターンを識別するように動作する、選択
    された自動回帰とビジランス係数とを備えたニューラル
    ネットワークを含む振動データ信号前処理段階を備えた
    装置。
  13. 【請求項１３】前記自動回帰係数が７から分析の最高長
    さまでの範囲であり、前記ビジランス係数は０から１の
    範囲であり、完全にユーザが選択可能になっていること
    を特徴とする請求項１２に記載の装置。
  14. 【請求項１４】機械からの振動データが組立てられ、前
    記機械の診断と評価の判定においてニューラルネットワ
    ークプロセッサを介し処理されるシステムにおいて、 前記振動データの入力と前記プロサッセとの間で前記シ
    ステム内に配置された前記システムとオペレータ対話式
    のインターフェイスが、 オペレータの指示を手動で前記システムに入力するよう
    になっている入力手段と、 複数の少なくとも２つの分離データ信号ディスプレー機
    能と分離状態インジケータディスプレー機能とを含んで
    おり、前記オペレータが前記入力手段に届く範囲内にい
    るときオペレータの視界にあるように配置されているデ
    ィスプレー手段と、 が組み込まれていることを特徴とするインターフェイ
    ス。
  15. 【請求項１５】前記少なくとも２つの分離したディスプ
    レー機能は、時間ベースおよび周波数ベースの振動デー
    タ信号を含んでいることを特徴とする請求項１４に記載
    のインターフェイス。
  16. 【請求項１６】前記分離したディスプレー機能は、時間
    ベース診断システム入力振動データ信号と、該信号の自
    動回帰（ＡＲ）パラメータグラフと、前記信号の高速フ
    ーリエ変換（ＦＦＴ）グラフと、前記信号の自動回帰パ
    ワースペクトル密度（ＡＲＰＳＤ）グラフと、前記信号
    の指数加重移動平均（ＥＷＭＡ）グラフと、前記信号の
    平均根（ＲＭＳ）グラフと、温度、圧力およびオイル誘
    電定数値のグループから得られた前記機械の少なくとも
    １つの状態モニター信号、および前記状態インジケータ
    とを含むことを特徴とする請求項１４に記載のインター
    フェイス。
JP9338480A 1996-12-10 1997-12-09 ニューラルネットワーク処理振動データ分析を用いる機械部品試験装置および方法 Pending JPH10176949A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US08/763,965 US5854993A (en) 1996-12-10 1996-12-10 Component machine testing using neural network processed vibration data analysis
US08/763965 1996-12-10

Publications (1)

Publication Number Publication Date
JPH10176949A true JPH10176949A (ja) 1998-06-30

Family

ID=25069322

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9338480A Pending JPH10176949A (ja) 1996-12-10 1997-12-09 ニューラルネットワーク処理振動データ分析を用いる機械部品試験装置および方法

Country Status (5)

Country Link
US (1) US5854993A (ja)
JP (1) JPH10176949A (ja)
AU (1) AU4522597A (ja)
DE (1) DE19754918B4 (ja)
GB (1) GB2320328A (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002132896A (ja) * 2000-10-18 2002-05-10 Kusumoto Kasei Kk 計測試験システムおよびそのプログラム
JP2007507712A (ja) * 2003-09-30 2007-03-29 ローズマウント インコーポレイテッド 振動に基づく診断装置付きプロセス装置
CN103398846A (zh) * 2013-08-16 2013-11-20 大连美恒时代科技有限公司 一种减速器健康分析方法及其分析平台系统
JP2014152624A (ja) * 2013-02-05 2014-08-25 Mitsubishi Electric Corp 圧縮機検査装置
JP2022082474A (ja) * 2020-11-17 2022-06-02 株式会社酉島製作所 振動機械の異常診断装置および異常診断方法
JP2022181499A (ja) * 2021-05-26 2022-12-08 トヨタ自動車株式会社 車両部品選択方法

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8290721B2 (en) 1996-03-28 2012-10-16 Rosemount Inc. Flow measurement diagnostics
US7949495B2 (en) 1996-03-28 2011-05-24 Rosemount, Inc. Process variable transmitter with diagnostics
US6049793A (en) * 1996-11-15 2000-04-11 Tomita; Kenichi System for building an artificial neural network
US6256619B1 (en) * 1997-12-23 2001-07-03 Caterpillar Inc. Self optimizing neural network analog data processing system
US6370481B1 (en) * 1998-07-14 2002-04-09 Ensco, Inc. Apparatus and method for human presence detection in vehicles
US6236950B1 (en) 1998-10-30 2001-05-22 Caterpiller Inc. Automatic stencil generation system and method
US6301572B1 (en) * 1998-12-02 2001-10-09 Lockheed Martin Corporation Neural network based analysis system for vibration analysis and condition monitoring
DE19860333A1 (de) * 1998-12-24 2000-06-29 Schenck Vibro Gmbh Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen
JP4157636B2 (ja) * 1999-01-28 2008-10-01 株式会社日立製作所 ガス絶縁機器の部分放電診断装置
DE19907454A1 (de) * 1999-02-22 2000-08-24 Schenck Vibro Gmbh Verfahren zur modellbasierten schwingungsdiagnostischen Überwachung rotierender Maschinen
DE19953741C1 (de) * 1999-11-09 2001-10-25 Krones Ag Vorrichtung und Verfahren zur optischen Inspektion
US6366862B1 (en) * 2000-04-19 2002-04-02 National Instruments Corporation System and method for analyzing signals generated by rotating machines
US6810341B2 (en) 2000-04-19 2004-10-26 National Instruments Corporation Time varying harmonic analysis including determination of order components
KR20020051322A (ko) * 2000-12-22 2002-06-29 이구택 회전기의 다채널 진동감시장치
DE10100522B4 (de) * 2001-01-08 2013-03-28 Deere & Company Überwachungseinrichtung zur Überwachung der Funktion einer Arbeitsmaschine
US6542856B2 (en) 2001-06-15 2003-04-01 General Electric Company System and method for monitoring gas turbine plants
DE10146895A1 (de) * 2001-09-24 2003-04-24 Siemens Ag Auswertung des Abklingverhaltens eines Prüfobjekts
DE10258335A1 (de) * 2002-12-12 2004-06-24 Bayerische Motoren Werke Ag Verfahren zur Untersuchung der Betriebsfestigkeit einer Kfz-Einrichtung auf einem Prüfstand
US7027953B2 (en) * 2002-12-30 2006-04-11 Rsl Electronics Ltd. Method and system for diagnostics and prognostics of a mechanical system
US7299279B2 (en) * 2002-12-30 2007-11-20 General Electric Company System and method for real-time viewing of monitoring system data
US7321809B2 (en) * 2003-12-30 2008-01-22 The Boeing Company Methods and systems for analyzing engine unbalance conditions
US7046180B2 (en) * 2004-04-21 2006-05-16 Rosemount Inc. Analog-to-digital converter with range error detection
EP1854079A2 (en) * 2004-08-27 2007-11-14 L-3 Communications Security and Detection Systems Corporation Method and apparatus to detect event signatures
DE102004054271A1 (de) * 2004-11-09 2006-05-11 Fev Motorentechnik Gmbh Vorhersageverfahren für Betriebszustände einer Verbrennungskraftmaschine
DE602006017336D1 (de) * 2005-02-28 2010-11-18 Rosemount Inc Prozessverbindung für prozessdiagnostik
US7953559B2 (en) * 2005-04-28 2011-05-31 Caterpillar Inc. Systems and methods for maintaining load histories
US7487066B2 (en) * 2005-04-28 2009-02-03 Caterpillar Inc. Classifying a work machine operation
DE102005023256A1 (de) * 2005-05-20 2006-11-23 Deere & Company, Moline Überwachungseinrichtung und ein Verfahren zur Überwachung der Funktion der Komponenten einer landwirtschaftlichen Arbeitsmaschine
US8112565B2 (en) 2005-06-08 2012-02-07 Fisher-Rosemount Systems, Inc. Multi-protocol field device interface with automatic bus detection
US20070068225A1 (en) 2005-09-29 2007-03-29 Brown Gregory C Leak detector for process valve
DE102006004717A1 (de) * 2006-01-31 2007-08-16 Claas Selbstfahrende Erntemaschinen Gmbh Anzeigeneinheit antriebsspezifischer Zustandsinformationen auf einem landwirtschaftlich nutzbaren Motorfahrzeug
US7913566B2 (en) 2006-05-23 2011-03-29 Rosemount Inc. Industrial process device utilizing magnetic induction
US7472599B2 (en) * 2006-06-30 2009-01-06 Caterpillar Inc. Strain sensing device
US7953501B2 (en) 2006-09-25 2011-05-31 Fisher-Rosemount Systems, Inc. Industrial process control loop monitor
US8788070B2 (en) 2006-09-26 2014-07-22 Rosemount Inc. Automatic field device service adviser
EP2074385B2 (en) 2006-09-29 2022-07-06 Rosemount Inc. Magnetic flowmeter with verification
US7908928B2 (en) * 2006-10-31 2011-03-22 Caterpillar Inc. Monitoring system
US8898036B2 (en) 2007-08-06 2014-11-25 Rosemount Inc. Process variable transmitter with acceleration sensor
US7775107B2 (en) * 2007-10-03 2010-08-17 Hamilton Sundstrand Corporation Measuring rotor imbalance via blade clearance sensors
US8250924B2 (en) 2008-04-22 2012-08-28 Rosemount Inc. Industrial process device utilizing piezoelectric transducer
US7977924B2 (en) 2008-11-03 2011-07-12 Rosemount Inc. Industrial process power scavenging device and method of deriving process device power from an industrial process
US9207670B2 (en) 2011-03-21 2015-12-08 Rosemount Inc. Degrading sensor detection implemented within a transmitter
DE102011114058B4 (de) * 2011-09-22 2022-02-17 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur akustischen Beurteilung eines Bauteils
US9052240B2 (en) 2012-06-29 2015-06-09 Rosemount Inc. Industrial process temperature transmitter with sensor stress diagnostics
CN102768493B (zh) * 2012-07-02 2014-10-29 江苏科技大学 海洋平台智能振动控制装置
CN102788696B (zh) * 2012-07-21 2014-11-05 辽宁大学 基于改进bp神经网络和模糊集理论的轴承健康度评价方法
US9602122B2 (en) 2012-09-28 2017-03-21 Rosemount Inc. Process variable measurement noise diagnostic
CN103344430A (zh) * 2013-07-09 2013-10-09 上海电机学院 齿轮箱的故障诊断方法
CN104238367B (zh) * 2014-10-11 2017-04-19 西安交通大学 一种基于神经网络的壳体结构表面振动一致性控制方法
DE102016114917A1 (de) * 2016-08-11 2018-02-15 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zur Prüfung eines Bedienelements sowie Verfahren und System zur Erstellung eines Prüfmodells
US10890499B2 (en) 2017-12-21 2021-01-12 Caterpillar Inc. System and method for predicting strain power spectral densities of light machine structure
US11631289B2 (en) 2019-01-22 2023-04-18 ACV Auctions Inc. Vehicle audio capture and diagnostics
US20220178324A1 (en) * 2020-12-09 2022-06-09 Transportation Ip Holdings, Llc Systems and methods for diagnosing equipment
CN112597834B (zh) * 2020-12-11 2022-05-17 华中科技大学 一种结构表面负载状态识别及厚度测量的方法及装置
CN113983033B (zh) * 2021-10-25 2022-07-01 燕山大学 用于识别挖掘机斗杆液压缸工况的控制方法及其控制装置
US11783851B2 (en) 2021-12-23 2023-10-10 ACV Auctions Inc. Multi-sensor devices and systems for evaluating vehicle conditions
DE102022207447A1 (de) 2022-07-21 2024-02-01 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zur Zustandsüberwachung von Wickelmaschinen
CN115862581A (zh) * 2023-02-10 2023-03-28 杭州兆华电子股份有限公司 一种重复模式噪声的二次消除方法及系统

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02253298A (ja) * 1989-03-28 1990-10-12 Sharp Corp 音声通過フィルタ
JPH0436621A (ja) * 1990-06-01 1992-02-06 Babcock Hitachi Kk 機器監視装置および機器監視方法
JPH0462599A (ja) * 1990-07-02 1992-02-27 N T T Data Tsushin Kk 雑音除去装置
JPH04106429A (ja) * 1990-08-28 1992-04-08 Kobe Steel Ltd 回転機械の異常診断装置
JPH04259054A (ja) * 1991-02-13 1992-09-14 Ono Sokki Co Ltd パターン認識方法及び装置
JPH0548390A (ja) * 1991-08-13 1993-02-26 Daikin Ind Ltd 適応ノイズ除去フイルタ
JPH0560596A (ja) * 1991-09-04 1993-03-09 Hitachi Ltd 回転機器異常診断装置
JPH0572026A (ja) * 1991-09-18 1993-03-23 Hitachi Ltd 回転系設備故障診断装置及び方法
JPH05333079A (ja) * 1992-06-02 1993-12-17 Mitsubishi Electric Corp 監視診断装置
JPH06109498A (ja) * 1992-09-29 1994-04-19 Toshiba Corp 非定常および異常状態の検出装置
JPH07177047A (ja) * 1993-03-04 1995-07-14 Sekiyu Kodan 雑音キャンセル装置
JPH07209143A (ja) * 1993-12-30 1995-08-11 Caterpillar Inc 機械故障診断システムと方法
JPH08271573A (ja) * 1995-03-28 1996-10-18 Tokyo Electric Power Co Inc:The 部分放電検出方法
JPH095154A (ja) * 1995-06-22 1997-01-10 Nkk Corp 適応型指向性音検出装置
JPH1049223A (ja) * 1996-07-31 1998-02-20 Nissan Motor Co Ltd ニューラルネットワークを用いた故障診断方法およびその装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0692914B2 (ja) * 1989-04-14 1994-11-16 株式会社日立製作所 機器／設備の状態診断システム
US5367612A (en) * 1990-10-30 1994-11-22 Science Applications International Corporation Neurocontrolled adaptive process control system
ES2096286T3 (es) * 1992-05-22 1997-03-01 Siemens Ag Procedimiento de ensayo para el control de calidad de aparatos de conmutacion activados electromagneticamente.
US5313407A (en) * 1992-06-03 1994-05-17 Ford Motor Company Integrated active vibration cancellation and machine diagnostic system
US5579232A (en) * 1993-03-29 1996-11-26 General Electric Company System and method including neural net for tool break detection
US5361628A (en) * 1993-08-02 1994-11-08 Ford Motor Company System and method for processing test measurements collected from an internal combustion engine for diagnostic purposes
US5602761A (en) * 1993-12-30 1997-02-11 Caterpillar Inc. Machine performance monitoring and fault classification using an exponentially weighted moving average scheme
US5566273A (en) * 1993-12-30 1996-10-15 Caterpillar Inc. Supervised training of a neural network
US5521840A (en) * 1994-04-07 1996-05-28 Westinghouse Electric Corporation Diagnostic system responsive to learned audio signatures

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02253298A (ja) * 1989-03-28 1990-10-12 Sharp Corp 音声通過フィルタ
JPH0436621A (ja) * 1990-06-01 1992-02-06 Babcock Hitachi Kk 機器監視装置および機器監視方法
JPH0462599A (ja) * 1990-07-02 1992-02-27 N T T Data Tsushin Kk 雑音除去装置
JPH04106429A (ja) * 1990-08-28 1992-04-08 Kobe Steel Ltd 回転機械の異常診断装置
JPH04259054A (ja) * 1991-02-13 1992-09-14 Ono Sokki Co Ltd パターン認識方法及び装置
JPH0548390A (ja) * 1991-08-13 1993-02-26 Daikin Ind Ltd 適応ノイズ除去フイルタ
JPH0560596A (ja) * 1991-09-04 1993-03-09 Hitachi Ltd 回転機器異常診断装置
JPH0572026A (ja) * 1991-09-18 1993-03-23 Hitachi Ltd 回転系設備故障診断装置及び方法
JPH05333079A (ja) * 1992-06-02 1993-12-17 Mitsubishi Electric Corp 監視診断装置
JPH06109498A (ja) * 1992-09-29 1994-04-19 Toshiba Corp 非定常および異常状態の検出装置
JPH07177047A (ja) * 1993-03-04 1995-07-14 Sekiyu Kodan 雑音キャンセル装置
JPH07209143A (ja) * 1993-12-30 1995-08-11 Caterpillar Inc 機械故障診断システムと方法
JPH08271573A (ja) * 1995-03-28 1996-10-18 Tokyo Electric Power Co Inc:The 部分放電検出方法
JPH095154A (ja) * 1995-06-22 1997-01-10 Nkk Corp 適応型指向性音検出装置
JPH1049223A (ja) * 1996-07-31 1998-02-20 Nissan Motor Co Ltd ニューラルネットワークを用いた故障診断方法およびその装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002132896A (ja) * 2000-10-18 2002-05-10 Kusumoto Kasei Kk 計測試験システムおよびそのプログラム
JP2007507712A (ja) * 2003-09-30 2007-03-29 ローズマウント インコーポレイテッド 振動に基づく診断装置付きプロセス装置
JP2014152624A (ja) * 2013-02-05 2014-08-25 Mitsubishi Electric Corp 圧縮機検査装置
CN103398846A (zh) * 2013-08-16 2013-11-20 大连美恒时代科技有限公司 一种减速器健康分析方法及其分析平台系统
CN103398846B (zh) * 2013-08-16 2016-06-22 大连美恒时代科技有限公司 一种减速器健康分析方法及其分析平台系统
JP2022082474A (ja) * 2020-11-17 2022-06-02 株式会社酉島製作所 振動機械の異常診断装置および異常診断方法
JP2022181499A (ja) * 2021-05-26 2022-12-08 トヨタ自動車株式会社 車両部品選択方法

Also Published As

Publication number Publication date
GB9722445D0 (en) 1997-12-24
US5854993A (en) 1998-12-29
AU4522597A (en) 1998-06-11
DE19754918B4 (de) 2009-04-09
GB2320328A (en) 1998-06-17
DE19754918A1 (de) 1998-06-18

Similar Documents

Publication Publication Date Title
JPH10176949A (ja) ニューラルネットワーク処理振動データ分析を用いる機械部品試験装置および方法
US6351713B1 (en) Distributed stress wave analysis system
Altmann et al. Multiple band-pass autoregressive demodulation for rolling-element bearing fault diagnosis
DE69732569T2 (de) System zur erkennung von störungen von elektromotoren
US7444265B2 (en) Machine and/or monitoring
CN107291475B (zh) 通用型phm应用配置方法和装置
CN112881014B (zh) 传动总成的下线nvh测试系统及方法
Hoffman et al. The application of neural networks to vibrational diagnostics for multiple fault conditions
CN114004306A (zh) 一种基于物联网多维度数据的设备故障评估系统及其方法
CN109991956B (zh) 一种液体火箭发动机稳态故障预测方法
JP7558418B2 (ja) 機械装置又は機械部品における異常を同定するための方法及び装置
GB2277151A (en) Machine monitoring using neural network
CN115238785A (zh) 基于图像融合和集成网络的旋转机械故障诊断方法和系统
KR20210006832A (ko) 기계고장 진단 방법 및 장치
Castro et al. Bearing fault diagnosis based on neural network classification and wavelet transform
JPH0793018A (ja) 動作状態の診断方法及びシステム
DE19855745A1 (de) Verfahren zur Fehlerdiagnose und zur Qualitätsbewertung (Rating) von rotierenden Maschinen am Serienprüfstand
Liu et al. Diagnosis of roller bearing defects using neural networks
CN112380782A (zh) 一种基于混合指标和神经网络的旋转设备故障预测方法
CN115655731A (zh) 柴油机状态监测方法、装置及存储介质
CN110411730A (zh) 一种旋转设备故障判断方法、系统和可读存储介质
JP3102998B2 (ja) 自動車用コンポーネントの診断装置
EP4273520A1 (en) Method and system for comprehensively diagnosing defect in rotating machine
CN114572361A (zh) 船舶智能机舱运维系统验证平台
Narendiranath Babu et al. Vibration analysis of planetary gearbox using empirical mode decomposition and automatic fault prediction using artificial neural network

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20041208

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20041208

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080121

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20080421

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20080424

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080715

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080811

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20081111

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20081114

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20090413