JPWO2023032201A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2023032201A5 JPWO2023032201A5 JP2023544977A JP2023544977A JPWO2023032201A5 JP WO2023032201 A5 JPWO2023032201 A5 JP WO2023032201A5 JP 2023544977 A JP2023544977 A JP 2023544977A JP 2023544977 A JP2023544977 A JP 2023544977A JP WO2023032201 A5 JPWO2023032201 A5 JP WO2023032201A5
- Authority
- JP
- Japan
- Prior art keywords
- data
- health
- unit
- feature data
- diagnosis
- 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.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 claims description 30
- 238000012800 visualization Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 claims 10
- 238000002405 diagnostic procedure Methods 0.000 claims 2
- 230000007613 environmental effect Effects 0.000 claims 2
- 238000001914 filtration Methods 0.000 claims 2
- 238000010801 machine learning Methods 0.000 claims 2
Description
上述した課題を解決し、目的を達成するために、本開示は、機器の健全度を診断する健全度診断装置である。健全度診断装置は、診断対象期間における機器の稼働データを取得するデータロード部と、機器の物理特性に基づいて、稼働データから特徴量データの対象とするデータ箇所をサンプルデータとして切り出し、サンプルデータを用いて特徴量データを生成する特徴量データ生成部と、機器の正常時状態をモデル学習した学習済モデルを用いて、逐次生成される特徴量データに対して健全度診断を行う推論部と、推論部によって得られた健全度診断結果の推移を可視化する可視化部と、を備える。機器は鉄道車両に搭載されるブレーキシステムである。特徴量データ生成部は、稼働データから、鉄道車両のブレーキが緩解されるタイミングを含む範囲をサンプルデータとして切り出すことを特徴とする。
Claims (18)
- 機器の健全度を診断する健全度診断装置であって、
診断対象期間における前記機器の稼働データを取得するデータロード部と、
前記機器の物理特性に基づいて、前記稼働データから特徴量データの対象とするデータ箇所をサンプルデータとして切り出し、前記サンプルデータを用いて前記特徴量データを生成する特徴量データ生成部と、
前記機器の正常時状態をモデル学習した学習済モデルを用いて、逐次生成される前記特徴量データに対して健全度診断を行う推論部と、
前記推論部によって得られた健全度診断結果の推移を可視化する可視化部と、
を備え、
前記機器は鉄道車両に搭載されるブレーキシステムであり、
前記特徴量データ生成部は、前記稼働データから、前記鉄道車両のブレーキが緩解されるタイミングを含む範囲を前記サンプルデータとして切り出す、
ことを特徴とする健全度診断装置。 - 機器の健全度を診断する健全度診断装置であって、
診断対象期間における前記機器の稼働データを取得するデータロード部と、
前記機器の物理特性に基づいて、前記稼働データから特徴量データの対象とするデータ箇所をサンプルデータとして切り出し、前記サンプルデータを用いて前記特徴量データを生成する特徴量データ生成部と、
前記機器の正常時状態をモデル学習した学習済モデルを用いて、逐次生成される前記特徴量データに対して健全度診断を行う推論部と、
前記推論部によって得られた健全度診断結果の推移を可視化する可視化部と、
を備え、
前記機器は鉄道車両に搭載されるブレーキシステムであり、
前記特徴量データ生成部は、前記鉄道車両の車速情報およびブレーキノッチ情報に基づいて、前記稼働データに含まれるブレーキシリンダー圧力から、前記鉄道車両の発車時のブレーキが緩解されるタイミングを含む範囲を前記サンプルデータとして切り出す、
ことを特徴とする健全度診断装置。 - 前記特徴量データのうち正常時に取得された前記特徴量データを用いて前記正常時状態をモデル学習し、当該モデル学習の結果、前記学習済モデルを得る学習部、
を備えることを特徴とする請求項1または2に記載の健全度診断装置。 - 前記学習部は、機械学習を用いて、前記正常時状態をモデル学習し、
前記推論部は、逐次生成される前記特徴量データについて、前記正常時状態からの乖離度合いをスコアとして算出し、スコア化した前記正常時状態からの乖離度合いを正規化したものを前記健全度診断結果とする、
ことを特徴とする請求項3に記載の健全度診断装置。 - 前記機器は鉄道車両に搭載されるブレーキシステムであり、
前記特徴量データ生成部は、切り出した前記サンプルデータに対してクレンジングを行い、前記鉄道車両の走行時の環境条件が統一されるようにフィルタリングを行う、
ことを特徴とする請求項1から4のいずれか1つに記載の健全度診断装置。 - 前記特徴量データ生成部は、前記機器の前記物理特性に基づいて、フィルタリング後の前記サンプルデータに加工を施して前記特徴量データを生成する、
ことを特徴とする請求項5に記載の健全度診断装置。 - 前記可視化部は、過去から現在までの前記健全度診断結果を時系列プロットすることで推移傾向を可視化する、
ことを特徴とする請求項1から6のいずれか1つに記載の健全度診断装置。 - 前記機器と異なる場所に設置され、遠隔で前記機器の健全度を診断する、
ことを特徴とする請求項1から7のいずれか1つに記載の健全度診断装置。 - 前記データロード部が前記稼働データを取得する対象となる前記診断対象期間、および前記特徴量データ生成部が前記機器の物理特性に基づいて前記特徴量データを生成する際の各種の条件の設定を前記健全度診断装置のユーザから受け付ける条件設定部、
を備え、
前記健全度診断装置のユーザは、前記条件設定部を用いて前記条件の設定を行い、前記可視化部で可視化された前記健全度診断結果を確認する、
ことを特徴とする請求項8に記載の健全度診断装置。 - 機器の健全度を診断する健全度診断装置の健全度診断方法であって、
データロード部が、診断対象期間における前記機器の稼働データを取得する取得ステップと、
特徴量データ生成部が、前記機器の物理特性に基づいて、前記稼働データから特徴量データの対象とするデータ箇所をサンプルデータとして切り出し、前記サンプルデータを用いて前記特徴量データを生成する生成ステップと、
推論部が、前記機器の正常時状態をモデル学習した学習済モデルを用いて、逐次生成される前記特徴量データに対して健全度診断を行う推論ステップと、
可視化部が、前記推論部によって得られた健全度診断結果の推移を可視化する可視化ステップと、
を含み、
前記機器は鉄道車両に搭載されるブレーキシステムであり、
前記生成ステップにおいて、前記特徴量データ生成部は、前記稼働データから、前記鉄道車両のブレーキが緩解されるタイミングを含む範囲を前記サンプルデータとして切り出す、
ことを特徴とする健全度診断方法。 - 機器の健全度を診断する健全度診断装置の健全度診断方法であって、
データロード部が、診断対象期間における前記機器の稼働データを取得する取得ステップと、
特徴量データ生成部が、前記機器の物理特性に基づいて、前記稼働データから特徴量データの対象とするデータ箇所をサンプルデータとして切り出し、前記サンプルデータを用いて前記特徴量データを生成する生成ステップと、
推論部が、前記機器の正常時状態をモデル学習した学習済モデルを用いて、逐次生成される前記特徴量データに対して健全度診断を行う推論ステップと、
可視化部が、前記推論部によって得られた健全度診断結果の推移を可視化する可視化ステップと、
を含み、
前記機器は鉄道車両に搭載されるブレーキシステムであり、
前記生成ステップにおいて、前記特徴量データ生成部は、前記鉄道車両の車速情報およびブレーキノッチ情報に基づいて、前記稼働データに含まれるブレーキシリンダー圧力から、前記鉄道車両の発車時のブレーキが緩解されるタイミングを含む範囲を前記サンプルデータとして切り出す、
ことを特徴とする健全度診断方法。 - 学習部が、前記特徴量データのうち正常時に取得された前記特徴量データを用いて前記正常時状態をモデル学習し、当該モデル学習の結果、前記学習済モデルを得る学習ステップ、
を含むことを特徴とする請求項10または11に記載の健全度診断方法。 - 前記学習ステップにおいて、前記学習部は、機械学習を用いて、前記正常時状態をモデル学習し、
前記推論ステップにおいて、前記推論部は、逐次生成される前記特徴量データについて、前記正常時状態からの乖離度合いをスコアとして算出し、スコア化した前記正常時状態からの乖離度合いを正規化したものを前記健全度診断結果とする、
ことを特徴とする請求項12に記載の健全度診断方法。 - 前記機器は鉄道車両に搭載されるブレーキシステムであり、
前記生成ステップにおいて、前記特徴量データ生成部は、切り出した前記サンプルデータに対してクレンジングを行い、前記鉄道車両の走行時の環境条件が統一されるようにフィルタリングを行う、
ことを特徴とする請求項10から13のいずれか1つに記載の健全度診断方法。 - 前記生成ステップにおいて、前記特徴量データ生成部は、前記機器の前記物理特性に基づいて、フィルタリング後の前記サンプルデータに加工を施して前記特徴量データを生成する、
ことを特徴とする請求項14に記載の健全度診断方法。 - 前記可視化ステップにおいて、前記可視化部は、過去から現在までの前記健全度診断結果を時系列プロットすることで推移傾向を可視化する、
ことを特徴とする請求項10から15のいずれか1つに記載の健全度診断方法。 - 前記健全度診断装置は前記機器と異なる場所に設置され、遠隔で前記機器の健全度を診断する、
ことを特徴とする請求項10から16のいずれか1つに記載の健全度診断方法。 - 条件設定部が、前記データロード部が前記稼働データを取得する対象となる前記診断対象期間、および前記特徴量データ生成部が前記機器の物理特性に基づいて前記特徴量データを生成する際の各種の条件の設定を前記健全度診断装置のユーザから受け付ける条件設定ステップ、
を含み、
前記健全度診断装置のユーザは、前記条件設定部を用いて前記条件の設定を行い、前記可視化部で可視化された前記健全度診断結果を確認する、
ことを特徴とする請求項17に記載の健全度診断方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/032651 WO2023032201A1 (ja) | 2021-09-06 | 2021-09-06 | 健全度診断装置および健全度診断方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2023032201A1 JPWO2023032201A1 (ja) | 2023-03-09 |
JPWO2023032201A5 true JPWO2023032201A5 (ja) | 2024-02-08 |
JP7475553B2 JP7475553B2 (ja) | 2024-04-26 |
Family
ID=85411089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023544977A Active JP7475553B2 (ja) | 2021-09-06 | 2021-09-06 | 健全度診断装置および健全度診断方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7475553B2 (ja) |
WO (1) | WO2023032201A1 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003237561A (ja) * | 2002-02-18 | 2003-08-27 | Nabco Ltd | 鉄道車両用ブレーキ装置及びその制御方法 |
JP6937345B2 (ja) * | 2015-12-17 | 2021-09-22 | 株式会社東芝 | 情報処理装置及び情報処理方法 |
JP6889057B2 (ja) | 2017-07-14 | 2021-06-18 | 株式会社東芝 | 情報処理装置、情報処理方法及びコンピュータプログラム |
JP6851558B1 (ja) * | 2020-04-27 | 2021-03-31 | 三菱電機株式会社 | 異常診断方法、異常診断装置および異常診断プログラム |
-
2021
- 2021-09-06 JP JP2023544977A patent/JP7475553B2/ja active Active
- 2021-09-06 WO PCT/JP2021/032651 patent/WO2023032201A1/ja active Application Filing
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103853152B (zh) | 一种基于ar-pca的间歇过程故障监测方法 | |
CN110135492B (zh) | 基于多高斯模型的设备故障诊断与异常检测方法及系统 | |
EP2889712A3 (en) | Self-diagnostic process control loop for a process plant | |
CN106441946B (zh) | 基于振动信号的车辆液压减震器故障识别方法及系统 | |
EP2392982A3 (en) | Abnormal situation prevention in a heat exchanger | |
Nagyné Elek et al. | Robot-assisted minimally invasive surgical skill assessment—Manual and automated platforms | |
JP6557110B2 (ja) | 状態診断装置及びプログラム | |
EP2646884A1 (en) | Machine anomaly detection and diagnosis incorporating operational data | |
JP2009500767A5 (ja) | ||
EP2591967A3 (de) | Verfahren zum Betreiben eines Fahrzeugs, Steuereinrichtung und Fahrzeug | |
JP6323157B2 (ja) | 診断データ抽出装置、車両診断装置 | |
CN107655693A (zh) | 一种船舶发动机故障诊断系统及方法 | |
CN107748557A (zh) | 一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统 | |
CN103939325A (zh) | 一种在低速运转下的消防水泵的故障诊断方法 | |
KR20210150808A (ko) | 브레이크 마찰재의 마찰계수 결정을 위한 장치 및 방법 | |
JPWO2023032201A5 (ja) | ||
EP3296051A3 (de) | Verfahren zur steuerung eines schweissgeräts, system umfassend ein schweissgerät sowie computerprogramm | |
DE102011112875A1 (de) | System und Verfahren zum Detektieren eines ausgefallenen Reibungselements | |
CN108398271A (zh) | 一种基于振动和神经网络技术的发动机状态监测方法 | |
CN117628005A (zh) | 一种融合信号液压马达故障诊断方法及系统 | |
CN105784093A (zh) | 风机振动预警控制方法和装置 | |
DE102020215378A1 (de) | Verfahren und Vorrichtung zum Ermitteln einer Restlebensdauer eines technischen Systems | |
CN107065647A (zh) | 一种底盘故障诊断和健康检测系统 | |
JPWO2021229768A5 (ja) | ||
EP1879153A3 (de) | Verfahren und Vorrichtung zum Erfassen und/oder Übermitteln von Service- und Diagnosedaten eines Fahrzeugs an ein Werkstatt-Management-System |