WO2019244599A1 - 診断システム、診断方法、プログラム - Google Patents

診断システム、診断方法、プログラム Download PDF

Info

Publication number
WO2019244599A1
WO2019244599A1 PCT/JP2019/021703 JP2019021703W WO2019244599A1 WO 2019244599 A1 WO2019244599 A1 WO 2019244599A1 JP 2019021703 W JP2019021703 W JP 2019021703W WO 2019244599 A1 WO2019244599 A1 WO 2019244599A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
current
waveform
diagnostic system
abnormality
Prior art date
Application number
PCT/JP2019/021703
Other languages
English (en)
French (fr)
Inventor
建太 神薗
池田　和隆
尚史 島崎
Original Assignee
パナソニックＩｐマネジメント株式会社
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 パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to CN201980041069.XA priority Critical patent/CN112313492A/zh
Priority to JP2020525436A priority patent/JP7357294B2/ja
Priority to US17/253,548 priority patent/US11787057B2/en
Publication of WO2019244599A1 publication Critical patent/WO2019244599A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31357—Observer based fault detection, use model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33002—Artificial intelligence AI, expert, knowledge, rule based system KBS
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Definitions

  • the present disclosure generally relates to a diagnostic system, a diagnostic method, and a program. More particularly, the present disclosure relates to a diagnostic system, a diagnostic method, and a program for determining a degree of abnormality of a device.
  • Patent Document 1 discloses an abnormality diagnosis device (diagnosis system) that can reduce erroneous diagnosis of abnormality of a rotating device due to aging.
  • the controller of the abnormality diagnosis device of Patent Literature 1 includes an operation level calculation unit, a threshold setting unit, a vibration measurement unit, an axle rotation speed detection unit, a characteristic frequency component extraction unit, and an abnormality diagnosis unit.
  • the operation level calculation unit calculates an operation level which is an index value of the operation time of the rotating device.
  • the threshold setting unit sets an appropriate diagnostic threshold corresponding to the vibration whose magnitude changes according to the length of operation time, based on the operation degree.
  • the vibration measuring unit measures vibration generated in the rotating device.
  • the axle rotation speed detector calculates the axle rotation speed based on the vehicle speed.
  • the characteristic frequency component extraction unit extracts a characteristic frequency component related to the abnormality of the rotating device from the vibration value of the vibration measured when the axle rotation speed falls within the set rotation speed range.
  • the abnormality diagnosis unit compares the characteristic frequency component with a diagnosis threshold, and diagnoses an abnormality of the rotating device based on the comparison result.
  • Patent Document 1 in order to extract the characteristic frequency component, the axle rotation speed needs to be included in the set rotation speed range. That is, in Patent Literature 1, for diagnosis, it is necessary to keep the rotation speed of the rotating device (device driving device) constant.
  • the problem is to provide a diagnostic system, a diagnostic method, and a program that can improve the accuracy of determining abnormality of a device even when there is no period during which the rotation speed of the drive device of the device is maintained constant.
  • the diagnostic system includes an acquisition unit and a determination unit.
  • the acquisition unit acquires current waveform data indicating a waveform related to a current supplied to a driving device of a device.
  • the determination unit determines the degree of abnormality of the device from a change portion of the waveform corresponding to a change period in which the rotation speed of the driving device is increasing or decreasing.
  • the diagnosis system includes an acquisition unit and an extraction unit.
  • the determination unit acquires current waveform data indicating a waveform related to a current supplied to a driving device of the device.
  • the extracting unit extracts, from the waveform, a change portion corresponding to a change period in which the rotation speed of the driving device is increasing or decreasing.
  • the diagnostic method obtains current waveform data indicating a waveform related to a current supplied to a driving device of an apparatus, and in a change period in which the rotation speed of the driving device increases or decreases among the waveforms.
  • the degree of abnormality of the device is determined from the corresponding change.
  • the diagnostic method acquires current waveform data indicating a waveform related to a current supplied to a driving device of an apparatus, and extracts a changed portion from the waveform.
  • the change portion is a portion corresponding to a change period in which the rotation speed of the driving device is increasing or decreasing.
  • the program according to an embodiment of the present disclosure is a program for causing a computer system to execute any of the above-described diagnostic methods.
  • FIG. 1 is an explanatory diagram of a diagnostic system according to one embodiment.
  • FIG. 2 is an explanatory diagram of a waveform related to a current supplied to a driving device of the device.
  • FIG. 3 is an explanatory diagram of the analysis result of the waveform shown in FIG.
  • FIG. 4 is an explanatory diagram of a waveform related to a current supplied to a drive device of the device.
  • FIG. 5 is a flowchart of the operation of the diagnostic system.
  • FIG. 1 shows a diagnostic system 10 according to an embodiment.
  • the diagnostic system 10 includes an acquisition unit 11 and a determination unit 13.
  • the acquisition unit 11 acquires current waveform data (see FIG. 2) indicating a waveform W10 related to a current I10 (I11, I12) supplied to the driving device 42 (421, 422) of the device 40.
  • the determination unit 13 determines the degree of abnormality of the device 40 from the change portions Wc1 and Wc2 corresponding to the change periods Tc1 and Tc2 in which the rotation speed of the driving device 42 is increasing or decreasing in the waveform W10.
  • the diagnostic system 10 uses the change periods Tc1 and Tc2 in the waveform W10 instead of the period in which the rotation speed of the drive device 42 is kept constant (the steady period Ts). . Therefore, even when there is no period in which the rotation speed of the driving device 42 of the device 40 is maintained constant (steady period Ts), the accuracy of the determination of the degree of abnormality of the device 40 can be improved.
  • the diagnostic system 10 is used to diagnose the device 40 as shown in FIG.
  • the device 40 is, for example, a working device.
  • the work device is a device that performs a predetermined task.
  • a predetermined work there is transportation and the like.
  • Examples of such a working device include a transfer device such as a SCARA robot or a transfer robot (for example, a linear guide or an orthogonal robot).
  • FIG. 1 shows a device 40 constituted by a SCARA robot and a linear guide for moving the SCARA robot as a transfer device.
  • the predetermined operation is not limited to transportation, but may be, for example, processing, arrangement, and mounting of materials and articles. Processing may include, for example, physical treatments such as boring, drilling, tapping, cutting, polishing, and the like, and chemical treatments such as heating and cooling.
  • Such a working device may be a machine tool such as a lathe, an electronic component mounting machine, a transfer machine, a heat treatment apparatus, an industrial robot, a combination thereof, or the like.
  • the industrial robot is not limited to the transfer robot, and may be a welding robot, an assembly robot, a painting robot, an inspection robot, a polishing robot, or a cleaning robot.
  • the device 40 includes a mechanism unit 41 (411, 412), a driving device 42 (421, 422), and a control device 43, as shown in FIG.
  • the mechanism unit 41 (411, 412) is a device for executing a predetermined operation.
  • the mechanism unit 41 is a device that executes the transfer of a material or an article.
  • the mechanism section 41 includes power transmission components such as a ball screw, a gear, and a belt.
  • the mechanism 411 includes gears of the SCARA robot, and the mechanism 412 includes at least one of a linear guide ball screw and a belt.
  • the drive device 42 (421, 422) is a device for driving the mechanism unit 41 (411, 412).
  • the driving device 42 is a power source of the mechanism unit 41.
  • the rotation speed of the driving device 42 changes according to the applied current.
  • the driving device 42 is a motor (for example, a rotary motor, a linear motor).
  • Drive device 42 includes an AC motor.
  • the AC motor may be a servo motor, a synchronous motor, a three-phase induction motor, or a single-phase induction motor.
  • the driving device 42 changes the number of rotations per unit time according to the change in the fundamental frequency of the applied alternating current.
  • the driving device 42 is a vibration source in the device 40.
  • FIG. 1 shows only two driving devices 42, this is merely for the purpose of simplifying the description, and in actuality, there are more driving devices 42. obtain.
  • the control device 43 is a device for controlling the drive device 42.
  • the control device 43 includes power supply devices 431 and 432.
  • the power supply devices 431 and 432 supply currents I10 (I11 and I12) to the driving devices 42 (421 and 422), respectively.
  • the power supply devices 431 and 432 are connected to the drive device 42 (421 and 422) via electric wires 50 (51 and 52).
  • the driving devices 421 and 422 are AC motors
  • the currents I11 and I12 are AC having a fundamental frequency.
  • the power supply devices 431 and 432 have a function of adjusting the fundamental frequencies of the currents I11 and I12. Since the power supply devices 431 and 432 can be realized by a conventionally known AC power supply circuit, detailed description will be omitted.
  • the diagnostic system 10 includes current measuring units 21 and 22 and vibration measuring units 31 and 32, as shown in FIG.
  • the current measuring units 21 and 22 measure the currents I11 and I12 supplied to the driving devices 421 and 422 of the device 40, and output current waveform data (current waveform data) indicating waveforms related to the currents I11 and I12.
  • the current measuring units 21 and 22 are attached to electric wires 51 and 52 through which currents I11 and I12 from the power supply devices 431 and 432 to the driving devices 421 and 422 flow.
  • the current measuring units 21 and 22 include a current sensor.
  • the current measuring units 21 and 22 include a differential type current sensor. Therefore, the current waveform data is data indicating a differential waveform of the currents I11 and I12. Examples of this type of differential current sensor include a coreless type sensor (for example, a search coil).
  • induced voltage corresponding to the magnetic flux generated by the current I10 flowing through the electric wire 50 is generated in the search coil, so that the current I10 can be measured.
  • the induced voltage of the search coil is given by the following equation (1).
  • e is the induced voltage
  • r is the radius of the search coil
  • n is the number of turns of the search coil
  • B is the magnetic flux density of the magnetic field linked to the search coil.
  • the vibration measuring units 31 and 32 are used to measure vibration that does not appear in rotation (rotation of the rotor) in the driving device 42.
  • the vibration measuring units 31 and 32 output waveform data (vibration waveform data) indicating a waveform related to such vibration.
  • the vibration measuring unit 31 is installed at a location where vibration related to the mechanism unit 411 and the driving device 421 can be measured.
  • the vibration measuring unit 32 is installed at a location where vibration related to the mechanism unit 412 and the driving device 422 can be measured.
  • the vibration measurement units 31 and 32 include a vibration sensor. Conventionally known vibration sensors can be used.
  • the vibration measuring units 31 and 32 are installed at predetermined positions of the device 40. The predetermined location is appropriately selected according to the abnormality of the device 40 to be determined by the diagnostic system 10.
  • the method itself of determining an abnormality based on vibration obtained from a cantilever or the like may be a conventionally well-known method, and a detailed description thereof will be omitted.
  • the AI may be used to determine
  • the diagnostic system 10 includes an acquisition unit 11, an extraction unit 12, a determination unit 13, an output unit 14, an collection unit 15, a generation unit 16, and a storage unit 17, as shown in FIG.
  • the acquisition unit 11 acquires waveform data (current waveform data) indicating waveforms related to the currents I11 and I12 supplied to the plurality of driving devices 421 and 422 of the device 40, respectively. More specifically, the acquisition unit 11 is connected to the current measurement unit 21 and the current measurement unit 22, and separately acquires the current waveform data from the current measurement unit 21 and the current measurement unit 22.
  • the current waveform data from the current measuring unit 21 is data indicating a differential waveform of the current I11
  • the current waveform data from the current measuring unit 22 is data indicating a differential waveform of the current I12.
  • the acquisition unit 11 acquires waveform data (vibration waveform data) indicating a waveform related to vibration generated in the device 40. More specifically, the acquisition unit 11 is connected to the vibration measurement unit 31 and the vibration measurement unit 32, and separately acquires the vibration waveform data from each of the vibration measurement unit 31 and the vibration measurement unit 32.
  • the extraction unit 12 extracts a changed portion Wc (Wc1, Wc2) from the waveform W10 indicated by the current waveform data acquired by the acquisition unit 11 (see FIG. 2).
  • the change portion Wc (Wc1, Wc2) is a portion of the waveform W10 corresponding to a change period Tc (Tc1, Tc2) during which the rotation speed of the drive device 42 increases or decreases.
  • the extraction unit 12 identifies whether the changed part Wc is the first changed part Wc1 or the second changed part Wc2.
  • the first change portion Wc1 is a portion of the waveform W10 corresponding to a change period (first change period) Tc1 during which the rotation speed of the driving device 42 is increasing.
  • the second change portion Wc2 is a portion of the waveform W10 corresponding to a change period (second change period) Tc2 in which the rotation speed of the driving device 42 is decreasing.
  • the extracting unit 12 extracts the changing part Wc from the waveform W10, and does not extract the steady part Ws.
  • the steady portion Ws is a portion of the waveform W10 corresponding to a steady period Ts in which the rotation speed of the driving device 42 is kept constant.
  • the extraction unit 12 extracts a changed portion Wc for each of the current waveform data from the current measurement unit 21 and the current waveform data from the current measurement unit 22.
  • the change portion Wc may not be included.
  • the extraction unit 12 performs a short-time Fourier transform (STFT) on the waveform W10 when extracting the changed portion Wc from the waveform W10.
  • FIG. 3 shows the result of the short-time Fourier transform of the waveform W10.
  • the horizontal axis represents time
  • the vertical axis represents frequency
  • the shading of color represents amplitude. The darker the color, the greater the amplitude.
  • the distribution D10 in the low frequency region corresponds to the fundamental frequency.
  • a period in which the frequency increases with respect to time is a first change period Tc1.
  • a period in which the frequency decreases with respect to time is a second change period Tc2.
  • a period in which the frequency is constant with respect to time is a steady period Tc1. If the result of the short-time Fourier transform of the waveform W10 is used, the first change period Tc1, the second change period Tc2, and the steady period Ts can be easily identified.
  • the extraction unit 12 determines a first change period Tc1 and a second change period Tc2 based on the result of the short-time Fourier transform of the waveform W10. Then, the extraction unit 12 extracts a changed portion Wc (Wc1, Wc2) from the waveform W10 based on the first change period Tc1 and the second change period Tc2.
  • the extraction unit 12 extracts a steady part corresponding to the steady period Ts from the waveform indicated by the vibration waveform data acquired by the acquisition unit 11.
  • the extracting unit 12 extracts a steady part from each of the vibration waveform data from the vibration measuring unit 31 and the vibration waveform data from the vibration measuring unit 32.
  • the stationary part may not be included.
  • the extracting unit 12 extracts a changing part Wc and a steady part Ws from the waveform W10 based on the temporal change of the fundamental frequency of the current I10.
  • the extraction unit 12 analyzes the frequency of the current waveform data acquired by the acquisition unit 11 by Fourier transform or the like, and specifies the change period Tc (Tc1, Tc2) and the steady period Ts from the frequency-time change. Then, the extracting unit 12 extracts a changing portion Wc and a steady portion Ws from the waveform W10 based on the changing period Tc (Tc1, Tc2) and the steady period Ts.
  • the determination unit 13 determines the degree of abnormality of the device 40 from the changing portions Wc1 and Wc2 corresponding to the changing periods Tc1 and Tc2 in which the rotation speed of the driving device 42 is increasing or decreasing in the waveform W10.
  • the current I10 supplied to the driving device 42 has a sine waveform indicated by G11 in FIG.
  • G12 in FIG. 4 When an abnormality occurs in the device 40, the waveform is disturbed as shown by G12 in FIG. 4, or the amplitude of the waveform is reduced as shown by G13. That is, it has been discovered that when the device 40 is abnormal, some change has occurred in the waveform.
  • the degree of abnormality of the device 40 can be represented by, for example, two stages of presence / absence of abnormality. Further, the degree of abnormality of the device 40 may include a plurality of types of abnormality such as breakage or wear of the mechanism section 41. As an example, the degree of abnormality can be expressed in multiple stages of no abnormality (normal), damage, large wear, medium wear, small wear, and 3 or more.
  • the determination unit 13 determines the degree of abnormality of the device 40 from the changed part Wc using the learned model M11.
  • the learned model M11 is designed to output an abnormal value with respect to a given input (change portion Wc).
  • the determination unit 13 gives the changed part Wc obtained from the extraction unit 12 to the learned model M11, and thereby determines the degree of abnormality based on the value obtained from the learned model M11.
  • the learned model M11 can be generated by unsupervised learning using the changed portion Wc when the device 40 is normal as learning data (training sample). .
  • the learned model M11 uses learning data (data set) that defines the relationship between the label corresponding to the degree of abnormality and the changed portion Wc. It can be generated by supervised learning.
  • the learned model M11 is stored in the storage unit 17.
  • the storage unit 17 stores a plurality of learned models M11 corresponding to a plurality of types of mechanism units 41 connectable to the driving device 42, respectively. That is, the storage unit 17 stores the learned model M11 corresponding to each of the mechanism units 411 and 412.
  • a plurality of types of learned models M11 may be obtained by generating a learned model M11 serving as a reference and generating a derived model therefrom.
  • the determination unit 13 uses the learned model M11 corresponding to the mechanism unit 41 connected to the driving device 42 among the plurality of learned models M11 to determine the degree of abnormality of the device 40 from the changed portion Wc.
  • the device 40 includes the mechanism units 411 and 412, and the degree of abnormality of the device 40 may include the degree of abnormality of the mechanism unit 411 and the degree of abnormality of the mechanism unit 412.
  • the determination unit 13 sends the current waveform data from the current measurement unit 21 corresponding to the mechanism unit 411 (that is, the current waveform data of the current I11 supplied to the driving device 421 that drives the mechanism unit 411) to the mechanism unit 411.
  • the corresponding learned model M11 is used.
  • the determination unit 13 has learned the current waveform data from the current measurement unit 22 (that is, the current waveform data of the current I12 supplied to the driving device 422 that drives the mechanism unit 412) by learning the current waveform data corresponding to the mechanism unit 412.
  • the model M11 is used.
  • the determination unit 13 uses the learned model M11 associated with the mechanism unit 41 to determine the degree of abnormality of the mechanism unit 41. Therefore, the accuracy of the determination of the degree of abnormality of the device 40 can be improved.
  • the determination unit 13 may determine the degree of abnormality of the device 40 from a steady portion corresponding to a steady period Ts in which the rotation speed of the driving device 42 is kept constant in the waveform indicated by the vibration waveform data. .
  • the determination unit 13 may determine the degree of abnormality of the device 40 by a conventionally known method based on mechanical vibration engineering. That is, the determination unit 13 may use the determination of the abnormality of the device 40 based on the vibration waveform data in addition to the determination of the abnormality of the device 40 based on the current waveform data. This makes it possible to determine the degree of abnormality of the device 40 from the two types of parameters, current and vibration, so that the accuracy of the determination of the degree of abnormality of the device 40 can be improved.
  • the determination unit 13 can use the learned model for the vibration waveform data as well as the current waveform data.
  • the vibration of one of the driving devices 42 during operation may affect the measurement of the other by the vibration measuring unit 32, but has little effect on the measurement of the current measuring unit 22.
  • the current waveform data of the current measurement units 21 and 22 are unlikely to be influenced by each other, unlike the vibration waveform data of the vibration measurement units 31 and 32. Therefore, when a plurality of driving devices 42 serving as vibration sources are provided as in the case of the device 40 of the present embodiment, the determination of the abnormality based on the current waveform data is more reliable than the determination of the abnormality based on the vibration waveform data. Tends to be high.
  • the output unit 14 outputs the result of the determination by the determination unit 13.
  • the output unit 14 includes, for example, an audio output device and a display.
  • the display is, for example, a thin display device such as a liquid crystal display or an organic EL display.
  • the output unit 14 may display the result of the determination by the determination unit 13 on a display, or notify the result by a sound output device. Further, the output unit 14 may transmit the result of the determination by the determination unit 13 as data to an external device or may accumulate the data. Note that the output unit 14 does not need to have both the audio output device and the display.
  • the collection unit 15 collects and accumulates the data acquired by the acquisition unit 11.
  • the data acquired by the acquisition unit 11 includes the current waveform data from the current measurement unit 21 and the current measurement unit 22.
  • the data collected by the collection unit 15 is used for generating and improving the learned model M11.
  • the generation unit 16 generates the learned model M11 used by the determination unit 13.
  • the generation unit 16 generates a learned model M11 by a machine learning algorithm using a certain amount or more of learning data.
  • the learning data may be prepared in advance, or may be generated from data accumulated by the collection unit 15. By adopting the learning data generated from the data accumulated by the collection unit 15, it is possible to further improve the accuracy of the abnormality determination using the learned model M11.
  • the generation unit 16 evaluates the newly generated learned model M11, and when the evaluation of the learned model M11 improves, replaces the learned model M11 stored in the storage unit 17 with the newly generated learned model M11. Then, the learned model M11 is updated.
  • unsupervised learning and supervised learning can be used as appropriate according to the content of the degree of abnormality.
  • a typical dimensional compression method such as an auto encoder can be used.
  • a typical CNN Convolutional Neural Network
  • the supervised learning a typical CNN (Convolutional Neural Network) or the like can be used.
  • the acquisition unit 11, the extraction unit 12, the determination unit 13, the output unit 14, the collection unit 15, and the generation unit 16 include, for example, one or more processors (for example, a microprocessor) It can be realized by a computer system including one or more memories. That is, when one or more processors execute one or more programs stored in one or more memories, the acquisition unit 11, the extraction unit 12, the determination unit 13, the output unit 14, the collection unit 15, It functions as the generation unit 16.
  • the one or more programs may be recorded in a memory in advance, or may be provided through a telecommunication line such as the Internet or recorded in a non-transitory recording medium such as a memory card.
  • the diagnostic system 10 acquires waveform data (current waveform data) indicating a waveform related to the current I11 supplied to the driving device 421 of the device 40 by the acquisition unit 11 (S11).
  • the diagnostic system 10 causes the extracting unit 12 to extract a changed portion Wc (Wc1, Wc2) from the waveform W10 indicated by the current waveform data acquired by the acquiring unit 11 (S12).
  • the diagnosis system 10 uses the learned model M11 corresponding to the mechanism unit 411 connected to the driving device 421 among the plurality of learned models M11 by the determination unit 13 to change the device 40 from the changed portion Wc.
  • the degree of abnormality is determined (S13).
  • the diagnostic system 10 outputs the result of the determination by the determination unit 13 using the output unit 14 (S14).
  • the diagnosis system 10 can diagnose the mechanism unit 411 driven by the drive device 421 from the waveform data indicating the waveform related to the current I11 supplied to the drive device 421 and present the result.
  • the diagnostic system 10 described above includes an acquisition unit 11 and a determination unit 13.
  • the acquisition unit 11 acquires current waveform data indicating a waveform W10 related to the current I10 supplied to the driving device 42 of the device 40.
  • the determination unit 13 determines the degree of abnormality of the device 40 from a change portion Wc of the waveform W10 corresponding to a change period Tc during which the rotation speed of the driving device 42 is increasing or decreasing. According to such a diagnostic system 10, even when there is no period in which the rotation speed of the drive device 42 of the device 40 is maintained constant, the accuracy of determining the degree of abnormality of the device 40 can be improved.
  • the diagnostic system 10 executes the following diagnostic method (first diagnostic method).
  • the first diagnostic method acquires waveform W10 data indicating a waveform W10 related to the current I10 supplied to the driving device 42 of the device 40.
  • the diagnostic method determines the degree of abnormality of the device 40 from a change portion Wc corresponding to a change period Tc in which the rotation speed of the drive device 42 increases or decreases in the waveform W10. According to such a first diagnostic method, even when there is no period in which the rotation speed of the driving device 42 of the device 40 is maintained constant, the accuracy of determining the degree of abnormality of the device 40 can be improved.
  • the diagnostic system 10 is realized by a computer system. That is, the diagnostic system 10 is realized by a computer system executing a program (diagnostic program).
  • This program is a program for causing a computer system to execute the first diagnostic method. According to such a program, similarly to the first diagnosis method, even when there is no period in which the rotation speed of the driving device 42 of the device 40 is kept constant, the accuracy of determining the degree of abnormality of the device 40 can be improved. .
  • the diagnostic system 10 includes an acquisition unit 11 and an extraction unit 12.
  • the acquisition unit 11 acquires current waveform data indicating a waveform W10 related to the current I10 supplied to the driving device 42 of the device 40.
  • the extracting unit 12 extracts a changed portion Wc from the waveform W10.
  • the change portion Wc corresponds to a change period Tc in which the rotation speed of the drive device 42 is increasing or decreasing. According to such a diagnostic system 10, even when there is no period in which the rotation speed of the drive device 42 of the device 40 is maintained constant, the accuracy of determining the degree of abnormality of the device 40 can be improved.
  • the diagnostic system 10 executes the following diagnostic method (second diagnostic method).
  • second diagnosis method current waveform data indicating a waveform W10 related to a current I10 supplied to the driving device 42 of the device 40 is acquired.
  • the diagnostic method extracts, from the waveform W10, a change portion Wc corresponding to a change period Tc in which the rotation speed of the driving device 42 is increasing or decreasing. According to the second diagnostic method, even when there is no period during which the rotation speed of the drive device 42 of the device 40 is maintained constant, the accuracy of determining the degree of abnormality of the device 40 can be improved.
  • the diagnostic system 10 is realized by a computer system. That is, the diagnostic system 10 is realized by a computer system executing a program (diagnostic program).
  • This program is a program for causing a computer system to execute the second diagnostic method. According to such a program, similarly to the second diagnosis method, even when there is no period in which the rotation speed of the drive device 42 of the device 40 is maintained constant, the accuracy of determining the degree of abnormality of the device 40 can be improved. .
  • the diagnostic system 10 does not necessarily need to include the current measuring unit 20 (21, 22) and the vibration measuring unit 30 (31, 32).
  • the diagnostic system 10 includes the acquisition unit 11, the extraction unit 12, the determination unit 13, the output unit 14, the collection unit 15, and the generation unit. 16 and the storage unit 17. This is the same for the vibration measuring unit 30 (31, 32).
  • the current measuring section 20 does not necessarily need to include a differential type current sensor, and may be another conventionally known current sensor.
  • the vibration measuring unit 30 is not essential. That is, the diagnostic system 10 does not need to have a function of performing a diagnosis using the vibration waveform data. In other words, the diagnostic system 10 only needs to have a function of determining the degree of abnormality of the device 40 from the current waveform data.
  • the diagnostic system 10 does not need to have a function of performing a diagnosis using the vibration waveform data. That is, the diagnostic system 10 only needs to have a function of determining the degree of abnormality of the device 40 from the current waveform data.
  • the diagnostic system 10 does not necessarily need to include the collection unit 15, the generation unit 16, and the storage unit 17. That is, the diagnostic system 10 does not need to have a function of updating the learned model M11 by itself.
  • the storage unit 17 does not necessarily need to store a plurality of learned models M11.
  • the extraction unit 12 may extract the stationary part Ws. That is, the extraction unit 12 may extract, from the waveform W10, a change portion Wc and a steady portion Ws corresponding to the steady period Ts in which the rotation speed of the driving device 42 is kept constant. In this case, if necessary, the steady portion Ws can be used to assist in determining an abnormality. Further, the extraction unit 12 is not essential. For example, when the user substitutes for the processing in the extracting unit 12, the diagnostic system 10 does not need to extract the changed portion Wc. Alternatively, the entirety of the waveform W10 indicated by the current waveform data acquired by the acquisition unit 11 may be input and the degree of abnormality may be obtained as an output from the learned model M11. That is, the extraction of the changed portion Wc may be omitted.
  • the determination unit 13 is not essential. For example, when the user performs the process in the determination unit 13 instead, the diagnostic system 10 only needs to present the changed portion Wc to the user.
  • the diagnostic system 10 does not necessarily need to have the output unit 14. As an example, the diagnostic system 10 may be able to output the degree of abnormality determined by the determining unit 13 to the outside of the diagnostic system 10.
  • the diagnostic system 10 may be configured by a plurality of computers, and the functions of the diagnostic system 10 (particularly, the acquisition unit 11, the extraction unit 12, the determination unit 13, the output unit 14, the collection unit 15, and the generation unit 16) ) May be distributed to multiple devices.
  • the acquisition unit 11, the extraction unit 12, the determination unit 13, and the output unit 14 may be provided in a personal computer or the like installed in a facility having the device 40, and the generation unit 16 and the output unit 14 may be provided in an external server or the like. May be provided.
  • the diagnosis system 10 is realized by cooperation between the personal computer and the server.
  • at least a part of the functions of the diagnostic system 10 may be realized by, for example, a cloud (cloud computing).
  • the execution entity of the diagnostic system 10 described above includes a computer system.
  • the computer system has a processor and a memory as hardware.
  • the processor executes a program recorded in the memory of the computer system, a function as an execution subject of the diagnostic system 10 according to the present disclosure is realized.
  • the program may be recorded in a memory of the computer system in advance, or may be provided through a telecommunication line. Further, the program may be provided by being recorded on a non-transitory recording medium such as a memory card, an optical disk, and a hard disk drive that can be read by a computer system.
  • a processor of a computer system includes one or more electronic circuits including a semiconductor integrated circuit (IC) or a large-scale integrated circuit (LSI).
  • FGPA Field programmable gate array
  • ASIC application specific integrated circuit
  • a plurality of electronic circuits may be integrated on one chip, or may be provided separately on a plurality of chips.
  • a plurality of chips may be integrated in one device, or may be provided separately in a plurality of devices.
  • the diagnostic system (10) includes an acquisition unit (11) and a determination unit (13).
  • the acquisition unit (11) acquires current waveform data indicating a waveform (W10) related to a current (I10) supplied to a driving device (42) of a device (40).
  • the determination unit (13) determines the device (40) from a change portion (Wc) of the waveform (W10) corresponding to a change period (Tc) in which the rotation speed of the driving device (42) is increasing or decreasing.
  • the degree of abnormality in ()) is determined. According to the first aspect, even when there is no period in which the rotation speed of the driving device (42) of the device (40) is kept constant, the accuracy of determining the degree of abnormality of the device (40) can be improved.
  • the diagnostic system (10) of the second aspect can be realized by a combination with the first aspect.
  • the diagnostic system (10) further includes an extraction unit (12) that extracts the changed portion (Wc) from the waveform (W10). According to the second aspect, even when there is no period in which the rotation speed of the driving device (42) of the device (40) is kept constant, the accuracy of determining the degree of abnormality of the device (40) can be improved.
  • the diagnostic system (10) of the third aspect can be realized by a combination with the second aspect.
  • the extraction unit (12) identifies whether the changed portion (Wc) is a first changed portion (Wc1) or a second changed portion (Wc2).
  • the first change portion (Wc1) is a portion of the waveform (W10) corresponding to a first change period (Tc1) in which the rotation speed of the driving device (42) is increasing.
  • the second change portion is a portion of the waveform corresponding to a second change period (Tc2) in which the rotation speed of the driving device is decreasing. According to the third aspect, even when there is no period in which the rotation speed of the driving device (42) of the device (40) is kept constant, the accuracy of determining the degree of abnormality of the device (40) can be improved.
  • the diagnostic system (10) of the fourth aspect can be realized by a combination with the third aspect.
  • the current (I10) is an alternating current having a fundamental frequency.
  • the extracting unit (12) extracts the changing part (Wc) and the steady part (Ws) from the waveform (W10) based on the temporal change of the fundamental frequency. According to the fourth aspect, it is possible to improve the accuracy of extracting the changed portion (Wc).
  • the diagnostic system (10) according to the fifth aspect can be realized by a combination with any one of the first to fourth aspects.
  • the apparatus further includes a current measurement unit (20) that measures the current (I10) and outputs the current waveform data.
  • the current measuring unit (20) includes a differential type current (I10) sensor.
  • the diagnostic system (10) of the sixth aspect can be realized by a combination with the fifth aspect.
  • the current (I10) measuring section (20) is attached to an electric wire (50) through which the current (I10) flows. According to the sixth aspect, mounting of the diagnostic system (10) is facilitated.
  • the diagnostic system (10) of the seventh aspect can be realized by a combination with any one of the first to sixth aspects.
  • the device (40) includes a working device (40). According to the seventh aspect, it is possible to diagnose the work equipment.
  • the diagnostic system (10) of the eighth aspect can be realized by a combination with any one of the first to seventh aspects.
  • the device (40) includes a vibration source (42). According to the eighth aspect, since the current waveform data is hardly affected by the vibration, it is possible to suppress a decrease in the accuracy of determining the degree of abnormality of the device (40) due to the presence of the vibration source (42).
  • the diagnostic system (10) according to the ninth aspect can be realized by a combination with any one of the first to eighth aspects.
  • the device (40) has a plurality of the driving devices (42).
  • the acquisition unit (11) acquires current waveform data of each of the plurality of driving devices (42). According to the ninth aspect, since the current waveform data is hardly influenced by each other, it is possible to suppress a decrease in the accuracy of determining the degree of abnormality of the device (40) due to the presence of the plurality of driving devices (42).
  • the diagnostic system (10) according to the tenth aspect can be realized by a combination with any one of the first to ninth aspects.
  • the determination unit (13) determines the degree of abnormality of the device (40) from the changed portion (Wc) using a learned model (M11). According to the tenth aspect, it is possible to learn the change that occurs when the device (40) is abnormal, and it is possible to further improve the accuracy of determining the degree of abnormality of the device (40).
  • the diagnostic system (10) according to the eleventh aspect can be realized by a combination with the tenth aspect.
  • the diagnostic system (10) includes a storage unit that stores a plurality of learned models (M11) respectively corresponding to a plurality of types of mechanism units (41) connectable to the driving device (42). (17) is further provided.
  • the determination unit (13) uses the learned model (M11) corresponding to the mechanism unit (41) connected to the driving device (42) among the plurality of learned models (M11) to perform the change.
  • the degree of abnormality of the device (40) is determined from the portion (Wc). According to the eleventh aspect, since the learned model (M11) suitable for the device (40) can be used, the accuracy of the determination of the degree of abnormality of the device (40) can be further improved.
  • the diagnostic system (10) includes an acquisition unit (11) and an extraction unit (12).
  • the acquisition unit (11) acquires current waveform data indicating a waveform (W10) related to a current (I10) supplied to a driving device (42) of a device (40).
  • the extracting unit (12) extracts a changing part (Wc) from the waveform (W10).
  • the change portion (Wc) corresponds to a change period (Tc) in which the rotation speed of the driving device (42) is increasing or decreasing. According to the twelfth aspect, even when there is no period in which the rotation speed of the driving device (42) of the device (40) is kept constant, the accuracy of determining the degree of abnormality of the device (40) can be improved.
  • the diagnostic method obtains current waveform data indicating a waveform (W10) related to a current (I10) supplied to the driving device (42) of the device (40).
  • the diagnostic method may include, from the waveform (W10), a change portion (Wc) corresponding to a change period (Tc) in which the rotation speed of the driving device (42) is increasing or decreasing.
  • the degree of abnormality is determined. According to the thirteenth aspect, even when there is no period in which the rotation speed of the driving device (42) of the device (40) is kept constant, the accuracy of determining the degree of abnormality of the device (40) can be improved.
  • the diagnostic method acquires current waveform data indicating a waveform (W10) related to a current (I10) supplied to the drive device (42) of the device (40). Further, the diagnostic method extracts, from the waveform (W10), a change portion (Wc) corresponding to a change period in which the rotation speed of the drive device (42) is increasing or decreasing. According to the fourteenth aspect, even when there is no period in which the rotation speed of the driving device (42) of the device (40) is kept constant, the accuracy of determining the degree of abnormality of the device (40) can be improved.
  • the program according to the fifteenth aspect is a program for causing a computer system to execute the thirteenth or fourteenth diagnostic method. According to the fifteenth aspect, even when there is no period in which the rotation speed of the driving device (42) of the device (40) is kept constant, the accuracy of determining the degree of abnormality of the device (40) can be improved.

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

課題は、機器の駆動装置の回転数が一定に維持される期間がない場合でも、機器の異常の度合いの判定の精度を向上できる、診断システム、診断方法、及びプログラムを提供することである。診断システム（１０）は、機器（２０）の駆動装置（４２）に供給される電流（Ｉ１０）に関する波形を示す電流波形データを取得する取得部（１１）と、前記波形のうち駆動装置（４２）の回転数が増加又は減少している変化期間に対応する変化部分から、機器（４０）の異常の度合いを判定する判定部（１３）と、を備える。

Description

診断システム、診断方法、プログラム
　本開示は、一般に、診断システム、診断方法、及びプログラムに関する。本開示は、より詳細には、機器の異常の度合いを判定する診断システム、診断方法、及びプログラムに関する。
　特許文献１は、経年劣化による回転装置の異常の誤診断を低減することが可能な異常診断装置（診断システム）を開示する。特許文献１の異常診断装置のコントローラは、運用度算出部と、閾値設定部と、振動測定部と、車軸回転数検出部と、特徴周波数成分抽出部と、異常診断部とを備える。運用度算出部は、回転装置の運用時間の指標値である運用度を算出する。閾値設定部は、運用度に基づき、運用時間の長さに応じて大きさの変化する振動に対応する適正な診断閾値を設定する。振動測定部は、回転装置に生じる振動を測定する。車軸回転数検出部は、車速に基づき車軸回転数を算出する。特徴周波数成分抽出部は、車軸回転数が設定回転数範囲に含まれるときに測定された振動の振動値から回転装置の異常に係る特徴周波数成分を抽出する。異常診断部は、特徴周波数成分と、診断閾値とを比較し、この比較結果に基づき回転装置の異常を診断する。
　特許文献１では、特徴周波数成分を抽出するためには、車軸回転数が設定回転数範囲に含まれている必要がある。つまり、特許文献１では、診断のためには、回転装置（機器の駆動装置）の回転数が一定に維持される必要がある。
特開２０１７－３２４６７号公報
　課題は、機器の駆動装置の回転数が一定に維持される期間がない場合でも、機器の異常の判定の精度を向上できる、診断システム、診断方法、及びプログラムを提供することである。
　本開示の一態様の診断システムは、取得部と、判定部と、を備える。前記取得部は、機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得する。前記判定部は、前記波形のうち前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分から、前記機器の異常の度合いを判定する。
　本開示の一態様の診断システムは、取得部と、抽出部と、を備える。前記判定部は、機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得する。前記抽出部は、前記波形から、前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分を抽出する。
　本開示の一態様の診断方法は、機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得し、前記波形のうち前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分から、前記機器の異常の度合いを判定する。
　本開示の一態様の診断方法は、機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得し、前記波形から変化部分を抽出する。前記変化部分は、前記駆動装置の回転数が増加又は減少している変化期間に対応する部分である。
　本開示の一態様のプログラムは、コンピュータシステムに、前記診断方法のいずれかを実行させるための、プログラムである。
図１は、一実施形態の診断システムの説明図である。 図２は、機器の駆動装置に供給される電流に関する波形の説明図である。 図３は、図２に示す波形の解析結果の説明図である。 図４は、機器の駆動装置に供給される電流に関する波形の説明図である。 図５は、上記診断システムの動作のフローチャートである。
　１．実施形態
　１．１　概要
　図１は、一実施形態の診断システム１０を示す。診断システム１０は、取得部１１と、判定部１３と、を備える。取得部１１は、機器４０の駆動装置４２（４２１，４２２）に供給される電流Ｉ１０（Ｉ１１，Ｉ１２）に関する波形Ｗ１０を示す電流波形データ（図２参照）を取得する。判定部１３は、波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃ１，Ｔｃ２に対応する変化部分Ｗｃ１，Ｗｃ２から、機器４０の異常の度合いを判定する。
　波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃ１，Ｔｃ２に対応する変化部分Ｗｃ１，Ｗｃ２と機器４０の異常の度合いとの間に相関があることが発見された。診断システム１０では、機器４０の異常の度合いを判定するにあたって、波形Ｗ１０のうち駆動装置４２の回転数が一定に維持されている期間（定常期間Ｔｓ）ではなく、変化期間Ｔｃ１，Ｔｃ２を利用する。よって、機器４０の駆動装置４２の回転数が一定に維持される期間（定常期間Ｔｓ）がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。
　１．２　構成
　以下、診断システム１０について更に詳細に説明する。診断システム１０は、図１に示すような機器４０の診断を行うために用いられる。
　機器４０は、一例としては、作業機器である。作業機器は、所定の作業を実行する機器である。所定の作業の例としては、搬送等が挙げられる。このような作業機器としては、例えば、スカラロボットや搬送ロボット（例えば、リニアガイド、直交ロボット）等の搬送機が挙げられる。図１では、搬送機として、スカラロボットとスカラロボットを移動させるリニアガイドとで構成された機器４０を示している。なお、所定の作業は搬送に限られず、例えば、材料や物品の加工、配置、及び実装等でも良い。加工は、例えば、中ぐり、穴あけ、ねじ立て、切断、研磨等の物理的な処理、及び、加熱、冷却等の化学的な処理を含み得る。このような作業機器は、旋盤等の工作機械、電子部品実装機、搬送機、熱処理装置、産業用ロボット及びこれらの組み合わせ等でも良い。なお、産業用ロボットは、搬送ロボットに限定されず、溶接ロボット、組立ロボット、塗装ロボット、検査ロボット、研磨ロボット、洗浄ロボットであってもよい。
　機器４０は、図１に示すように、機構部４１（４１１，４１２）と、駆動装置４２（４２１，４２２）と、制御装置４３とを含む。
　機構部４１（４１１，４１２）は、所定の作業を実行するための装置である。機構部４１は、材料又は物品の搬送を実行する装置である。機構部４１は、ボールねじ、ギア、ベルト等の動力伝達部品を含む。一例として、機構部４１１は、スカラロボットのギアを含み、機構部４１２は、リニアガイドのボールねじ及びベルトの少なくとも一つを含む。なお、図１では、機構部４１を一部だけ図示しているが、これは単に説明を簡略化することを目的とするものであって、実際には、機構部４１はより多くの動力伝達部品を含み得る。
　駆動装置４２（４２１，４２２）は、機構部４１（４１１，４１２）を駆動するための装置である。言い換えれば、駆動装置４２は、機構部４１の動力源である。駆動装置４２は、与えられた電流に応じて回転数が変化する。本実施形態では、駆動装置４２は、モータ（例えば、回転モータ、直動モータ）である。駆動装置４２は、交流モータを含む。交流モータは、サーボモータ、同期モータ、三相誘導モータ、単相誘導モータであってもよい。具体的には、駆動装置４２は、与えられた交流電流の基本周波数の変化に応じて単位時間当たりの回転数が変化する。一例として、基本周波数が高くなければ回転数が大きくなり、基本周波数が低くなれば回転数が小さくなる。駆動装置４２は、機器４０において、振動源になる。なお、図１では、駆動装置４２を２つだけ図示しているが、これは単に説明を簡略化することを目的とするものであって、実際には、更に多数の駆動装置４２が存在し得る。
　制御装置４３は、駆動装置４２を制御するための装置である。制御装置４３は、電源装置４３１，４３２を備える。電源装置４３１，４３２は、駆動装置４２（４２１，４２２）にそれぞれ電流Ｉ１０（Ｉ１１，Ｉ１２）を供給する。電源装置４３１，４３２は、駆動装置４２（４２１，４２２）に電線５０（５１，５２）を介して接続されている。本実施形態では、駆動装置４２１，４２２は交流モータであるから、電流Ｉ１１，Ｉ１２は、基本周波数を有する交流である。電源装置４３１，４３２は、電流Ｉ１１，Ｉ１２の基本周波数を調整する機能を有する。電源装置４３１，４３２は、従来周知の交流電源回路により実現可能であるから詳細な説明は省略する。
　診断システム１０は、図１に示すように、電流測定部２１，２２と、振動測定部３１，３２と、を備える。
　電流測定部２１，２２は、機器４０の駆動装置４２１，４２２に供給される電流Ｉ１１，Ｉ１２を測定し、電流Ｉ１１，Ｉ１２に関する波形を示す電流波形データ（電流波形データ）を出力する。電流測定部２１，２２は、電源装置４３１，４３２から駆動装置４２１，４２２への電流Ｉ１１，Ｉ１２が流れる電線５１，５２に取り付けられる。電流測定部２１，２２は、電流センサを含む。本実施形態では、電流測定部２１，２２は、微分型の電流センサを含む。したがって、電流波形データは、電流Ｉ１１，Ｉ１２の微分の波形を示すデータである。この種の微分型の電流センサとしては、コアレスタイプのセンサ（例えば、サーチコイル）が挙げられる。サーチコイルには、電線５０に流れる電流Ｉ１０で生じる磁束に応じた誘導電圧が生じるから、電流Ｉ１０の測定が可能となる。ここで、サーチコイルの誘導電圧は、次式（１）で与えられる。式（１）において、ｅは誘導電圧、ｒはサーチコイルの半径、ｎはサーチコイルの巻き数、Ｂはサーチコイルに鎖交する磁界の磁束密度を示す。
Figure JPOXMLDOC01-appb-M000001
　この種の微分型の電流センサを用いることで、電流測定部２１，２２を、電線５１，５２に後付けすることが可能になる。
　振動測定部３１，３２は、駆動装置４２での回転（回転子の回転）には現れない振動を測定するために用いられる。振動測定部３１，３２は、このような振動に関する波形を示す波形データ（振動波形データ）を出力する。特に、振動測定部３１は、機構部４１１及び駆動装置４２１に関連する振動を測定可能な箇所に設置される。また、振動測定部３２は、機構部４１２及び駆動装置４２２に関連する振動を測定可能な箇所に設置される。振動測定部３１，３２は、振動センサを含む。振動センサは、従来周知のものを使用できる。振動測定部３１，３２は、機器４０の所定箇所に設置される。所定箇所は、診断システム１０で判定しようとする機器４０の異常に応じて適宜選択される。カンチレバー等から取得する振動に基づいて異常を判定する方法自体は、従来周知の方法でよいから、詳細な説明は省略する。また、異常の判定には、ＡＩを利用してもよい。
　診断システム１０は、図１に示すように、取得部１１と、抽出部１２と、判定部１３と、出力部１４と、収集部１５と、生成部１６と、記憶部１７と、を備える。
　取得部１１は、機器４０の複数の駆動装置４２１，４２２にそれぞれ供給される電流Ｉ１１，Ｉ１２に関する波形を示す波形データ（電流波形データ）を取得する。より詳細には、取得部１１は、電流測定部２１及び電流測定部２２に接続されており、電流測定部２１及び電流測定部２２から別個に電流波形データを取得する。電流測定部２１からの電流波形データは、電流Ｉ１１の微分の波形を示すデータであり、電流測定部２２からの電流波形データは、電流Ｉ１２の微分の波形を示すデータである。また、取得部１１は、機器４０で発生する振動に関する波形を示す波形データ（振動波形データ）を取得する。より詳細には、取得部１１は、振動測定部３１及び振動測定部３２に接続されており、振動測定部３１及び振動測定部３２のそれぞれから別個に振動波形データを取得する。
　抽出部１２は、取得部１１で取得された電流波形データが示す波形Ｗ１０から、変化部分Ｗｃ（Ｗｃ１，Ｗｃ２）を抽出する（図２参照）。変化部分Ｗｃ（Ｗｃ１，Ｗｃ２）は、波形Ｗ１０のうち、駆動装置４２の回転数が増加又は減少している変化期間Ｔｃ（Ｔｃ１，Ｔｃ２）に対応する部分である。特に、抽出部１２は、変化部分Ｗｃが第１変化部分Ｗｃ１か第２変化部分Ｗｃ２かを識別する。第１変化部分Ｗｃ１は、波形Ｗ１０のうち、駆動装置４２の回転数が増加している変化期間（第１変化期間）Ｔｃ１に対応する部分である。第２変化部分Ｗｃ２は、波形Ｗ１０のうち、駆動装置４２の回転数が減少している変化期間（第２変化期間）Ｔｃ２に対応する部分である。このように、抽出部１２は、波形Ｗ１０から、変化部分Ｗｃを抽出し、定常部分Ｗｓは抽出しない。定常部分Ｗｓは、波形Ｗ１０のうち、駆動装置４２の回転数が一定に維持されている定常期間Ｔｓに対応する部分である。抽出部１２は、電流測定部２１からの電流波形データと電流測定部２２からの電流波形データのそれぞれについて、変化部分Ｗｃの抽出を行う。もちろん、状況によっては、変化部分Ｗｃが含まれていないこともある。
　本実施形態では、抽出部１２は、波形Ｗ１０から変化部分Ｗｃを抽出するにあたっては、波形Ｗ１０に対して短時間フーリエ変換（short-time Fourier transform：ＳＴＦＴ）を行う。図３は、波形Ｗ１０の短時間フーリエ変換の結果を示す。図３において、横軸は時間、縦軸は周波数、色の濃淡が振幅を示す。色が濃いほど、振幅が大きい。図３では、周波数が低い領域の分布Ｄ１０が、基本周波数に対応している。分布Ｄ１０において、時間に対して周波数が増加している期間が、第１変化期間Ｔｃ１である。また、時間に対して周波数が減少している期間が、第２変化期間Ｔｃ２である。また、時間に対して周波数が一定である期間が、定常期間Ｔｃ１である。波形Ｗ１０の短時間フーリエ変換の結果を利用すれば、第１変化期間Ｔｃ１、第２変化期間Ｔｃ２、及び定常期間Ｔｓの識別が容易に行える。抽出部１２は、波形Ｗ１０の短時間フーリエ変換の結果に基づき、第１変化期間Ｔｃ１及び第２変化期間Ｔｃ２を決定する。そして、抽出部１２は、第１変化期間Ｔｃ１及び第２変化期間Ｔｃ２に基づいて、波形Ｗ１０から変化部分Ｗｃ（Ｗｃ１，Ｗｃ２）を抽出する。
　また、抽出部１２は、取得部１１で取得された振動波形データが示す波形から定常期間Ｔｓに対応する定常部分を抽出する。抽出部１２は、振動測定部３１からの振動波形データと振動測定部３２からの振動波形データのそれぞれについて、定常部分の抽出を行う。もちろん、状況によっては、定常部分が含まれていないこともある。
　本実施形態では、上述したように、電流Ｉ１０の基本周波数が高くなければ駆動装置４２の回転数が大きくなり、電流Ｉ１０の基本周波数が低くなれば機器４０の回転数が小さくなる。このことから、抽出部１２は、電流Ｉ１０の基本周波数の時間的変化に基づいて、波形Ｗ１０から変化部分Ｗｃと定常部分Ｗｓとを抽出する。抽出部１２は、フーリエ変換等により取得部１１で取得された電流波形データの周波数の分析をし、周波数時間的変化から、変化期間Ｔｃ（Ｔｃ１，Ｔｃ２）及び定常期間Ｔｓを特定する。そして、抽出部１２は、変化期間Ｔｃ（Ｔｃ１，Ｔｃ２）及び定常期間Ｔｓに基づいて、波形Ｗ１０から変化部分Ｗｃと定常部分Ｗｓとを抽出する。
　判定部１３は、波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃ１，Ｔｃ２に対応する変化部分Ｗｃ１，Ｗｃ２から、機器４０の異常の度合いを判定する。ここで、機器４０の正常時には、駆動装置４２に供給される電流Ｉ１０が、図４にＧ１１で示す正弦波形を有しているとする。機器４０に異常が発生している場合には、図４にＧ１２で示すように波形が乱れたり、Ｇ１３で示すように波形の振幅が小さくなったりする。つまり、機器４０の異常時には、波形に何らかの変化が生じていることが発見された。駆動装置４２に供給される電流Ｉ１０の波形と機器４０の異常の度合いとの間には相関関係が存在すると推察される。機器４０の異常の度合いは、例えば、異常の有無の２段階で表すことができる。また、機器４０の異常の度合いは、機構部４１の破損や摩耗等の複数種類の異常を含んでいてよい。一例として、異常の度合いは、異常なし（正常）、破損あり、摩耗大、摩耗中、摩耗小、３以上の多段階で表すことができる。
　判定部１３は、学習済みモデルＭ１１を利用して、変化部分Ｗｃから機器４０の異常の度合いを判定する。ここで、学習済みモデルＭ１１は、与えられた入力（変化部分Ｗｃ）に対して、異常値を出力するように設計されている。判定部１３は、抽出部１２から得た変化部分Ｗｃを学習済みモデルＭ１１に与え、これによって学習済みモデルＭ１１から得られた値に基づいて、異常度合いを判定する。例えば、異常の度合いが異常の有無である場合、学習済みモデルＭ１１は、機器４０が正常である場合の変化部分Ｗｃを学習用データ（訓練標本）として用いた教師なし学習により生成することができる。例えば、異常の度合いが異常の種類を含む多段階である場合、学習済みモデルＭ１１は、異常の度合いに対応するラベルと変化部分Ｗｃとの関係を規定する学習用データ（データセット）を用いた教師あり学習により生成することができる。学習済みモデルＭ１１は、記憶部１７に記憶されている。本実施形態では、記憶部１７は、駆動装置４２に接続可能な複数種類の機構部４１にそれぞれ対応する複数の学習済みモデルＭ１１を記憶している。つまり、記憶部１７は、機構部４１１，４１２にそれぞれ対応する学習済みモデルＭ１１を記憶している。この場合、基準となる学習済みモデルＭ１１を生成し、これから派生モデルを生成することで、複数種類の学習済みモデルＭ１１を得てよい。
　判定部１３は、複数の学習済みモデルＭ１１のうち駆動装置４２に接続された機構部４１に対応する学習済みモデルＭ１１を利用して、変化部分Ｗｃから機器４０の異常の度合いを判定する。上述したように、機器４０は、機構部４１１，４１２を備えており、機器４０の異常の度合いは、機構部４１１の異常の度合いと機構部４１２の異常の度合いとを含み得る。判定部１３は、機構部４１１に対応する電流測定部２１からの電流波形データ（つまり、機構部４１１を駆動する駆動装置４２１に供給される電流Ｉ１１の電流波形データ）については、機構部４１１に対応する学習済みモデルＭ１１を用いる。また、判定部１３は、電流測定部２２からの電流波形データ（つまり、機構部４１２を駆動する駆動装置４２２に供給される電流Ｉ１２の電流波形データ）については、機構部４１２に対応する学習済みモデルＭ１１を用いる。このように判定部１３は、機構部４１の異常の度合いを判定するにあたっては、機構部４１に対応付けられた学習済みモデルＭ１１を利用する。よって、機器４０の異常の度合いの判定の精度の向上が図れる。
　更に、判定部１３は、振動波形データが示す波形のうち駆動装置４２の回転数が一定に維持されている定常期間Ｔｓに対応する定常部分から、機器４０の異常の度合いを判定してもよい。一例として、判定部１３は、機械振動工学に基づく従来周知の方法によって、機器４０の異常の度合いを判定してもよい。つまり、判定部１３は、電流波形データに基づく機器４０の異常の判定に加えて、振動波形データに基づく機器４０の異常の判定を利用してよい。これによって、電流と振動との２種類のパラメータから機器４０の異常の度合いの判定が可能となるから、機器４０の異常の度合いの判定の精度の向上が図れる。なお、判定部１３は、振動波形データについても、電流波形データと同様に、学習済みモデルを利用できる。
　ここで、駆動装置４２の一方の動作時の振動は、他方に関する振動測定部３２での測定に影響を及ぼす恐れがあるが、電流測定部２２での測定にはほとんど影響がない。これによって、電流測定部２１，２２の電流波形データは、振動測定部３１，３２の振動波形データと異なり、相互に影響を受けにくいことが確認されている。したがって、本実施形態の機器４０のように振動源となる駆動装置４２を複数備えている場合においては、振動波形データに基づく異常の判定よりも、電流波形データに基づく異常の判定のほうが信頼度が高くなりやすい。
　出力部１４は、判定部１３での判定の結果の出力を行う。出力部１４は、例えば、音声出力装置と、ディスプレイと、を有する。ディスプレイは、例えば、液晶ディスプレイや有機ＥＬディスプレイ等の薄型のディスプレイ装置である。出力部１４は、判定部１３での判定の結果をディスプレイに表示したり、音声出力装置で報知したりしてもよい。また、出力部１４は、判定部１３での判定の結果をデータとして外部装置に送信したり、蓄積したりしてもよい。なお、出力部１４は、音声出力装置とディスプレイとの両方を有する必要はない。
　収集部１５は、取得部１１で取得されたデータを収集して蓄積する。本実施形態では、取得部１１で取得されたデータは、電流測定部２１及び電流測定部２２からの電流波形データを含む。収集部１５が収集したデータは、学習済みモデルＭ１１の生成・改良に利用される。
　生成部１６は、判定部１３が利用する学習済みモデルＭ１１の生成を行う。生成部１６は、一定量以上の学習用データを用いて、機械学習アルゴリズムによって学習済みモデルＭ１１を生成する。学習用データは、予め用意されていてもよいし、収集部１５が蓄積したデータから生成されてもよい。収集部１５が蓄積したデータから生成された学習用データを採用することで、学習済みモデルＭ１１を用いた異常判定の精度の更なる向上が見込める。生成部１６は、新しく生成した学習済みモデルＭ１１の評価を行い、学習済みモデルＭ１１の評価が向上すると、記憶部１７に記憶されている学習済みモデルＭ１１を新しく生成した学習済みモデルＭ１１に置き換えて、学習済みモデルＭ１１の更新を行う。学習済みモデルＭ１１の生成の方法としては、上述したように、異常の度合いの内容に応じて、教師なし学習、教師あり学習を適宜利用できる。なお、教師なし学習としては、代表的な、オートエンコーダ等の次元圧縮手法を利用できる。また、教師あり学習としては、代表的な、ＣＮＮ（Convolutional Neural Network）等を利用できる。
　診断システム１０において、取得部１１と、抽出部１２と、判定部１３と、出力部１４と、収集部１５と、生成部１６とは、例えば、１以上のプロセッサ（一例としてはマイクロプロセッサ）と１以上のメモリとを含むコンピュータシステムにより実現され得る。つまり、１以上のプロセッサが１以上のメモリに記憶された１以上のプログラムを実行することで、取得部１１と、抽出部１２と、判定部１３と、出力部１４と、収集部１５と、生成部１６として機能する。１以上のプログラムは、メモリに予め記録されていてもよいし、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。
　１．３　動作
　次に、図５を参照して診断システム１０の基本的な動作について簡単に説明する。以下では、説明を簡略化するために、機器４０の機構部４１１に関する診断について説明する。
　診断システム１０は、取得部１１により、機器４０の駆動装置４２１に供給される電流Ｉ１１に関する波形を示す波形データ（電流波形データ）を取得する（Ｓ１１）。次に、診断システム１０は、抽出部１２により、取得部１１で取得された電流波形データが示す波形Ｗ１０から、変化部分Ｗｃ（Ｗｃ１，Ｗｃ２）を抽出する（Ｓ１２）。この後に、診断システム１０は、判定部１３により、複数の学習済みモデルＭ１１のうち駆動装置４２１に接続された機構部４１１に対応する学習済みモデルＭ１１を利用して、変化部分Ｗｃから機器４０の異常の度合いを判定する（Ｓ１３）。最後に、診断システム１０は、出力部１４により、判定部１３での判定の結果の出力を行う（Ｓ１４）。このように、診断システム１０は、駆動装置４２１に供給される電流Ｉ１１に関する波形を示す波形データから、駆動装置４２１で駆動される機構部４１１の診断をしてその結果を提示できる。
　１．４　まとめ
　以上述べた診断システム１０は、取得部１１と、判定部１３と、を備える。取得部１１は、機器４０の駆動装置４２に供給される電流Ｉ１０に関する波形Ｗ１０を示す電流波形データを取得する。判定部１３は、波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃに対応する変化部分Ｗｃから、機器４０の異常の度合いを判定する。このような診断システム１０によれば、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。
　換言すれば、診断システム１０は、下記の診断方法（第１診断方法）を実行しているといえる。第１診断方法は、機器４０の駆動装置４２に供給される電流Ｉ１０に関する波形Ｗ１０を示す波形Ｗ１０データを取得する。また、診断方法は、波形Ｗ１０のうち駆動装置４２の回転数が増加又は減少している変化期間Ｔｃに対応する変化部分Ｗｃから、機器４０の異常の度合いを判定する。このような第１診断方法によれば、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。
　診断システム１０は、コンピュータシステムにより実現されている。つまり、診断システム１０は、コンピュータシステムがプログラム（診断プログラム）を実行することにより実現される。このプログラムは、コンピュータシステムに第１診断方法を実行させるためのプログラムである。このようなプログラムによれば、第１診断方法と同様に、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。
　別の観点から言えば、診断システム１０は、取得部１１と、抽出部１２と、を備える。取得部１１は、機器４０の駆動装置４２に供給される電流Ｉ１０に関する波形Ｗ１０を示す電流波形データを取得する。抽出部１２は、波形Ｗ１０から、変化部分Ｗｃを抽出する。変化部分Ｗｃは、駆動装置４２の回転数が増加又は減少している変化期間Ｔｃに対応する。このような診断システム１０によれば、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。
　換言すれば、診断システム１０は、下記の診断方法（第２診断方法）を実行しているといえる。第２診断方法は、機器４０の駆動装置４２に供給される電流Ｉ１０に関する波形Ｗ１０を示す電流波形データを取得する。また、診断方法は、波形Ｗ１０から、駆動装置４２の回転数が増加又は減少している変化期間Ｔｃに対応する変化部分Ｗｃを抽出する。第２診断方法によれば、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。
　診断システム１０は、コンピュータシステムにより実現されている。つまり、診断システム１０は、コンピュータシステムがプログラム（診断プログラム）を実行することにより実現される。このプログラムは、コンピュータシステムに第２診断方法を実行させるためのプログラムである。このようなプログラムによれば、第２診断方法と同様に、機器４０の駆動装置４２の回転数が一定に維持される期間がない場合でも、機器４０の異常の度合いの判定の精度を向上できる。
　２．変形例
　本開示の実施形態は、上記実施形態に限定されない。上記実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。以下に、上記実施形態の変形例を列挙する。
　例えば、診断システム１０は、必ずしも、電流測定部２０（２１，２２）と、振動測定部３０（３１，３２）と、を備えている必要はない。一例として、電流測定部２０（２１，２２）が予め機器４０に備えられていれば、診断システム１０は、取得部１１、抽出部１２、判定部１３、出力部１４、収集部１５、生成部１６、及び記憶部１７を有しているだけでもよい。この点は、振動測定部３０（３１，３２）についても同様である。
　ここで、電流測定部２０は、必ずしも、微分型の電流センサを含む必要はなく、その他の従来周知の電流センサであってもよい。また、振動測定部３０は、必須ではない。つまり、診断システム１０は、振動波形データを用いて診断を行う機能を有していなくてよい。言い換えれば、診断システム１０は、電流波形データから機器４０の異常の度合いを判定する機能があれば十分である。
　また、診断システム１０は、振動波形データを用いて診断を行う機能を有していなくてよい。つまり、診断システム１０は、電流波形データから機器４０の異常の度合いを判定する機能があれば十分である。
　また、診断システム１０は、必ずしも、収集部１５、生成部１６、及び記憶部１７を有している必要はない。つまり、診断システム１０は、学習済みモデルＭ１１を自身で更新する機能を有していなくてよい。また、記憶部１７は、必ずしも複数の学習済みモデルＭ１１を記憶している必要はない。
　また、抽出部１２は、変化部分Ｗｃの抽出に加えて、定常部分Ｗｓの抽出を行ってもよい。つまり、抽出部１２は、波形Ｗ１０から、変化部分Ｗｃと、駆動装置４２の回転数が一定に維持されている定常期間Ｔｓに対応する定常部分Ｗｓとを抽出してもよい。この場合、必要に応じて、定常部分Ｗｓを、異常の判定に補助的に使用し得る。また、抽出部１２は、必須ではない。例えば、抽出部１２での処理をユーザが代替して行う場合、診断システム１０は、変化部分Ｗｃの抽出を行わなくてよい。また、取得部１１で取得された電流波形データが示す波形Ｗ１０の全体を入力として学習済みモデルＭ１１から異常の度合いを出力として得てよい。つまり、変化部分Ｗｃの抽出を省略してよい。
　また、判定部１３は、必須ではない。例えば、判定部１３での処理をユーザが代替して行う場合、診断システム１０は、変化部分Ｗｃをユーザに提示するだけでよい。
　また、診断システム１０は、必ずしも、出力部１４を有している必要はない。一例として、診断システム１０は、判定部１３で判定された異常の度合いを、診断システム１０外に出力可能であってよい。
　また、診断システム１０は、複数のコンピュータにより構成されていてもよく、診断システム１０の機能（特に、取得部１１、抽出部１２、判定部１３、出力部１４、収集部１５、及び生成部１６）は、複数の装置に分散されていてもよい。例えば、取得部１１、抽出部１２、判定部１３及び出力部１４は、機器４０のある施設に設置されるパーソナルコンピュータ等に設けられてよく、生成部１６及び出力部１４は、外部のサーバ等に設けられてよい。この場合、パーソナルコンピュータとサーバとが協働することで、診断システム１０が実現される。更に、診断システム１０の機能の少なくとも一部が、例えば、クラウド（クラウドコンピューティング）によって実現されていてもよい。
　以上述べた診断システム１０の実行主体は、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを有する。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示における診断システム１０の実行主体としての機能が実現される。プログラムは、コンピュータシステムのメモリに予め記録されていてもよいが、電気通信回線を通じて提供されてもよい。また、プログラムは、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的な記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路（ＩＣ）又は大規模集積回路（ＬＳＩ）を含む１乃至複数の電子回路で構成される。ＬＳＩの製造後にプログラムされる、フィールド・プログラマブル・ゲート・アレイ（ＦＧＰＡ）、ＡＳＩＣ（application specific integrated circuit）、又はＬＳＩ内部の接合関係の再構成又はＬＳＩ内部の回路区画のセットアップができる再構成可能な論理デバイスも同じ目的で使うことができる。複数の電子回路は、１つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、１つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。
　３．態様
　上記実施形態及び変形例から明らかなように、本開示は、下記の態様を含む。以下では、実施形態との対応関係を明示するためだけに、符号を括弧付きで付している。
　第１の態様の診断システム（１０）は、取得部（１１）と、判定部（１３）と、を備える。前記取得部（１１）は、機器（４０）の駆動装置（４２）に供給される電流（Ｉ１０）に関する波形（Ｗ１０）を示す電流波形データを取得する。前記判定部（１３）は、前記波形（Ｗ１０）のうち前記駆動装置（４２）の回転数が増加又は減少している変化期間（Ｔｃ）に対応する変化部分（Ｗｃ）から、前記機器（４０）の異常の度合いを判定する。第１の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。
　第２の態様の診断システム（１０）は、第１の態様との組み合わせにより実現され得る。第２の態様では、前記診断システム（１０）は、前記波形（Ｗ１０）から、前記変化部分（Ｗｃ）を抽出する抽出部（１２）を更に備える。第２の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。
　第３の態様の診断システム（１０）は、第２の態様との組み合わせにより実現され得る。第３の態様では、前記抽出部（１２）は、前記変化部分（Ｗｃ）が第１変化部分（Ｗｃ１）か第２変化部分（Ｗｃ２）かを識別する。前記第１変化部分（Ｗｃ１）は、前記波形（Ｗ１０）のうち前記駆動装置（４２）の回転数が増加している第１変化期間（Ｔｃ１）に対応する部分である。前記第２変化部分は、前記波形のうち前記駆動装置の回転数が減少している第２変化期間（Ｔｃ２）に対応する部分である。第３の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。
　第４の態様の診断システム（１０）は、第３の態様との組み合わせにより実現され得る。第４の態様では、前記電流（Ｉ１０）は、基本周波数を有する交流である。前記抽出部（１２）は、前記基本周波数の時間的変化に基づいて、前記波形（Ｗ１０）から前記変化部分（Ｗｃ）と前記定常部分（Ｗｓ）とを抽出する。第４の態様によれば、変化部分（Ｗｃ）の抽出の精度を向上できる。
　第５の態様の診断システム（１０）は、第１～第４の態様のいずれか一つとの組み合わせにより実現され得る。第５の態様では、前記電流（Ｉ１０）を測定して前記電流波形データを出力する電流測定部（２０）を更に備える。前記電流測定部（２０）は、微分型の電流（Ｉ１０）センサを含む。第５の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。
　第６の態様の診断システム（１０）は、第５の態様との組み合わせにより実現され得る。第６の態様では、前記電流（Ｉ１０）測定部（２０）は、前記電流（Ｉ１０）が流れる電線（５０）に取り付けられる。第６の態様によれば、診断システム（１０）の実装が容易になる。
　第７の態様の診断システム（１０）は、第１～第６の態様のいずれか一つとの組み合わせにより実現され得る。第７の態様では、前記機器（４０）は、作業機器（４０）を含む。第７の態様によれば、作業機器の診断が可能になる。
　第８の態様の診断システム（１０）は、第１～第７の態様のいずれか一つとの組み合わせにより実現され得る。第８の態様では、前記機器（４０）は、振動源（４２）を含む。第８の態様によれば、電流波形データは振動による影響を受けにくいから、振動源（４２）の存在に起因する機器（４０）の異常の度合いの判定の精度の低下を抑制できる。
　第９の態様の診断システム（１０）は、第１～第８の態様のいずれか一つとの組み合わせにより実現され得る。第９の態様では、前記機器（４０）は、前記駆動装置（４２）を複数有する。前記取得部（１１）は、前記複数の駆動装置（４２）のそれぞれの電流波形データを取得する。第９の態様によれば、電流波形データは相互に影響を受けにくいから、複数の駆動装置（４２）の存在に起因する機器（４０）の異常の度合いの判定の精度の低下を抑制できる。
　第１０の態様の診断システム（１０）は、第１～第９の態様のいずれか一つとの組み合わせにより実現され得る。第１０の態様では、前記判定部（１３）は、学習済みモデル（Ｍ１１）を利用して、前記変化部分（Ｗｃ）から前記機器（４０）の異常の度合いを判定する。第１０の態様によれば、機器（４０）の異常時に起こる変化を学習させることが可能となり、機器（４０）の異常の度合いの判定の精度の更なる向上が図れる。
　第１１の態様の診断システム（１０）は、第１０の態様との組み合わせにより実現され得る。第１１の態様では、前記診断システム（１０）は、前記駆動装置（４２）に接続可能な複数種類の機構部（４１）にそれぞれ対応する複数の前記学習済みモデル（Ｍ１１）を記憶する記憶部（１７）を更に備える。前記判定部（１３）は、前記複数の学習済みモデル（Ｍ１１）のうち前記駆動装置（４２）に接続された機構部（４１）に対応する学習済みモデル（Ｍ１１）を利用して、前記変化部分（Ｗｃ）から前記機器（４０）の異常の度合いを判定する。第１１の態様によれば、機器（４０）に適した学習済みモデル（Ｍ１１）を利用できるから、機器（４０）の異常の度合いの判定の精度の更なる向上が図れる。
　第１２の態様の診断システム（１０）は、取得部（１１）と、抽出部（１２）と、を備える。前記取得部（１１）は、機器（４０）の駆動装置（４２）に供給される電流（Ｉ１０）に関する波形（Ｗ１０）を示す電流波形データを取得する。前記抽出部（１２）は、前記波形（Ｗ１０）から、変化部分（Ｗｃ）を抽出する。前記変化部分（Ｗｃ）は、前記駆動装置（４２）の回転数が増加又は減少している変化期間（Ｔｃ）に対応する。第１２の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。
　第１３の態様の診断方法は、機器（４０）の駆動装置（４２）に供給される電流（Ｉ１０）に関する波形（Ｗ１０）を示す電流波形データを取得する。また、前記診断方法は、前記波形（Ｗ１０）のうち前記駆動装置（４２）の回転数が増加又は減少している変化期間（Ｔｃ）に対応する変化部分（Ｗｃ）から、前記機器（４０）の異常の度合いを判定する。第１３の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。
　第１４の態様の診断方法は、機器（４０）の駆動装置（４２）に供給される電流（Ｉ１０）に関する波形（Ｗ１０）を示す電流波形データを取得する。また、前記診断方法は、前記波形（Ｗ１０）から、前記駆動装置（４２）の回転数が増加又は減少している変化期間に対応する変化部分（Ｗｃ）を抽出する。第１４の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。
　第１５の態様のプログラムは、コンピュータシステムに、第１３又は第１４の診断方法を実行させるための、プログラムである。第１５の態様によれば、機器（４０）の駆動装置（４２）の回転数が一定に維持される期間がない場合でも、機器（４０）の異常の度合いの判定の精度を向上できる。
　１０　診断システム
　１１　取得部
　１２　抽出部
　１３　判定部
　２０　電流測定部
　４０　機器
　４２　駆動装置
　５０　電線
　Ｉ１０　電流
　Ｗ１０　波形
　Ｗｃ　変化部分
　Ｗｃ１　第１変化部分
　Ｗｃ２　第２変化部分
　Ｗｓ　定常部分
　Ｔｃ　変化期間
　Ｔｃ１　第１変化期間
　Ｔｃ２　第２変化期間
　Ｔｓ　定常期間
　Ｍ１１　学習済みモデル

Claims (15)

  1. 　機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得する取得部と、
    　前記波形のうち前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分から、前記機器の異常の度合いを判定する判定部と、
    　を備える、
    　診断システム。
  2. 　前記波形から、前記変化部分を抽出する抽出部を更に備える、
    　請求項１の診断システム。
  3. 　前記抽出部は、前記変化部分が第１変化部分か第２変化部分かを識別し、
    　前記第１変化部分は、前記波形のうち前記駆動装置の回転数が増加している第１変化期間に対応する部分であり、
    　前記第２変化部分は、前記波形のうち前記駆動装置の回転数が減少している第２変化期間に対応する部分である、
    　請求項２の診断システム。
  4. 　前記電流は、基本周波数を有する交流であり、
    　前記抽出部は、前記基本周波数の時間的変化に基づいて、前記波形から前記変化部分と前記定常部分とを抽出する、
    　請求項３の診断システム。
  5. 　前記電流を測定して前記電流波形データを出力する電流測定部を更に備え、
    　前記電流測定部は、微分型の電流センサを含む、
    　請求項１～４のいずれか一つの診断システム。
  6. 　前記電流測定部は、前記電流が流れる電線に取り付けられる、
    　請求項５の診断システム。
  7. 　前記機器は、作業機器を含む、
    　請求項１～６のいずれか一つの診断システム。
  8. 　前記機器は、振動源を含む、
    　請求項１～７のいずれか一つの診断システム。
  9. 　前記機器は、前記駆動装置を複数有し、
    　前記取得部は、前記複数の駆動装置のそれぞれの電流波形データを取得する、
    　請求項１～８のいずれか一つの診断システム。
  10. 　前記判定部は、学習済みモデルを利用して、前記変化部分から前記機器の異常の度合いを判定する、
    　請求項１～９のいずれか一つの診断システム。
  11. 　前記駆動装置に接続可能な複数種類の機構部にそれぞれ対応する複数の前記学習済みモデルを記憶する記憶部を更に備え、
    　前記判定部は、前記複数の学習済みモデルのうち前記駆動装置に接続された機構部に対応する学習済みモデルを利用して、前記変化部分から前記機器の異常の度合いを判定する、
    　請求項１０の診断システム。
  12. 　機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得する取得部と、
    　前記波形から、前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分を抽出する抽出部と、
    　を備える、
    　診断システム。
  13. 　機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得し、
    　前記波形のうち前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分から、前記機器の異常の度合いを判定する、
    　診断方法。
  14. 　機器の駆動装置に供給される電流に関する波形を示す電流波形データを取得し、
    　前記波形から、前記駆動装置の回転数が増加又は減少している変化期間に対応する変化部分を抽出する、
    　診断方法。
  15. 　コンピュータシステムに、請求項１３又は請求項１４の診断方法を実行させるための、
    　プログラム。
PCT/JP2019/021703 2018-06-19 2019-05-31 診断システム、診断方法、プログラム WO2019244599A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201980041069.XA CN112313492A (zh) 2018-06-19 2019-05-31 诊断系统、诊断方法和程序
JP2020525436A JP7357294B2 (ja) 2018-06-19 2019-05-31 診断システム、診断方法、プログラム
US17/253,548 US11787057B2 (en) 2018-06-19 2019-05-31 Diagnostic system, diagnosing method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-116458 2018-06-19
JP2018116458 2018-06-19

Publications (1)

Publication Number Publication Date
WO2019244599A1 true WO2019244599A1 (ja) 2019-12-26

Family

ID=68983857

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/021703 WO2019244599A1 (ja) 2018-06-19 2019-05-31 診断システム、診断方法、プログラム

Country Status (4)

Country Link
US (1) US11787057B2 (ja)
JP (1) JP7357294B2 (ja)
CN (1) CN112313492A (ja)
WO (1) WO2019244599A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7316498B2 (ja) * 2019-01-11 2023-07-28 パナソニックＩｐマネジメント株式会社 診断システム、診断方法、プログラム及び記録媒体
DE102022130278B4 (de) 2022-11-16 2024-06-20 Sick Ag Sensorsystem
CN116533253B (zh) * 2023-07-03 2023-09-19 佛山智能装备技术研究院 一种基于反馈电流频谱分析的工业机器人故障诊断方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57177018U (ja) * 1981-05-07 1982-11-09
JP2002090267A (ja) * 2000-09-21 2002-03-27 Mitsui Eng & Shipbuild Co Ltd 異常診断方法
US20020186039A1 (en) * 2001-05-01 2002-12-12 Devaney Michael J. Motor bearing damage detection via wavelet analysis of the starting current transient
JP2007303931A (ja) * 2006-05-10 2007-11-22 Matsushita Electric Works Ltd 異常監視方法
JP2008246831A (ja) * 2007-03-30 2008-10-16 Seiko Epson Corp 印刷装置
WO2016143118A1 (ja) * 2015-03-12 2016-09-15 株式会社日立製作所 機械診断装置および機械診断方法
JP2017032567A (ja) * 2015-08-05 2017-02-09 Ｊｆｅスチール株式会社 モータの監視装置および方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5980759U (ja) 1982-11-20 1984-05-31 三菱電機株式会社 電流測定装置
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
US7539549B1 (en) * 1999-09-28 2009-05-26 Rockwell Automation Technologies, Inc. Motorized system integrated control and diagnostics using vibration, pressure, temperature, speed, and/or current analysis
DE10330473A1 (de) * 2003-07-05 2005-01-27 Alstom Technology Ltd Frequenzumwandler für Hochgeschwindigkeitsgeneratoren
US7860663B2 (en) * 2004-09-13 2010-12-28 Nsk Ltd. Abnormality diagnosing apparatus and abnormality diagnosing method
JP5139745B2 (ja) * 2007-08-10 2013-02-06 矢崎総業株式会社 電源装置
JP5725833B2 (ja) * 2010-01-04 2015-05-27 Ntn株式会社 転がり軸受の異常診断装置、風力発電装置および異常診断システム
JP5834796B2 (ja) 2011-11-14 2015-12-24 Ｊｆｅスチール株式会社 異常診断装置および異常診断方法
JP6143752B2 (ja) * 2012-07-06 2017-06-07 アルプス電気株式会社 電流センサの製造方法及び電流センサ
JP6371236B2 (ja) * 2015-02-23 2018-08-08 株式会社日立製作所 予兆診断システム、予兆診断方法及び予兆診断装置
JP6558131B2 (ja) 2015-08-04 2019-08-14 日本精工株式会社 異常診断装置、軸受、機械装置及び車両
WO2017154091A1 (ja) * 2016-03-08 2017-09-14 株式会社日立製作所 回転機の診断装置及び診断方法
WO2018020563A1 (ja) * 2016-07-26 2018-02-01 三菱電機株式会社 電動機の診断装置
JP2018156151A (ja) * 2017-03-15 2018-10-04 ファナック株式会社 異常検知装置及び機械学習装置
JP6896090B2 (ja) * 2017-10-24 2021-06-30 三菱電機株式会社 異常診断装置、異常診断方法及び異常診断システム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57177018U (ja) * 1981-05-07 1982-11-09
JP2002090267A (ja) * 2000-09-21 2002-03-27 Mitsui Eng & Shipbuild Co Ltd 異常診断方法
US20020186039A1 (en) * 2001-05-01 2002-12-12 Devaney Michael J. Motor bearing damage detection via wavelet analysis of the starting current transient
JP2007303931A (ja) * 2006-05-10 2007-11-22 Matsushita Electric Works Ltd 異常監視方法
JP2008246831A (ja) * 2007-03-30 2008-10-16 Seiko Epson Corp 印刷装置
WO2016143118A1 (ja) * 2015-03-12 2016-09-15 株式会社日立製作所 機械診断装置および機械診断方法
JP2017032567A (ja) * 2015-08-05 2017-02-09 Ｊｆｅスチール株式会社 モータの監視装置および方法

Also Published As

Publication number Publication date
JPWO2019244599A1 (ja) 2021-06-24
JP7357294B2 (ja) 2023-10-06
CN112313492A (zh) 2021-02-02
US20210122048A1 (en) 2021-04-29
US11787057B2 (en) 2023-10-17

Similar Documents

Publication Publication Date Title
WO2019244599A1 (ja) 診断システム、診断方法、プログラム
Zhou et al. Tool wear condition monitoring in milling process based on current sensors
EP3615899A1 (en) Systems and methods for monitoring of mechanical and electrical machines
Goyal et al. Applications of digital signal processing in monitoring machining processes and rotary components: a review
JP7316498B2 (ja) 診断システム、診断方法、プログラム及び記録媒体
Du et al. Fault diagnosis using adaptive multifractal detrended fluctuation analysis
Zamudio-Ramírez et al. Cutting tool wear monitoring in CNC machines based in spindle-motor stray flux signals
CN108427374A (zh) 诊断用数据取得系统、诊断用系统以及计算机可读介质
CN110874084B (zh) 加工环境推定装置
CN110031228A (zh) 半导体器件和检测其旋转异常的方法
CN110509110A (zh) 一种数控机床刀具切削力智能监测系统
Afshar et al. Generalized roughness bearing fault diagnosis using time series analysis and gradient boosted tree
CN113874735B (zh) 电流测定系统、诊断系统
Lourari et al. Advancing bearing fault diagnosis under variable working conditions: a CEEMDAN-SBS approach with vibro-electric signal integration
Abusaad et al. Utilizing data from a sensorless AC variable speed drive for detecting mechanical misalignments
JP7424386B2 (ja) 判定システム、判定方法、プログラム
Huang et al. Ball nut preload diagnosis of the hollow ball screw through sensed current signals
Sheikh et al. An intelligent automated method to diagnose and segregate induction motor faults
CN110191785A (zh) 用于监测工业机器人的方法、装置和系统
CN113419173A (zh) 一种电机下线检测方法和装置
Majdi et al. Analysis Of Fault Diagnosis Of Dc Motors By Power Consumption Pattern Recognition
Bahador et al. Condition monitoring for predictive maintenance of machines and processes in ARTC model factory
Choudhury et al. Order tracking using variational mode decomposition to detect gear faults under speed fluctuations
Putz et al. Sensorless fault detection in linear axes with dynamic load profiles
Shin et al. Diagnosis of ball screw preload loss by vibration signals through the Hilbert-Huang transform and multiscale measure

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19821845

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020525436

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19821845

Country of ref document: EP

Kind code of ref document: A1