WO2021010074A1 - 機器診断装置、機器診断システム及び機器診断方法 - Google Patents

機器診断装置、機器診断システム及び機器診断方法 Download PDF

Info

Publication number
WO2021010074A1
WO2021010074A1 PCT/JP2020/023397 JP2020023397W WO2021010074A1 WO 2021010074 A1 WO2021010074 A1 WO 2021010074A1 JP 2020023397 W JP2020023397 W JP 2020023397W WO 2021010074 A1 WO2021010074 A1 WO 2021010074A1
Authority
WO
WIPO (PCT)
Prior art keywords
diagnostic
diagnosis
rule
model
operation data
Prior art date
Application number
PCT/JP2020/023397
Other languages
English (en)
French (fr)
Inventor
奥出　真理子
武央 西田
和夫 武藤
洵也 吉田
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Publication of WO2021010074A1 publication Critical patent/WO2021010074A1/ja

Links

Images

Classifications

    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring

Definitions

  • the present invention relates to a device diagnostic device, a device diagnostic system, and a device diagnostic method.
  • the vehicle reference value generator described in Patent Document 1 detects abnormalities in the target device from the characteristics of the time series pattern of the operation data classified according to the driving scene of the vehicle (operating state such as acceleration and deceleration of the vehicle). Generate a reference value for discrimination. By calculating the feature amount for diagnosing the device state for each driving scene and performing the diagnosis, it becomes possible to determine the abnormality of the device in each driving scene, and as a result, the accuracy of the device diagnosis is improved.
  • the vehicle reference value generator described in Patent Document 1 extracts and classifies operation data corresponding to each driving scene based on the characteristics of the time series pattern of each driving scene. Then, the vehicle reference value generator calculates in advance a reference value for determining an abnormality in each driving scene, and uses the reference value to normalize the vehicle state from the vehicle operation data in each driving scene. / It is possible to judge an abnormality. Therefore, even if a defect occurs in a part of the device (or part, function) of the vehicle, it is difficult to identify the device.
  • the sensor data used for diagnosis and its feature amount differ depending on the target device (brake device, power device, etc.) for which diagnosis is performed.
  • Patent Document 1 does not disclose that sensor data and its change pattern are extracted according to the device to be diagnosed and the content of the diagnosis.
  • the sensor data acquired while driving is the driving environment (operating environment of equipment such as road surface and weather), driving condition (operating condition of equipment such as acceleration and deceleration), and brake. It changes in time series depending on the control state of the device and accelerator device. Therefore, it is necessary to select the sensor data according to the target device to be diagnosed and to consider the time-series change in order to obtain the correct diagnosis result.
  • the device diagnostic device of one aspect of the present invention includes a device constituting a moving device, a diagnostic rule storage unit that stores diagnostic rules in which diagnostic conditions are determined for each diagnostic item, and a diagnostic rule. It includes a diagnostic model storage unit that stores a diagnostic model for diagnosing the device of the device, and an operation data storage unit that stores the operation data of the device, corresponding to the defined device and the diagnostic item. Further, the device diagnostic device corresponds to the diagnostic rule acquisition unit that reads the diagnostic rule corresponding to the specified device and the diagnostic item from the diagnostic rule storage unit, and the device and the diagnostic item defined in the read diagnostic rule.
  • the diagnostic model to be diagnosed is applied to the diagnostic model by applying the diagnostic model acquisition unit that reads from the diagnostic model storage unit and the operation data read from the operation data storage unit according to the diagnostic rules, and diagnoses the diagnostic items of the specified device. It has a diagnostic unit.
  • the state of each device constituting the device whose operating environment and operating state change from moment to moment can be diagnosed with high reliability. Issues, configurations and effects other than those described above will be clarified by the description of the following embodiments.
  • the operation data is an arbitrary physical quantity for each device of the vehicle that can be acquired from the vehicle in operation.
  • the operation data is a sensor value (measured value) acquired by an in-vehicle sensor.
  • the operation data also includes the secondary data calculated as a result of processing and calculating the primary data.
  • operation data there are many types such as vehicle speed, engine rotation speed, braking time, cooling water temperature, fan rotation speed, and cooling water flow rate.
  • the driving environment is the operating environment of the vehicle, and is an arbitrary physical quantity of the external environment in which the vehicle travels.
  • the driving environment may be acquired by an in-vehicle sensor or may be acquired by a sensor other than the in-vehicle sensor.
  • the driving environment can be divided into three categories: weather, road attributes, and traffic conditions.
  • weather include at least one of temperature, humidity, atmospheric pressure, wind direction, wind speed, and precipitation.
  • road attributes include at least one of slope, altitude, traffic volume, number of intersections, number of lanes, width, road surface condition, and road shape (eg, tunnel, bridge).
  • the road attribute can be obtained from map data (map information storage unit 34 in FIG. 1) or the like.
  • Examples of traffic conditions include at least one of congestion, congestion, smoothness, speed, and travel time per road section.
  • the driving state is the operating state of the vehicle, and means the running mode (driving mode) of the vehicle such as starting, accelerating, cruising (a state in which the vehicle continues to run while maintaining a constant speed), deceleration, and stopping. To do.
  • the operating state is associated with a particular time series pattern of operating data. For example, in the speed data, the operating state in the predetermined time zone in which the speed value increases from 0 is started, and the operating state in the predetermined time in which the speed value continues to decrease from the predetermined speed value is decelerated.
  • the time series pattern of the operation data corresponding to each operating state is defined in advance and stored as a diagnostic rule (diagnosis rule database 31 in FIG. 1).
  • the data to be diagnosed by the device diagnostic device of this embodiment is operation data.
  • the equipment diagnostic device generates and stores a diagnostic model in advance from a plurality of types of operation data such as the cooling water temperature and the cooling water flow rate, and stores the vehicle from the operation data and the diagnosis model acquired for diagnosis. Acquire the degree of abnormality of each constituent device.
  • the diagnostic model premised on this embodiment is a space whose axis (hereinafter referred to as "diagnostic axis") is a predetermined sensor data included in the operation data or a main component calculated from a feature amount extracted from the operation data. Is a distribution area of sensor data during normal or abnormal operation or a representative point thereof (for example, a center of gravity point).
  • a device for performing diagnosis and a plurality of diagnostic models corresponding to the diagnostic contents are provided.
  • the diagnostic model is generated for each device based on the operation data of a plurality of devices (vehicles 2) and devices, and is information on the spatial area or its representative point in the normal or abnormal state in a predetermined diagnostic space, or both operating states. including. Therefore, it is possible to perform highly accurate device diagnosis by using a diagnostic model generated for each device based on the operation data of a plurality of devices (vehicle 2) and the device.
  • FIG. 1 is a block diagram showing an example of the overall configuration of the device diagnostic system 10 and the internal configuration of the device diagnostic device 1 according to the first embodiment.
  • the device diagnosis system 10 is composed of a device diagnosis device 1, a terminal device 3 mounted on the vehicle 2, an operation data collection device 4, and an external device 5.
  • the devices can communicate with each other via a wide area network 6 such as the Internet.
  • the configuration of the device diagnostic device 1 will be described with reference to FIG.
  • the device diagnostic device 1 is a general computer.
  • the device diagnostic device 1 includes a central control device 11, an input device 14, an output device 15, a main storage device 12, an auxiliary storage device 13, and a network interface 16. These blocks are connected by a bus.
  • the auxiliary storage device 13 stores a diagnostic rule database 31, a diagnostic model database 32, a diagnostic result storage unit 33, a map information storage unit 34, and an operation data database 35.
  • the main storage device 12 stores the programs of the operation data acquisition unit 21, the diagnosis rule acquisition unit 22, the diagnosis model acquisition unit 23, the feature amount extraction unit 24, and the diagnosis unit 25.
  • ⁇ part when the operating subject is described as " ⁇ part is", it means that the central control device 11 reads the program of the ⁇ part from the auxiliary storage device 13 and loads it into the main storage device 12, and then ⁇ . It means to realize the function of the department.
  • a CPU Central Processing Unit
  • MPU Micro Processing Unit
  • a pointing device such as a mouse or a touch panel, a keyboard, or the like is used as the input device 14, and the user can operate the input device 14 to input information or instructions.
  • the input device 14 generates an input signal according to the user's operation and transmits it to the central control device 11.
  • the output device 15 is, for example, a liquid crystal display monitor, and displays the result of processing performed by the GUI screen or the central control device 11.
  • a NIC Network Interface Card
  • a modem or the like is used as the network interface 16, and various data can be transmitted and received to the operation data collection device 4 and the external device 5 via the network 6.
  • NIC Network Interface Card
  • various data can be transmitted and received to the operation data collection device 4 and the external device 5 via the network 6.
  • the device diagnostic device 1 can communicate with the external device 5 and the operation data collection device 4 via the network 6 by the network interface 16.
  • the external device 5 stores the weather and road attributes in association with the position information.
  • the vehicle 2 is equipped with a terminal device 3.
  • the terminal device 3 collects sensor values from each sensor of the vehicle 2, receives radio waves from a position measurement system such as a GPS (Global Positioning System) satellite, and obtains its own position information (latitude and longitude) based on the radio waves. Can be calculated.
  • the operation data collection device 4 can communicate with the terminal device 3 using wireless technology.
  • the device diagnostic device 1 can acquire the operation data and the position information of the vehicle 2 via the network 6 and the operation data collection device 4. Further, the device diagnostic device 1 can acquire the driving environment of the vehicle 2 via the network 6 and the operation data collecting device 4. The device diagnostic device 1 can also acquire information on the driving environment of the vehicle 2 from the external device 5 via the network 6 based on the position information of the vehicle 2.
  • the configuration of the device diagnostic device 1 will be described in more detail.
  • the diagnostic rule database 31 an example of the diagnostic rule storage unit
  • the devices constituting the moving device (vehicle 2 in this example) and the diagnostic rules in which the diagnostic conditions are determined for each diagnostic item are stored.
  • the diagnostic model database 32 an example of the diagnostic model storage unit
  • a diagnostic model for diagnosing the device of the device corresponding to the device and the diagnostic item defined in the diagnostic rule is stored.
  • the diagnosis result storage unit 33 stores the diagnosis result of the target device by the diagnosis unit 25.
  • Map data is stored in the map information storage unit 34.
  • the operation data database 35 (an example of the operation data storage unit) stores the operation data acquired from the device by the device diagnostic device 1.
  • the operation data acquisition unit 21 extracts the operation data of the target device from the operation data database 35 based on the diagnostic rule to be used, and outputs the operation data to the feature amount extraction unit 24.
  • the diagnostic rule acquisition unit 22 extracts the diagnostic rule corresponding to the designated device of the target device and the diagnostic item from the diagnostic rule storage unit, and outputs the diagnostic rule to the diagnostic model acquisition unit 23.
  • the diagnostic model acquisition unit 23 extracts the diagnostic model corresponding to the device and the diagnostic item defined in the diagnostic rule read by the diagnostic rule acquisition unit 22 from the diagnostic model database 32 and outputs the diagnostic model to the diagnostic unit 25.
  • the feature amount extraction unit 24 extracts the feature amount from the time series pattern of the operation data and outputs it to the diagnosis unit 25.
  • the diagnosis unit 25 applies the operation data (feature amount) read from the operation data database 35 according to the diagnosis rule to the diagnosis model, and diagnoses the diagnosis item of the designated device.
  • the diagnosis unit 25 may also serve as the feature amount extraction unit 24, or may also serve as another block.
  • FIG. 2 is a block diagram showing an example of the internal configuration of the terminal device 3.
  • the terminal device 3 includes a central control device 41, a main storage device 42, an auxiliary storage device 43, various sensors 44, a positioning unit 45, and an operation data collection device interface 46.
  • the function of the terminal device 3 in the present embodiment is realized by the central control device 41 reading the program stored in the auxiliary storage device 43 into the main storage device 42 and executing the program.
  • the positioning unit 45 collects sensor values from each sensor 44 of the vehicle 2, receives radio waves from a position measurement system such as a GPS satellite, and calculates its own position information (latitude and longitude) based on the radio waves.
  • the operation data collection device interface 46 is a wireless communication device that transmits the operation data of the vehicle 2 to the operation data collection device 4 by wireless communication.
  • FIG. 3 is a block diagram showing an example of the internal configuration of the operation data collection device 4.
  • the operation data collection device 4 is a general computer.
  • the operation data collection device 4 includes a central control device 51, a main storage device 52, an auxiliary storage device 53, a network interface 54, and a terminal device interface 55. These blocks are connected by a bus.
  • the function of the operation data collection device 4 is realized by the central control device 51 reading the program stored in the auxiliary storage device 53 into the main storage device 52 and executing the program.
  • a NIC Network Interface Card
  • a modem or the like is used as the network interface 54, and is configured to be capable of transmitting and receiving various data to and from the operating data collecting device 4 and the external device 5 via the network 6.
  • the terminal device interface 55 is a wireless communication device that receives operation data of the vehicle 2 from the terminal device 3 by wireless communication.
  • FIG. 4 shows an example of a diagnostic rule stored in the diagnostic rule database 31.
  • the diagnostic rule has items of a device 61, a diagnostic item 62, an operation data 63 used for diagnosis, an operating state 64, an operating environment 65, and a control state 66.
  • the diagnosis rule differs depending on the device 61 to be diagnosed and the diagnosis item 62 (corresponding to the diagnosis content) indicating what kind of state of the device 61 is to be diagnosed.
  • the operation state 64 and the operation are set as conditions for extracting the operation data 63 necessary for the diagnosis and the data necessary for the diagnosis from the operation data 63 in association with the device 61 and the diagnosis item 62.
  • the environment 65, the control state 66, and the like are stored.
  • the driving state 64 includes information on a driving mode (corresponding to a driving mode or a driving scene) such as starting and accelerating the vehicle.
  • the operating state 64 (an example of the operating state) includes at least one of starting, accelerating, decelerating, stopping, parking, and cruising the vehicle.
  • the driving environment 65 is a map of the target area of the operation data 63 used for diagnosis, information related to the location such as road type and route, weather information, traffic conditions (congestion / non-congestion), number of lanes, road gradient, road surface condition, etc. Road) Information etc.
  • the driving environment 65 (an example of the operating environment) includes at least one weather, road attribute, or traffic condition.
  • the control state 66 is a control state or an operation state of the device related to the diagnosis of the target device, such as operation / non-operation of brake control, accelerator control, and the like.
  • the control state 66 includes at least one of brake control, engine control, accelerator control, clutch control, and handle control. This enables device diagnosis that reflects various control states.
  • the items constituting the diagnostic rule are expanded as necessary in association with the device 61 and the diagnostic item 62, in addition to the items shown in FIG.
  • the period (time zone) of operation data necessary and sufficient for diagnosis the type of vehicle (vehicle type), the type of device, the model year, the number of drivers, and the like can be mentioned.
  • the diagnostic rule corresponds to the operating environment, operating state, or control state of each device constituting the device, and includes the operating data (sensor data) necessary for the diagnosis of each device and the information of the change pattern thereof. It is composed.
  • FIG. 5 shows a first example of a diagnostic model for diagnosing a device J.
  • the diagnostic model corresponds to the device 61 and its diagnostic item 62 in the diagnostic rule, is generated from past operation data, and is stored in the diagnostic model database 32.
  • the diagnostic model is provided for each diagnostic rule (see FIG. 4) determined by the combination of items included in the operating environment, operating state, and control state. As a result, the state of each device constituting the device whose operating environment and operating state changes can be diagnosed with high reliability.
  • the diagnostic model itself is a region during normal operation or abnormal operation in a predetermined space (hereinafter referred to as "diagnosis space”) centered on a predetermined sensor data or a principal component calculated based on the sensor data, or It is represented by a representative point that represents the area.
  • the diagnostic space is represented by a two-dimensional space centered on the diagnostic axis 1 and the diagnostic axis 2.
  • “ ⁇ ” is the operation data 71 observed when the device J is operating normally.
  • the normal operation area 72 indicated by the alternate long and short dash line is calculated.
  • the abnormal operation area is calculated from the distribution of the abnormal operation data as in the normal operation (not shown). ..
  • the calculated normal / abnormal operating area or the coordinates of the representative point 74 of each operating area (here, the normal point / abnormal point) is stored as a diagnostic model of the device J.
  • the diagnosis unit 25 calculates and outputs the distance D (i, j) from the target operation data (operation data 73 in FIG. 5) to the representative point 74 as the degree of abnormality of the target operation data.
  • the diagnostic model is generated according to the diagnostic items of the device J. That is, the diagnostic model varies depending on the device to be diagnosed and the diagnostic item (axis, number of dimensions, etc. constituting the diagnostic space), and a plurality of diagnostic models are stored in the diagnostic model database 32.
  • FIG. 6 shows a second example of a diagnostic model.
  • the diagnostic space is divided into a plurality of sections.
  • section A1 is a section containing normal operation data 71
  • section A2 is a section containing operation data 73 with a small degree of abnormality
  • section A3 indicated by diagonal lines is a section containing operation data with a high degree of abnormality.
  • the diagnostic unit 25 outputs an alarm when it detects the operation data included in the section A3.
  • FIG. 7 shows a third example of the diagnostic model.
  • the diagnostic space is divided by a straight line 91 rising to the right and a straight line 92 falling to the right.
  • the normal operation data 71 is distributed below the straight lines 91 and 92.
  • the abnormal operation data 73 is distributed above the straight line 91 and the straight line 92.
  • the diagnostic space is a two-dimensional space, but the same applies to a multidimensional space such as three dimensions, and a diagnostic model for dividing normal / abnormal is generated in the multidimensional space. Further, the division of the diagnostic space is not limited to a straight line but may be divided non-linearly, and varies depending on the target device.
  • FIG. 8 is a flowchart showing a procedure example of the entire diagnosis processing executed by the device diagnostic apparatus 1.
  • the terminal device 3 (see FIG. 1) mounted on the vehicle 2 transmits the operation data and the position information of the vehicle 2 to the device diagnosis device 1 in real time or offline.
  • the device diagnostic device 1 diagnoses whether or not each device constituting the vehicle 2 is operating normally based on the operation data acquired from the vehicle 2.
  • the diagnostic model used for diagnosis may be generated by the device diagnostic device 1, or the diagnostic model generated by the external device 5 may be acquired by the network interface 16.
  • the generated or acquired diagnostic model is stored in the diagnostic model database 32.
  • step S1 the input device 14 of the device diagnostic device 1 receives information such as the vehicle type and model of the vehicle i to be diagnosed from the user, and subsequently, in step S2, receives information such as the device j to be diagnosed and its model.
  • step S3 the diagnostic rule acquisition unit 22 reads the diagnostic rule stored in the diagnostic rule database 31 corresponding to the device j of the vehicle i.
  • the device diagnostic device 1 executes steps S4 to S8 for each diagnostic item k (diagnosis item 62 in FIG. 4) according to this diagnostic rule, and diagnoses whether or not the device j is operating normally.
  • step S4 the operation data acquisition unit 21 reads the operation data items set in association with each diagnosis item 62 of the device j.
  • step S5 the feature amount extraction unit 24 reads the operation data used for the diagnosis of the device j from the operation data database 35 based on the operation data item. Then, the feature amount extraction unit 24 extracts the feature amount that matches at least one or more conditions from the operation data according to the feature amount extraction conditions defined in the operating state 64, the operating environment 65, and the control state 66.
  • the operation data acquisition unit 21 may read the operation data used for the diagnosis of the device j from the operation data database 35.
  • step S6 the diagnostic model acquisition unit 23 reads the diagnostic model corresponding to the diagnostic item 62 of the device j from the diagnostic model database 32.
  • step S7 the diagnosis unit 25 calculates a representative value (mean value, median value, etc.) of the extracted feature amount, and the representative value (tentatively, here, diagnosis) is placed on the diagnosis space constituting the diagnosis model. (Let's be a point) is plotted. The distance D (i, j) between the diagnostic point in this diagnostic space and the normal point obtained from the diagnostic model is calculated to obtain the degree of abnormality. The normal point corresponds to the representative point 74 in FIGS. 5 to 7.
  • step S8 the diagnosis unit 25 diagnoses whether or not the device j is operating normally based on the distance D (i, j).
  • the diagnosis unit 25 ends the entire diagnosis processing.
  • FIG. 9 is a flowchart showing a procedure example of the feature amount extraction process (step S5) executed by the feature amount extraction unit 24.
  • FIG. 10 is a diagram for explaining the feature amount extraction process of FIG. Hereinafter, the procedure of the feature amount extraction process will be described in more detail with reference to FIGS. 9 and 10.
  • step S11 the feature amount extraction unit 24 reads the diagnostic rule of the device j of the vehicle i acquired by the diagnostic rule acquisition unit 22 from the diagnostic rule database 31.
  • step S12 the feature amount extraction unit 24 uses the operation data of the vehicle i stored in the operation data database 35 according to the operation data item set in the read diagnostic rule, and determines the device j of the vehicle i. Read the operation data (sensor data) required for the diagnosis of.
  • step S13 the feature amount extraction unit 24 collects data in sections that match the sensor data extraction conditions (operating state 64, operating environment 65, control state 66) set in the diagnostic rule. Cut out from the sensor data and obtain the features for diagnosis.
  • the feature amount extraction unit 24 ends the feature amount extraction processing and proceeds to step S6 (see FIG. 8). ..
  • a plurality of feature quantities 101 and 102 are extracted from the sensor data 100 (upper part of FIG. 10) read as operation data necessary for diagnosis in step S13.
  • the operating state is "deceleration”
  • the control state is "foot brake ON (brake operation)”.
  • the data section in the state is extracted from each sensor data.
  • FIG. 11 is a flowchart showing a procedure example of the abnormality degree calculation process (step S7) executed by the diagnosis unit 25.
  • the abnormality degree calculation process calculates the abnormality degree of the device.
  • the procedure of the abnormality degree calculation process will be described in more detail with reference to FIG.
  • step S21 the diagnosis unit 25 reads the feature amount extracted from the sensor data by the feature amount extraction unit 24.
  • step S22 the diagnostic unit 25 acquires a diagnostic model corresponding to each diagnostic item 62 of the device j read from the diagnostic model database 32 by the diagnostic model acquisition unit 23.
  • step S23 the diagnosis unit 25 calculates a representative value (diagnosis point) of the feature amount in the diagnosis space, and plots the diagnosis point on the diagnosis space defined by the diagnosis model in each diagnosis item 62.
  • step S24 the diagnostic unit 25 calculates the distance D (i, j) in the diagnostic space between the diagnostic point and the representative point (normal point) during normal operation defined in the diagnostic model. , Is output as the degree of abnormality of the device j of the vehicle i.
  • step S24 the present abnormality degree calculation process is completed and the process proceeds to step S8 (see FIG. 8).
  • the diagnosis unit 25 extracts the feature amount from the operation data according to the diagnosis rule in each device constituting the device, and projects the feature amount on the diagnosis space defined in the diagnostic model. It is configured to calculate the distance between the coordinate points of the above and the area during normal or abnormal operation or its representative point, and output it as the degree of abnormality (abnormality) of each device.
  • FIG. 12 is a flowchart showing a procedure example of the diagnostic process (step S8) executed by the diagnostic unit 25.
  • the diagnostic process diagnoses the normality / abnormality of the device from the degree of abnormality.
  • the procedure of the diagnostic process will be described in more detail with reference to FIG.
  • step S31 the diagnosis unit 25 reads the abnormality degree D (i, j) of the diagnosis item 62 of the device j constituting the vehicle i calculated in step S7. Subsequently, in step S32, the diagnosis unit 25 reads the abnormality determination threshold value Dth (i, j).
  • the abnormality determination threshold value Dth (i, j) is stored in advance in the auxiliary storage device 13 or the main storage device 12.
  • step S33 the diagnosis unit 25 compares the abnormality degree D (i, j) with the abnormality determination threshold value Dth (i, j), and determines the magnitude of the two values.
  • the diagnosis unit 25 determines that the device j of the vehicle i is “abnormal” in step S34. It is determined that there is, and the result is output to the output device 48.
  • the diagnosis unit 25 determines that the device j of the vehicle i is “normal” in step S35. It is determined that there is, and the result is output to the output device 48. After the process of step S34 or S35, the present diagnostic process is terminated.
  • the diagnostic unit 25 has a threshold value (abnormality determination threshold value) for discriminating between normal and abnormal from the probability density distribution of the degree of abnormality calculated from the past operation data in each device constituting the device.
  • Dth (i, j)) is set in advance, and the threshold value and the degree of abnormality are compared for each device to determine normality / abnormality.
  • FIG. 13 is a diagram for explaining the abnormality determination threshold value Dth (i, j).
  • the abnormality determination threshold value Dth (i, j) is calculated from the past operation data (data at the time of generating the diagnostic model) acquired from the device j that is operating normally.
  • the sensor data during normal operation observed at a predetermined time and a plurality of times is acquired, steps S4 to S7 are executed for the sensor data in each observation time zone, and a plurality of abnormalities are calculated.
  • the probability density distribution 110 is obtained from the plurality of anomalies, and the anomaly 111 at which the probability value with a high anomaly is a predetermined ratio (for example, 5%) is set as the abnormality determination threshold Dth (i, j) of the device j of the vehicle i. Set to.
  • the vehicle i Since it is desirable to calculate and set (update) the abnormality determination threshold value Dth (i, j) based on the operation data acquired when the device j is in the normal state, the vehicle i is a new vehicle for a predetermined period of time. Alternatively, it is carried out within a predetermined period after the replacement or repair of the device j.
  • a method of identifying the normal / abnormal state of the device j by the abnormality determination threshold value Dth (i, j) is used.
  • the diagnostic model of the device j further includes the diagnostic model at the time of abnormal operation, the device j
  • the normal / abnormal state of the device j can be identified depending on whether the diagnostic point belongs to the normal area or the abnormal area of the diagnostic model.
  • the distance D'(i, j) between the diagnostic point and the abnormal point is calculated, and the device j is normal according to the comparison result between the distance D'(i, j) and the abnormality degree D (i, j). / It is also possible to identify anomalies.
  • the device diagnostic system 10 is a diagnostic rule that stores a device constituting a moving device (vehicle 2) and a diagnostic rule in which diagnostic conditions are determined for each diagnostic item (diagnosis item 62).
  • a storage unit (diagnosis rule database 31), a diagnostic model storage unit (diagnosis model database 32) that stores a diagnostic model for diagnosing the equipment of the equipment corresponding to the equipment and diagnostic items defined in the diagnostic rule, and the equipment. It is provided with an operation data storage unit (operation data database 35) for storing the operation data of the above.
  • the device diagnostic system 10 is defined in a diagnostic rule acquisition unit (diagnosis rule acquisition unit 22) that reads out the diagnostic rules corresponding to the designated device and the diagnostic item from the diagnostic rule storage unit, and the read diagnostic rules.
  • the diagnostic model acquisition unit (diagnosis model acquisition unit 23) that reads out the diagnostic model corresponding to the device and the diagnostic item from the diagnostic model storage unit, and the operation data read from the operation data storage unit according to the diagnostic rules are applied to the diagnosis model. It also includes a diagnostic unit (diagnosis unit 25) that diagnoses the diagnostic items of the designated device.
  • the state of each device constituting the device whose operating environment and operating state change from moment to moment can be diagnosed with high reliability.
  • the second embodiment is a device diagnostic system in which the terminal device 3 mounted on the vehicle 2 according to the first embodiment is configured to include the diagnostic function of the device diagnostic device 1.
  • the devices constituting the device diagnosis system of the second embodiment and their connection relationships are the same as those of the device diagnosis system 10 (FIG. 1) of the first embodiment. However, if the terminal device has a diagnostic function, the device diagnostic device 1 can be deleted.
  • FIG. 14 is a block diagram showing an example of the internal configuration of the terminal device 3A having the diagnostic function according to the second embodiment.
  • the terminal device 3A includes an input device 47 and an output device 48 in addition to the block of the terminal device 3 in the first embodiment (FIG. 1).
  • the input device 47 and the output device 48 can be configured by, for example, a device in which a touch panel is superimposed on a display panel.
  • the auxiliary storage device 43 of the terminal device 3A stores a diagnosis rule database 31, a diagnosis model database 32, a diagnosis result storage unit 33, a map information storage unit 34, and an operation data database 35. Further, the main storage device 42 of the terminal device 3A stores the programs of the operation data acquisition unit 21, the diagnosis rule acquisition unit 22, the diagnosis model acquisition unit 23, the feature amount extraction unit 24, and the diagnosis unit 25.
  • the diagnostic rule acquisition unit 22 acquires diagnostic rules from an external device 5A (distribution server), which will be described later, via a wide area network 6 according to the vehicle type to be diagnosed and the device constituting the device. Further, the diagnostic model acquisition unit 23 acquires a diagnostic model from an external device 5A (distribution server) described later via a wide area network 6 according to the vehicle type to be diagnosed and the device constituting the device. Since the data stored in the auxiliary storage device 43 and the program stored in the main storage device 42 are the same as the data and the program included in the device diagnostic device 1, the other description will be omitted.
  • FIG. 15 is a block diagram showing an example of the internal configuration of the external device 5A according to the second embodiment.
  • the external device 5A has the same basic hardware configuration as the external device 5 (FIG. 1) in the first embodiment.
  • the external device 5A is a general computer.
  • the external device 5A includes a central control device 121, a main storage device 122, an auxiliary storage device 123, and a network interface 124. These blocks are connected by a bus.
  • the function of the external device 5A is realized by the central control device 121 reading the program stored in the auxiliary storage device 123 into the main storage device 122 and executing the program.
  • the diagnostic rule database 123a and the diagnostic model database 123b are stored in the auxiliary storage device 123.
  • the program of the information distribution unit 122a is stored in the main storage device 122.
  • the information distribution unit 122a distributes a diagnostic model for diagnosing the device of the device corresponding to the device constituting the device and the diagnostic item to the terminal device 3A via the network 6.
  • the external device 5A collects operation data from each of the plurality of vehicles 2 at any time and updates the diagnostic rule database 123a and the diagnostic model database 123b. Therefore, the diagnostic rule and diagnostic model of the external device 5A are newer than the diagnostic rule and diagnostic model of the device diagnostic device 1 (FIG. 1) and the diagnostic rule and diagnostic model of the terminal device 3A of FIG.
  • the terminal device 3A transmits a command requesting a diagnostic rule and / or a diagnostic model to the external device 5A via the network 6 (see FIG. 1).
  • the external device 5A receives the request command of the diagnostic rule and / or the diagnostic model from the terminal device 3A
  • the external device 5A transfers the diagnostic rule of the diagnostic rule database 123a and / or the diagnostic model of the diagnostic model database 123b to the terminal device 3A in response to the request.
  • the external device 5A can be said to be a distribution server.
  • the terminal device 3A receives the diagnostic rule and / or the diagnostic model from the external device 5A, stores them in the diagnostic rule database 31 and the diagnostic model database 32, respectively, and updates the contents of each database.
  • the terminal device 3A may specify the vehicle type and device for performing the diagnosis and request the diagnosis rule and / or the diagnosis model. As a result, the terminal device 3A can acquire the specified diagnostic rule and / or diagnostic model. Further, the external device 5A may periodically deliver the diagnostic rule and / or the diagnostic model to the terminal device 3A even if there is no delivery request from the terminal device 3A.
  • the terminal device 3A can use the latest diagnostic rule and / or diagnosis.
  • the model can be obtained from the external device 5A.
  • the terminal device 3A mounted on the vehicle 2 can perform highly accurate device diagnosis using the latest diagnostic rules and / or diagnostic models.
  • the external device 5 may generate a diagnostic model and provide it to the device diagnostic device 1, the device diagnostic system 10 of the first embodiment is external.
  • the device 5A may be provided.
  • each of the above-described embodiments describes in detail and concretely the configurations of the device diagnostic system and the device diagnostic device in order to explain the present invention in an easy-to-understand manner, and is not necessarily limited to those including all the components described. Not done. It is also possible to replace a part of the configuration of one embodiment with a component of another embodiment. It is also possible to add components of another embodiment to the configuration of one embodiment. It is also possible to add, delete, or replace other components with respect to a part of the configuration of each embodiment.
  • each component of the device diagnostic system according to each embodiment of the present disclosure described above may be implemented in any hardware as long as the respective hardware can send and receive information to and from each other via the network.
  • the processing performed by a certain processing unit may be realized by one hardware, or may be realized by distributed processing by a plurality of hardware.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本発明の一態様は、移動する機器を構成する装置と診断項目ごとに診断条件を定めた診断ルールと、診断ルールに定義された装置と診断項目に対応した、機器の装置を診断するための診断モデルと、指定された装置と診断項目に対応する診断ルールを取得する診断ルール取得部と、読み出された診断ルールに定義された装置と診断項目に対応する診断モデルを取得する診断モデル取得部と、診断ルールに従って機器の稼動データを診断モデルに適用し、指定された装置の診断項目について診断する診断部と、を備える。

Description

機器診断装置、機器診断システム及び機器診断方法
　本発明は、機器診断装置、機器診断システム及び機器診断方法に関する。
　従来、運転中の機器（例えば車両）から取得した様々なセンサ値（稼動データ）を診断することによって、機器の故障を予測し、本格的な故障を未然に防ぐ技術が一般的に普及している。時系列データを扱う当該技術においては、稼動データから特有の時系列パターンを抽出して異常を判断する方法が用いられる。
　異常判定のための基準値は、機器の稼動状態により様々であるため、各稼動状態に対応した基準値の設定が必要となる。そこで、特許文献１に記載の車両用基準値生成装置は、車両の運転シーン（自動車の加速、減速などの稼動状態）ごとに分類した稼動データの時系列パターンの特徴から、対象装置の異常を判別するための基準値を生成する。運転シーンごとに機器状態を診断する特徴量を算出して診断を行うことで、各々の運転シーンにおいて機器の異常が判断できるようになり、結果として機器診断の精度を向上させている。
特開２０１４－２３４１１３号公報
　特許文献１に記載の車両用基準値生成装置は、各運転シーンの時系列パターンの特徴に基づいて、各運転シーンに対応した稼動データを抽出し分類する。その上で、車両用基準値生成装置は、各運転シーンにおける異常判定のための基準値を予め算出しておき、その基準値を用いて、各運転シーンにおける車両の稼動データから車両状態の正常／異常を判定できるようしている。したがって、車両の一部の装置（又は部品、機能）に不具合が発生していたとしても、その装置を特定することが困難である。
　また、診断を実施する対象装置（ブレーキ装置や動力装置など）によって、診断に用いるセンサデータやその特徴量（センサデータの変化パターン）などが異なる。しかし、特許文献１には、診断対象の装置やその診断内容に応じてセンサデータやその変化パターンを抽出することは開示されていない。特に、車両を対象とした診断においては、走行中に取得されるセンサデータが、運転環境（路面や天候などの機器の稼動環境）、運転状態（加速、減速などの機器の稼動状態）、ブレーキ装置やアクセル装置などの制御状態により時系列に変化する。したがって、診断を実施する対象装置に応じたセンサデータの選定や、その時系列変化を考慮することが、正しい診断結果を得るために必要である。
　上記の状況から、稼動環境や稼動状態が変化する機器を構成する各装置の状態を高信頼度で診断する手法が望まれている。
　上記課題を解決するために、本発明の一態様の機器診断装置は、移動する機器を構成する装置と診断項目ごとに診断条件を定めた診断ルールを記憶する診断ルール記憶部と、診断ルールに定義された装置と診断項目に対応した、機器の装置を診断するための診断モデルを記憶する診断モデル記憶部と、機器の稼動データを記憶する稼動データ記憶部と、を備える。さらに、機器診断装置は、指定された装置と診断項目に対応する診断ルールを、上記診断ルール記憶部から読み出す診断ルール取得部と、読み出された診断ルールに定義された装置と診断項目に対応する診断モデルを、上記診断モデル記憶部から読み出す診断モデル取得部と、上記稼動データ記憶部から診断ルールに従って読み出された稼動データを診断モデルに適用し、指定された装置の診断項目について診断する診断部と、を備える。
　本発明の少なくとも一態様によれば、稼動環境や稼動状況が時々刻々と変化する機器を構成する各装置の状態を、高信頼度で診断できる。
　上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
本発明の第１の実施形態に係る機器診断システムの全体構成及び機器診断装置の内部構成の例を示すブロック図である。 本発明の第１の実施形態に係る端末装置の内部構成例を示すブロック図である。 本発明の第１の実施形態に係る稼動データ収集装置の内部構成例を示すブロック図である。 本発明の第１の実施形態に係る診断ルールの例を示す図である。 本発明の第１の実施形態に係る診断モデルの第１の例を示す図である。 本発明の第１の実施形態に係る診断モデルの第２の例を示す図である。 本発明の第１の実施形態に係る診断モデルの第３の例を示す図である。 本発明の第１の実施形態に係る機器診断装置において実行される診断全体処理の手順例を示すフローチャートである。 図８の特徴量抽出部による特徴量抽出処理の手順例を示すフローチャートである。 図９の特徴量抽出処理を説明するための図である。 図８の診断部による異常度算出処理の手順例を示すフローチャートである。 図８の診断部による診断処理の手順例を示すフローチャートである。 異常判定閾値を説明するための図である。 本発明の第２の実施形態に係る診断機能を備えた端末装置の内部構成の例を示すブロック図である。 本発明の第２の実施形態に係る外部装置の内部構成の例を示すブロック図である。
　以下、本発明を実施するための形態（以下、「実施形態」と記述する）の例について、添付図面を参照して説明する。本明細書及び添付図面において実質的に同一の機能又は構成を有する構成要素については、同一の符号を付して重複する説明を省略する。
＜１．第１の実施形態＞
　まず、本発明の第１の実施形態に係る機器診断システムについて説明する。
　本実施形態において、具体的には、道路上を走行する自動車を構成する各装置（制動系、動力系、操舵系、冷却系、・・・）が正常であるか否かを診断する例を説明する。なお、本発明は、自動車以外の車両、例えば、自動二輪車、大型バス、鉄道車両、及び航空機等にも適用可能である。さらに本発明は、人間等が搭乗しない機器にも適用可能である。本実施形態において“車両”と言う語は、“移動する機器”を意味する。以下、本明細書で使用する主な語句について説明する。
　稼動データとは、運転中の車両から取得され得る、車両の各装置についての任意の物理量である。多くの場合、稼動データは、車載のセンサが取得するセンサ値（測定値）である。センサが取得した一次的なデータの他に、一次的なデータを加工、演算した結果算出される二次データも稼動データに含まれる。稼動データの例として、車速、エンジン回転速度、制動時間、冷却水温度、ファン回転速度、及び冷却水流量等、多くの種類が存在する。
　運転環境とは、車両の稼動環境であり、車両が走行する外部環境についての任意の物理量である。運転環境は、車載のセンサによって取得されてもよいし、車載のセンサ以外によって取得されてもよい。運転環境は、天候、道路属性、及び交通状況の３つに分けられる。天候の例としては、気温、湿度、大気圧、風向、風速、及び降水量のうちの少なくとも一つを含む。道路属性の例としては、勾配、標高、交通量、交差点数、車線数、幅員、路面状態、及び道路形状（例えばトンネル、橋梁）のうちの少なくとも一つを含む。例えば、道路属性は地図データ（図１の地図情報記憶部３４）等から得られる。交通状況の例としては、混雑、渋滞、順調、速度、及び道路区間ごとの旅行時間のうちの少なくとも１つを含む。
　運転状態とは、車両の稼動状態であり、発進、加速、巡航（一定の速度を維持して走行を継続している状態）、減速、及び停止などの車両の走行形態（走行モード）を意味する。運転状態は、稼動データの特定の時系列パターンに対応付けられる。例えば、速度データにおいて、速度値が０から増加する所定時間帯の運転状態を発進、所定の速度値から減少し続ける所定時間の運転状態を減速している状態とする。本実施形態において、各運転状態に対応した稼動データの時系列パターンは予め定義され、診断ルール（図１の診断ルールデータベース３１）として記憶されているものとする。
　本実施形態の機器診断装置が診断の対象とするデータは、稼動データである。機器診断装置は、冷却水温度、及び冷却水流量等の、複数の種類の稼動データから予め診断モデルを生成して記憶しておき、診断用として取得した稼動データと診断モデルとから、車両を構成する各装置の異常の度合いを取得する。
　本実施形態が前提とする診断モデルは、稼動データに含まれる所定のセンサデータ、あるいは稼動データから抽出された特徴量から算出した主成分を軸（以下「診断軸」と記す。）とした空間における、正常ないし異常稼動時のセンサデータの分布領域ないしその代表点（例えば、重心点）である。本実施形態では、診断を実施する装置やその診断内容に対応した複数の診断モデルを備える。
　すなわち、診断モデルは、複数の機器（車両２）や装置の稼動データに基づき装置ごとに生成され、所定の診断空間における正常もしくは異常、あるいはその両方の稼動状態における空間領域又はその代表点の情報を含む。したがって、複数の機器（車両２）や装置の稼動データに基づき装置ごとに生成された診断モデルを使用して、精度の高い機器診断が可能となる。
［機器診断システムの全体構成及び機器診断装置の内部構成］
　図１は、第１の実施形態に係る機器診断システム１０の全体構成及び機器診断装置１の内部構成の例を示すブロック図である。機器診断システム１０は、機器診断装置１、車両２に搭載された端末装置３、及び稼動データ収集装置４、及び外部装置５から構成される。各装置は、インターネット等の広域のネットワーク６を介して、相互に通信可能である。
　図１に沿って、機器診断装置１の構成を説明する。
　機器診断装置１は、一般的なコンピューターである。例えば機器診断装置１は、中央制御装置１１、入力装置１４、出力装置１５、主記憶装置１２、補助記憶装置１３、及び、ネットワークインターフェイス１６を備える。これらのブロックはバスにより接続されている。
　補助記憶装置１３には、診断ルールデータベース３１、診断モデルデータベース３２、診断結果記憶部３３、地図情報記憶部３４、及び稼動データデータベース３５が格納される。
　また、主記憶装置１２には、稼動データ取得部２１、診断ルール取得部２２、診断モデル取得部２３、特徴量抽出部２４、及び診断部２５のプログラムが記憶されている。以降の説明において、“○○部は”と動作主体を記した場合、それは、中央制御装置１１が補助記憶装置１３から○○部のプログラムを読み出し、主記憶装置１２にロードした上で○○部の機能を実現することを意味する。中央制御装置１１にはＣＰＵ（Central Processing Unit）が用いられるが、ＭＰＵ（Micro Processing Unit）等の他のプロセッサを用いてもよい。
　入力装置１４には、例えばマウスやタッチパネル等のポインティングデバイス、キーボードなどが用いられ、ユーザは入力装置１４を操作し、情報や指示を入力することが可能である。入力装置１４は、ユーザの操作に応じた入力信号を生成して中央制御装置１１へ送信する。出力装置１５は、例えば液晶ディスプレイモニタであり、ＧＵＩ画面や中央制御装置１１で行われた処理の結果等を表示する。
　ネットワークインターフェイス１６には、例えばＮＩＣ（Network Interface Card）やモデム等が用いられ、ネットワーク６を介して、稼動データ収集装置４及び外部装置５に対し各種のデータを送受信することが可能に構成されている。
　機器診断装置１は、ネットワークインターフェイス１６により、ネットワーク６を介して、外部装置５及び稼動データ収集装置４と通信可能である。外部装置５は、天候及び道路属性を位置情報に関連付けて記憶している。車両２は、端末装置３を搭載している。端末装置３は、車両２の各センサからセンサ値を収集し、ＧＰＳ（Global Positioning System）衛星などの位置計測システムから電波を受信し、その電波に基づいて自身の位置情報（緯度及び経度）を算出することができる。稼動データ収集装置４は、無線技術を使用して端末装置３と通信可能である。
　以上から明らかなように、機器診断装置１は、ネットワーク６及び稼動データ収集装置４を介して、車両２の稼動データ及び位置情報を取得することができる。さらに、機器診断装置１は、ネットワーク６及び稼動データ収集装置４を介して、車両２の運転環境を取得することができる。機器診断装置１は、車両２の位置情報に基づいて、ネットワーク６を介して外部装置５から車両２の運転環境の情報を取得することもできる。
　機器診断装置１の構成について更に詳細に説明する。
　診断ルールデータベース３１（診断ルール記憶部の一例）には、移動する機器（本例では車両２）を構成する装置と診断項目ごとに診断条件を定めた診断ルールが記憶されている。
　診断モデルデータベース３２（診断モデル記憶部の一例）には、診断ルールに定義された装置と診断項目に対応した、機器の装置を診断するための診断モデルが記憶されている。
　診断結果記憶部３３には、診断部２５による対象機器の診断結果が記憶される。
　地図情報記憶部３４には、地図データが記憶されている。
　稼動データデータベース３５（稼動データ記憶部の一例）に、機器診断装置１が機器から取得した稼動データが記憶されている。
　稼動データ取得部２１は、使用する診断ルールに基づいて、稼動データデータベース３５から対象機器の稼動データを抽出し、特徴量抽出部２４へ出力する。
　診断ルール取得部２２は、対象機器の指定された装置と診断項目に対応する診断ルールを、診断ルール記憶部から抽出し、診断モデル取得部２３へ出力する。
　診断モデル取得部２３は、診断ルール取得部２２により読み出された診断ルールに定義された装置と診断項目に対応する診断モデルを、診断モデルデータベース３２から抽出し、診断部２５へ出力する。
　特徴量抽出部２４は、稼動データの時系列パターンから特徴量を抽出し、診断部２５へ出力する。
　診断部２５は、稼動データデータベース３５から診断ルールに従って読み出された稼動データ（特徴量）を診断モデルに適用し、指定された装置の診断項目について診断する。診断部２５が特徴量抽出部２４を兼ねてもよいし、その他のブロックを兼ねてもよい。
［端末装置］
　図２は、端末装置３の内部構成例を示すブロック図である。
　端末装置３は、中央制御装置４１、主記憶装置４２、補助記憶装置４３、種々のセンサ４４、測位部４５、及び稼動データ収集装置インターフェイス４６を備える。
　中央制御装置４１が、補助記憶装置４３に記憶されたプログラムを主記憶装置４２に読み出して実行することで、端末装置３の本実施形態における機能が実現される。測位部４５は、車両２の各センサ４４からセンサ値を収集し、ＧＰＳ衛星などの位置計測システムから電波を受信し、その電波に基づいて自身の位置情報（緯度及び経度）を算出する。
　稼動データ収集装置インターフェイス４６は、無線通信により稼動データ収集装置４に車両２の稼動データを送信する無線通信装置である。
［稼動データ収集装置］
　図３は、稼動データ収集装置４の内部構成例を示すブロック図である。
　稼動データ収集装置４は、一般的なコンピューターである。例えば稼動データ収集装置４は、中央制御装置５１、主記憶装置５２、補助記憶装置５３、ネットワークインターフェイス５４、及び端末装置インターフェイス５５を備える。これらのブロックはバスにより接続されている。
　中央制御装置５１が、補助記憶装置５３に記憶されたプログラムを主記憶装置５２に読み出して実行することにより、稼動データ収集装置４の機能が実現される。ネットワークインターフェイス５４には、例えばＮＩＣ（Network Interface Card）やモデム等が用いられ、ネットワーク６を介して、稼動データ収集装置４及び外部装置５に対し各種のデータを送受信することが可能に構成されている。端末装置インターフェイス５５は、無線通信により端末装置３から車両２の稼動データを受信する無線通信装置である。
［診断ルール］
　次に、診断ルールデータベース３１に記憶される診断ルールについて説明する。
　図４は、診断ルールデータベース３１に記憶される診断ルールの例を示す。診断ルールは、図４に示すように、装置６１、診断項目６２、診断に用いる稼動データ６３、運転状態６４、運転環境６５、及び制御状態６６の項目を有する。診断ルールは、診断対象の装置６１、その装置６１のどのような状態を診断するのかを示す診断項目６２（診断内容に相当）によって異なる。ゆえに、診断ルールデータベース３１には、装置６１及び診断項目６２に関連付けて、診断に必要な稼動データ６３、さらに稼動データ６３から診断に必要なデータを抽出するための条件として、運転状態６４、運転環境６５、及び制御状態６６などが記憶されている。
　運転状態６４は、車両の発進、加速などの走行形態（走行モード又は運転シーンに対応）の情報を含む。本実施形態では、運転状態６４（稼動状態の一例）には、車両の発進、加速、減速、停止、駐車、及び巡航のうちの少なくとも１つを含むとする。これにより、種々の運転状態６４を反映した機器診断が可能となる。
　運転環境６５は、診断に用いる稼動データ６３の対象エリア、道路種別や経路などの場所に関わる情報、気象情報、交通状況（渋滞／非渋滞）、車線数や道路勾配、路面状態などの地図（道路）情報などである。本実施形態では、運転環境６５（稼動環境の一例）には、天候、道路属性、又は交通状況を少なくとも一つ含むとする。これにより、種々の運転環境６５を反映した機器診断が可能となる。
　制御状態６６は、ブレーキ制御やアクセル制御などの稼動／非稼動など、対象装置の診断に関わる当該装置の制御状態ないし操作状態である。本実施形態では、制御状態６６には、ブレーキ制御、エンジン制御、アクセル制御、クラッチ制御、及びハンドル制御のうちの少なくとも１つを含むとする。これにより、種々の制御状態を反映した機器診断が可能となる。
　一例として図４に示す診断ルールの一番上のレコードには、装置６１として“ブレーキ”、診断項目６２として“ブレーキドラムの摩耗”、診断に用いる稼動データ６３として“速度、加速度、ブレーキ踏込み有無”、運転状態６４として“加減速”、運転環境６５として“下り坂、上り坂、平坦”、制御状態６６として“フットブレーキＯＮ／ＯＦＦ繰返し”が登録されている。運転状態６４、運転環境６５、及び制御状態６６に含まれる各要素について診断ルールが作成される。例えば、運転環境６５における下り坂、上り坂、平坦の各要素又は組み合わせに対して、それぞれ診断ルールが作成される。
　診断ルールを構成する項目は、図４に示した各項目の他にも、装置６１及び診断項目６２に関連付けて必要に応じて拡張される。例えば、診断に必要十分な稼動データの期間（時間帯）、車両の種類（車種）、装置の種類、年式、及びドライバ数などが挙げられる。
　このように、診断ルールは、機器を構成する各装置の稼動環境、稼動状態、又は制御状態に対応し、各装置の診断に必要な稼働データ（センサデータ）とその変化パターンの情報を含んで構成される。
　これにより、稼動環境や稼動状態が変化する機器を構成する各装置に対し、適切な診断ルールを適用することができ、各装置の状態を高信頼度で診断することが可能となる。
［診断モデルの第１の例］
　次に、診断モデルデータベース３２に記憶される診断モデルについて説明する。
　図５は、ある装置Ｊを診断するための診断モデルの第１の例を示す。診断モデルは、診断ルールにおける装置６１及びその診断項目６２に対応し、過去の稼動データから生成され、診断モデルデータベース３２に記憶される。
　本実施形態では、診断モデルは、稼動環境、稼動状態、及び制御状態に含まれる項目の組み合わせで決まる診断ルール（図４参照）ごとに設けられる。これにより、稼動環境や稼動状態等が変化する機器を構成する各装置の状態を、高信頼度で診断することができる。
　診断モデル自体は、所定のセンサデータ又はそのセンサデータを元に算出された主成分を軸とする所定の空間（以下「診断空間」と記す。）における正常稼動時又は異常稼動時の領域、ないしその領域を代表する代表点で表現される。
　図５に示す診断モデルにおいて、診断空間は、診断軸１と診断軸２を軸とする二次元空間で表現される。“○”は、当該装置Ｊが正常に稼動しているときに観測された稼動データ７１である。装置Ｊが正常に稼動しているときの稼動データ７１の分布に基づき、一点鎖線で示す正常稼動領域７２が算出される。過去の稼動データに、装置Ｊの稼動状態が異常な時の稼動データ７３が含まれている場合、正常稼動時と同様に、異常稼動データの分布により異常稼動領域が算出される（図示しない）。算出された正常／異常の稼動領域、あるいはその各稼動領域の代表点７４の座標（ここでは、正常点／異常点とする）が装置Ｊの診断モデルとして記憶される。後述するように、診断部２５は、対象稼動データ（図５では稼動データ７３）から代表点７４までの距離Ｄ（ｉ，ｊ）を対象稼動データの異常度として計算し出力する。
　診断モデルは、装置Ｊの診断項目に応じて生成される。すなわち、診断モデルは、診断する装置や診断項目によって様々であり（診断空間を構成する軸や次元数など）、複数の診断モデルが診断モデルデータベース３２に記憶される。
［診断モデルの第２の例］
　図６は、診断モデルの第２の例を示す。
　図６に示す診断モデルでは、診断空間を複数の区画に分割する。例えば区画Ａ１は正常な稼動データ７１が含まれる区画、区画Ａ２は異常度小の稼動データ７３が含まれる区画、斜線で示す区画Ａ３は異常度大の稼動データが含まれる区画である。例えば診断部２５は、区画Ａ３に含まれる稼動データを検出すると、アラームを出力する。
［診断モデルの第３の例］
　図７は、診断モデルの第３の例を示す。図７に示す診断モデルでは、右肩上がりの直線９１と右肩下がりの直線９２とにより診断空間を分割する。正常な稼動データ７１は、直線９１及び直線９２よりも下側に分布する。一方、異常な稼動データ７３は、直線９１及び直線９２よりも上側に分布する。
　本実施形態では、診断空間を二次元空間としたが、三次元などの多次元空間においても同様であり、多次元空間上に正常／異常を分割する診断モデルを生成する。また、診断空間の分割は直線に限らず非線形に分割される場合もあるなど、対象装置により様々である。
［診断全体処理］
　次に、機器診断装置１において実行される診断全体処理について説明する。
　図８は、機器診断装置１において実行される診断全体処理の手順例を示すフローチャートである。
　診断全体処理の手順を開始する前提として、車両２に搭載された端末装置３（図１参照）は、車両２の稼動データ及び位置情報をリアルタイム又はオフラインで機器診断装置１に送信する。
　機器診断装置１は、車両２から取得した稼動データに基づき、車両２を構成する各装置が正常に稼動しているか否かを診断する。診断に用いる診断モデルは、機器診断装置１において生成してもよいし、外部装置５にて生成された診断モデルをネットワークインターフェイス１６により取得してもよい。生成ないし取得した診断モデルは、診断モデルデータベース３２に記憶される。
　ステップＳ１において、機器診断装置１の入力装置１４は、ユーザから診断する車両ｉの車種や型式などの情報を受け付け、続いてステップＳ２において、診断する装置ｊとその型式などの情報を受け付ける。
　次に、ステップＳ３において、診断ルール取得部２２は、診断ルールデータベース３１に記憶されている、車両ｉの装置ｊに対応した診断ルールを読み込む。機器診断装置１は、この診断ルールに従い診断項目ｋ（図４の診断項目６２）ごとにステップＳ４～Ｓ８を実行し、装置ｊが正常に稼動しているか否かを診断する。
　ステップＳ４において、稼動データ取得部２１は、装置ｊの各診断項目６２に対応付けて設定されている稼動データの項目を読み込む。
　ステップＳ５において、特徴量抽出部２４は、稼動データの項目に基づき、装置ｊの診断に用いる稼動データを稼動データデータベース３５から読み込む。そして、特徴量抽出部２４は、運転状態６４、運転環境６５、及び制御状態６６に定義された特徴量の抽出条件に従い、少なくとも一つ以上の条件に一致する特徴量を稼動データから抽出する。なお、稼動データ取得部２１が、稼動データデータベース３５から装置ｊの診断に用いる稼動データを読み込むようにしてもよい。
　次に、ステップＳ６において、診断モデル取得部２３は、装置ｊの当該診断項目６２に対応する診断モデルを診断モデルデータベース３２から読み込む。
　次に、ステップＳ７において、診断部２５は、抽出された特徴量の代表値（平均値、中央値等）を算出し、診断モデルを構成する診断空間上にその代表値（仮にここでは、診断点とする）をプロットする。この診断空間における診断点と、診断モデルから得られた正常点との距離Ｄ（ｉ，ｊ）を算出し、異常度を得る。正常点は、図５～図７の代表点７４に相当する。
　次に、ステップＳ８において、診断部２５は、距離Ｄ（ｉ，ｊ）に基づき、装置ｊが正常に稼動しているか否かを診断する。診断部２５は、対象車両ｉの装置ｊの診断項目全てについてステップＳ４～Ｓ８の処理が完了したら、本診断全体処理を終了する。
［特徴量抽出処理］
　図９は、特徴量抽出部２４において実行される特徴量抽出処理（ステップＳ５）の手順例を示すフローチャートである。図１０は、図９の特徴量抽出処理を説明するための図である。以下、図９及び図１０を参照して、特徴量抽出処理の手順をより詳細に説明する。
　まず、ステップＳ１１において、特徴量抽出部２４は、診断ルール取得部２２が診断ルールデータベース３１より取得した車両ｉの装置ｊの診断ルールを読み込む。
　次に、ステップＳ１２において、特徴量抽出部２４は、読み込んだ診断ルールに設定されている稼動データの項目に従い、稼動データデータベース３５に記憶している車両ｉの稼動データから、車両ｉの装置ｊの診断に必要な稼働データ（センサデータ）を読み込む。
　次に、ステップＳ１３において、特徴量抽出部２４は、当該診断ルールに設定されているセンサデータの抽出条件（運転状態６４、運転環境６５、制御状態６６）に一致している区間のデータを各々センサデータから切り出し、診断のための特徴量を得る。特徴量抽出部２４は、対象車両ｉの装置ｊの診断に必要なすべての稼働データについてステップＳ１３の処理が完了したら、本特徴量抽出処理を終了してステップＳ６（図８参照）へ移行する。
　例えば図１０に示す例では、ステップＳ１３により、診断に必要な稼動データとして読み込んだセンサデータ１００（図１０上段）から複数の特徴量１０１，１０２（図１０下段）が抽出される。具体例として、ディスクブレーキの摩耗を診断する場合、速度、加速度、及びブレーキ踏込みデータが診断用センサデータとして取り込まれ、運転状態が“減速”、制御状態が“フットブレーキＯＮ（ブレーキ稼動）”の状態にあるデータ区間（矢印で示す区間）が、各センサデータから抽出される。
［異常度算出処理］
　図１１は、診断部２５において実行される異常度算出処理（ステップＳ７）の手順例を示すフローチャートである。異常度算出処理は、装置の異常度を算出する。以下、図１１を参照して、異常度算出処理の手順をより詳細に説明する。
　まず、ステップＳ２１において、診断部２５は、特徴量抽出部２４によりセンサデータから抽出された特徴量を読み込む。次に、ステップＳ２２において、診断部２５は、診断モデル取得部２３が診断モデルデータベース３２から読み込んだ装置ｊの各診断項目６２に対応する診断モデルを取得する。
　次に、ステップＳ２３において、診断部２５は、診断空間における特徴量の代表値（診断点）を算出し、各診断項目６２において診断モデルによって規定されている診断空間上に診断点をプロットする。
　次に、ステップＳ２４において、診断部２５は、当該診断点と、診断モデルに規定されている正常稼動時の代表点（正常点）との診断空間上の距離Ｄ（ｉ，ｊ）を算出し、車両ｉの装置ｊの異常度として出力する。ステップＳ２４の処理後、本異常度算出処理を終了してステップＳ８（図８参照）へ移行する。
　以上のとおり、本実施形態に係る診断部２５は、機器を構成する各装置において、診断ルールに従い稼動データから特徴量を抽出し、診断モデルに定められている診断空間上に投影したその特徴量の座標点と、正常ないし異常稼動時の領域ないしその代表点との距離を算出し、各装置の異常の度合い（異常度）として出力するように構成されている。
　これにより、稼動環境や稼動状態等が変化する機器を構成する各装置の異常度を算出し、異常度を用いて各装置の診断を行うことができる。
［診断処理］
　図１２は、診断部２５において実行される診断処理（ステップＳ８）の手順例を示すフローチャートである。診断処理は、異常度から装置の正常／異常を診断する。以下、図１２を参照して、診断処理の手順をより詳細に説明する。
　まず、ステップＳ３１において、診断部２５は、ステップＳ７で算出した車両ｉを構成する装置ｊの診断項目６２の異常度Ｄ（ｉ，ｊ）を読み込む。続いて、ステップＳ３２において、診断部２５は、異常判定閾値Ｄｔｈ（ｉ，ｊ）を読み込む。異常判定閾値Ｄｔｈ（ｉ，ｊ）は、予め補助記憶装置１３又は主記憶装置１２に記憶しておく。
　次に、ステップＳ３３において、診断部２５は、異常度Ｄ（ｉ，ｊ）を異常判定閾値Ｄｔｈ（ｉ，ｊ）と比較し、２つの値の大小を判定する。ここで、異常度Ｄ（ｉ，ｊ）が異常判定閾値Ｄｔｈ（ｉ，ｊ）を超える場合には（Ｓ３３のＹＥＳ）、診断部２５は、ステップＳ３４において車両ｉの装置ｊが“異常”であると判断し、その結果を出力装置４８に出力する。
　一方、異常度Ｄ（ｉ，ｊ）が異常判定閾値Ｄｔｈ（ｉ，ｊ）以下である場合には（Ｓ３３のＮＯ）、診断部２５は、ステップＳ３５において車両ｉの装置ｊは“正常”であると判断し、その結果を出力装置４８に出力する。ステップＳ３４又はＳ３５の処理後、本診断処理を終了する。
　以上のとおり、本実施形態に係る診断部２５は、機器を構成する各装置において、過去の稼動データから算出した異常度の確率密度分布から、正常／異常を識別するための閾値（異常判定閾値Ｄｔｈ（ｉ，ｊ））を予め設定し、装置ごとにその閾値と異常度を比較して正常／異常を判断するように構成されている。
　これにより、稼動環境や稼動状態等が変化する機器を構成する各装置の異常度を算出し、異常度と閾値を比較して各装置の正常／異常を診断することができる。
［異常判定閾値］
　図１３は、異常判定閾値Ｄｔｈ（ｉ，ｊ）を説明するための図である。
　本実施形態では、異常判定閾値Ｄｔｈ（ｉ，ｊ）は、正常稼動している装置ｊから取得した過去の稼動データ（診断モデル生成時のデータ）から算出する。所定時間及び複数回観測した正常稼動時のセンサデータを取得し、各観測時間帯のセンサデータに対してステップＳ４～Ｓ７を実行し、複数の異常度を計算する。その複数の異常度から確率密度分布１１０を求め、異常度の高い確率値が所定の比率（例えば５％）となる異常度１１１を、車両ｉの装置ｊの異常判定閾値Ｄｔｈ（ｉ，ｊ）に設定する。
　異常判定閾値Ｄｔｈ（ｉ，ｊ）の算出及び設定は、装置ｊが正常状態であるときに取得した稼動データで算出及び設定（更新）することが望ましいため、車両ｉが新車である所定期間、あるいは装置ｊの交換ないし修理後の所定期間に実施する。
　前述の実施形態では、装置ｊが正常に稼動しているときの診断モデルが得られた場合を前提に、異常判定閾値Ｄｔｈ（ｉ，ｊ）により、装置ｊの正常／異常を識別する方法を示したが、この例に限らない。例えば、装置jの整備（保守記録）データが得られ、整備データにより装置ｊの正常／異常が既知であり、装置ｊの診断モデルに異常稼動時の診断モデルが更に含まれる場合、装置ｊの診断点が上記診断モデルの正常領域又は異常領域のいずれの領域に属するかにより、装置ｊの正常／異常を識別できる。あるいは、診断点と異常点との距離Ｄ’（ｉ，ｊ）を算出し、距離Ｄ’（ｉ，ｊ）と異常度Ｄ（ｉ，ｊ）との比較結果に応じて、装置ｊの正常／異常を識別することもできる。
　以上のとおり、第１の実施形態に係る機器診断システム１０は、移動する機器（車両２）を構成する装置と診断項目（診断項目６２）ごとに診断条件を定めた診断ルールを記憶する診断ルール記憶部（診断ルールデータベース３１）と、診断ルールに定義された装置と診断項目に対応した、機器の装置を診断するための診断モデルを記憶する診断モデル記憶部（診断モデルデータベース３２）と、機器の稼動データを記憶する稼動データ記憶部（稼動データデータベース３５）と、を備える。さらに、機器診断システム１０は、指定された装置と診断項目に対応する診断ルールを、診断ルール記憶部から読み出す診断ルール取得部（診断ルール取得部２２）と、読み出された診断ルールに定義された装置と診断項目に対応する診断モデルを、診断モデル記憶部から読み出す診断モデル取得部（診断モデル取得部２３）と、稼動データ記憶部から診断ルールに従って読み出された稼動データを診断モデルに適用し、指定された装置の診断項目について診断する診断部（診断部２５）と、を備える。
　このように構成された第１の実施形態によれば、稼動環境や稼動状況が時々刻々と変化する機器を構成する各装置の状態を、高信頼度で診断することができる。
＜２．第２の実施形態＞
　第２の実施形態は、第１の実施形態に係る車両２に搭載された端末装置３が、機器診断装置１の診断機能を備える構成とした機器診断システムである。第２の実施形態の機器診断システムを構成する装置とその接続関係は、第１の実施形態の機器診断システム１０（図１）と同じである。ただし、端末装置が診断機能を備える場合には、機器診断装置１を削除することができる。
［端末装置］
　まず、第２の実施形態に係る診断機能を備えた端末装置の内部構成を説明する。
　図１４は、第２の実施形態に係る診断機能を備えた端末装置３Ａの内部構成の例を示すブロック図である。端末装置３Ａは、第１の実施形態（図１）における端末装置３のブロックに加え、入力装置４７と出力装置４８を備える。入力装置４７と出力装置４８は、例えば表示パネルにタッチパネルを重ねた装置により構成できる。
　また、端末装置３Ａの補助記憶装置４３には、診断ルールデータベース３１、診断モデルデータベース３２、診断結果記憶部３３、地図情報記憶部３４、及び稼動データデータベース３５が格納されている。さらに、端末装置３Ａの主記憶装置４２には、稼動データ取得部２１、診断ルール取得部２２、診断モデル取得部２３、特徴量抽出部２４、及び診断部２５のプログラムが記憶されている。
　診断ルール取得部２２は、広域のネットワーク６を介して後述する外部装置５Ａ（配信サーバ）から、診断を実施する車種や機器を構成する装置に応じて診断ルールを取得する。また、診断モデル取得部２３は、広域のネットワーク６を介して後述する外部装置５Ａ（配信サーバ）から、診断を実施する車種や機器を構成する装置に応じて診断モデルを取得する。補助記憶装置４３に格納されているデータ、及び主記憶装置４２に記憶されているプログラムは、それぞれ機器診断装置１が備えるデータ及びプログラムと同様であるため、その他の説明を省略する。
［外部装置］
　次に、第２の実施形態に係る外部装置の内部構成を説明する。
　図１５は、第２の実施形態に係る外部装置５Ａの内部構成の例を示すブロック図である。外部装置５Ａは、第１の実施形態における外部装置５（図１）と基本的なハードウェア構成が同じである。外部装置５Ａは、一般的なコンピューターである。例えば外部装置５Ａは、中央制御装置１２１、主記憶装置１２２、補助記憶装置１２３、及びネットワークインターフェイス１２４を備える。これらのブロックはバスにより接続されている。
　中央制御装置１２１が、補助記憶装置１２３に記憶されたプログラムを主記憶装置１２２に読み出して実行することで、外部装置５Ａの機能が実現される。補助記憶装置１２３には、診断ルールデータベース１２３ａ、診断モデルデータベース１２３ｂが格納されている。主記憶装置１２２には、情報配信部１２２ａのプログラムが記憶されている。
　情報配信部１２２ａは、機器を構成する装置と診断項目に対応した、機器の装置を診断するための診断モデルを、ネットワーク６を介して端末装置３Ａへ配信する。
　本実施形態では、外部装置５Ａが、複数の車両２の各々から稼動データを随時収集して、診断ルールデータベース１２３ａ及び診断モデルデータベース１２３ｂを更新することを前提とする。したがって、外部装置５Ａの診断ルールと診断モデルは、機器診断装置１（図１）が有する診断ルールと診断モデル、並びに図１４の端末装置３Ａが有する診断ルールと診断モデルよりも新しい。
　端末装置３Ａは、ネットワーク６（図１参照）を介して、外部装置５Ａに対し診断ルール及び／又は診断モデルを要求するコマンドを送信する。外部装置５Ａは、端末装置３Ａから診断ルール及び／又は診断モデルの要求コマンドを受信すると、要求に応じて診断ルールデータベース１２３ａの診断ルール及び／又は診断モデルデータベース１２３ｂの診断モデルを、端末装置３Ａに送信する。外部装置５Ａは、配信サーバと言える。端末装置３Ａは、外部装置５Ａから診断ルール及び／又は診断モデルを受信し、それぞれ診断ルールデータベース３１、診断モデルデータベース３２に保存して各データベースの内容を更新する。
　このとき、端末装置３Ａは診断を実施する車種や装置を指定して、診断ルール及び／又は診断モデルを要求してもよい。これにより、端末装置３Ａは、指定した診断ルール及び／又は診断モデルを取得することができる。また、外部装置５Ａは、端末装置３Ａからの配信要求がなくても、診断ルール及び／又は診断モデルを定期的に端末装置３Ａに配信してもよい。
　このように構成することで、例えば端末装置３Ａの処理能力が低く、端末装置３Ａが自身で診断ルール及び／又は診断モデルを作成できない場合でも、端末装置３Ａは、最新の診断ルール及び／又は診断モデルを外部装置５Ａから取得することができる。それにより、車両２に搭載された端末装置３Ａが、最新の診断ルール及び／又は診断モデルを用いて、精度の高い機器診断を行うことができる。
　なお、第１の実施形態において外部装置５が診断モデルを生成して機器診断装置１に提供する構成であってもよいことを記載したように、第１の実施形態の機器診断システム１０が外部装置５Ａを備えていてもよい。
＜３．その他＞
　さらに、本発明は上述した各実施形態に限られるものではなく、請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、その他種々の応用例、変形例を取り得ることは勿論である。
　例えば、上述した各実施形態は本発明を分かりやすく説明するために機器診断システム及び機器診断装置の構成を詳細かつ具体的に説明したものであり、必ずしも説明した全ての構成要素を備えるものに限定されない。また、ある実施形態の構成の一部を他の実施形態の構成要素に置き換えることは可能である。また、ある実施形態の構成に他の実施形態の構成要素を加えることも可能である。また、各実施形態の構成の一部について、他の構成要素の追加、削除、置換をすることも可能である。
　また、上述した本開示の各実施形態にかかる機器診断システムの各構成要素は、それぞれのハードウェアがネットワークを介して互いに情報を送受信できるならば、いずれのハードウェアに実装されてもよい。また、ある処理部により実施される処理が、１つのハードウェアにより実現されてもよいし、複数のハードウェアによる分散処理により実現されてもよい。
　１…機器診断装置、　２…車両、　３Ａ…端末装置、　４…稼動データ収集装置、　５Ａ…外部装置、　６…ネットワーク、　１０…機器診断システム、　１１…中央制御装置、　１２…主記憶装置、　１３…補助記憶装置、　１４…入力装置、　１５…出力装置、　１６…ネットワークインターフェイス、　２１…稼動データ取得部、　２２…診断ルール取得部、　２３…診断モデル取得部、　２４…特徴量抽出部、　２５…診断部、　３１…診断ルール記憶部、　３２…診断モデル記憶部、　３３…診断結果記憶部、　３４…地図情報記憶部、　３５…稼動データ記憶部、　４１…中央制御装置、　４２…主記憶装置、　４３…補助記憶装置、　４４…センサ、　４５…測位部、　１２１…中央制御装置、　１２２…主記憶装置、　１２２ａ…情報配信部、　１２３…補助記憶装置、　１２３ａ…診断ルール記憶部、　１２３ｂ…診断モデル記憶部

Claims (13)

  1. 　移動する機器を構成する装置と診断項目ごとに診断条件を定めた診断ルールを記憶する診断ルール記憶部と、
    　前記診断ルールに定義された装置と診断項目に対応した、前記機器の装置を診断するための診断モデルを記憶する診断モデル記憶部と、
    　前記機器の稼動データを記憶する稼動データ記憶部と、
    　指定された装置と診断項目に対応する前記診断ルールを、前記診断ルール記憶部から読み出す診断ルール取得部と、
    　読み出された前記診断ルールに定義された前記装置と前記診断項目に対応する前記診断モデルを、前記診断モデル記憶部から読み出す診断モデル取得部と、
    　前記稼動データ記憶部から前記診断ルールに従って読み出された前記稼動データを前記診断モデルに適用し、指定された前記装置の前記診断項目について診断する診断部と、を備える
    　機器診断装置。
  2. 　前記診断ルールは、各装置の稼動環境、稼動状態、又は制御状態に対応し、各装置の診断に必要なセンサデータとその変化パターンの情報を含む
    　請求項１に記載の機器診断装置。
  3. 　前記稼動環境は、天候、道路属性、又は交通状況を少なくとも一つ含み、
    　前記天候は、気温、湿度、大気圧、風向、風速、及び降水量のうちの少なくとも１つを含み、
    　前記道路属性は、勾配、標高、交通量、交差点数、車線数、幅員、路面状態、及び道路形状のうちの少なくとも１つを含み、
    　前記交通状況は、混雑、渋滞、順調、速度、及び道路区間ごとの旅行時間のうちの少なくとも１つを含む
    　請求項２に記載の機器診断装置。
  4. 　前記稼動状態は、
    　前記機器の発進、加速、減速、停止、駐車、及び巡航のうちの少なくとも１つを含む
    　請求項２に記載の機器診断装置。
  5. 　前記制御状態は、
    　ブレーキ制御、エンジン制御、アクセル制御、クラッチ制御、及びハンドル制御のうちの少なくとも１つを含む
    　請求項２に記載の機器診断装置。
  6. 　前記診断ルール取得部は、広域のネットワークを介して配信サーバから、診断を実施する車種や装置に応じて前記診断ルールを取得する
    　請求項１に記載の機器診断装置。
  7. 　前記診断モデルは、複数の車両や装置の稼動データに基づき装置ごとに生成され、所定の診断空間における正常もしくは異常、あるいはその両方の稼動状態における空間領域又はその代表点の情報を含む
    　請求項１に記載の機器診断装置。
  8. 　前記診断モデル取得部は、広域のネットワークを介して配信サーバから、診断を実施する車種や装置に応じて前記診断モデルを取得する
    　請求項１に記載の機器診断装置。
  9. 　前記診断モデルは、前記稼動環境、前記稼動状態、及び前記制御状態に含まれる項目の組み合わせで決まる前記診断ルールごとに設けられる
    　請求項２乃至５のいずれか一項に記載の機器診断装置。
  10. 　前記診断部は、各装置において、前記診断ルールに従い稼動データから特徴量を抽出し、前記診断モデルに定められている診断空間上に投影したその特徴量の座標点と、正常ないし異常稼動時の領域ないしその代表点との距離を算出し、各装置の異常の度合いとして出力する
    　請求項１に記載の機器診断装置。
  11. 　前記診断部は、各装置において、過去の稼動データから算出した異常度の確率密度分布から、正常／異常を識別するための閾値を予め設定し、装置ごとにその閾値と異常度を比較して正常／異常を判断する
    　請求項９に記載の機器診断装置。
  12. 　サーバと、移動する機器に搭載された端末装置とがネットワークを介して通信する機器診断システムであって、
    　前記サーバは、
    　前記機器を構成する装置と診断項目に対応した、前記機器の装置を診断するための診断モデルを、前記ネットワークを介して前記端末装置へ配信する情報配信部、を備え、
    　前記端末装置は、
    　移動する機器を構成する装置と診断項目ごとに診断条件を定めた診断ルールを記憶する診断ルール記憶部と、
    　前記診断ルールに定義された装置と診断項目に対応した、前記サーバから受信した前記診断モデルを記憶する診断モデル記憶部と、
    　前記機器の稼動データを記憶する稼動データ記憶部と、
    　指定された装置と診断項目に対応する前記診断ルールを、前記診断ルール記憶部から読み出す診断ルール取得部と、
    　読み出された前記診断ルールに定義された前記装置と前記診断項目に対応する前記診断モデルを、前記診断モデル記憶部から読み出す診断モデル取得部と、
    　前記稼動データ記憶部から前記診断ルールに従って読み出された前記稼動データを前記診断モデルに適用し、指定された前記装置の前記診断項目について診断する診断部と、を備える
    　機器診断システム。
  13. 　移動する機器を構成する装置と診断項目ごとに診断条件を定めた診断ルールを記憶する診断ルール記憶部と、前記診断ルールに定義された装置と診断項目に対応した、前記機器の装置を診断するための診断モデルを記憶する診断モデル記憶部と、前記機器の稼動データを記憶する稼動データ記憶部と、診断ルール取得部と、診断モデル取得部と、診断部とを備える機器診断装置による機器診断方法であって、
    　前記診断ルール取得部により、指定された装置と診断項目に対応する前記診断ルールを、前記診断ルール記憶部から読み出す処理と、
    　前記診断モデル取得部により、読み出された前記診断ルールに定義された前記装置と前記診断項目に対応する前記診断モデルを、前記診断モデル記憶部から読み出す処理と、
    　前記診断部により、前記稼動データ記憶部から前記診断ルールに従って読み出された前記稼動データを前記診断モデルに適用し、指定された前記装置の前記診断項目について診断する処理と、を含む
    　機器診断方法。
PCT/JP2020/023397 2019-07-12 2020-06-15 機器診断装置、機器診断システム及び機器診断方法 WO2021010074A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-129883 2019-07-12
JP2019129883A JP2021015464A (ja) 2019-07-12 2019-07-12 機器診断装置、機器診断システム及び機器診断方法

Publications (1)

Publication Number Publication Date
WO2021010074A1 true WO2021010074A1 (ja) 2021-01-21

Family

ID=74210526

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/023397 WO2021010074A1 (ja) 2019-07-12 2020-06-15 機器診断装置、機器診断システム及び機器診断方法

Country Status (2)

Country Link
JP (1) JP2021015464A (ja)
WO (1) WO2021010074A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014186631A (ja) * 2013-03-25 2014-10-02 Hitachi Constr Mach Co Ltd 診断処理システム、端末装置、およびサーバ
JP2014234113A (ja) * 2013-06-04 2014-12-15 株式会社デンソー 車両用基準値生成装置
JP2017223534A (ja) * 2016-06-15 2017-12-21 株式会社日立製作所 車両診断装置
JP2018092406A (ja) * 2016-12-05 2018-06-14 株式会社日立製作所 機器診断装置、機器診断システム及び機器診断方法
JP2018095429A (ja) * 2016-12-14 2018-06-21 株式会社日立ビルシステム 昇降機診断システム、昇降機診断装置、及び昇降機診断方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014186631A (ja) * 2013-03-25 2014-10-02 Hitachi Constr Mach Co Ltd 診断処理システム、端末装置、およびサーバ
JP2014234113A (ja) * 2013-06-04 2014-12-15 株式会社デンソー 車両用基準値生成装置
JP2017223534A (ja) * 2016-06-15 2017-12-21 株式会社日立製作所 車両診断装置
JP2018092406A (ja) * 2016-12-05 2018-06-14 株式会社日立製作所 機器診断装置、機器診断システム及び機器診断方法
JP2018095429A (ja) * 2016-12-14 2018-06-21 株式会社日立ビルシステム 昇降機診断システム、昇降機診断装置、及び昇降機診断方法

Also Published As

Publication number Publication date
JP2021015464A (ja) 2021-02-12

Similar Documents

Publication Publication Date Title
JP5051542B2 (ja) ドライバモデル処理装置
US20170103101A1 (en) System for database data quality processing
US20180174485A1 (en) Adaptive analysis of driver behavior
JP4582192B2 (ja) 車両故障解析システム、車両故障解析装置、車両故障解析方法
EP3330819B1 (en) Device diagnostic apparatus, device diagnostic system and device diagnostic methods
JP6796527B2 (ja) 車両状態監視装置、車両状態監視システム及び車両状態監視方法
JP7413503B2 (ja) 車両の安全性能を評価すること
JP2009234442A (ja) 運転操作支援装置
JP6950481B2 (ja) 診断システム
EP3812218A1 (en) Indication diagnosis device and method
JP3999611B2 (ja) ナビゲーション装置
EP3891512B1 (en) System and method for providing an indication of driving performance
WO2021010074A1 (ja) 機器診断装置、機器診断システム及び機器診断方法
JP5682388B2 (ja) 障害診断方法及び障害診断システム
US20220153283A1 (en) Enhanced component dimensioning
GB2579559A (en) System and method for providing an indication of driving performance
WO2024095632A1 (ja) 車両データ収集システム、車載装置、サーバ、コンピュータプログラム、および車両データ収集方法
GB2579558A (en) System and method for providing an indication of driving performance
CN116643554B (zh) 一种高速铁路atp车载设备故障管理方法、系统及设备
US20230339517A1 (en) Autonomous driving evaluation system
US20230177952A1 (en) A system and method for generating utilization data of a vehicle
EP3715787A1 (en) Vehicle optimization system and vehicle optimization device
JP2024067957A (ja) 排気ガスセンサの劣化判定システム、及び、サーバ
CN115223357A (zh) 一种交通信息处理系统、方法、装置和计算机设备
JP2024028051A (ja) エネルギー消費量推定装置、モデル生成装置、プログラム及びモデルの生成方法

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: 20840123

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20840123

Country of ref document: EP

Kind code of ref document: A1