JP3005593B2 - 診断アルゴリズム構築方法およびその装置 - Google Patents
診断アルゴリズム構築方法およびその装置Info
- Publication number
- JP3005593B2 JP3005593B2 JP2980891A JP2980891A JP3005593B2 JP 3005593 B2 JP3005593 B2 JP 3005593B2 JP 2980891 A JP2980891 A JP 2980891A JP 2980891 A JP2980891 A JP 2980891A JP 3005593 B2 JP3005593 B2 JP 3005593B2
- Authority
- JP
- Japan
- Prior art keywords
- diagnostic
- value
- parameter
- calculated
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Description
【0001】
【産業上の利用分野】本発明は、診断アルゴリズム構築
方法およびその装置に係り、特に、自動車や家電品など
各種機器の異常を診断するための診断アルゴリズムを構
築するに好適な診断アルゴリズム構築方法およびその装
置に関する。
方法およびその装置に係り、特に、自動車や家電品など
各種機器の異常を診断するための診断アルゴリズムを構
築するに好適な診断アルゴリズム構築方法およびその装
置に関する。
【0002】
【従来の技術】機器の異常を診断する方法としてアコー
ステック・ミッション(AE)方法が知られている。こ
のAE法を用いた診断装置としては、例えば、特開昭6
2−282258号公報および特開昭62−19755
号公報に記載されているものが知られている。
ステック・ミッション(AE)方法が知られている。こ
のAE法を用いた診断装置としては、例えば、特開昭6
2−282258号公報および特開昭62−19755
号公報に記載されているものが知られている。
【0003】前者の装置においては、診断対象に対して
固有の診断アルゴリズムを用いて診断を行うようになっ
ており、後者の装置においては、特定のAE特性パラメ
−タを用いて診断アルゴリズムを構築するようになって
いる。
固有の診断アルゴリズムを用いて診断を行うようになっ
ており、後者の装置においては、特定のAE特性パラメ
−タを用いて診断アルゴリズムを構築するようになって
いる。
【0004】
【発明が解決しようとする課題】上記従来技術において
は、各種の診断対象に対して精度の高い診断が出来る汎
用性に関しては配慮されておらず、これらの方法を採用
しても機器が変わる毎に診断アルゴリズムを開発する必
要があり、開発効率が悪いという不具合がある。すなわ
ち、前者の装置の場合には、AE信号のうち特定波長の
帯域を通過した信号を取り出し、この信号と基準値とを
比較し、この比較結果から軸受の破壊の予知をするよう
になっているが、基準値は診断対象によって異なるので
診断対象以外の機器に用いることは不可能である。また
後者の装置の場合には、異常の性状分類を主体としてお
り、診断対象の異常判定レベルを精度高く決定すること
は困難であり、診断対象に最適なAE特性値を用いた診
断を行うことは不可能である。従って両者の装置に適用
された方法では、精度の高い診断を行う場合には、各診
断対象毎に開発された診断装置を使うことがよぎなくさ
れている。
は、各種の診断対象に対して精度の高い診断が出来る汎
用性に関しては配慮されておらず、これらの方法を採用
しても機器が変わる毎に診断アルゴリズムを開発する必
要があり、開発効率が悪いという不具合がある。すなわ
ち、前者の装置の場合には、AE信号のうち特定波長の
帯域を通過した信号を取り出し、この信号と基準値とを
比較し、この比較結果から軸受の破壊の予知をするよう
になっているが、基準値は診断対象によって異なるので
診断対象以外の機器に用いることは不可能である。また
後者の装置の場合には、異常の性状分類を主体としてお
り、診断対象の異常判定レベルを精度高く決定すること
は困難であり、診断対象に最適なAE特性値を用いた診
断を行うことは不可能である。従って両者の装置に適用
された方法では、精度の高い診断を行う場合には、各診
断対象毎に開発された診断装置を使うことがよぎなくさ
れている。
【0005】本発明の目的は、各種の診断対象に対して
精度の高い診断を行うことが出来る診断アルゴリズム構
築方法およびその装置を提供することにある。
精度の高い診断を行うことが出来る診断アルゴリズム構
築方法およびその装置を提供することにある。
【0006】
【課題を解決するための手段】前記目的を達成するた
め、本発明は、第1の方法として、性状が正常なものと
異常なものとに分けられた診断対象群に対して複数の診
断用パラメ−タに関する値を測定し、各診断用パラメ−
タについての測定値に統計的処理を施し、この処理結果
に基づいて診断用パラメ−タ群の中から有効なパラメ−
タと予測される診断用パラメ−タを複数個抽出し、抽出
した有効な診断用パラメ−タについての測定値に基づい
て診断対象の性状の良否を判定するための診断レベルを
決定するに際して、有効な診断用パラメ−タの中の任意
のパラメ−タについての測定値からこのパラメ−タに関
する区間分け目盛を生成すると共に生成した目盛に対応
した診断対象の分布特性として区間分け目盛の正常値を
示す正常分布特性と区間分け目盛の異常値を示す異常分
布特性を生成し、生成した各分布特性の交点または境界
値を正常と異常の診断レベルに決定することを特徴とす
る診断アルゴリズム構築方法を採用したものである。
め、本発明は、第1の方法として、性状が正常なものと
異常なものとに分けられた診断対象群に対して複数の診
断用パラメ−タに関する値を測定し、各診断用パラメ−
タについての測定値に統計的処理を施し、この処理結果
に基づいて診断用パラメ−タ群の中から有効なパラメ−
タと予測される診断用パラメ−タを複数個抽出し、抽出
した有効な診断用パラメ−タについての測定値に基づい
て診断対象の性状の良否を判定するための診断レベルを
決定するに際して、有効な診断用パラメ−タの中の任意
のパラメ−タについての測定値からこのパラメ−タに関
する区間分け目盛を生成すると共に生成した目盛に対応
した診断対象の分布特性として区間分け目盛の正常値を
示す正常分布特性と区間分け目盛の異常値を示す異常分
布特性を生成し、生成した各分布特性の交点または境界
値を正常と異常の診断レベルに決定することを特徴とす
る診断アルゴリズム構築方法を採用したものである。
【0007】第2の方法として、性状が正常なものと異
常なものとに分けられた診断対象群に対して複数の診断
用パラメ−タに関する値を測定し、各診断用パラメ−タ
についての測定値に統計的処理を施し、この処理結果に
基づいて診断用パラメ−タ群の中から有効なパラメ−タ
と予測される診断用パラメ−タを抽出し、抽出した有効
な診断用パラメ−タについての測定値に基づいて診断対
象の性状の良否を判定するための診断レベルを決定する
に際して、有効な診断用パラメ−タの中の任意のパラメ
−タについての測定値からこのパラメ−タに関する区間
分け目盛を生成すると共に生成した目盛に対応した診断
対象の分布特性として区間分け目盛の正常値を示す正常
分布特性と区間分け目盛の異常値を示す異常分布特性を
生成し、生成した各分布特性の交点または境界値を正常
と異常の診断レベルに決定することを特徴とする診断ア
ルゴリズム構築方法を採用したものである。
常なものとに分けられた診断対象群に対して複数の診断
用パラメ−タに関する値を測定し、各診断用パラメ−タ
についての測定値に統計的処理を施し、この処理結果に
基づいて診断用パラメ−タ群の中から有効なパラメ−タ
と予測される診断用パラメ−タを抽出し、抽出した有効
な診断用パラメ−タについての測定値に基づいて診断対
象の性状の良否を判定するための診断レベルを決定する
に際して、有効な診断用パラメ−タの中の任意のパラメ
−タについての測定値からこのパラメ−タに関する区間
分け目盛を生成すると共に生成した目盛に対応した診断
対象の分布特性として区間分け目盛の正常値を示す正常
分布特性と区間分け目盛の異常値を示す異常分布特性を
生成し、生成した各分布特性の交点または境界値を正常
と異常の診断レベルに決定することを特徴とする診断ア
ルゴリズム構築方法を採用したものである。
【0008】第3の方法として、性状が正常なものと異
常なものとに分けられた診断対象群に対して複数の診断
用パラメ−タに関する値を測定し、各診断用パラメ−タ
についての測定値に統計的処理を施し、この処理結果に
基づいて診断用パラメ−タ群の中から有効なパラメ−タ
と予測される診断用パラメ−タを複数個抽出し、抽出し
た有効な診断用パラメ−タについての測定値に基づいて
診断対象の性状の良否を判定するための診断レベルを決
定するに際して、抽出した有効な診断用パラメ−タのう
ち任意のパラメ−タを2つ選択し、選択した各診断用パ
ラメ−タについて得られた診断対象群の測定値から各診
断用パラメ−タと各診断用パラメ−タとの相関関係を示
す情報として診断対象群の分布特性を生成し、生成した
分布特性から正常な診断対象と異常な診断対象との境界
値を正常と異常の診断レベルに決定することを特徴とす
る診断アルゴリズム構築方法を採用したものである。
常なものとに分けられた診断対象群に対して複数の診断
用パラメ−タに関する値を測定し、各診断用パラメ−タ
についての測定値に統計的処理を施し、この処理結果に
基づいて診断用パラメ−タ群の中から有効なパラメ−タ
と予測される診断用パラメ−タを複数個抽出し、抽出し
た有効な診断用パラメ−タについての測定値に基づいて
診断対象の性状の良否を判定するための診断レベルを決
定するに際して、抽出した有効な診断用パラメ−タのう
ち任意のパラメ−タを2つ選択し、選択した各診断用パ
ラメ−タについて得られた診断対象群の測定値から各診
断用パラメ−タと各診断用パラメ−タとの相関関係を示
す情報として診断対象群の分布特性を生成し、生成した
分布特性から正常な診断対象と異常な診断対象との境界
値を正常と異常の診断レベルに決定することを特徴とす
る診断アルゴリズム構築方法を採用したものである。
【0009】第4の方法として、複数の診断対象を正常
グル−プと異常グル−プとに分け、各グル−プの各診断
対象に対して複数の診断用パラメ−タに関する値を測定
し、各診断用パラメ−タについての測定値のうち正常グ
ル−プの診断対象群から得られた測定値に従って正常グ
ル−プの平均値を算出し、この平均値と前記測定値から
正常グル−プの分散を各診断用パラメ−タ毎に算出し、
前記平均値と異常グル−プについての測定値から異常グ
ル−プの分散を各診断用パラメ−タ毎に算出し、正常グ
ル−プについて算出された分散と異常グル−プについて
算出された分散との比から各診断用パラメ−タの分散率
を算出し、算出した分散率を基に診断用パラメ−タ群の
中から有効な診断用パラメ−タを複数個抽出し、各診断
対象についての測定値と前記正常グル−プについての平
均値とのずれ量を、抽出した診断用パラメ−タについて
各診断対象毎に算出し、算出したずれ量から正常グル−
プのずれ量平均値と標準偏差を算出し、これらの算出値
から各有効な診断用パラメ−タについての個別確信度を
算出し、各個別確信度に基づいて総合確信度を算出し、
この算出値に従って診断対象の性状の良否を判定するた
めの診断レベルを決定する診断アルゴリズム構築方法を
採用したものである。
グル−プと異常グル−プとに分け、各グル−プの各診断
対象に対して複数の診断用パラメ−タに関する値を測定
し、各診断用パラメ−タについての測定値のうち正常グ
ル−プの診断対象群から得られた測定値に従って正常グ
ル−プの平均値を算出し、この平均値と前記測定値から
正常グル−プの分散を各診断用パラメ−タ毎に算出し、
前記平均値と異常グル−プについての測定値から異常グ
ル−プの分散を各診断用パラメ−タ毎に算出し、正常グ
ル−プについて算出された分散と異常グル−プについて
算出された分散との比から各診断用パラメ−タの分散率
を算出し、算出した分散率を基に診断用パラメ−タ群の
中から有効な診断用パラメ−タを複数個抽出し、各診断
対象についての測定値と前記正常グル−プについての平
均値とのずれ量を、抽出した診断用パラメ−タについて
各診断対象毎に算出し、算出したずれ量から正常グル−
プのずれ量平均値と標準偏差を算出し、これらの算出値
から各有効な診断用パラメ−タについての個別確信度を
算出し、各個別確信度に基づいて総合確信度を算出し、
この算出値に従って診断対象の性状の良否を判定するた
めの診断レベルを決定する診断アルゴリズム構築方法を
採用したものである。
【0010】第5の方法として、複数の診断対象に対し
て特性の診断用パラメ−タ群に関する値をパラメ−タ毎
にそれぞれ測定し、この測定値と正常な診断対象群につ
いての平均値とのずれ量を各診断用パラメ−タについて
各診断対象毎に算出し、算出したずれ量から正常な診断
対象のずれ量平均値と標準偏差を算出し、これらの算出
値から各診断用パラメ−タについての個別確信度を算出
し、各個別確信度に基づいて総合確信度を算出し、この
算出値に従って診断対象の性状の良否を判定するための
診断レベルを決定する診断アルゴリズム構築方法を採用
したものである。 第1乃至第5の方法のうちいずれ
か1つを含む第6の方法として、断用パラメ−タは診断
対象の波形特性と周波数特性に関するパラメ−タであ
り、波形特性に関する診断用パラメ−タは平均値、最大
値、最小値、波高値、発生数、エネルギ−値、平均持続
時間、平均ライズタイムを含み、周波数特性に関する診
断用パラメ−タは第1ピ−ク周波数とその成分比、第2
ピ−ク周波数とその成分比、回転1次周波数とこの成分
比、回転2次周波数とその成分比を含むこと特徴とする
診断アルゴリズ構築方法を採用したものである。
て特性の診断用パラメ−タ群に関する値をパラメ−タ毎
にそれぞれ測定し、この測定値と正常な診断対象群につ
いての平均値とのずれ量を各診断用パラメ−タについて
各診断対象毎に算出し、算出したずれ量から正常な診断
対象のずれ量平均値と標準偏差を算出し、これらの算出
値から各診断用パラメ−タについての個別確信度を算出
し、各個別確信度に基づいて総合確信度を算出し、この
算出値に従って診断対象の性状の良否を判定するための
診断レベルを決定する診断アルゴリズム構築方法を採用
したものである。 第1乃至第5の方法のうちいずれ
か1つを含む第6の方法として、断用パラメ−タは診断
対象の波形特性と周波数特性に関するパラメ−タであ
り、波形特性に関する診断用パラメ−タは平均値、最大
値、最小値、波高値、発生数、エネルギ−値、平均持続
時間、平均ライズタイムを含み、周波数特性に関する診
断用パラメ−タは第1ピ−ク周波数とその成分比、第2
ピ−ク周波数とその成分比、回転1次周波数とこの成分
比、回転2次周波数とその成分比を含むこと特徴とする
診断アルゴリズ構築方法を採用したものである。
【0011】第1の装置として、性状が正常なものと異
常なものを含む診断対象群に対して複数の診断用パラメ
−タに関する値を測定する測定手段と、測定手段の測定
値のうち正常な診断対象群から得られた測定値に従って
正常な診断対象群についての平均値を各診断用パラメ−
タ毎に算出する平均値算出手段と、測定手段の測定値と
平均値算出手段の算出値とから正常な診断対象について
の分散を各診断用パラメ−タ毎に算出する第1分散算出
手段と、測定手段の測定値と平均値算出手段の算出値と
から異常な診断対象についての分散を各診断用パラメ−
タ毎に算出する第2分散算出手段と、各分散算出手段の
算出値の比から各診断用パラメ−タの分散率を算出する
分散率算出手段と、分散率算出手段の算出値を基に診断
用パラメ−タ群の中から有効な診断用パラメ−タを複数
個抽出するパラメ−タ抽出手段と、測定手段の測定値と
平均値算出手段の算出値を基に各診断対象についての測
定値と平均値とのずれ量を、パラメ−タ抽出手段によっ
て抽出された各有効な診断用パラメ−タについて各診断
対象毎に算出するずれ量算出手段と、ずれ量算出手段の
算出値から正常な診断対象群のずれ量平均値と標準偏差
を算出する演算手段と、演算手段の演算値から各有効な
診断用パラメ−タについての個別確信度を算出する個別
確信度算出手段と、個別確信度算出手段の算出値に基づ
いて総合確信度を算出する総合確信度算出手段と、総合
確信度算出手段の算出値に従って診断対象の性状の良否
を判定するための診断レベルを決定する診断レベル決定
手段とを有する診断アルゴリズム構築装置を構成したも
のである。
常なものを含む診断対象群に対して複数の診断用パラメ
−タに関する値を測定する測定手段と、測定手段の測定
値のうち正常な診断対象群から得られた測定値に従って
正常な診断対象群についての平均値を各診断用パラメ−
タ毎に算出する平均値算出手段と、測定手段の測定値と
平均値算出手段の算出値とから正常な診断対象について
の分散を各診断用パラメ−タ毎に算出する第1分散算出
手段と、測定手段の測定値と平均値算出手段の算出値と
から異常な診断対象についての分散を各診断用パラメ−
タ毎に算出する第2分散算出手段と、各分散算出手段の
算出値の比から各診断用パラメ−タの分散率を算出する
分散率算出手段と、分散率算出手段の算出値を基に診断
用パラメ−タ群の中から有効な診断用パラメ−タを複数
個抽出するパラメ−タ抽出手段と、測定手段の測定値と
平均値算出手段の算出値を基に各診断対象についての測
定値と平均値とのずれ量を、パラメ−タ抽出手段によっ
て抽出された各有効な診断用パラメ−タについて各診断
対象毎に算出するずれ量算出手段と、ずれ量算出手段の
算出値から正常な診断対象群のずれ量平均値と標準偏差
を算出する演算手段と、演算手段の演算値から各有効な
診断用パラメ−タについての個別確信度を算出する個別
確信度算出手段と、個別確信度算出手段の算出値に基づ
いて総合確信度を算出する総合確信度算出手段と、総合
確信度算出手段の算出値に従って診断対象の性状の良否
を判定するための診断レベルを決定する診断レベル決定
手段とを有する診断アルゴリズム構築装置を構成したも
のである。
【0012】第2の装置として、複数の診断対象に対し
て複数の診断用パラメ−タに関する値を測定する測定手
段と、測定手段の測定値のうち正常な診断対象群から得
られた測定値に従って正常な診断対象群についての平均
値を各診断用パラメ−タ毎に算出する平均値算出手段
と、測定手段の測定値と平均値算出手段の算出値を基に
各診断対象についての測定値と平均値とのずれ量を各診
断用パラメ−タについて各診断対象毎に算出するずれ量
算出手段と、ずれ量算出手段の算出値から正常な診断対
象群のずれ量平均値と標準偏差を算出する演算手段と、
演算手段の演算値から各診断用パラメ−タについての個
別確信度を算出する個別確信度算出手段と、個別確信度
算出手段の算出値に基づいて総合確信度を算出する総合
確信度算出手段と、総合確信度算出手段の算出値に従っ
て診断対象の性状の良否を判定するための診断レベルを
決定する診断レベル決定手段とを有する診断アルゴリズ
ム構築装置を構成したものである。
て複数の診断用パラメ−タに関する値を測定する測定手
段と、測定手段の測定値のうち正常な診断対象群から得
られた測定値に従って正常な診断対象群についての平均
値を各診断用パラメ−タ毎に算出する平均値算出手段
と、測定手段の測定値と平均値算出手段の算出値を基に
各診断対象についての測定値と平均値とのずれ量を各診
断用パラメ−タについて各診断対象毎に算出するずれ量
算出手段と、ずれ量算出手段の算出値から正常な診断対
象群のずれ量平均値と標準偏差を算出する演算手段と、
演算手段の演算値から各診断用パラメ−タについての個
別確信度を算出する個別確信度算出手段と、個別確信度
算出手段の算出値に基づいて総合確信度を算出する総合
確信度算出手段と、総合確信度算出手段の算出値に従っ
て診断対象の性状の良否を判定するための診断レベルを
決定する診断レベル決定手段とを有する診断アルゴリズ
ム構築装置を構成したものである。
【0013】
【作用】診断対象群として性状が正常なものと異常なも
のとを用い、これら診断対象群に対して複数の診断用パ
ラメ−タに関する値を測定する。そして、各診断用パラ
メ−タについての測定値に統計的処理を施し、この処理
結果から有効なパラメ−タと予測される診断用パラメ−
タを複数個抽出し、抽出した有効な診断用パラメ−タに
ついての測定値に基づいて診断対象の正常の良否を判定
するための診断レベルを決定する。従って有効な診断用
パラメ−タについての測定値に基づいて診断レベルが決
定されるため、種々の診断対象に対して精度の高い診断
を行うことが可能となる。
のとを用い、これら診断対象群に対して複数の診断用パ
ラメ−タに関する値を測定する。そして、各診断用パラ
メ−タについての測定値に統計的処理を施し、この処理
結果から有効なパラメ−タと予測される診断用パラメ−
タを複数個抽出し、抽出した有効な診断用パラメ−タに
ついての測定値に基づいて診断対象の正常の良否を判定
するための診断レベルを決定する。従って有効な診断用
パラメ−タについての測定値に基づいて診断レベルが決
定されるため、種々の診断対象に対して精度の高い診断
を行うことが可能となる。
【0014】
【実施例】以下、本発明の一実施例を図面に基づいて説
明する。
明する。
【0015】図1に、本発明に係る診断アルゴリズム構
築方法の処理方法を示すフロ−チャ−トを示し、図2に
本発明に係る装置の全体構成を示す。図2において、診
断対象10は、例えば蒸気タ−ビン、発電機、水車、圧
延機などの回転体が複数個用いられており、各診断対象
10は性状が正常なものと異常なものとに分類されてい
る。そして、各診断対象10は検出器12によって各種
診断用パラメ−タに関する値が検出されるようになって
いる。検出器12の出力信号は増幅器14、A/D変換
器16を介してコンピュ−タ18に送出されるようにな
っている。コンピュ−タ18は波形解析部20、周波数
解析部22、演算処理部24から構成されており、演算
処理部24が表示部26、入出力部28に接続されてい
る。コンピュ−タ18は、検出器12、増幅器14、A
/D変換器16と共に測定手段を構成すると共に、平均
値算出手段、第1分散算出手段、第2分散算出手段、分
散率算出手段、パラメ−タ抽出手段、ずれ量算出手段、
演算手段、個別確信度算出手段、総合確信度算出手段お
よび診断レベル決定手段を構成するようになっている。
そしてコンピュ−タ18は検出器12からの検出信号を
基に複数の診断用パラメ−タに関する値を統計処理し、
この処理結果を基に診断レベルを決定するようになって
いる。
築方法の処理方法を示すフロ−チャ−トを示し、図2に
本発明に係る装置の全体構成を示す。図2において、診
断対象10は、例えば蒸気タ−ビン、発電機、水車、圧
延機などの回転体が複数個用いられており、各診断対象
10は性状が正常なものと異常なものとに分類されてい
る。そして、各診断対象10は検出器12によって各種
診断用パラメ−タに関する値が検出されるようになって
いる。検出器12の出力信号は増幅器14、A/D変換
器16を介してコンピュ−タ18に送出されるようにな
っている。コンピュ−タ18は波形解析部20、周波数
解析部22、演算処理部24から構成されており、演算
処理部24が表示部26、入出力部28に接続されてい
る。コンピュ−タ18は、検出器12、増幅器14、A
/D変換器16と共に測定手段を構成すると共に、平均
値算出手段、第1分散算出手段、第2分散算出手段、分
散率算出手段、パラメ−タ抽出手段、ずれ量算出手段、
演算手段、個別確信度算出手段、総合確信度算出手段お
よび診断レベル決定手段を構成するようになっている。
そしてコンピュ−タ18は検出器12からの検出信号を
基に複数の診断用パラメ−タに関する値を統計処理し、
この処理結果を基に診断レベルを決定するようになって
いる。
【0016】診断用パラメ−タとしては、波形特性に関
する診断用パラメ−タと周波数特性に関する診断用パラ
メ−タが用いられている。周波数特性に関するAEパラ
メ−タとしては、表1、表2に示されるように、平均
値、平均ピ−ク値、エネルギ−値などがあり、周波数特
性に関するAEパラメ−タとしては、第1周波数とその
成分比、第1ピ−ク周波数とその成分比、回転一次周波
数とその成分比、回転二次周波数とその成分比などがあ
る。
する診断用パラメ−タと周波数特性に関する診断用パラ
メ−タが用いられている。周波数特性に関するAEパラ
メ−タとしては、表1、表2に示されるように、平均
値、平均ピ−ク値、エネルギ−値などがあり、周波数特
性に関するAEパラメ−タとしては、第1周波数とその
成分比、第1ピ−ク周波数とその成分比、回転一次周波
数とその成分比、回転二次周波数とその成分比などがあ
る。
【0017】
【表1】
【0018】
【表2】
【0019】波形特性に関するAEパラメ−タは表3に
示される方法によって測定され、この測定結果は図3に
示されるように、表示部26に画像表示される。また周
波数特性に関するAEパラメ−タは表4に示される方法
によって測定され、この測定結果は、図4に示されるよ
うな特性として表示部26に画像表示されるようになっ
ている。
示される方法によって測定され、この測定結果は図3に
示されるように、表示部26に画像表示される。また周
波数特性に関するAEパラメ−タは表4に示される方法
によって測定され、この測定結果は、図4に示されるよ
うな特性として表示部26に画像表示されるようになっ
ている。
【0020】
【表3】
【0021】
【表4】
【0022】次に、図2に示す装置の作用を図1のフロ
−チャ−トに基づいて説明する。
−チャ−トに基づいて説明する。
【0023】まず、複数の診断対象10を正常品と異常
品とに分け、正常品をn個、異常品をm個とし(ステップ
100)、各診断対象10に対して各種AEパラメ−タ
についての測定を実行する(ステップ102)。すなわ
ち各診断対象10に検出器12を設置し、各診断対象1
0からの検出信号をコンピュ−タ18に転送し、コンピ
ュ−タ18において検出信号の波形解析および周波数解
析を実行し、これらの解析結果を演算処理部24におい
て処理する。すなわち波形特性に関するAEパラメ−タ
についての測定値および周波数特性に関するAEパラメ
−タに関する測定値が演算処理部24において処理され
る。
品とに分け、正常品をn個、異常品をm個とし(ステップ
100)、各診断対象10に対して各種AEパラメ−タ
についての測定を実行する(ステップ102)。すなわ
ち各診断対象10に検出器12を設置し、各診断対象1
0からの検出信号をコンピュ−タ18に転送し、コンピ
ュ−タ18において検出信号の波形解析および周波数解
析を実行し、これらの解析結果を演算処理部24におい
て処理する。すなわち波形特性に関するAEパラメ−タ
についての測定値および周波数特性に関するAEパラメ
−タに関する測定値が演算処理部24において処理され
る。
【0024】この演算処理を行うに際しては、次の
(1)式から(11)式が用いられ、まず正常品の各A
Eパラメ−タの平均値が(1)式に従って算出される
(ステップ104)。
(1)式から(11)式が用いられ、まず正常品の各A
Eパラメ−タの平均値が(1)式に従って算出される
(ステップ104)。
【0025】
【数1】
【0026】次に、正常品の測定値と正常品の平均値か
ら(2)式に従って正常品の分散を算出する(スイップ
106)。さらに異常品の測定値と正常品の平均値から
(3)式に従って異常品の分散を算出する(ステップ1
08)。そして正常品の分散と異常品の分散の比または
差として分散率を(4)式に従って算出する(ステップ
110)。これらの処理は各AEパラメ−タについて行
われ、各AEパラメ−タの分散率から有効なパラメ−タ
を複数個抽出する(ステップ112)。例えば分散率の
大きい順にAEパラメ−タを4項目選択する。この場合
AEパラメ−タ群から抽出したAEパラメ−タの中に同
族(表1参照)の項目が含まれるときには、同族項目は
上位1項目として順次繰り上げる。そして4項が同系の
みの場合は他系の最上位項目を4番目の項目と入れ換え
る。
ら(2)式に従って正常品の分散を算出する(スイップ
106)。さらに異常品の測定値と正常品の平均値から
(3)式に従って異常品の分散を算出する(ステップ1
08)。そして正常品の分散と異常品の分散の比または
差として分散率を(4)式に従って算出する(ステップ
110)。これらの処理は各AEパラメ−タについて行
われ、各AEパラメ−タの分散率から有効なパラメ−タ
を複数個抽出する(ステップ112)。例えば分散率の
大きい順にAEパラメ−タを4項目選択する。この場合
AEパラメ−タ群から抽出したAEパラメ−タの中に同
族(表1参照)の項目が含まれるときには、同族項目は
上位1項目として順次繰り上げる。そして4項が同系の
みの場合は他系の最上位項目を4番目の項目と入れ換え
る。
【0027】有効なAEパラメ−タとして4項目のAE
パラメ−タが抽出された後は、各AEパラメ−タについ
て正常品の平均値に対するずれ量を(5)式に従って各
診断対象10ごとに算出する(ステップ114)。そし
て正常品の平均値に対するずれ量を基に、(6)式と
(7)式に従って正常品のずれ量平均値と標準偏差を算
出する。そしてこれらの算出値を基に各有効AEパラメ
−タの個別確信度を決定する(ステップ116)。
パラメ−タが抽出された後は、各AEパラメ−タについ
て正常品の平均値に対するずれ量を(5)式に従って各
診断対象10ごとに算出する(ステップ114)。そし
て正常品の平均値に対するずれ量を基に、(6)式と
(7)式に従って正常品のずれ量平均値と標準偏差を算
出する。そしてこれらの算出値を基に各有効AEパラメ
−タの個別確信度を決定する(ステップ116)。
【0028】この個別確信度を決定するに際して、本実
施例では、個別確信度Rの基準を以下のように設定す
る。
施例では、個別確信度Rの基準を以下のように設定す
る。
【0029】
【数2】
【0030】各有効AEパラメ−タの個別確信度を求め
るに際しては、図5に示されるように、一対の有効AE
パラメ−タのずれ量に関する相関図を作成し、正常品の
ずれ量の最大値を基準として個別確信度Rを決定する。
また図6に示されるように、有効AEパラメ−タに関し
て各診断対象10の分布特性を作成し、この分布特性か
ら個別確信度を決定する。
るに際しては、図5に示されるように、一対の有効AE
パラメ−タのずれ量に関する相関図を作成し、正常品の
ずれ量の最大値を基準として個別確信度Rを決定する。
また図6に示されるように、有効AEパラメ−タに関し
て各診断対象10の分布特性を作成し、この分布特性か
ら個別確信度を決定する。
【0031】図5または図6から個別確信度Rとして確
信度の高いものとして個別確信度R1,R2,R3を選
択し、各個別確信度R1,R2,R3を用いて総合確信
度Mを算出する(ステップ118)。
信度の高いものとして個別確信度R1,R2,R3を選
択し、各個別確信度R1,R2,R3を用いて総合確信
度Mを算出する(ステップ118)。
【0032】総合確信度Mを算出するに際しては、フア
ジー推論的手法として、最小値演算法、乗算演算法、最
大値演算法、コンバイン関数法などがあるが、本実施例
ではコンバイン関数法に従って総合確信度Mを算出する
こととしている。
ジー推論的手法として、最小値演算法、乗算演算法、最
大値演算法、コンバイン関数法などがあるが、本実施例
ではコンバイン関数法に従って総合確信度Mを算出する
こととしている。
【0033】総合確信度Mを算出するに際しては、
(8)式から(11)式が用いられ、まず第1有効パラ
メ−タの確信度R1を用いて第1総合確信度M1を
(8)式に従って求める。
(8)式から(11)式が用いられ、まず第1有効パラ
メ−タの確信度R1を用いて第1総合確信度M1を
(8)式に従って求める。
【0034】次に第2有効パラメ−タの確信度R2を用
いて第2総合確信度M2を(9)式に従って求める。
いて第2総合確信度M2を(9)式に従って求める。
【0035】以下、同様に、第3総合確信度M3,最終
総合確信度Msを(10)式,(11)式に従って求め
る。
総合確信度Msを(10)式,(11)式に従って求め
る。
【0036】これらの処理を行うと、図7に示されるよ
うに個別確信度R1,R2,R3において正常品と異常
品との区別が明確に識別できなかったものが、総合確信
度Mを求めることによって正常品と異常品を明確に識別
することが可能となる。
うに個別確信度R1,R2,R3において正常品と異常
品との区別が明確に識別できなかったものが、総合確信
度Mを求めることによって正常品と異常品を明確に識別
することが可能となる。
【0037】最終総合確信度Msを算出した後は、図8
に示されるように、最終総合確信度Msを横軸にとり、
その度数を縦軸にとった分布図を作成し、診断対象10
の性状の良否を判定するための診断レベルとして、正常
品と異常品の交点を判定レベルと定め、この判定レベル
に従って正常品と異常品の判定を行うこととする(ステ
ップ120)。これにより診断アルゴリズムを構築する
ことができる。なお、この場合正常品の標準偏差の値は
正解率の高い値になるように試算を行う。
に示されるように、最終総合確信度Msを横軸にとり、
その度数を縦軸にとった分布図を作成し、診断対象10
の性状の良否を判定するための診断レベルとして、正常
品と異常品の交点を判定レベルと定め、この判定レベル
に従って正常品と異常品の判定を行うこととする(ステ
ップ120)。これにより診断アルゴリズムを構築する
ことができる。なお、この場合正常品の標準偏差の値は
正解率の高い値になるように試算を行う。
【0038】また判定レベルを決定するに際しては、図
9に示されるように、最終総合確信度Msの最大値を1
とし、最終総合確信度Msの値を4分割し、最終総合確
信度Msの値によって診断対象10の性状を正常、小異
常、中異常、大異常との判定レベルを用けることも可能
である。
9に示されるように、最終総合確信度Msの最大値を1
とし、最終総合確信度Msの値を4分割し、最終総合確
信度Msの値によって診断対象10の性状を正常、小異
常、中異常、大異常との判定レベルを用けることも可能
である。
【0039】前記実施例においては、診断対象として正
常品と異常品とが分類されているものについて述べた
が、正常品および異常品を含む診断対象10の測定値か
ら有効なAEパラメ−タが抽出された場合には、実際の
ラインでの診断として図10に示される装置によって各
種診断対象10に関する診断アルゴリズムを構築するこ
とができる。
常品と異常品とが分類されているものについて述べた
が、正常品および異常品を含む診断対象10の測定値か
ら有効なAEパラメ−タが抽出された場合には、実際の
ラインでの診断として図10に示される装置によって各
種診断対象10に関する診断アルゴリズムを構築するこ
とができる。
【0040】この場合、コンピュ−タ18には波形解析
部20、周波数解析部22の代わりに有効パラメ−タ解
析部30を用け、有効パラメ−タ解析部30において特
定の有効パラメ−タについて波形解析および周波数解析
を行い、この解析結果を演算処理部24へ出力するよう
にすれば、図11に示されるように、有効なAEパラメ
−タP1,P2,P3について各診断対象10の測定を
実行するだけで診断対象10に関する判定レベルを決定
することができる。
部20、周波数解析部22の代わりに有効パラメ−タ解
析部30を用け、有効パラメ−タ解析部30において特
定の有効パラメ−タについて波形解析および周波数解析
を行い、この解析結果を演算処理部24へ出力するよう
にすれば、図11に示されるように、有効なAEパラメ
−タP1,P2,P3について各診断対象10の測定を
実行するだけで診断対象10に関する判定レベルを決定
することができる。
【0041】また判定レベルを決定するに際しては、図
12に示すように、有効AEパラメ−タP1の区間分け
目盛を求め、この目盛に対応するサンプル数を正常品と
異常品とに分けて分布させて正常品分布特性と異常品分
布特性を作成し、各分布特性の交点または境界値を判定
レベルP1(S)とすることができる。また図13に示
されるように、有効なAEパラメ−タP1,P2の正常
品と異常品との分布状態を作成し、正常品と異常品のゾ
−ンの境界値を判定レベルP1(S)P2(S)とする
こともできる。
12に示すように、有効AEパラメ−タP1の区間分け
目盛を求め、この目盛に対応するサンプル数を正常品と
異常品とに分けて分布させて正常品分布特性と異常品分
布特性を作成し、各分布特性の交点または境界値を判定
レベルP1(S)とすることができる。また図13に示
されるように、有効なAEパラメ−タP1,P2の正常
品と異常品との分布状態を作成し、正常品と異常品のゾ
−ンの境界値を判定レベルP1(S)P2(S)とする
こともできる。
【0042】また統計的処理と知識工学的処理に加え
て、デ−タベ−スを用いた既知の知見を導入すればさら
に信頼度の高い診断アルゴリズムを構築することが可能
となる。例えばAE信号の特長形態をあらかじめ調べて
おき、この特長形態を有効パラメ−タ決定の際に参考と
する。
て、デ−タベ−スを用いた既知の知見を導入すればさら
に信頼度の高い診断アルゴリズムを構築することが可能
となる。例えばAE信号の特長形態をあらかじめ調べて
おき、この特長形態を有効パラメ−タ決定の際に参考と
する。
【0043】
【発明の効果】以上説明したように、本発明によれば、
性状が正常なものと異常なものとに分けられた診断対象
群に対して複数の診断用パラメ−タに関する値を測定
し、この測定値に統計的処理を施し、この処理結果から
有効なパラメ−タと予測される診断用パラメ−タを抽出
し、抽出した有効な診断用パラメ−タについての測定値
に基づいて診断レベルを決定するようにしたため、種々
の診断対象に対して精度の高い診断を行うことができ、
各種診断対象に対して信頼性の高い診断アルゴリズムを
構築することができる。
性状が正常なものと異常なものとに分けられた診断対象
群に対して複数の診断用パラメ−タに関する値を測定
し、この測定値に統計的処理を施し、この処理結果から
有効なパラメ−タと予測される診断用パラメ−タを抽出
し、抽出した有効な診断用パラメ−タについての測定値
に基づいて診断レベルを決定するようにしたため、種々
の診断対象に対して精度の高い診断を行うことができ、
各種診断対象に対して信頼性の高い診断アルゴリズムを
構築することができる。
【図1】本発明の作用を説明するためのフロ−チャ−ト
である。
である。
【図2】本発明が適用された装置の全体構成図である。
【図3】AE検波波形図である。
【図4】AE信号の周波数特性図である。
【図5】ずれ量の相関図である。
【図6】ずれ量と度数との関係を示す線図である。
【図7】個別確信度と総合確信度との関係を説明するた
めの図である
めの図である
【図8】総合確信度と度数との関係を説明するための図
である。
である。
【図9】総合確信度と判定レベルとの関係を説明するた
めの図である。
めの図である。
【図10】本発明の他の実施例を示す構成図である。
【図11】第10図に示す装置の作用を説明するための
フロ−チャ−トである。
フロ−チャ−トである。
【図12】判定レベルの他の決定方法を説明するための
図である。
図である。
【図13】判定レベルの他の決定方法を説明するための
図である。
図である。
【符号の説明】 10…診断対象 12…検出器 14…増幅器 16…A/D変換器 18…コンピュ−タ 20…波形解析部 22…周波数解析部 24…演算処理部 26…表示部 28…入出力部 30…有効パラメ−タ解析部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 道本 昭蔵 茨城県勝田市大字高場2520番地 株式会 社 日立製作所 佐和工場内 (56)参考文献 特開 平2−242149(JP,A) 特開 昭62−282258(JP,A) 特開 昭62−19755(JP,A) (58)調査した分野(Int.Cl.7,DB名) G01N 29/14 G01M 19/00
Claims (8)
- 【請求項1】 性状が正常なものと異常なものとに分け
られた診断対象群に対して複数の診断用パラメ−タに関
する値を測定し、各診断用パラメ−タについての測定値
に統計的処理を施し、この処理結果に基づいて診断用パ
ラメ−タ群の中から有効なパラメ−タと予測される診断
用パラメ−タを複数個抽出し、抽出した有効な診断用パ
ラメ−タについての測定値に基づいて診断対象の性状の
良否を判定するための診断レベルを決定するに際して、
有効な診断用パラメ−タの中の任意のパラメ−タについ
ての測定値からこのパラメ−タに関する区間分け目盛を
生成すると共に生成した目盛に対応した診断対象の分布
特性として区間分け目盛の正常値を示す正常分布特性と
区間分け目盛の異常値を示す異常分布特性を生成し、生
成した各分布特性の交点または境界値を正常と異常の診
断レベルに決定することを特徴とする診断アルゴリズム
構築方法。 - 【請求項2】 性状が正常なものと異常なものとに分け
られた診断対象群に対して複数の診断用パラメ−タに関
する値を測定し、各診断用パラメ−タについての測定値
に統計的処理を施し、この処理結果に基づいて診断用パ
ラメ−タ群の中から有効なパラメ−タと予測される診断
用パラメ−タを抽出し、抽出した有効な診断用パラメ−
タについての測定値に基づいて診断対象の性状の良否を
判定するための診断レベルを決定するに際して、有効な
診断用パラメ−タの中の任意のパラメ−タについての測
定値からこのパラメ−タに関する区間分け目盛を生成す
ると共に生成した目盛に対応した診断対象の分布特性と
して区間分け目盛の正常値を示す正常分布特性と区間分
け目盛の異常値を示す異常分布特性を生成し、生成した
各分布特性の交点または境界値を正常と異常の診断レベ
ルに決定することを特徴とする診断アルゴリズム構築方
法。 - 【請求項3】 性状が正常なものと異常なものとに分け
られた診断対象群に対して複数の診断用パラメ−タに関
する値を測定し、各診断用パラメ−タについての測定値
に統計的処理を施し、この処理結果に基づいて診断用パ
ラメ−タ群の 中から有効なパラメ−タと予測される診断
用パラメ−タを複数個抽出し、抽出した有効な診断用パ
ラメ−タについての測定値に基づいて診断対象の性状の
良否を判定するための診断レベルを決定するに際して、
抽出した有効な診断用パラメ−タのうち任意のパラメ−
タを2つ選択し、選択した各診断用パラメ−タについて
得られた診断対象群の測定値から各診断用パラメ−タと
各診断用パラメ−タとの相関関係を示す情報として診断
対象群の分布特性を生成し、生成した分布特性から正常
な診断対象と異常な診断対象との境界値を正常と異常の
診断レベルに決定することを特徴とする診断アルゴリズ
ム構築方法。 - 【請求項4】 複数の診断対象を正常グル−プと異常グ
ル−プとに分け、各グル−プの各診断対象に対して複数
の診断用パラメ−タに関する値を測定し、各診断用パラ
メ−タについての測定値のうち正常グル−プの診断対象
群から得られた測定値に従って正常グル−プの平均値を
算出し、この平均値と前記測定値から正常グル−プの分
散を各診断用パラメ−タ毎に算出し、前記平均値と異常
グル−プについての測定値から異常グル−プの分散を各
診断用パラメ−タ毎に算出し、正常グル−プについて算
出された分散と異常グル−プについて算出された分散と
の比または差から各診断用パラメ−タの分散率を算出
し、算出した分散率を基に診断用パラメ−タ群の中から
有効な診断用パラメ−タを複数個抽出し、各診断対象に
ついての測定値と前記正常グル−プについての平均値と
のずれ量を、抽出した診断用パラメ−タについて各診断
対象毎に算出し、算出したずれ量から正常グル−プのず
れ量平均値と標準偏差を算出し、これらの算出値から各
有効な診断用パラメ−タについての個別確信度を算出
し、各個別確信度に基づいて総合確信度を算出し、この
算出値に従って診断対象の性状の良否を判定するための
診断レベルを決定する診断アルゴリズム構築方法。 - 【請求項5】 複数の診断対象に対して特性の診断用パ
ラメ−タ群に関する値をパラメ−タ毎にそれぞれ測定
し、この測定値と正常な診断対象群についての平均値と
のずれ量を各診断用パラメ−タについて各診断対象毎に
算出し、算出したずれ量から正常な診断対象のずれ量平
均値と標準偏差を算出し、これらの算出値から各診断用
パラメ−タについての個別確信度を算出し、各個別確信
度に基づいて総合確信度を算出し、この算出値に従って
診断対象の性状の良否を判定するための診断レベルを決
定する診断アルゴリズム構築方法。 - 【請求項6】 診断用パラメータは診断対象の波形特性
と周波数特性に関するパラメータであり、波形特性に関
する診断用パラメ−タは平均値、最大値、最小値、波高
値、発生数、エネルギ−値、平均持続時間、平均ライズ
タイムを含み、周波数特性に関する診断用パラメ−タは
第1ピ−ク周波数とその成分比、第2ピ−ク周波数とそ
の成分比、回転1次周波数とその成分比、回転2次周波
数とその成分比を含むことを特徴とする請求項1〜5の
うちいずれか1つに記載の診断アルゴリズム構築方法。 - 【請求項7】 性状が正常なものと異常なものを含む診
断対象群に対して複数の診断用パラメ−タに関する値を
測定する測定手段と、測定手段の測定値のうち正常な診
断対象群から得られた測定値に従って正常な診断対象群
についての平均値を各診断用パラメ−タ毎に算出する平
均値算出手段と、測定手段の測定値と平均値算出手段の
算出値とから正常な診断対象についての分散を各診断用
パラメ−タ毎に算出する第1分散算出手段と、測定手段
の測定値と平均値算出手段の算出値とから異常な診断対
象についての分散を各診断用パラメ−タ毎に算出する第
2分散算出手段と、各分散算出手段の算出値の比から各
診断用パラメ−タの分散率を算出する分散率算出手段
と、分散率算出手段の算出値を基に診断用パラメ−タ群
の中から有効な診断用パラメ−タを複数個抽出するパラ
メ−タ抽出手段と、測定手段の測定値と平均値算出手段
の算出値を基に各診断対象についての測定値と平均値と
のずれ量を、パラメ−タ抽出手段によって抽出された各
有効な診断用パラメ−タについて各診断対象毎に算出す
るずれ量算出手段と、ずれ量算出手段の算出値から正常
な診断対象群のずれ量平均値と標準偏差を算出する演算
手段と、演算手段の演算値から各有効な診断用パラメ−
タについての個別確信度を算出する個別確信度算出手段
と、個別確信度算出手段の算出値に基づいて総合確信度
を算出する総合確信度算出手段と、総合確信度算出手段
の算出値に従って診断対象の性状の良否を判定するため
の診断レベルを決定する診断レベル決定手段とを有する
診断アルゴリズム構築装置。 - 【請求項8】 複数の診断対象に対して複数の診断用パ
ラメ−タに関する値を測定する測定手段と、測定手段の
測定値のうち正常な診断対象群から得られた測定値に従
って正常な診断対象群についての平均値を各診断用パラ
メ−タ毎に算出する平均値算出手段と、測定手段の測定
値と平均値算出手段の算出値を基に各診断対象について
の測定値と平均値とのずれ量を各診断用パラメ−タにつ
いて各診断対象毎に算出するずれ量算出手段と、ずれ量
算出手段の算出値から正常な診断対象群のずれ量平均値
と標準偏差を算出する演算手段と、演算手段の演算値か
ら各診断用パラメ−タについての個別確信度を算出する
個別確信度算出手段と、個別確信度算出手段の算出値に
基づいて総合確信度を算出する総合確信度算出手段と、
総合確信度算出手段の算出値に従って診断対象の性状の
良否を判定するための診断レベルを決定する診断レベル
決定手段とを有する診断アルゴリズム構築装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2980891A JP3005593B2 (ja) | 1991-02-25 | 1991-02-25 | 診断アルゴリズム構築方法およびその装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2980891A JP3005593B2 (ja) | 1991-02-25 | 1991-02-25 | 診断アルゴリズム構築方法およびその装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH04268450A JPH04268450A (ja) | 1992-09-24 |
JP3005593B2 true JP3005593B2 (ja) | 2000-01-31 |
Family
ID=12286328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2980891A Expired - Fee Related JP3005593B2 (ja) | 1991-02-25 | 1991-02-25 | 診断アルゴリズム構築方法およびその装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3005593B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3321487B2 (ja) * | 1993-10-20 | 2002-09-03 | 株式会社日立製作所 | 機器/設備診断方法およびシステム |
JP5028028B2 (ja) | 2006-05-24 | 2012-09-19 | 株式会社ジェイテクト | アコースティックエミッション検出装置および制御装置 |
JP5482119B2 (ja) * | 2009-11-10 | 2014-04-23 | 株式会社Ihi | 疲労損傷評価方法及びその装置 |
JP7349971B2 (ja) * | 2020-11-16 | 2023-09-25 | 芝浦機械株式会社 | 予知保全判定装置、予知保全判定方法及びプログラム |
-
1991
- 1991-02-25 JP JP2980891A patent/JP3005593B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH04268450A (ja) | 1992-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3321487B2 (ja) | 機器/設備診断方法およびシステム | |
US7533799B2 (en) | Weight scale fault detection | |
EP0087813B1 (en) | Method and apparatus for monitoring cracks of a rotatable body | |
CN106323452B (zh) | 一种设备异音的检测方法及检测装置 | |
US4402054A (en) | Method and apparatus for the automatic diagnosis of system malfunctions | |
EP0209862B1 (en) | Rotating machine diagnosis apparatus with acoustic emission technique | |
US11392114B2 (en) | Abnormality determination support apparatus | |
US6192317B1 (en) | Statistical pattern analysis methods of partial discharge measurements in high voltage insulation | |
JP3484665B2 (ja) | 異常判定方法および装置 | |
JPS6317167B2 (ja) | ||
CN111649886B (zh) | 异常检测装置、旋转机械、异常检测方法及计算机可读取的存储介质 | |
JP6714498B2 (ja) | 設備診断装置及び設備診断方法 | |
CN111964909A (zh) | 滚动轴承运行状态检测方法、故障诊断方法及*** | |
JP2018163645A (ja) | 故障診断装置、監視装置、故障診断方法、および故障診断プログラム | |
JP3005593B2 (ja) | 診断アルゴリズム構築方法およびその装置 | |
JP2020008337A (ja) | 設備の異常診断装置及び異常診断方法 | |
CN108345289B (zh) | 一种基于替代数据法的工业过程平稳性检测方法 | |
JP2995518B2 (ja) | 学習型異常診断アルゴリズム自動構築方法およびその装置 | |
KR100328939B1 (ko) | 온라인롤편심진단방법및장치 | |
JPH05203544A (ja) | 異常診断アルゴリズム自動構築方法およびその装置 | |
CN111639621A (zh) | 一种传感器信号诊断故障的方法 | |
JPH02226033A (ja) | 伝達関数の判定方法 | |
JP3144878B2 (ja) | 回転機械の異常音診断方法、その装置及び回転機械の製造ライン | |
CN117949539B (zh) | 一种工程建筑强度检测***及其检测方法 | |
JP3923773B2 (ja) | プラント異常事象診断装置とその診断方法、ならびに記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
LAPS | Cancellation because of no payment of annual fees |