JP6945297B2 - 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 PDFInfo
- Publication number
- JP6945297B2 JP6945297B2 JP2016235782A JP2016235782A JP6945297B2 JP 6945297 B2 JP6945297 B2 JP 6945297B2 JP 2016235782 A JP2016235782 A JP 2016235782A JP 2016235782 A JP2016235782 A JP 2016235782A JP 6945297 B2 JP6945297 B2 JP 6945297B2
- Authority
- JP
- Japan
- Prior art keywords
- diagnostic
- model
- operation data
- maturity
- unit
- 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.)
- Active
Links
- 238000002405 diagnostic procedure Methods 0.000 title claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 131
- 238000013179 statistical model Methods 0.000 claims description 91
- 230000002159 abnormal effect Effects 0.000 claims description 40
- 238000013461 design Methods 0.000 claims description 5
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 56
- 238000012545 processing Methods 0.000 description 49
- 238000001816 cooling Methods 0.000 description 40
- 238000011156 evaluation Methods 0.000 description 19
- 238000012423 maintenance Methods 0.000 description 19
- 239000002826 coolant Substances 0.000 description 17
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 238000013480 data collection Methods 0.000 description 5
- 239000000498 cooling water Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011058 failure modes and effects analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- 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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0037—Mathematical models of vehicle sub-units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/0083—Setting, resetting, calibration
- B60W2050/0088—Adaptive recalibration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Traffic Control Systems (AREA)
Description
そこで、本発明は、運転環境が時々刻々と変化する機器を高信頼度で診断することを
目的とする。
その他の手段については、発明を実施するための形態のなかで説明する。
稼働データとは、運転中の車両から取得され得る、車両の各機器についての任意の物理量である。多くの場合、稼働データは、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働データに含まれる。稼働データの例として、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、冷却水流量等、多くの種類が存在する。
“L≦Th”である場合、“制動系は正常”である。
“L>Th”である場合、“制動系は異常”である。 (式1)
・11月2日15時00分における運転環境は“RC01”である。
・11月1日、運転環境“RC01”の稼働データが生成した球は、球56aである。
・11月2日15時00分における運転環境は“RC02”である。
・11月1日、運転環境“RC02”の稼働データが生成した球は、球56bである。
・物理モデルは、ファン回転速度、冷却液温度及び冷却液流量を入力変数とする。
・物理モデルは、冷却能力を出力変数とする。
・物理モデルは、入力変数及び出力変数以外にパラメータを有する。
・物理モデルは、冷却能力に対して、閾値(上限及び下限)を適用する。
・パラメータの値及び閾値の値は、運転環境に応じて変化する。
図6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である。機器診断装置1は、中央制御装置11、入力装置12、出力装置13、主記憶装置14、補助記憶装置15、及び、通信装置16を備える。これらはバスで接続されている。補助記憶装置15は、稼働・環境情報31、診断モデル割当情報32、診断結果情報33、診断モデル34及び地図情報35を格納している。主記憶装置14における稼働データ取得部21、運転環境識別部22、診断モデル生成部23、診断モデル選択部24、診断部25、及び、成熟度判定部26は、プログラムである。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15から○○部を読み出し、主記憶装置14にロードしたうえで○○部の機能(詳細後記)を実現することを意味する。
図7に沿って、稼働・環境情報31を説明する。稼働・環境情報31においては、車両ID欄101に記憶された車両IDに関連付けて、位置欄102には位置が、時点欄103には時点が、稼働データ欄104には稼働データが、運転環境欄105には運転環境が記憶されている。
車両ID欄101の車両IDは、車両5を一意に特定する識別子である。
位置欄102の位置は、その時点における車両5の位置情報(経度及び緯度)である。
時点欄103の時点は、稼働データがセンサによって取得された時点の年月日時分秒である。
運転環境欄105の運転環境は、当該位置における当該時点の運転環境である。ここでの運転環境は、道路勾配(欄105a)、交通量(欄105b)、気温(欄105c)及び湿度(欄105d)の4種類であるが、他の種類であってもよい。例えば、交通量を所定区間の旅行時間、移動速度、渋滞度等の交通情報で代用しても構わない。また、運転環境として、道路形状(直線道路/カーブ道路、カーブ曲率等)、道路種別(高速道路/一般道路等)、道路属性(交差点、トンネル、橋上、勾配、踏切、道幅、車線数等)、道路付帯情報(信号機、横断歩道や停止線位置)等を用いることもある。
図8に沿って、診断モデル割当情報32を説明する。診断モデル割当情報32においては、運転環境ID欄111に記憶された運転環境IDに関連付けて、運転環境欄112には運転環境の範囲が、統計モデルID欄113には統計モデルIDが、物理モデルID欄114には物理モデルIDが、推奨モデルID欄115には推奨モデルIDが記憶されている。
運転環境欄112の運転環境の範囲は、個々の運転環境が取り得る範囲を任意の数に分割した場合のそれぞれの区分である。例えば、道路勾配(欄112a)を“0”を境目として2つの区分に分けると、道路勾配の区分は、“正(登り)”と“負(下り)”の2つとなる。なお、平坦な道路を示す“±0”は、“負(下り)”に含まれるものとする。
推奨モデルID欄115の推奨モデルIDは、その運転環境において機器の診断のために使用することが推奨される診断モデルを一意に特定する識別子である。本実施形態では、統計モデル及び物理モデルの両者が準備されているレコード(行)の当該欄には、その統計モデルを特定する推奨モデルIDが記憶される。物理モデルのみが準備されているレコード(行)の当該欄には、その物理モデルを特定する推奨モデルIDが記憶される。
図9に沿って、診断結果情報33を説明する。診断結果情報33においては、車両ID欄121に記憶された車両IDに関連付けて、位置欄122には位置が、時点欄123には時点が、稼働データ欄124には稼働データが、運転環境ID欄125には運転環境IDが、使用診断モデルID欄126には使用診断モデルIDが、モデル診断結果欄127にはモデル診断結果が、保守員診断結果欄128には保守員診断結果が、モデル評価欄129には評価フラグが記憶されている。
位置欄122の位置は、図7の位置と同じである。
時点欄123の時点は、図7の時点と同じである。しかしながら、図7の時点が、学習データとして稼働データがセンサによって取得された時点である一方、図8の時点は、診断対象として稼働データがセンサによって取得された時点である。
稼働データ欄124の稼働データは、図7の稼働データと同じである。ただし、ここでの稼働データは、学習用データではなく、診断対象の稼働データである。なお、“(#,#,#)”は、レコードごとに値が変化する3次元の稼働データを省略的に示している。
運転環境ID欄125の運転環境IDは、図8の運転環境IDと同じである。
モデル診断結果欄127のモデル診断結果は、使用診断モデルIDが特定する診断モデルによる診断結果(正常/異常)である。
保守員診断結果欄128の保守員診断結果は、診断モデルが診断結果を下した後、その診断結果とは別に、保守員が実際に機器を観察したうえで下した診断結果(正常/異常)である。モデル診断結果が“正常”であっても、保守員診断結果が“異常”である場合もあり得る。また、その逆もあり得る。
図10(a)に沿って、統計モデル生成処理手順を説明する。統計モデル生成処理手順を開始する前提として、いま車両5が走行中であり、端末装置2は、車両5の稼働データ(学習用データ)及び位置情報をリアルタイムで機器診断装置1に送信しているものとする。
ステップS201において、機器診断装置1の稼働データ取得部21は、対象機器を受け付ける。具体的には、稼働データ取得部21は、機器診断装置1のユーザが、車両5が有する機器のうち、診断対象となる機器を入力装置12を介して入力するのを受け付ける。ここでの診断対象は、例えば、“制動系”、“エンジン系”、“操舵系”、“冷却系”等である。いま、“冷却系”が入力されたとする。
第2に、運転環境識別部22は、車両5の位置情報を検索キーとして、外部サーバ4を参照し、その時点における車両5の位置の交通量、気温及び湿度を取得する。
第3に、運転環境識別部22は、ステップS203の“第1”及び“第2”において取得した情報を使用して、稼働・環境情報31(図7)のうち、運転環境欄105の部分を作成する。
第2に、診断モデル生成部23は、診断モデル割当情報32(図8)の統計モデルID欄113に、統計モデルIDを記憶する。
前記においては、予め運転環境の組合せを定義し、その組合せごと(類似している稼働データの集合ごと)に座標空間内に球を生成した。つまり、球の数は予めわかっていた(この例では16個)。しかしながら、診断モデル生成部23は、予め球の数を決めることなく、公知のk−means法等を活用し任意の数の球を生成してもよい。統計モデル生成処理手順は、対象機器ごとに繰り返される。
図10(b)に沿って、物理モデル生成処理手順を説明する。物理モデル生成処理手順を開始する前提として、いま車両5が走行中であり、端末装置2は、車両5の稼働データ及び位置情報をリアルタイムで機器診断装置1に送信しているものとする。
ステップS211において、機器診断装置1の稼働データ取得部21は、対象機器を受け付ける。当該ステップの内容は、ユーザが“冷却系”を入力したことも含めて、ステップS201と同じである。
第2に、運転環境識別部22は、車両5の位置情報を検索キーとして、外部サーバ4を参照し、その時点における車両5の位置の交通量、気温及び湿度を取得する。
第2に、診断モデル生成部23は、ステップS214において取得した物理式のパラメータに、ステップS215の“第1”において受け付けたパラメータの値を代入する。
第2に、診断モデル生成部23は、診断モデル割当情報32(図8)の物理モデルID欄114に、物理モデルIDを記憶する。その後、物理モデル生成処理手順は終了する。
図11(a)に沿って、診断モデル選択処理手順を説明する。診断モデル選択処理手順を開始する前提として、補助記憶装置15において、診断モデル割当情報32(図8)が、推奨モデルID欄115のみが空欄である状態で記憶されているものとする。そして、診断モデル割当情報32の統計モデルID欄113又は物理モデルID欄114に変化が生じたことを契機として診断モデル選択処理手順は開始される。
ステップS222において、診断モデル選択部24は、診断モデル割当情報32(図8)のレコードを取得する。具体的には、診断モデル選択部24は、診断モデル割当情報32のレコード(行)のうち、未処理のものを1本取得する。ここで取得されたレコードを、以降“対象レコード”とも呼ぶ。
ステップS225において、診断モデル選択部24は、物理モデルを選択する。具体的には、診断モデル選択部24は、対象レコードの推奨モデルID欄115に、対象レコードの物理モデルIDを記憶する。その後、診断モデル選択処理手順は終了する。診断モデル選択処理手順は、対象機器ごとに繰り返される。
図11(b)に沿って、診断処理手順を説明する。診断処理手順を開始する前提として、いま車両5が走行中であり、端末装置2は、車両5の診断対象としての稼働データ及び位置情報をリアルタイムで機器診断装置1に送信しているものとする。そして、新たな稼働データが送信されることを契機として、診断処理手順は開始される。
ステップS231において、機器診断装置1の稼働データ取得部21は、対象機器を受け付ける。当該ステップの内容は、ユーザが“冷却系”を入力したことも含めて、ステップS201と同じである。
第2に、稼働データ取得部21は、診断結果情報33(図9)の新たなレコードを作成し、新たなレコードの車両ID欄121〜稼働データ欄124の部分の値を記憶する。ここで作成されたレコードを、以降“診断結果レコード”とも呼ぶ。
第2に、運転環境識別部22は、車両5の位置情報を検索キーとして、外部サーバ4を参照し、その時点における車両5の位置の交通量、気温及び湿度を取得する。
第4に、運転環境識別部22は、診断結果レコードの運転環境ID欄125に、ステップS233の“第3”において取得した運転環境IDを記憶する。
第2に、診断モデル選択部24は、診断結果レコードの使用診断モデルID欄126に、ステップS234の“第1”において取得した推奨モデルIDを記憶する。
ステップS236において、診断部25は、診断結果が正常であるか否かを判断する。具体的には、診断部25は、診断結果が“正常”である場合(ステップS236“Yes”)、ステップS238に進み、診断結果が“異常”である場合(ステップS236“No”)、ステップS237に進む。
ステップS238において、診断部25は、診断結果を記憶する。具体的には、診断部25は、診断結果レコードのモデル診断結果欄127に、診断結果として“正常”又は“異常”の何れかを記憶する。その後、診断処理手順は終了する。なお、診断処理手順が終了した段階で、診断結果情報33の保守員診断結果欄128及びモデル評価欄129は、空欄のままである。診断処理手順は、対象機器ごとに繰り返される。
図12(a)に沿って、成熟度判定処理を説明する。成熟度判定処理を開始する前提として、補助記憶装置15において、診断結果情報33(図9)が、保守員診断結果欄128及びモデル評価欄129のみが空欄である状態で記憶されているものとする。そして、任意のタイミングで、成熟度判定処理手順は開始される。
第3に、成熟度判定部26は、評価レコードの保守員診断結果欄128に、ステップS241の“第2”において取得した診断結果を記憶する。
第2に、成熟度判定部26は、比較の結果両者が一致する場合、評価レコードのモデル評価欄129に評価フラグ“○”を記憶し、比較の結果両者が一致しない場合、評価レコードのモデル評価欄129に評価フラグ“×”を記憶する。
成熟度判定部26は、ステップS241及びS242の処理を未処理の評価レコードごとに繰り返す。
正解率=評価フラグが“○”であるレコードの数/ある使用診断モデルIDを有するレコードの数×100(%)
ステップS244において、成熟度判定部26は、成熟度を判定する。成熟度は、診断モデルの正解率に応じて診断モデルごとに定義される評価値であり、正解率が大きいほど成熟度も高くなる。その後、成熟度判定処理手順は終了する。
ある運転環境における統計モデルの成熟度が所定の閾値より小さく、かつ、当該運転環境における物理モデルの成熟度よりも小さい場合もある。この場合、診断モデル選択部24は、ステップS223“No”を経由してもよい。さらにこの場合、診断モデル生成部23は、成熟度が小さい統計モデルの球の半径を小さくしてもよい。
図12(b)に沿って、端末・センタ協調処理手順を説明する。前記では、稼働データを診断するのは、機器診断装置1であった。しかしながら、車両5に搭載された端末装置2が機器診断装置1の役割を果たしてもよい。さらに、診断対象である同じ稼働データに対して、端末装置2は概略の診断を行い、機器診断装置1は詳細の診断を行う、と言うような役割分担があってもよい。端末・センタ協調処理手順は、両者の間でこのような役割分担が行われる例である。端末装置2は、図6の機器診断装置1が有する構成を有し、ネットワーク6を介して機器診断装置1と通信する。端末装置2が有する構成は、番号の末尾に“b”を付して、同等の機能を有する機器診断装置1の構成と区別する。なお、機器診断装置1及び端末装置2は、機器診断システムを構成する。
・詳細診断モデルの方が、より新しく、より豊富な稼働データ(学習用データ)を使用して生成されている。端末装置2は、自車両が取得した稼働データで基本診断モデルを学習することはもちろん可能である。機器診断装置1は、当該車両を含む多くの車両が取得した稼働データで詳細診断モデルを学習することができる。
ステップS252において、端末装置2の診断部25bは、ステップS251において取得した稼働データに対して、基本診断モデルで診断を行う。
ステップS253において、端末装置2の診断部25bは、ステップS251において取得した稼働データ及び基本診断モデルによる診断結果(基本診断結果)を、機器診断装置1に送信する。なお、基本診断結果は、例えば、“制動系は正常である”又は“制動系は異常である”の何れかである。
ステップS255において、機器診断装置1の診断部25は、ステップS251において取得した稼働データに対して、詳細診断モデルで診断を行う。
ステップS256において、機器診断装置1の診断部25は、詳細診断モデルによる診断結果(詳細診断結果)及び詳細診断モデルを、端末装置2に送信する。なお、詳細診断結果は、例えば、“制動系のうち○○は正常である”又は“制動系のうち◎◎は異常である”の何れかである。
ステップS258において、端末装置2の診断部25bは、詳細診断結果を表示する。具体的には、診断部25bは、基本診断結果とともに詳細診断結果を出力装置13bに表示する。
ステップS259において、端末装置2の診断部25bは、基本診断モデルを詳細診断モデルで置換する。具体的には、診断部25bは、ステップS252において使用した基本診断モデルを、ステップS257において受信した詳細診断モデルで置換した後、ステップS251に戻る。
図13に沿って、表示画面の例を説明する。図13(a)は、機器診断装置1の診断部25又は端末装置2の診断部25bが、出力装置13(13b)に表示する画面の一例である。診断部25(25b)は、ユーザが機器選択欄から診断対象の機器を選択するのを受け付けると、診断結果情報33(図9)のモデル診断結果を、地図情報35に重ねて表示する。図13(a)の道路61上に表示された“■”は、“制動系が異常である”ことを示す。“■”は、14個連続して表示されている。このことから、診断期間yyyy〜xxxxにおいて、連続的に制動系(ブレーキ)の効果が悪くなったことがわかる。
本実施形態の機器診断装置の効果は以下の通りである。
(1)機器診断装置は、移動する機器の運転環境が変化するのに応じて診断モデルを変化させることができる。
(2)機器診断装置は、統計モデル及び物理モデルを併用することができる。
(3)機器診断装置は、統計モデルを優先的に選択するので、人間の経験が有効に活用できる。
(4)機器診断装置は、学習結果を蓄積しつつ、成熟度を向上させることができる。
(5)機器診断装置は、診断モデルの信頼性(成熟度)を人間の判断によって見直すことができる。
(7)機器診断装置は、複数の診断モデルの診断結果に基づき、より慎重に機器を診断することができる。
(8)機器診断装置は、運転環境として身近で入手しやすい天候又は道路属性を使用することができる。
(9)機器診断装置は、運転環境の範囲の組合せに対応させて統計モデルを生成するので、個々の運転環境の細かな変化が生じても、正確な診断が可能になる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。
2 端末装置
3 稼働データ収集サーバ
4 外部サーバ
5 車両
6 ネットワーク
11 中央制御装置
12 入力装置
13 出力装置
14 主記憶装置
15 補助記憶装置
16 通信装置
21 稼働データ取得部
22 運転環境識別部
23 診断モデル生成部
24 診断モデル選択部
25 診断部
26 成熟度判定部
31 稼働・環境情報
32 診断モデル割当情報
33 診断結果情報
34 診断モデル
35 地図情報
Claims (9)
- 機器が移動するのに伴い変化する天候を含む運転環境に応じて、前記機器を診断するための診断モデルを選択する診断モデル選択部と、
前記選択された診断モデルに対して前記機器の稼働データを入力し、前記診断モデルから前記機器に対する診断結果の出力を受け取ることによって前記機器を診断する診断部と、
前記機器に対する前記診断モデルによる診断結果と、前記機器に対する人間による診断結果とを比較することによって、前記診断モデルの成熟度を算出する成熟度判定部と、
を備え、
前記診断モデルは、
前記機器の設計条件又は自然法則から導出される物理モデルであって、すべての前記運転環境について準備される物理モデル、及び、前記機器が正常又は異常であることが既知である場合に取得される稼働データの集合に対し、前記機器についての診断対象の稼働データを適用する統計モデルを含み、
前記診断モデル選択部は、
ある運転環境について前記統計モデル及び前記物理モデルの両者が使用可能であり、当該運転環境における前記統計モデルの成熟度が所定の閾値より小さく、かつ、当該運転環境における前記物理モデルの成熟度よりも小さい場合、前記物理モデルを選択すること、
を特徴とする機器診断装置。 - 前記機器の稼働データを学習データとして使用し、前記機器の運転環境ごとに、前記統計モデルを生成する診断モデル生成部を備えること、
を特徴とする請求項1に記載の機器診断装置。 - 前記機器の位置情報に基づいて、地図情報又は外部サーバから、前記機器の運転環境を取得する運転環境識別部を備えること、
を特徴とする請求項2に記載の機器診断装置。 - 前記診断部は、
複数の前記診断モデルによる診断結果の論理積に基づき前記機器を診断すること、
を特徴とする請求項3に記載の機器診断装置。 - 前記運転環境は、
前記天候及び道路属性を含み、
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つを含むこと、
を特徴とする請求項4に記載の機器診断装置。 - 前記診断モデル生成部は、
複数の前記運転環境の範囲の組合せに対応させて前記統計モデルを生成すること、
を特徴とする請求項5に記載の機器診断装置。 - 移動する機器を前記機器から離れた位置で診断する機器診断装置と、前記機器とともに移動し前記機器診断装置と通信可能な端末装置と、を備える機器診断システムであって、
前記機器診断装置及び前記端末装置のそれぞれは、
前記機器が移動するのに伴い変化する天候を含む運転環境に応じて、前記機器を診断するための診断モデルを選択する診断モデル選択部を備えるとともに、前記選択された診断モデルに対して前記機器の稼働データを入力し、前記診断モデルから前記機器に対する診断結果の出力を受け取ることによって前記機器を診断する診断部と、前記機器に対する前記診断モデルによる診断結果と、前記機器に対する人間による診断結果とを比較することによって、前記診断モデルの成熟度を算出する成熟度判定部と、を備え、
前記診断モデルは、
前記機器の設計条件又は自然法則から導出される物理モデルであって、すべての前記運転環境について準備される物理モデル、及び、前記機器が正常又は異常であることが既知である場合に取得される稼働データの集合に対し、前記機器についての診断対象の稼働データを適用する統計モデルを含み、
前記端末装置の診断部は、
自身の診断モデルによって前記機器を診断し、
前記機器診断装置の診断部は、
前記端末装置の診断モデルとは異なる診断モデルによって別途前記機器を診断し、
前記異なる診断モデルによって前記機器を診断した診断結果を、前記端末装置に送信し、
前記機器診断装置及び前記端末装置の診断モデル選択部は、
ある運転環境について前記統計モデル及び前記物理モデルの両者が使用可能であり、当該運転環境における前記統計モデルの成熟度が所定の閾値より小さく、かつ、当該運転環境における前記物理モデルの成熟度よりも小さい場合、前記物理モデルを選択すること、
を特徴とする機器診断システム。 - 前記端末装置の診断モデルは、
前記機器が正常又は異常であることが既知である場合に取得される稼働データの集合に対し、前記機器についての診断対象の稼働データを適用し、前記機器を診断する統計モデルであり、
前記異なる診断モデルは、
前記機器が正常又は異常であることが既知である場合に取得される稼働データの集合に対し、前記機器についての診断対象の稼働データを適用し、前記機器を構成する部分を診断する統計モデルであること、
を特徴とする請求項7に記載の機器診断システム。 - 機器診断装置の診断モデル選択部は、
機器が移動するのに伴い変化する天候を含む運転環境に応じて、前記機器を診断するための診断モデルを選択し、
前記機器診断装置の診断部は、
前記選択された診断モデルに対して前記機器の稼働データを入力し、前記診断モデルから前記機器に対する診断結果の出力を受け取ることによって前記機器を診断し、
前記機器診断装置の成熟度判定部は、
前記機器に対する前記診断モデルによる診断結果と、前記機器に対する人間による診断結果とを比較することによって、前記診断モデルの成熟度を算出し、
前記診断モデルは、
前記機器の設計条件又は自然法則から導出される物理モデルであって、すべての前記運転環境について準備される物理モデル、及び、前記機器が正常又は異常であることが既知である場合に取得される稼働データの集合に対し、前記機器についての診断対象の稼働データを適用する統計モデルを含み、
前記診断モデル選択部は、
ある運転環境について前記統計モデル及び前記物理モデルの両者が使用可能であり、当該運転環境における前記統計モデルの成熟度が所定の閾値より小さく、かつ、当該運転環境における前記物理モデルの成熟度よりも小さい場合、前記物理モデルを選択すること、
を特徴とする機器診断装置の機器診断方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016235782A JP6945297B2 (ja) | 2016-12-05 | 2016-12-05 | 機器診断装置、機器診断システム及び機器診断方法 |
EP17199989.9A EP3330819B1 (en) | 2016-12-05 | 2017-11-03 | Device diagnostic apparatus, device diagnostic system and device diagnostic methods |
US15/813,898 US10679434B2 (en) | 2016-12-05 | 2017-11-15 | Device diagnostic apparatus, device diagnostic system and device diagnostic methods |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016235782A JP6945297B2 (ja) | 2016-12-05 | 2016-12-05 | 機器診断装置、機器診断システム及び機器診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018092406A JP2018092406A (ja) | 2018-06-14 |
JP6945297B2 true JP6945297B2 (ja) | 2021-10-06 |
Family
ID=60262786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016235782A Active JP6945297B2 (ja) | 2016-12-05 | 2016-12-05 | 機器診断装置、機器診断システム及び機器診断方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10679434B2 (ja) |
EP (1) | EP3330819B1 (ja) |
JP (1) | JP6945297B2 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6840953B2 (ja) * | 2016-08-09 | 2021-03-10 | 株式会社リコー | 診断装置、学習装置および診断システム |
JP2020052821A (ja) * | 2018-09-27 | 2020-04-02 | 株式会社ジェイテクト | 劣化判定装置および劣化判定システム |
CN109581999B (zh) * | 2018-11-05 | 2021-06-01 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞机机电***配电通道状态数据处理方法 |
JP2021015464A (ja) * | 2019-07-12 | 2021-02-12 | 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 |
JP7413806B2 (ja) * | 2020-02-06 | 2024-01-16 | トヨタ自動車株式会社 | バッテリ劣化判定装置、バッテリ劣化判定方法、及びバッテリ劣化判定プログラム |
JP2021163207A (ja) * | 2020-03-31 | 2021-10-11 | 月島機械株式会社 | 制御装置、制御方法、及びプログラム |
JPWO2023026879A1 (ja) * | 2021-08-25 | 2023-03-02 | ||
JP7371802B1 (ja) * | 2023-01-11 | 2023-10-31 | 富士電機株式会社 | 異常診断システム、異常診断装置、異常診断方法、及びプログラム |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3119037B2 (ja) * | 1993-05-27 | 2000-12-18 | トヨタ自動車株式会社 | 車両用故障検出装置 |
JP4204137B2 (ja) * | 1999-04-22 | 2009-01-07 | 株式会社小松製作所 | 冷却用ファンの駆動制御装置 |
US20070028219A1 (en) * | 2004-10-15 | 2007-02-01 | Miller William L | Method and system for anomaly detection |
JP2007257190A (ja) * | 2006-03-22 | 2007-10-04 | Toshiba Corp | 総合監視診断装置 |
JP4940779B2 (ja) * | 2006-06-22 | 2012-05-30 | マツダ株式会社 | 遠隔故障診断システム |
JP2009053938A (ja) * | 2007-08-27 | 2009-03-12 | Toshiba Corp | 複数モデルに基づく設備診断システム及びその設備診断方法 |
JP5018444B2 (ja) * | 2007-12-13 | 2012-09-05 | 株式会社豊田中央研究所 | 車両故障診断予測装置 |
JP5572339B2 (ja) * | 2009-07-03 | 2014-08-13 | 富士重工業株式会社 | オンラインリスク認識システム |
JP5385056B2 (ja) * | 2009-08-31 | 2014-01-08 | 株式会社デンソー | 運転状況推定装置,運転支援装置 |
JP5561519B2 (ja) * | 2010-01-08 | 2014-07-30 | 横河電機株式会社 | プラントシミュレータ |
JP5812599B2 (ja) * | 2010-02-25 | 2015-11-17 | キヤノン株式会社 | 情報処理方法及びその装置 |
US8543280B2 (en) * | 2011-04-29 | 2013-09-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Collaborative multi-agent vehicle fault diagnostic system and associated methodology |
JP5647626B2 (ja) * | 2012-01-05 | 2015-01-07 | 株式会社日立製作所 | プラント状態監視装置、プラント状態監視方法 |
JP5498540B2 (ja) * | 2012-07-19 | 2014-05-21 | 株式会社日立製作所 | 異常検知方法及びシステム |
GB2513586A (en) | 2013-04-30 | 2014-11-05 | Gm Global Tech Operations Inc | Method of controlling a diesel particulate filter |
JP5369246B1 (ja) * | 2013-07-10 | 2013-12-18 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
JP6421406B2 (ja) * | 2013-07-23 | 2018-11-14 | 日産自動車株式会社 | 車両用制御装置および車両用制御方法 |
JP2015162032A (ja) * | 2014-02-27 | 2015-09-07 | 株式会社日立製作所 | 移動体の診断装置 |
EP2996084A4 (en) * | 2014-03-07 | 2016-06-08 | Hitachi Systems Ltd | PREVENTIVE VEHICLE MAINTENANCE SYSTEM |
JP6356449B2 (ja) * | 2014-03-19 | 2018-07-11 | 株式会社東芝 | センサ診断装置、センサ診断方法、およびコンピュータプログラム |
DE102014217925A1 (de) * | 2014-09-08 | 2016-03-10 | Robert Bosch Gmbh | Verfahren zur Diagnose eines Sensors in einem Abgastrakt eines Kraftfahrzeugs |
-
2016
- 2016-12-05 JP JP2016235782A patent/JP6945297B2/ja active Active
-
2017
- 2017-11-03 EP EP17199989.9A patent/EP3330819B1/en active Active
- 2017-11-15 US US15/813,898 patent/US10679434B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US10679434B2 (en) | 2020-06-09 |
EP3330819A1 (en) | 2018-06-06 |
JP2018092406A (ja) | 2018-06-14 |
US20180158257A1 (en) | 2018-06-07 |
EP3330819B1 (en) | 2021-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6945297B2 (ja) | 機器診断装置、機器診断システム及び機器診断方法 | |
US10169932B2 (en) | Anomality candidate information analysis apparatus and behavior prediction device | |
EP3958129A1 (en) | Method and system for validating autonomous control software for a self-driving vehicle | |
Ma et al. | On-line aggressive driving identification based on in-vehicle kinematic parameters under naturalistic driving conditions | |
CN107782564A (zh) | 一种自动驾驶车辆测评***及方法 | |
CN107843440A (zh) | 一种自动驾驶车辆性能测试***及方法 | |
US11657318B2 (en) | Assessing ride quality for autonomous vehicles | |
US20180114377A1 (en) | Method for digital processing of automotive data and a system for implementing the same | |
US11587366B1 (en) | Systems and methods for selecting locations to validate automated vehicle data transmission | |
US10820166B1 (en) | Systems and methods for obtaining location intelligence | |
TWI744742B (zh) | 潛在危險道路鑑別及資訊共享的方法、雲端伺服器、電腦可讀取的記錄媒體及特殊應用積體電路晶片 | |
CN112785841B (zh) | 判断货车行驶路线拥堵状态的方法及装置 | |
Wu et al. | Clustering of several typical behavioral characteristics of commercial vehicle drivers based on GPS data mining: Case study of highways in China | |
Gatteschi et al. | Comparing algorithms for aggressive driving event detection based on vehicle motion data | |
CN112288023A (zh) | 基于模拟驾驶器和svm算法的激进驾驶识别的建模方法 | |
JP2019133428A (ja) | 情報処理装置及び自動運転軌道管理システム | |
CN116001859A (zh) | 用于识别候选车辆***的*** | |
Ali et al. | Employment of instrumented vehicles to identify real-time snowy weather conditions on freeways using supervised machine learning techniques–A naturalistic driving study | |
Catalán et al. | Classifying Drivers' Behavior in Public Transport Using Inertial Measurement Units and Decision Trees | |
JP2017156983A (ja) | 移動経路推定装置、及び移動経路推定方法 | |
WO2021010074A1 (ja) | 機器診断装置、機器診断システム及び機器診断方法 | |
Kazemeini et al. | A GPS-based algorithm for brake and turn detection | |
US20240144743A1 (en) | Transducer-based suspension health monitoring system | |
Wu et al. | A new in-car navigation system based on V2C2V and data science | |
EP4138057A1 (en) | Method of selecting a route for recording vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191024 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200812 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200818 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201008 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210302 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210414 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210914 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6945297 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |