JPH05203544A - 異常診断アルゴリズム自動構築方法およびその装置 - Google Patents
異常診断アルゴリズム自動構築方法およびその装置Info
- Publication number
- JPH05203544A JPH05203544A JP4012144A JP1214492A JPH05203544A JP H05203544 A JPH05203544 A JP H05203544A JP 4012144 A JP4012144 A JP 4012144A JP 1214492 A JP1214492 A JP 1214492A JP H05203544 A JPH05203544 A JP H05203544A
- Authority
- JP
- Japan
- Prior art keywords
- value
- diagnostic
- calculated
- calculating
- 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.)
- Pending
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
(57)【要約】
【目的】 各種の診断対象に対して、精度の高い診断を
行う異常診断アルゴリズムを構築する。 【構成】 性状が正常なものと異常のものとに分けられ
た診断グループに対して複数の診断用パラメータに関す
る値を測定し、各診断用パラメー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
メータ群の中から有効なパラメータと予測される診断用
パラメータを複数個抽出し、抽出した有効な診断用パラ
メー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し、診断レベルに
基づいて、正常・異常品を判別するアルゴリズムを構築
するに際し、正常グループの正常品偏差量平均値が規準
値以下だった場合、正常品平均値に対する所定の値を、
正常品の各測定値の仮想測定値として再演算する。正常
品平均値に対して個々の測定値が小さい場合には、偏差
量算出手段において偏差量の算出値を強制的に零とす
る。
行う異常診断アルゴリズムを構築する。 【構成】 性状が正常なものと異常のものとに分けられ
た診断グループに対して複数の診断用パラメータに関す
る値を測定し、各診断用パラメー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
メータ群の中から有効なパラメータと予測される診断用
パラメータを複数個抽出し、抽出した有効な診断用パラ
メー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し、診断レベルに
基づいて、正常・異常品を判別するアルゴリズムを構築
するに際し、正常グループの正常品偏差量平均値が規準
値以下だった場合、正常品平均値に対する所定の値を、
正常品の各測定値の仮想測定値として再演算する。正常
品平均値に対して個々の測定値が小さい場合には、偏差
量算出手段において偏差量の算出値を強制的に零とす
る。
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,家電品,発
電設備などに用いられている各種機器の異常を診断する
ための診断アルゴリズムを自動的に構築するに好適な異
常診断アルゴリズム自動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,家電品,発
電設備などに用いられている各種機器の異常を診断する
ための診断アルゴリズムを自動的に構築するに好適な異
常診断アルゴリズム自動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
ーティック・エミッション(AE)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
62−282258号公報および特開昭62−1975
5号公報に記載されているものが知られている。
ーティック・エミッション(AE)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
62−282258号公報および特開昭62−1975
5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
ー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
ー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】上記の従来技術は、各
種の診断対象に対して精度の高い診断ができる。しか
し、汎用性に関しては配慮がなされていない。従って、
これらの方法を採用しても、診断対象の機器が変わる毎
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に
より精度の高い診断を行おうとすると、各診断対象機器
毎に診断装置を開発しなければならないという問題があ
る。
種の診断対象に対して精度の高い診断ができる。しか
し、汎用性に関しては配慮がなされていない。従って、
これらの方法を採用しても、診断対象の機器が変わる毎
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に
より精度の高い診断を行おうとすると、各診断対象機器
毎に診断装置を開発しなければならないという問題があ
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できる異常診断アルゴリズ
ムを自動的に構築する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できる異常診断アルゴリズ
ムを自動的に構築する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、本発明の第1の方法では、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に対して複数の診断用パ
ラメータに関する値を測定し、各診断用パラメータにつ
いての測定値に統計処理を施し、この処理結果に基づい
て診断用パラメータ群の中から有効なパラメータと予測
される診断用パラメータを複数個抽出し、抽出した有効
な診断用パラメー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し、
診断レベルに基づいて正常、異常品を判別するアルゴリ
ズム構築方法において、前記有効とされた診断用パラメ
ータの内、正常品の偏差量平均値が規準値以下になった
場合、正常グループ個々の測定値を正常グループの平均
値に対し、所定の値をもつ仮想値を正常グループ個々の
仮想測定値とし、以降、前記正常グループの仮想測定値
による偏差量,標準偏差,個別確信度,最終総合確信度
の算出値に従って決定される診断レベルより診断の性状
の良否を判定する。
め、本発明の第1の方法では、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に対して複数の診断用パ
ラメータに関する値を測定し、各診断用パラメータにつ
いての測定値に統計処理を施し、この処理結果に基づい
て診断用パラメータ群の中から有効なパラメータと予測
される診断用パラメータを複数個抽出し、抽出した有効
な診断用パラメー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し、
診断レベルに基づいて正常、異常品を判別するアルゴリ
ズム構築方法において、前記有効とされた診断用パラメ
ータの内、正常品の偏差量平均値が規準値以下になった
場合、正常グループ個々の測定値を正常グループの平均
値に対し、所定の値をもつ仮想値を正常グループ個々の
仮想測定値とし、以降、前記正常グループの仮想測定値
による偏差量,標準偏差,個別確信度,最終総合確信度
の算出値に従って決定される診断レベルより診断の性状
の良否を判定する。
【0007】第2の方法では、有効とされた診断用パラ
メータをもとに、偏差量を算出する過程において、正常
品及び異常品個々の値が正常グループの平均値より小さ
いものについては、偏差量を強制的に零にする。
メータをもとに、偏差量を算出する過程において、正常
品及び異常品個々の値が正常グループの平均値より小さ
いものについては、偏差量を強制的に零にする。
【0008】第3の方法では、第1の方法と、第2の方
法を合わせ持つ。
法を合わせ持つ。
【0009】上記の目的を達成する本発明の第1の装置
では、性状が正常なものと異常なものとを含む診断グル
ープに対して複数の診断用パラメー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グループ
から得られた各診断用パラメータの平均値を算出する平
均値算出手段と、正常グループについての分散を各診断
用パラメータ毎に算出する第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グルー
プについての分散を各診断用パラメータ毎に算出する第
2分散算出手段と、各分散算出手段の算出値の比あるい
は差から各診断用パラメー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
メータ群の中から有効な診断用パラメータを複数個抽出
するパラメータ抽出手段と、測定値と平均値算出手段の
算出値をもとに各診断対象についての測定値と平均値の
偏差量を、パラメータ抽出手段によって抽出された各有
効な診断用パラメータについて算出する偏差量算出手段
と、偏差量算出手段の算出値から正常な診断対象群の偏
差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ータについての個別
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最終総合確信度を算出する最
終総合確信度算出手段と、最終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からなるアルゴ
リズム自動構築装置において、正常グループの偏差量平
均値が規準値以下になった場合、正常グループ個々の測
定値を正常グループの平均値に対し、所定の値を持つ仮
想値を正常グループ個々の仮想測定値とし、仮想測定値
を基に偏差量平均値を算出する手段を前記偏差量算出手
段と演算手段に付加する。
では、性状が正常なものと異常なものとを含む診断グル
ープに対して複数の診断用パラメー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グループ
から得られた各診断用パラメータの平均値を算出する平
均値算出手段と、正常グループについての分散を各診断
用パラメータ毎に算出する第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グルー
プについての分散を各診断用パラメータ毎に算出する第
2分散算出手段と、各分散算出手段の算出値の比あるい
は差から各診断用パラメー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
メータ群の中から有効な診断用パラメータを複数個抽出
するパラメータ抽出手段と、測定値と平均値算出手段の
算出値をもとに各診断対象についての測定値と平均値の
偏差量を、パラメータ抽出手段によって抽出された各有
効な診断用パラメータについて算出する偏差量算出手段
と、偏差量算出手段の算出値から正常な診断対象群の偏
差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ータについての個別
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最終総合確信度を算出する最
終総合確信度算出手段と、最終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からなるアルゴ
リズム自動構築装置において、正常グループの偏差量平
均値が規準値以下になった場合、正常グループ個々の測
定値を正常グループの平均値に対し、所定の値を持つ仮
想値を正常グループ個々の仮想測定値とし、仮想測定値
を基に偏差量平均値を算出する手段を前記偏差量算出手
段と演算手段に付加する。
【0010】第2の装置では、有効とされた診断用パラ
メータの正常品及び異常品個々の値が正常グループの平
均値より小さくなる場合、偏差量算出手段において、偏
差量を強制的に零にする偏差量演算手段を設ける。
メータの正常品及び異常品個々の値が正常グループの平
均値より小さくなる場合、偏差量算出手段において、偏
差量を強制的に零にする偏差量演算手段を設ける。
【0011】第3の装置では、第1の装置と第2の装置
を合わせ持つ。
を合わせ持つ。
【0012】
【作用】偏差量平均値が規準値以下になると、個別確信
度算出手段にて個別確信度の範囲を決定することができ
なくなるため、正常グループ個々の測定値を正常グルー
プの平均値に対し、所定の値をもつ仮想測定値とし、偏
差量を再演算することにより、個別確信度の範囲を決定
することが可能となる。
度算出手段にて個別確信度の範囲を決定することができ
なくなるため、正常グループ個々の測定値を正常グルー
プの平均値に対し、所定の値をもつ仮想測定値とし、偏
差量を再演算することにより、個別確信度の範囲を決定
することが可能となる。
【0013】また、出力電圧のレベル差などで性状の良
否が判断できるパラメータにおいて、本来測定値のレベ
ルが正常品平均値のレベルに対して極めて小さい場合、
正常と判定されるべきである。しかし、偏差量算出手段
において偏差量を求めると正常品平均値に極めて近いデ
ータに対し、算出値が大きくなり、以降演算の結果、個
別確信度が大きく算出されることがある。従って、正常
グループの平均値に対し、正常グループ個々の測定値が
小さい場合、偏差量を強制的に零とすると、本来正常品
であるべきサンプルを適正に評価することができる。
否が判断できるパラメータにおいて、本来測定値のレベ
ルが正常品平均値のレベルに対して極めて小さい場合、
正常と判定されるべきである。しかし、偏差量算出手段
において偏差量を求めると正常品平均値に極めて近いデ
ータに対し、算出値が大きくなり、以降演算の結果、個
別確信度が大きく算出されることがある。従って、正常
グループの平均値に対し、正常グループ個々の測定値が
小さい場合、偏差量を強制的に零とすると、本来正常品
であるべきサンプルを適正に評価することができる。
【0014】
【実施例】以下、本発明の一実施例を図面に参照して説
明する。図1は、本発明の一実施例に係る異常診断アル
ゴリズム自動構築方法の処理手順を示すフローチャート
であり、図2は図1に示す異常診断アルゴリズム自動構
築方法を実行する異常診断アルゴリズム自動構築装置の
全体構成図である。図2において、診断対象は、例え
ば、蒸気タービン,発電機,水車,圧延機,モータなど
の回転体であり、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ータに関する
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
ュータ18に送出されるようになっている。コンピュー
タ18は、波形解析部20と、周波数解析部22と、演
算処理部24から構成され、演算処理部24には表示部
26と入出力部28が接続されている。コンピュータ1
8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
メータ抽出手段,偏差量算出手段,演算手段,個別確信
度算出手段,最終総合確信度算出手段および診断レベル
決定手段から構成される。そして、コンピュータ18
は、検出器12の検出信号を基に複数の診断用パラメー
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。
明する。図1は、本発明の一実施例に係る異常診断アル
ゴリズム自動構築方法の処理手順を示すフローチャート
であり、図2は図1に示す異常診断アルゴリズム自動構
築方法を実行する異常診断アルゴリズム自動構築装置の
全体構成図である。図2において、診断対象は、例え
ば、蒸気タービン,発電機,水車,圧延機,モータなど
の回転体であり、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ータに関する
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
ュータ18に送出されるようになっている。コンピュー
タ18は、波形解析部20と、周波数解析部22と、演
算処理部24から構成され、演算処理部24には表示部
26と入出力部28が接続されている。コンピュータ1
8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
メータ抽出手段,偏差量算出手段,演算手段,個別確信
度算出手段,最終総合確信度算出手段および診断レベル
決定手段から構成される。そして、コンピュータ18
は、検出器12の検出信号を基に複数の診断用パラメー
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。
【0015】診断用パラメータとしては、波形特性に関
する診断用パラメータと、周波数特性に関する診断用パ
ラメータとが用いられる。波形特性に関するAEパラメ
ータとしては、表1に示されるように、
する診断用パラメータと、周波数特性に関する診断用パ
ラメータとが用いられる。波形特性に関するAEパラメ
ータとしては、表1に示されるように、
【0016】
【表1】
【0017】平均値、平均ピーク値、エネルギー値など
があり、周波数特性に関するAEパラメータとしては、
表2に示されるように、
があり、周波数特性に関するAEパラメータとしては、
表2に示されるように、
【0018】
【表2】
【0019】第1ピーク周波数とその電圧、回転一次周
波数とその電圧、回転二次周波数とその電圧などがあ
る。
波数とその電圧、回転二次周波数とその電圧などがあ
る。
【0020】たとえば、AE信号の検波波形を評価する
のであれば、図3に示す検波波形をもとに、波形特性に
関するAEパラメータを次の表3に示す方法によって測
定する。
のであれば、図3に示す検波波形をもとに、波形特性に
関するAEパラメータを次の表3に示す方法によって測
定する。
【0021】
【表3】
【0022】また、周波数特性に関するAEパラメータ
は、図3に示したAE検波波形の周波数分析(たとえば
FFT処理)結果(図4に1例を示す)をもとに、次の
表4に示す方法によって測定する。
は、図3に示したAE検波波形の周波数分析(たとえば
FFT処理)結果(図4に1例を示す)をもとに、次の
表4に示す方法によって測定する。
【0023】
【表4】
【0024】次に、本発明の実施例を具体的に説明する
前に、比較のために、図2に示す装置構成により、従来
から実施されている統計処理手法とファジィ的処理手法
によるアルゴリズム構築手法について説明する。
前に、比較のために、図2に示す装置構成により、従来
から実施されている統計処理手法とファジィ的処理手法
によるアルゴリズム構築手法について説明する。
【0025】図5に診断のフローチャートを示す。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パラメータについての測
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10からの検
出信号をコンピュータ18に転送し、コンピュータ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パラメータについ
ての測定値、および周波数特性に関するAEパラメータ
に関する測定値が、演算処理部24において処理され
る。この演算処理を行うに際しては、次の(1)式〜
(12)式が用いられる。
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パラメータについての測
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10からの検
出信号をコンピュータ18に転送し、コンピュータ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パラメータについ
ての測定値、および周波数特性に関するAEパラメータ
に関する測定値が、演算処理部24において処理され
る。この演算処理を行うに際しては、次の(1)式〜
(12)式が用いられる。
【0026】
【数1】
【0027】
【数2】
【0028】
【数3】
【0029】
【数4】
【0030】
【数5】
【0031】
【数6】
【0032】
【数7】
【0033】
【数8】
【0034】
【数9】
【0035】
【数10】
【0036】
【数11】
【0037】
【数12】
【0038】まず、正常品の各AEパラメータの平均値
が、(1)式に従って算出される(ステップ104)。
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、正常品の分散が算出される(ステップ10
6)。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、異常品の分散が算出される(ステッ
プ108)。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、分散率が(4)式に従って算出される
(ステップ110)。これらの処理は各AEパラメータ
について行われ、各AEパラメータの分散率から有効な
パラメータを複数個抽出する(ステップ112)。たと
えば分散率の大きい順にAEパラメータを4項目選択す
る。
が、(1)式に従って算出される(ステップ104)。
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、正常品の分散が算出される(ステップ10
6)。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、異常品の分散が算出される(ステッ
プ108)。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、分散率が(4)式に従って算出される
(ステップ110)。これらの処理は各AEパラメータ
について行われ、各AEパラメータの分散率から有効な
パラメータを複数個抽出する(ステップ112)。たと
えば分散率の大きい順にAEパラメータを4項目選択す
る。
【0039】図6は有効パラメータの抽出例と各AEパ
ラメータの分散率のグラフィック表示例である。有効な
AEパラメータとして、例えば4項目のAEパラメータ
が抽出された後は、各有効パラメータについて、正常品
の平均値に対する正常品及び異常品の偏差量を(5),
(6)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偏差
量を基に、(7)式と(8)式に従って、正常品の偏差
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パラメータの個別確信度を決定する
(ステップ116)。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に基準を次の(13)
式のように設定する。
ラメータの分散率のグラフィック表示例である。有効な
AEパラメータとして、例えば4項目のAEパラメータ
が抽出された後は、各有効パラメータについて、正常品
の平均値に対する正常品及び異常品の偏差量を(5),
(6)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偏差
量を基に、(7)式と(8)式に従って、正常品の偏差
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パラメータの個別確信度を決定する
(ステップ116)。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に基準を次の(13)
式のように設定する。
【0040】
【数13】
【0041】図7は、正常、異常各サンプルの偏差量と
個別確信度を示したものである。(13)式にて求まっ
た値以内を“0.1”とし、その倍を“0.2”とす
る。同様に“0.3”,“0.4”とし、個別確信度を
決定する。
個別確信度を示したものである。(13)式にて求まっ
た値以内を“0.1”とし、その倍を“0.2”とす
る。同様に“0.3”,“0.4”とし、個別確信度を
決定する。
【0042】最終総合確信度Msを算出するに際して、
ファジー推論的手法として、コンバイン関数法に従って
最終総合確信度Msを算出する。最終総合確信度Msを算
出するに関しては、前記の(9)式から(12)式が用
いられ、まず第1有効パラメータの個別確信度R1を用
いて第1総合確信度M1を(9)式に従って求める。次
に第2有効パラメータの個別確信度R2を用いて第2総
合確信度M2を(10)式に従って求める。以下同様
に、第3総合確信度M3を(11)式にて、最終総合確
信度Msを(12)式に従って求める。
ファジー推論的手法として、コンバイン関数法に従って
最終総合確信度Msを算出する。最終総合確信度Msを算
出するに関しては、前記の(9)式から(12)式が用
いられ、まず第1有効パラメータの個別確信度R1を用
いて第1総合確信度M1を(9)式に従って求める。次
に第2有効パラメータの個別確信度R2を用いて第2総
合確信度M2を(10)式に従って求める。以下同様
に、第3総合確信度M3を(11)式にて、最終総合確
信度Msを(12)式に従って求める。
【0043】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、正常品と異常
品が分離している分離型の場合は正常品Msの最大値と
異常品Msの最小値の中心を判定レベルとする。また、
正常品と異常品が重なりあう混在型の場合には、正常品
と異常品の交点を診断レベルとし、この診断レベルに従
って正常品と異常品の判定を行う(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。
以上が従来から実施されているアルゴリズム構築手法の
概要である。
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、正常品と異常
品が分離している分離型の場合は正常品Msの最大値と
異常品Msの最小値の中心を判定レベルとする。また、
正常品と異常品が重なりあう混在型の場合には、正常品
と異常品の交点を診断レベルとし、この診断レベルに従
って正常品と異常品の判定を行う(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。
以上が従来から実施されているアルゴリズム構築手法の
概要である。
【0044】図5に示す従来のアルゴリズム構築手法5
0のみでは、有効な診断用パラメータの正常品個々の測
定値が、例えば同一だった場合、当然に正常品平均値も
同一となり、(5)式に示す値は、前記偏差量算出手段
にて零となる。従って、以降(7),(8)式の算出値
が零となるため、個別確信度算出手段にて個別確信度の
範囲を決定することができないことになる。例えば、次
のような場合がその一例に当てはまる。図9は、有効と
された診断用パラメータの正常品の測定値を示したもの
である。まず、(1)式において正常品平均値を求める
と、正常品サンプルNo.1〜No.5までの測定値と
同一の“2.0”となる。次に、(5)式により正常品
偏差量を求めると、全て“0”となり、偏差量平均値、
偏差量標準偏差も“0”となる。さらに、(13)式に
おいて個別確信度範囲を計算すると“0”になる。この
結果より、本来は図7に示されるような個別確信度範囲
が決定できなくなる。
0のみでは、有効な診断用パラメータの正常品個々の測
定値が、例えば同一だった場合、当然に正常品平均値も
同一となり、(5)式に示す値は、前記偏差量算出手段
にて零となる。従って、以降(7),(8)式の算出値
が零となるため、個別確信度算出手段にて個別確信度の
範囲を決定することができないことになる。例えば、次
のような場合がその一例に当てはまる。図9は、有効と
された診断用パラメータの正常品の測定値を示したもの
である。まず、(1)式において正常品平均値を求める
と、正常品サンプルNo.1〜No.5までの測定値と
同一の“2.0”となる。次に、(5)式により正常品
偏差量を求めると、全て“0”となり、偏差量平均値、
偏差量標準偏差も“0”となる。さらに、(13)式に
おいて個別確信度範囲を計算すると“0”になる。この
結果より、本来は図7に示されるような個別確信度範囲
が決定できなくなる。
【0045】次に、本発明の具体的実施例について、図
1に示すフローチャートを用いて説明する。図1に示す
フローチャートは、図5で説明したアルゴリズム構築手
法50に、アルゴリズム60を付加してある。つまり、
本実施例では、上述したような演算を行わないように、
ステップ200において、偏差量平均値が規準値k以下
であるか否かを判定し、基準値k以下であった場合、正
常品個々の測定値に対し、所定の値をもつ仮想値を設定
する(ステップ202)。そして、次の(14),(1
5),(16)式において仮想偏差量,仮想偏差量平均
値,仮想偏差量標準偏差を算出し、
1に示すフローチャートを用いて説明する。図1に示す
フローチャートは、図5で説明したアルゴリズム構築手
法50に、アルゴリズム60を付加してある。つまり、
本実施例では、上述したような演算を行わないように、
ステップ200において、偏差量平均値が規準値k以下
であるか否かを判定し、基準値k以下であった場合、正
常品個々の測定値に対し、所定の値をもつ仮想値を設定
する(ステップ202)。そして、次の(14),(1
5),(16)式において仮想偏差量,仮想偏差量平均
値,仮想偏差量標準偏差を算出し、
【0046】
【数14】
【0047】
【数15】
【0048】
【数16】
【0049】更に次式(17)において
【0050】
【数17】
【0051】仮想個別確信度の範囲を決定(ステップ2
04)し、最終総合確信度を演算(ステップ118)
し、診断レベルに従って正常品と異常品の判定を行う。
なお、規準値k=0とするのが一般的であるが、状況に
応じてkの値は任意に変えるものとする。
04)し、最終総合確信度を演算(ステップ118)
し、診断レベルに従って正常品と異常品の判定を行う。
なお、規準値k=0とするのが一般的であるが、状況に
応じてkの値は任意に変えるものとする。
【0052】具体的一手法として、図9のデータ用いて
説明する。規準値k=0と設定した場合、図9の測定値
より求めた偏差量平均値が“0”なので、図10に示す
ように、例えば、正常品平均値の1.2倍である仮想測
定値“2.4”を各測定値として設定する。その結果、
サンプルNo.1〜No.5の各仮想偏差量,仮想偏差
量平均値は“0.2”,仮想偏差量標準偏差も“0.
2”となり、仮想個別確信度算出手段における(17)
式において、例えば、L=1/3とすると、個別確信度
範囲が“0.267”と求めることができる。
説明する。規準値k=0と設定した場合、図9の測定値
より求めた偏差量平均値が“0”なので、図10に示す
ように、例えば、正常品平均値の1.2倍である仮想測
定値“2.4”を各測定値として設定する。その結果、
サンプルNo.1〜No.5の各仮想偏差量,仮想偏差
量平均値は“0.2”,仮想偏差量標準偏差も“0.
2”となり、仮想個別確信度算出手段における(17)
式において、例えば、L=1/3とすると、個別確信度
範囲が“0.267”と求めることができる。
【0053】次に、上記の異常診断アルゴリズム構築手
段の機能をさらに向上させた例について述べる。AE法
による回転機器の異常音診断などにおいて、図6に示す
W系パラメータのVmean,Vpeak,Vmin、F系パラメ
ータのF1V,F2V,R1V,R2V,FTなどの、単位が電
圧表示となるパラメータは、出力電圧のレベルが小さい
ものが、AE現象的に正常と判断される場合が多い。
段の機能をさらに向上させた例について述べる。AE法
による回転機器の異常音診断などにおいて、図6に示す
W系パラメータのVmean,Vpeak,Vmin、F系パラメ
ータのF1V,F2V,R1V,R2V,FTなどの、単位が電
圧表示となるパラメータは、出力電圧のレベルが小さい
ものが、AE現象的に正常と判断される場合が多い。
【0054】しかし、図11に示すような測定値のデー
タにおいて、各算出値を演算すると、正常グループの正
常品平均値に対してに電圧レベルの小さい正常サンプル
No.3の個別確信度が“0.3”と大きくなってしま
う。この上記矛盾を解消するため、図12に示すよう
に、有効な診断用パラメータを抽出し、ステップ30
0、にて単位が電圧表示となるパラメータが含まれてい
るか、また、正常品及び異常品の個々の測定値が正常品
平均値に対して小さいかどうかを確認(ステップ30
2)し、該当するものについては、ステップ304にて
偏差量を強制的に零とする。
タにおいて、各算出値を演算すると、正常グループの正
常品平均値に対してに電圧レベルの小さい正常サンプル
No.3の個別確信度が“0.3”と大きくなってしま
う。この上記矛盾を解消するため、図12に示すよう
に、有効な診断用パラメータを抽出し、ステップ30
0、にて単位が電圧表示となるパラメータが含まれてい
るか、また、正常品及び異常品の個々の測定値が正常品
平均値に対して小さいかどうかを確認(ステップ30
2)し、該当するものについては、ステップ304にて
偏差量を強制的に零とする。
【0055】また、図1,図12示した異常診断アルゴ
リズム構築手段を組合せて、図13に示す処理手順にす
ることで、さらに診断精度を向上させることが可能とな
る。
リズム構築手段を組合せて、図13に示す処理手順にす
ることで、さらに診断精度を向上させることが可能とな
る。
【0056】
【発明の効果】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グループに対して複数の診
断用パラメー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ータと予
測される診断用パラメータを抽出し、偏差量算出手段,
偏差量平均値と標準偏差を算出する演算手段,個別確信
度算出手段,最終総合確信度算出手段等の演算を行い、
測定値に基づいて診断レベルを決定し、アルゴリズムを
構築する場合、有効なパラメータにおいて発生する個別
確信度範囲の設定不能、及び極端に正常な測定値の個別
確信度を大きく算出してしまうことなど、演算不備によ
る誤診断を防止することが可能となる。このため、極め
て精度の高い異常診断アルゴリズムを構築することがで
きる。
常なものとに分けられた診断グループに対して複数の診
断用パラメー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ータと予
測される診断用パラメータを抽出し、偏差量算出手段,
偏差量平均値と標準偏差を算出する演算手段,個別確信
度算出手段,最終総合確信度算出手段等の演算を行い、
測定値に基づいて診断レベルを決定し、アルゴリズムを
構築する場合、有効なパラメータにおいて発生する個別
確信度範囲の設定不能、及び極端に正常な測定値の個別
確信度を大きく算出してしまうことなど、演算不備によ
る誤診断を防止することが可能となる。このため、極め
て精度の高い異常診断アルゴリズムを構築することがで
きる。
【図1】本発明の一実施例に係る処理手順を示すフロー
チャートである。
チャートである。
【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検波波形の周波数特性図である。
【図5】本発明を説明するための補足図である。
【図6】算出した分散率のグラフィック表示例と有効パ
ラメータの抽出例を示す図である。
ラメータの抽出例を示す図である。
【図7】正常品、異常品各サンプルの偏差量と個別確信
度のデータ例を示す図である。
度のデータ例を示す図である。
【図8】診断レベルの決定方法を説明するための図であ
る。
る。
【図9】本発明の作用を説明するための補足図である。
【図10】本発明の作用を説明するための補足図であ
る。
る。
【図11】本発明の作用を説明するための補足図であ
る。
る。
【図12】本発明の他の作用を説明するためのフローチ
ャートである。
ャートである。
【図13】本発明の他の作用を説明するためのフローチ
ャートである。
ャートである。
10…診断対象、12…検出器、14…増幅器、16…
A/D変換器、18…コンピュータ、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。
A/D変換器、18…コンピュータ、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。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 佐藤 弌也 茨城県日立市森山町1168番地 株式会社日 立製作所エネルギー研究所内 (72)発明者 田口 勇二 茨城県日立市幸町三丁目2番2号 株式会 社日立エンジニアリングサービス内
Claims (10)
- 【請求項1】 複数の診断対象を正常グループと異常グ
ループとに分け、各グループの各診断対象に対して複数
の診断用パラメータに関する値を測定し、各診断用パラ
メータについての測定値のうち正常グループの平均値を
算出し、この平均値と前記測定値から正常グループの分
散を各診断用パラメータ毎に算出し、異常グループの分
散を各診断用パラメータ毎に算出し、正常グループにつ
いて算出された分散と異常グルー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ータの分散率を
算出し、算出した分散率を基に診断用パラメータ群の中
から有効な診断用パラメータを複数個抽出し、各診断対
象について測定値と前記正常グループについての平均値
との偏差量を、抽出した診断用パラメータについて算出
し、算出した偏差量から正常グループの偏差量平均値と
標準偏差量を算出し、これらの算出値から各有効な診断
用パラメータについての個別確信度を算出し、各個別確
信度に基づいて最終総合確信度を算出し、この算出値に
従って決定される診断レベルにより診断対象の性状の良
否を判定するアルゴリズム構築方法において、前記有効
とされた診断用パラメータのうち、正常グループの偏差
量平均値が規準値以下になった場合、正常グループの平
均値に対し、所定の値を持つ仮想値を正常グループ個々
の仮想測定値とし、以降、前記正常グループの仮想測定
値による偏差量,標準偏差,個別確信度,最終総合確信
度の算出値に従って決定される診断レベルより診断の性
状の良否を判定することを特徴とする異常診断アルゴリ
ズム自動構築方法。 - 【請求項2】 複数の診断対象を正常グループと異常グ
ループとに分け、各グループの各診断対象に対して複数
の診断用パラメータに関する値を測定し、各診断用パラ
メータについての測定値のうち正常グループの平均値を
算出し、この平均値と前記測定値から正常グループの分
散を各診断用パラメータ毎に算出し、異常グループの分
散を各診断用パラメータ毎に算出し、正常グループにつ
いて算出された分散と異常グルー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ータの分散率を
算出し、算出した分散率を基に診断用パラメータ群の中
から有効な診断用パラメータを複数個抽出し、各診断対
象について測定値と前記正常グループについての平均値
との偏差量を、抽出した診断用パラメータについて算出
し、算出した偏差量から正常グループの偏差量平均値と
標準偏差量を算出し、これらの算出値から各有効な診断
用パラメータについての個別確信度を算出し、各個別確
信度に基づいて最終総合確信度を算出し、この算出値に
従って決定される診断レベルにより診断対象の性状の良
否を判定するアルゴリズム構築方法において、前記有効
とされた診断用パラメータをもとに偏差量を算出する過
程で、正常品及び異常品個々の値が正常グループの平均
値より小さいものについては、偏差量を強制的に零にす
ることを特徴とする異常診断アルゴリズム自動構築方
法。 - 【請求項3】 複数の診断対象を正常グループと異常グ
ループとに分け、各グループの各診断対象に対して複数
の診断用パラメータに関する値を測定し、各診断用パラ
メータについての測定値のうち正常グループの平均値を
算出し、この平均値と前記測定値から正常グループの分
散を各診断用パラメータ毎に算出し、異常グループの分
散を各診断用パラメータ毎に算出し、正常グループにつ
いて算出された分散と異常グルー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ータの分散率を
算出し、算出した分散率を基に診断用パラメータ群の中
から有効な診断用パラメータを複数個抽出し、各診断対
象について測定値と前記正常グループについての平均値
との偏差量を、抽出した診断用パラメータについて算出
し、算出した偏差量から正常グループの偏差量平均値と
標準偏差量を算出し、これらの算出値から各有効な診断
用パラメータについての個別確信度を算出し、各個別確
信度に基づいて最終総合確信度を算出し、この算出値に
従って決定される診断レベルにより診断対象の性状の良
否を判定するアルゴリズム構築方法において、前記有効
とされた診断用パラメータのうち、正常グループの偏差
量平均値が規準値以下になった場合、正常グループの平
均値に対し、所定の値を持つ仮想値を正常グループ個々
の仮想測定値とし、以降、前記正常グループの仮想測定
値による偏差量,標準偏差,個別確信度,最終総合確信
度の算出値に従って決定される診断レベルより診断の性
状の良否を判定すると共に、前記有効とされた診断用パ
ラメータをもとに偏差量を算出する過程で、正常品及び
異常品個々の値が正常グループの平均値より小さいもの
については、偏差量を強制的に零にすることを特徴とす
る異常診断アルゴリズム自動構築方法。 - 【請求項4】 請求項1または請求項3において、基準
値を状況に応じて変更することを特徴とする異常診断ア
ルゴリズム自動構築方法。 - 【請求項5】 性状が正常なものと異常なものとを含む
診断グループに対して複数の診断用パラメータに関する
値を測定する測定手段と、測定手段の測定値のうち正常
グループから得られた各診断用パラメータの平均値を算
出する平均値算出手段と、正常グループについての分散
を各診断用パラメータ毎に算出する第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
異常グループについての分散を各診断用パラメータ毎に
算出する第2分散算出手段と、各分散算出手段の算出値
の比あるいは差から各診断用パラメータの分散率を算出
する分散率算出手段と、分散率算出手段の算出値を基に
診断用パラメータ群の中から有効な診断用パラメータを
複数個抽出するパラメータ抽出手段と、測定値と平均値
算出手段の算出値をもとに各診断グループについての測
定値と平均値の偏差量を、パラメータ抽出手段によって
抽出された各有効な診断用パラメータについて算出する
偏差量算出手段と、偏差量算出手段の算出値から正常グ
ループの偏差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ータに
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最終総合確信度
を算出する最終総合確信度算出手段と、最終総合確信度
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判定レベル決定手段か
らなるアルゴリズム構築装置において、正常グループの
偏差量平均値が規準値以下になった場合、正常グループ
個々の測定値を正常グループの平均値に対し、所定の値
を持つ仮想値を正常グループ個々の仮想測定値とし、仮
想測定値を基に偏差量平均値を算出する手段を、前記偏
差量算出手段と演算手段に付加したことを特徴とする異
常診断アルゴリズム自動構築装置。 - 【請求項6】 性状が正常なものと異常なものとを含む
診断グループに対して複数の診断用パラメータに関する
値を測定する測定手段と、測定手段の測定値のうち正常
グループから得られた各診断用パラメータの平均値を算
出する平均値算出手段と、正常グループについての分散
を各診断用パラメータ毎に算出する第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
異常グループについての分散を各診断用パラメータ毎に
算出する第2分散算出手段と、各分散算出手段の算出値
の比あるいは差から各診断用パラメータの分散率を算出
する分散率算出手段と、分散率算出手段の算出値を基に
診断用パラメータ群の中から有効な診断用パラメータを
複数個抽出するパラメータ抽出手段と、測定値と平均値
算出手段の算出値をもとに各診断グループについての測
定値と平均値の偏差量を、パラメータ抽出手段によって
抽出された各有効な診断用パラメータについて算出する
偏差量算出手段と、偏差量算出手段の算出値から正常グ
ループの偏差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ータに
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最終総合確信度
を算出する最終総合確信度算出手段と、最終総合確信度
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判定レベル決定手段か
らなるアルゴリズム構築装置において、有効とされた診
断用パラメータをもとに、偏差量を算出する過程で、正
常品及び異常品個々の値が正常グループの平均値より小
さいものについては、偏差量を強制的に零にする偏差量
演算手段を設けたことを特徴とする異常診断アルゴリズ
ム自動構築装置。 - 【請求項7】 性状が正常なものと異常なものとを含む
診断グループに対して複数の診断用パラメータに関する
値を測定する測定手段と、測定手段の測定値のうち正常
グループから得られた各診断用パラメータの平均値を算
出する平均値算出手段と、正常グループについての分散
を各診断用パラメータ毎に算出する第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
異常グループについての分散を各診断用パラメータ毎に
算出する第2分散算出手段と、各分散算出手段の算出値
の比あるいは差から各診断用パラメータの分散率を算出
する分散率算出手段と、分散率算出手段の算出値を基に
診断用パラメータ群の中から有効な診断用パラメータを
複数個抽出するパラメータ抽出手段と、測定値と平均値
算出手段の算出値をもとに各診断グループについての測
定値と平均値の偏差量を、パラメータ抽出手段によって
抽出された各有効な診断用パラメータについて算出する
偏差量算出手段と、偏差量算出手段の算出値から正常グ
ループの偏差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ータに
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最終総合確信度
を算出する最終総合確信度算出手段と、最終総合確信度
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判定レベル決定手段か
らなるアルゴリズム構築装置において、正常グループの
偏差量平均値が規準値以下になった場合、正常グループ
個々の測定値を正常グループの平均値に対し、所定の値
を持つ仮想値を正常グループ個々の仮想測定値とし、仮
想測定値を基に偏差量平均値を算出する手段を、前記偏
差量算出手段と演算手段に付加し、更に、有効とされた
診断用パラメータをもとに、偏差量を算出する過程で、
正常品及び異常品個々の値が正常グループの平均値より
小さいものについては、偏差量を強制的に零にする偏差
量演算手段を設けたことを特徴とする異常診断アルゴリ
ズム自動構築装置。 - 【請求項8】 請求項5または請求項7において、基準
値の値を状況に応じて変更する手段を備えることを特徴
とする異常診断アルゴリズム自動構築装置。 - 【請求項9】 請求項1乃至請求項4のいずれかに記載
の異常診断アルゴリズム自動構築方法にて作成したアル
ゴリズムに従い、診断対象から得たデータに基づいて異
常診断を行うことを特徴とする異常診断方法。 - 【請求項10】 診断対象のデータを入力する手段と、
請求項5乃至請求項8のいずれかに記載の異常診断アル
ゴリズム自動構築装置と、診断対象のデータを前記異常
診断アルゴリズム自動構築装置にて構築されたアルゴリ
ズムにより診断する手段とを備えることを特徴とする異
常診断装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP4012144A JPH05203544A (ja) | 1992-01-27 | 1992-01-27 | 異常診断アルゴリズム自動構築方法およびその装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP4012144A JPH05203544A (ja) | 1992-01-27 | 1992-01-27 | 異常診断アルゴリズム自動構築方法およびその装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH05203544A true JPH05203544A (ja) | 1993-08-10 |
Family
ID=11797308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP4012144A Pending JPH05203544A (ja) | 1992-01-27 | 1992-01-27 | 異常診断アルゴリズム自動構築方法およびその装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH05203544A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004279211A (ja) * | 2003-03-14 | 2004-10-07 | Omron Corp | 知識作成支援装置及びパラメータ探索方法並びにプログラム製品 |
JP2007101245A (ja) * | 2005-09-30 | 2007-04-19 | Omron Corp | 支援装置 |
JP2012242336A (ja) * | 2011-05-23 | 2012-12-10 | Chiyoda Corp | 軸受診断方法及びシステム |
WO2024128341A1 (ko) * | 2022-12-13 | 2024-06-20 | 주식회사 에코산전 | 추세비교분석을 통한 고장진단과 예측이 가능한 모터제어반 |
-
1992
- 1992-01-27 JP JP4012144A patent/JPH05203544A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004279211A (ja) * | 2003-03-14 | 2004-10-07 | Omron Corp | 知識作成支援装置及びパラメータ探索方法並びにプログラム製品 |
JP2007101245A (ja) * | 2005-09-30 | 2007-04-19 | Omron Corp | 支援装置 |
JP2012242336A (ja) * | 2011-05-23 | 2012-12-10 | Chiyoda Corp | 軸受診断方法及びシステム |
WO2024128341A1 (ko) * | 2022-12-13 | 2024-06-20 | 주식회사 에코산전 | 추세비교분석을 통한 고장진단과 예측이 가능한 모터제어반 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mechefske | Objective machinery fault diagnosis using fuzzy logic | |
US4402054A (en) | Method and apparatus for the automatic diagnosis of system malfunctions | |
KR101539896B1 (ko) | 유도전동기 오류 진단 방법 | |
EP3764184A1 (en) | Abnormality determination assistance device | |
JPH09166483A (ja) | 機器監視方法及びその装置 | |
Aretakis et al. | Nonlinear engine component fault diagnosis from a limited number of measurements using a combinatorial approach | |
CN105866250A (zh) | 基于振动的通风机叶片裂纹识别方法 | |
CN112213640B (zh) | 一种电机故障诊断方法及其相关设备 | |
JPH06186136A (ja) | 転がり軸受故障診断装置 | |
Stief et al. | Two stage data fusion of acoustic, electric and vibration signals for diagnosing faults in induction motors | |
Ali et al. | Threshold-based induction motors single-and multifaults diagnosis using discrete wavelet transform and measured stator current signal | |
Silva et al. | Fault detection in induction motors based on artificial intelligence | |
CN112711850A (zh) | 一种基于大数据的机组在线监测方法 | |
CN108680860A (zh) | 一种eps电机故障检测方法 | |
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 | |
CN113266921A (zh) | 一种空调设备故障检测方法、装置、设备及介质 | |
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 | |
JP3005593B2 (ja) | 診断アルゴリズム構築方法およびその装置 | |
CN109781442A (zh) | 一种磁浮列车转向架裂缝故障的检测方法 | |
JP3012449B2 (ja) | 音響信号の識別方法および装置 | |
CN115048960A (zh) | 一种设备状态检测方法 | |
CN108253575B (zh) | 空调箱电机烧毁故障的检测方法 | |
JPH10317024A (ja) | 高炉異常炉況判定システム | |
CN115389121B (zh) | 一种基于随机森林的电动阀门泄漏模式识别方法及装置 | |
Jiang et al. | Fault diagnosis method of machinery based on Fisher’s linear discriminant and possibility theory |