[发明专利]劣化诊断系统追加学习方法

说明书

制作学习了加速测定数据和先验标签数据的判定器(DE1)，其中，加速测定数据是通过劣化加速实验获取到的、从设备正常到劣化的数据，先验标签数据是对加速测定数据中的、表示劣化的特征的数据赋予标签而得到的数据。从运行中的设备获取劣化诊断的测定数据，根据设备中的维护记录求出教师劣化度标签数据，根据测定数据和教师劣化度标签数据来获取追加数据。在由判定器对包含追加数据的所有学习数据进行判定得到的预测劣化度标签数据与所有学习数据中包含的教师劣化度标签数据的差异比规定值大的情况下，挑选学习数据来作为追加学习数据。学习追加学习数据，从而更新判定器。

技术领域

本发明涉及一种电气机器设备中的劣化诊断系统追加学习方法。

背景技术

以往，公开了一种机器设备的异常诊断方法(例如参照专利文献1)，具备：信号提取单元，其用于检测运转中的电动机的输入电流中包含的特定的谐波分量；以及信号处理单元，其对来自该信号提取单元的输出信号进行变换处理，其中，将通过该信号处理单元获得的由高频分量形成的特性值与预先决定的判定基准进行比较，由此能够确定出异常原因和场所。

在始终监视具备具有旋转体的电动机及发电机等的设备的劣化状态的以往的异常诊断方法中，对于表示设备的状态的物理量，主要测定温度、声音以及振动，基于规定的阈值来进行此时的正常或异常的诊断。

现有技术文献

专利文献

专利文献1：日本特开2002-189064号公报

专利文献2：日本特开2003-156547号公报

发明内容

然而，在以往的异常诊断方法中使用的温度、声音以及振动等的环境依赖性非常高。因而，为了减弱该环境依赖性，需要对作为诊断的对象的每台设备设定大量的复杂的阈值参数的初始值。同时，需要对该参数持续地进行微调。因此，存在如下问题：需要由专家进行定期维护，设备的劣化诊断需要大量的工时。

本发明用于解决以往的问题，其目的在于，在使通过劣化加速实验制作出的判定器进行追加学习时，在适当地选择定期的追加学习所需的学习数据量的同时实现学习效果的增加。

为了实现目的，本发明根据设备运行中的测定数据和该设备的教师劣化度标签数据来更新使用通过劣化加速实验得到的初始学习数据制作出的判定器。

具体地说，本发明所涉及的一个方式的劣化诊断系统追加学习方法包括以下步骤：初始学习步骤，制作学习了加速测定数据和先验标签数据的判定器，其中，加速测定数据是通过劣化加速实验获取到的、从设备正常到劣化的连续的数据，先验标签数据是对加速测定数据中的、表示劣化的特征的数据赋予标签而得到的数据；从运行中的设备获取劣化诊断的测定数据；根据设备中的维护记录求出教师劣化度标签数据；根据测定数据和教师劣化度标签数据来获取追加数据；在由判定器对包含追加数据的所有学习数据进行判定得到的预测劣化度标签数据与所有学习数据中包含的教师劣化度标签数据的差异比规定值大的情况下，挑选学习数据来作为追加学习数据；以及学习追加学习数据，从而更新判定器。

由此，学习通过劣化加速实验获取到的加速测定数据和针对加速测定数据的先验标签数据，从而制作判定器，使用根据来自运行中的设备的劣化诊断的测定数据和基于维护记录求出的教师劣化度标签数据而获取到的追加学习数据，来更新判定器。由此，能够使在现场获取的作为非连续的学习数据的追加数据适合作为连续基准数据的初始学习数据。其结果，能够提高监视对象的设备中的劣化的判定基准的准确度。因而，能够在适当地选择追加学习所需的学习数据量的同时实现学习效果的增加。

另外，也可以是，在每次实施维护时都重复进行以下步骤：获取追加数据；挑选学习数据来作为追加学习数据；以及更新判定器。

由此，能够在每次实施维护时都更新判定器的学习度。