[发明专利]诊断装置以及机器学习装置

权利要求书

1.一种诊断装置，进行工业机械所具备的传送动力的传送带的张力的推定或异常检测，其特征在于，

该诊断装置具备：

控制部，其控制进行驱动上述传送带的诊断动作；

数据取得部，其至少取得上述诊断动作时的反馈数据；

预处理部，其对上述反馈数据的频率-增益特性进行分析，生成包含该频率-增益特性中的谐振频率以及反谐振频率的范围作为输入数据；以及

机器学习装置，其基于上述预处理部生成的数据来执行与机器学习相关的处理。

2.根据权利要求1所述的诊断装置，其特征在于，

上述数据取得部还取得上述诊断动作时的上述传送带的张力值，

上述预处理部生成包含上述输入数据和包含上述数据取得部所取得的上述传送带的张力值的标签数据的训练数据，

上述机器学习装置具备：

学习部，其基于上述训练数据生成对上述传送带的张力值相对于上述诊断动作时取得的反馈数据的频率-增益特性的相关性进行了机器学习的学习模型；以及

学习模型存储部，其存储上述学习模型。

3.根据权利要求1所述的诊断装置，其特征在于，

上述机器学习装置还具备：

学习模型存储部，其存储对上述传送带的张力值相对于诊断动作时取得的反馈数据的频率-增益特性的相关性进行了机器学习的学习模型；以及

推定部，其基于上述输入数据，使用上述学习模型存储部中存储的学习模型来推定上述传送带的张力值，并输出该推定处理。

4.根据权利要求1所述的诊断装置，其特征在于，

包含上述谐振频率以及反谐振频率的范围是至少包含一阶谐振频率以及一阶反谐振频率的范围。

5.根据权利要求4所述的诊断装置，其特征在于，

包含上述谐振频率以及反谐振频率的范围还包含包括了二阶以上的谐振频率以及反谐振频率的范围。

6.根据权利要求1所述的诊断装置，其特征在于，

上述输入数据中还包含温度、湿度中的至少任意一个。

7.根据权利要求1所述的诊断装置，其特征在于，

上述输入数据中还包括机械特性和传送带特性中的至少任意一个。

8.一种机器学习装置，进行工业机械所具备的传送动力的传送带的张力的推定或异常检测，其特征在于，

对在驱动上述传送带的诊断动作时取得的反馈数据的频率-增益特性进行分析，将包含该频率-增益特性中的谐振频率以及反谐振频率的范围作为输入数据，基于该输入数据来执行与机器学习相关的处理。

9.根据权利要求8所述的机器学习装置，其特征在于，

该机器学习装置具备：

学习部，其基于包含上述输入数据和包含上述诊断动作时的上述传送带的张力值的标签数据的训练数据，生成对上述传送带的张力值相对于上述诊断动作时取得的反馈数据的频率-增益特性的相关性进行了机器学习的学习模型；以及

存储部，其存储上述学习模型。

10.根据权利要求8所述的机器学习装置，其特征在于，

该机器学习装置还具备：

学习模型存储部，其存储对上述传送带的张力值相对于诊断动作时取得的反馈数据的频率-增益特性的相关性进行了机器学习的学习模型；以及

推定部，其基于上述输入数据，使用存储在上述学习模型存储部中的学习模型来推定上述传送带的张力值，并输出该推定处理。