状态监视装置和状态监视方法

技术领域

本发明涉及状态监视装置和状态监视方法，且尤其涉及用于监视例如旋转设备的状态的状态监视装置和状态监视方法。

背景技术

以往已知一种装置，其基于表示设备状态的测量数据来设定诊断标准，并且根据该诊断标准来诊断设备的状态。

例如，在专利文献1中公开的状态监视系统诊断设置在风力发电机中的设备的异常，所述状态监视系统包括：监视装置，其包括用于测量表示所述设备的状态的测量数据和表示所述风力发电机的运转条件的运转条件数据的多个传感器，并且根据测量数据计算诊断参数；监视侧控制装置，其包括存储信息的存储单元，设置用于诊断设备的异常的第一阈值，并基于第一阈值诊断设备的异常；以及监视终端装置，其包括用于显示信息的显示单元，并且监视设备的状态。监视侧控制装置通过通信线路与监视装置和监视终端装置耦合。监视终端装置依次设置用于收集基础数据的第一期间、用于设置第一阈值的第二期间和用于诊断设备异常的第三期间。在第一期间，由监视装置测量和计算的测量数据、运转条件数据和诊断参数被存储到存储单元中并显示在显示单元上，并且使用监视终端装置设置诊断运转条件。在第二期间，根据在风力发电机的运转条件满足诊断运转条件时测量到的测量数据计算的诊断参数被存储到存储单元中，并且监视侧控制装置基于存储在存储单元中的诊断参数生成第一阈值。在第三期间，根据在风力发电机的运转条件满足诊断运转条件时测量到的测量数据计算的诊断参数被存储到存储单元中，并且监视侧控制装置将存储在存储单元中的诊断参数与第一阈值进行比较，如果诊断参数大于第一阈值，则判定为设备发生异常，并且判定的结果被存储到存储单元中并显示在显示单元上。

现有技术文献

专利文献

专利文献1：日本专利特开2013-185507号公报

发明内容

技术问题

专利文献1需要数据以设定诊断标准。

在设置状态监视装置并基于数据设定诊断标准的调整期间，不能诊断设备的异常。因此，较短的调整期是优选的。

然而，如果监视对象装置在运转期间中的状态不同于在调整期间中的状态，则即使监视对象装置处于正常状态，状态监视系统也可以判定为监视对象装置发生异常。因此，有必要延长调整期间，以便能够基于监视对象装置尽可能多的状态来设定诊断标准。

由于上述原因，以往调整期间和诊断精度处于折衷关系。

因此，本发明的目的在于提供一种要求短调整期间并且能够实现精确诊断的状态监视装置和状态监视方法。

解决技术问题的技术方案

本发明是一种可连接到监视对象装置的状态监视装置。设置第一期间、第二期间和第三期间，所述第一期间是所述监视对象装置连接到所述状态监视装置之前的期间，所述第二期间是所述监视对象装置连接到所述状态监视装置之后且用于诊断所述监视对象装置的异常的准备期间，所述第三期间是所述监视对象装置连接到所述状态监视装置之后且诊断所述监视对象装置的异常的期间。所述状态监视装置包括：传感数据输入单元，该传感数据输入单元在所述第二期间和所述第三期间从包括在所述监视对象装置中的传感器获取表示所述监视对象装置的状态的传感数据；诊断参数计算单元，该诊断参数计算单元基于在所述第二期间和所述第三期间获取的所述传感数据来计算所述第二期间中的诊断参数和所述第三期间中的诊断参数；特性数据输入单元，该特性数据输入单元从包括在所述监视对象装置中的记录器获取表示所述监视对象装置在所述第一期间和所述第二期间中的特性的特性数据；回归模型生成单元，该回归模型生成单元使用所述第二期间中的所述特性数据和所述第二期间中的所述诊断参数，生成表示所述特性数据和所述诊断参数之间的关系的回归模型；诊断参数推定单元，该诊断参数推定单元使用所述回归模型推定与所述第一期间中的所述特性数据相对应的所述第一期间中的诊断参数；诊断标准设定单元，该诊断标准设定单元使用所述第一期间中的所述诊断参数和所述第二期间中的所述诊断参数来设定诊断标准；以及诊断单元，该诊断单元基于所述第三期间中的所述诊断参数和所述诊断标准来诊断所述监视对象装置的异常。

本发明是一种可连接到监视对象装置的状态监视装置中的状态监视方法。设置第一期间、第二期间和第三期间，所述第一期间是所述监视对象装置连接到所述状态监视装置之前的期间，所述第二期间是所述监视对象装置连接到所述状态监视装置之后且用于诊断所述监视对象装置的异常的准备期间，所述第三期间是所述监视对象装置连接到所述状态监视装置之后且诊断所述监视对象装置的异常的期间。所述状态监视方法包括：由所述监视对象装置在所述第二期间从包括在所述监视对象装置中的传感器获得表示所述监视对象装置的状态的传感数据；由所述状态监视装置基于在所述第二期间获取的所述传感数据来计算所述第二期间中的诊断参数；由所述状态监视装置从包括在所述监视对象装置中的记录器获取表示所述监视对象装置在所述第一期间和所述第二期间中的特性的特性数据；由所述状态监视装置使用所述第二期间中的所述特性数据和所述第二期间中的所述诊断参数，生成表示所述特性数据和所述诊断参数之间的关系的回归模型；由所述状态监视装置使用所述回归模型推定与所述第一期间中的所述特性数据相对应的所述第一期间中的诊断参数；由所述状态监视装置使用所述第一期间中的所述诊断参数和所述第二期间中的所述诊断参数来设定诊断标准；以及由所述状态监视装置在所述第三期间从包括在所述监视对象装置中的所述传感器获取表示所述监视对象装置的状态的所述传感数据；由所述状态监视装置基于在所述第三期间中获取的所述传感数据，计算所述第三期间中的诊断参数；以及由所述状态监视装置基于所述第三期间中的所述诊断参数和所述诊断标准来诊断所述监视对象装置的异常。

发明效果

根据本发明，可以在保持诊断精度的同时，缩短调整期间。因此，可以缩短设置状态监视装置和状态监视系统转换到状态监视系统可以诊断监视对象装置的运转状态所需的期间。

附图说明

图1是表示一般的状态监视系统的结构例的图。

图2是表示根据实施方式1的状态监视系统的结构例的图。

图3是表示根据实施方式1的状态监视系统的状态转换的图。

图4是表示将一般状态监视系统中的数据的利用与根据本实施方式的状态监视系统中的数据的利用进行比较的图。

图5是表示一般状态监视系统在调整状态下执行的处理步骤的流程图。

图6是表示根据实施方式1的状态监视系统在调整状态下执行的处理步骤的流程图。

图7是表示在设置状态监视装置之后的诊断参数的变化的图。

图8是表示保存在SCADA中的风力发电设备的主轴转速数据的图。

图9是表示根据实施方式1的调整期间的诊断参数的变化的图。

图10是表示根据实施方式1的二阶多项式回归模型的图。

图11是表示推定的诊断参数的图。

图12是表示基础数据的示例的图。

图13是表示基础数据和诊断标准的示例的图。

图14是表示基础数据和运转期间的诊断参数的示例的图。

图15是表示根据实施方式1的状态监视系统在运转状态下执行的处理步骤的流程图。

图16是表示根据实施方式1的状态监视系统的诊断过程的流程图。

图17是表示根据实施方式2的状态监视系统的结构例的图。

图18是表示根据实施方式2的状态监视系统在调整状态下执行的处理步骤的流程图。

图19是表示根据实施方式3的状态监视系统的结构例的图。

图20是表示根据实施方式3的状态监视系统在调整状态下执行的处理步骤的流程图。

图21是表示根据实施方式4的状态监视系统在运转状态下执行的处理步骤的流程图。

具体实施方式

在下文中，将参考随附附图描述实施方式。

[实施方式1]

<状态监视系统的结构>

图1是表示一般的状态监视系统的结构例的图。图2是表示根据实施方式1的状态监视系统的结构例的图。

如图1所示，一般的状态监视系统包括监视对象装置901、状态监视装置902、状态显示器903和存储器904。监视对象装置901包括传感器905。状态监视装置902包括传感数据输入单元906、诊断参数计算单元907、诊断单元908、诊断标准设定单元909和输出单元910。

如图2所示，根据本实施方式的状态监视系统包括监视对象装置101、状态监视装置102、状态显示器903和存储器904。

除了监视对象装置101还包括记录器103之外，监视对象装置101与监视对象装置901相同。除了状态监视装置102进一步包括特性数据输入单元104、回归模型生成单元105和诊断参数推定单元106之外，状态监视装置102与状态监视装置902相同。

在本实施方式中，通过利用来自对于一般的状态监视系统来说不存在的记录器103的信息，可以在保持诊断精度的同时缩短调整期间。

监视对象装置101是状态监视装置102进行状态监视和诊断的对象装置。监视对象装置101例如是风力发电设备、生产设施或机床。

传感器905安装在监视对象装置101上。传感器905测量监视对象装置101的物理量，例如加速度、温度和电流。传感器905例如是加速度传感器、温度传感器或接近传感器。

存储器904例如保存输入到状态监视装置102的数据。存储器904例如是内置在状态监视装置102中的非易失性存储器，或者是通过互联网连接到状态监视装置102的服务器。

状态显示器903显示由状态监视装置102提供的诊断结果。状态显示器903例如是安装在监视对象装置101上的显示器面板(显示灯)。

记录器103是保存监视对象装置101的特性数据的设备或介质。记录器103不必内置在监视对象装置101中。记录器103例如是控制装置(诸如可编程逻辑控制器(PLC)或监控和数据采集(SCADA)的存储器)或任何其他状态监视装置。

(状态监视系统的状态转换)

图3是表示根据实施方式1的状态监视系统的状态转换的图。

状态监视系统有三种状态。

未设置状态是指未设置状态监视装置102并且状态监视装置102和监视对象装置101未连接的状态。

调整状态是指如下状态：状态监视装置102和监视对象装置101连接，状态监视装置102收集监视对象装置101的传感数据和特性数据，并设定诊断标准。在调整状态下，不诊断监视对象装置101。

运转状态是指如下状态：状态监视装置102和监视对象装置101连接，状态监视装置102收集监视对象装置101的传感数据，并且基于设定的诊断标准来诊断监视对象装置101。

设置是指状态监视装置102被设置并且状态监视装置102和监视对象装置101连接的状态。当被设置时，状态监视装置102从未设置状态转换到调整状态。

移除是指将状态监视装置102从监视对象装置101断开并移开。这使得状态监视装置102从调整状态或运转状态转换到未设置状态。

当诊断标准被设定时，状态监视装置102从调整状态转换到运转状态。

状态变化是指状态监视装置102及其周围部件发生变化，诊断标准变得不合适的情况。状态变化是指例如监视对象装置101的维护或传感器的更换。状态变化使得状态监视装置102从运转状态转换到调整状态。

在本实施方式中，状态监视装置102处于未设置状态的期间被称为第一期间，状态监视装置102处于调整状态的期间被称为第二期间，并且状态监视装置102处于运转状态的期间被称为第三期间。换言之，对状态监视装置102设置第一期间、第二期间和第三期间，其中，第一期间是监视对象装置101连接到状态监视装置102之前的期间，第二期间是监视对象装置101连接到状态监视装置102之后且用于诊断监视对象装置101的异常的预备期间，第三期间是监视对象装置101连接到状态监视装置102之后且状态监视装置102诊断监视对象装置101的异常的期间。

在本实施方式中，通过减少状态监视装置102处于调整状态的期间(第二期间)，允许状态监视装置102快速地转换到运转状态。

再次参照图2，在第二期间(调整期间)和第三期间(运转期间)，传感数据输入单元906从包括在监视对象装置101中的传感器905获取表示监视对象装置101的状态的传感数据。

基于在第二期间(调整期间)和第三期间(运转期间)获取的传感数据，诊断参数计算单元907计算第二期间(调整期间)和第三期间(运转期间)中的诊断参数。

特性数据输入单元104从包括在监视对象装置101中的记录器103获取表示在第一期间(未设置期间)和第二期间(调整期间)的监视对象装置的特性的特性数据。

回归模型生成单元105使用第二期间(调整期间)中的时间ti处的特性数据和第二期间(调整期间)中的时间ti处的诊断参数(其中i＝1～n)，生成表示特性数据和诊断参数之间的关系的回归模型。

诊断参数推定单元106使用回归模型，推定与第一期间(未设置期间)中的特性数据相对应的第一期间(未设置期间)中的诊断参数。

诊断标准设定单元109使用第一期间(未设置期间)和第二期间(调整期间)中的诊断参数来设定诊断标准。

诊断单元908基于第三期间(运转期间)中的诊断参数和由诊断标准设定单元109设定的诊断标准来诊断监视对象装置101的异常。

输出单元910输出908的诊断结果。

(调整数据)

图4是表示将一般状态监视系统中的数据的利用与根据本实施方式的状态监视系统中的数据的利用进行比较的图。

在一般状态监视系统中，诊断标准设定单元909用于设定诊断标准的基础数据是基于在第二期间(调整期间)中从传感器905输出的传感数据计算的诊断参数。

在根据本实施方式的状态监视系统中，诊断标准设定单元109用于设定诊断标准的基础数据是基于第二期间(调整期间)中从传感器905输出的传感数据计算的诊断参数和根据第一期间(未设置期间)中的特性数据推定的第一期间(未设置期间)中的诊断参数。

作为基础数据，由一般状态监视系统执行的调整过程仅使用基于在调整期间从传感器905输出的传感数据计算的诊断参数，因此具有以下问题。

第一，为了设定正确的诊断标准，需要大量的传感数据。其结果，状态监视系统从调整状态转换到运转状态需要更长的期间(调整期间)。

第二，如果强制缩短调整期间，则用于设定诊断标准的基础数据减少。其结果，很难设定正确的诊断标准。

第三，如果监视对象装置的状态在调整期间发生偏斜，则基础数据可能发生偏斜。其结果，无法设定正确的诊断标准。

第四，很少有方法可以评估在监视对象装置101的各种状态中，基础数据可以覆盖多少状态。其结果，无法设定合适的调整期间。

在本实施方式中，可以通过将根据记录器103在未设置期间保持的特性数据推定的未设置期间的诊断参数添加到基础数据来解决上述问题。

关于第一和第二问题，在本实施方式中，即使存在少量基于在调整期间从传感器905输出的传感数据计算的诊断参数，也可以通过将未设置期间的推定诊断参数添加到基础数据来确保足够量的基础数据。这使得能在短调整期间内设定正确的诊断标准。

关于第三问题，在本实施方式中，即使监视对象装置的状态在调整期间发生偏斜，也可以通过推定未设置期间的诊断参数并将其添加到基础数据来降低基础数据的偏斜。这使得能设定正确的诊断标准。

关于第四问题，在本实施方式中，如果回归模型是准确的，则可以从在记录器中累积的特性数据推定足够量的诊断参数，并添加到基础数据中。这使得能通过评估回归模型的性能，在适当的时间结束调整期间。

(调整过程)

图5是表示一般状态监视系统在调整状态下执行的处理步骤的流程图。图6是表示根据实施方式1的状态监视系统在调整状态下执行的处理步骤的流程图。状态监视系统可以响应于移除在调整状态期间的任何时间转换到未设置状态，因此在这些流程图中没有描述。

如图5所示，一般状态监视系统在调整状态下执行的处理步骤包括步骤S101、S102和S106。如图6所示，根据本实施方式的状态监视系统在调整状态下执行的处理步骤包括步骤S101～S106。

参照图6，在步骤S101中，传感数据输入单元906收集在调整期间中从安装在监视对象装置101上的传感器905输出的表示监视对象装置101的状态的传感数据(数据测量)。由传感器905获取的传感数据例如是来自加速度传感器、电流传感器、电压计、颜色传感器、方位传感器、风速传感器、流量传感器、压力传感器或接近传感器的数据。

在步骤S102中，诊断参数计算单元907基于在调整期间获取的传感数据来计算调整期间中的诊断参数。诊断参数不仅是由传感器905检测到的数据本身，而且还是由传感器905检测到的数据的例如均方根、调制值、平均值、中值、峰度和偏斜度等统计数据；通过将电流值和额定电压相乘来确定的功率量；安装在监视对象装置101中包括的传送器的多个位置上的接近传感器的输入之间的时间差；以及根据这些接近传感器之间的距离确定的例如被传送物品的速度等物理量。

在步骤S103中，特性数据输入单元104从监视对象装置101中包括的记录器103获取表示未设置期间和调整期间中的监视对象装置101的特性的特性数据。监视对象装置101的特性数据的示例包括监视对象装置的压力、温度、转速、电流值、流量或维护信息。在监视对象装置101是风力发电设备的情况下，特性数据的示例包括风向、风速、天气或气压。在监视对象装置101是机床的情况下，特性数据的示例包括加工工件的类型、加工工序的类型、工具信息或材料的类型。

在步骤S104中，回归模型生成单元105使用调整期间中的特性数据和调整期间中的诊断参数，生成表示特性数据和诊断参数之间的关系的回归模型。回归模型是各种神经网络，例如简单回归模型(单一回归)、多元回归模型(多元回归)、前馈神经网络或径向基函数(RBF)网络。

在步骤S105中，诊断参数推定单元106使用回归模型，推定与未设置期间的特性数据对应的未设置期间的诊断参数。

在步骤S106中，诊断标准设定单元109根据由未设置期间的诊断参数和调整期间的诊断参数组成的基础数据，来生成诊断标准。诊断标准是阈值或调整后的神经网络。阈值例如是基础数据的平均值乘以基础数据的标准偏差的固定倍数(例如，3)。

(调整的具体示例)

作为调整的具体示例，示出监视对象装置101是风力发电设备的一个示例。振动传感器安装在风力发电设备的加速变速箱上。

在步骤S101中，在调整期间中，传感数据输入单元906收集从安装在监视对象装置101上的振动传感器输出的表示监视对象装置101的振动状态的振动数据。

在步骤S102中，诊断参数计算单元907根据在调整期间中获取的振动数据计算在调整期间中的振动均方根以作为诊断参数。

在步骤S103中，作为风力发电设备的特性数据，特性数据输入单元104从包括在监视对象装置101中的记录器103获取保存在风力发电设备的控制装置中的未设置期间和调整期间中的主轴的转速。

在步骤S104中，回归模型生成单元105使用调整期间的特性数据(主轴的转速)和调整期间的诊断参数(振动均方根)，生成表示特性数据和诊断参数之间的关系的二阶多项式回归模型。

在步骤S105中，诊断参数推定单元106使用二阶多项式回归模型，推定与未设置期间的特性数据(主轴的转速)相对应的未设置期间的诊断参数(振动均方根)。

在步骤S106中，诊断标准设定单元909根据由未设置期间的振动均方根和调整期间的振动均方根组成的基础数据，生成由第一阈值Th1和第二阈值Th2组成的诊断标准。第一阈值Th1和第二阈值Th2表示如下：

Th1 ＝ μ + a × σ … (1)

Th2 ＝ μ + a × σ × n … (2)

其中σ和μ分别是基础数据的标准偏差和平均值，a是任意实数，n是大于1的任意常数。例如，可以设置a＝3和n＝2。

(数据示例)

图7是表示在设置状态监视装置之后的诊断参数的转变的图。假设在8月1日设置状态监视装置。图8是表示保存在SCADA中的风力发电设备的主轴转速数据的图。在状态监视装置设置后的一个月期间(8月1日至9月1日)，风车主轴的每分钟转数(rpm)持续较低，并且仅在主轴rpm较低时才测量振动均方根(诊断参数)。由此，对于一般方法，如果在状态监视设备设置后一个月以上没有振动传感器测量振动数据，则无法设定正确的诊断标准。

图9是表示根据实施方式1的调整期间的诊断参数的变化的图。将状态监视装置设置后的一个月(8月1日至9月1日)作为调整期间，在该调整期间根据由传感器905获取的传感数据计算作为诊断参数的振动均方根。

图10是表示根据实施方式1的二阶多项式回归模型的图。利用状态监视装置设置后的一个月(8月1日至9月1日)的调整期间内的一组振动均方根(诊断参数)和主轴转速(特性数据)，生成二阶多项式回归模型，以用于根据主轴转速(特性数据)推定振动均方根(诊断参数)。由于主轴转速在调整期间较低，因此从较低的主轴转速及其相应的振动均方根生成二阶多项式回归模型。

图11是表示推定的诊断参数的图。获取与未设置期间的主轴rpm(特性数据)相对应的振动均方根(诊断参数)。

图12是表示基础数据的示例的图。基础数据包括：在调整期间内根据由振动传感器获取的传感数据计算的振动均方根(诊断参数)；以及在未设置期间使用二阶多项式回归模型根据主轴转速(特性数据)推定的振动均方根(诊断参数)。

图13是表示基础数据和诊断标准的示例的图。如图13所示，根据基础数据设定作为诊断标准的第一阈值Th1和第二阈值Th2。因此，在本实施方式中，在状态监视装置设置后的一个月内，可以设定诊断标准，并且可以使状态监视装置102转换到运转状态。

图14是表示基础数据和运转期间的诊断参数的示例的图。运转期间从9月1日开始。在运转期间，将根据振动传感器的传感数据获取的振动均方根(诊断参数)与第一阈值Th1和第二阈值Th2进行比较，从而诊断监视对象装置101。

(运转)

图15是表示根据实施方式1的状态监视系统在运转状态下执行的处理步骤的流程图。

由移除引起的到未设置状态的转换以及由状态变化引起的到调整状态的转换可以在运转状态期间的任何时间发生，因此在流程图中没有描述。此外，只要移除或状态变化没有发生，运转状态就继续。因此，也没有描述流程图的结束。

在步骤S301中，在运转期间中，传感数据输入单元906收集从安装在监视对象装置101上的传感器905输出的表示监视对象装置101的状态的传感数据。

在步骤S302中，诊断参数计算单元907基于在运转期间中获取的传感数据来计算运转期间中的诊断参数。

在步骤S303中，诊断单元908使用在调整期间中设定的诊断标准，分析在步骤S302中计算出的诊断参数，从而诊断监视对象装置101的状态。

在步骤S304中，输出单元910将诊断结果输出到状态显示器903。

(诊断)

由诊断单元908进行的诊断方法的示例包括通过将诊断参数与阈值进行比较来诊断监视对象装置101的状态的方法、利用对诊断参数进行聚类来分类而得到的集群的诊断方法、以及将诊断参数输入到调整后的神经网络并且将来自神经网络的输出用作诊断结果的方法。

下面，将描述将诊断参数与阈值进行比较并且按情况诊断监视对象装置101的状态的方法。

图16是表示根据实施方式1的状态监视系统的诊断过程的流程图。

在步骤S501中，如果诊断参数(x)小于或等于第一阈值(Th1)，则处理前进到步骤S503。如果诊断参数(x)大于第一阈值(Th 1)，则处理进行到步骤S502。

在步骤S502中，如果诊断参数(x)小于或等于第二阈值(Th2)，则处理前进到步骤S504。如果诊断参数(x)大于第二阈值(Th2)，则处理前进到步骤S505。

在步骤S503中，诊断单元908判定为监视对象装置101处于“正常状态”。“正常”是指监视对象装置101没有异常的状态。

在步骤S504中，诊断单元908判定为监视对象装置101处于“要检查状态”。“要检查状态”是指监视对象装置101具有一些异常迹象并且需要检查的状态。

在步骤S505中，诊断单元908判定为监视对象装置101处于“要停止状态”。“要停止状态”是指如果监视对象装置101继续进一步运转，则监视对象装置可能被损坏的状态。

在本实施方式中，通过利用存在于控制装置等中的数据，即使缩短调整期间，也可以保持诊断精度。调整期间的缩短使得可以缩短从状态监视装置的设置到诊断开始的时间滞后，从而降低了由于异常事件发生在诊断开始之前而错过异常事件的可能性。

[实施方式2]

图17是表示根据实施方式2的状态监视系统的结构例的图。

根据实施方式2的状态监视系统在根据实施方式1的状态监视系统的部件的基础上，还包括特性数据选择单元107，并且包括回归模型生成单元205来代替回归模型生成单元105。

特性数据选择单元107从多个第二期间的特性数据项中选择在第二期间中与诊断参数的相关系数大于或等于阈值的特性数据。例如，假设在诊断参数是振动均方根的情况下，获取主轴的转速、风向和风量以作为特性数据。特性数据选择单元107在第二期间的主轴的转速与第二期间的振动均方根的相关系数大于或等于阈值、第二期间的风向与第二期间的振动均方根的相关系数小于阈值、且第二期间的风量与第二期间的振动均方根的相关系数小于阈值的情况下选择主轴的转速。

回归模型生成单元205使用所选择的特性数据生成回归模型。

图18是表示根据实施方式2的状态监视系统在调整状态下执行的处理步骤的流程图。除了图18的实施方式2的流程图包括步骤S201之外，图18的实施方式2的流程图与图6的实施方式1的流程图相同。

在步骤S201中，特性数据选择单元107从多个第二期间(调整期间)的特性数据项中选择与第二期间(调整期间)的诊断参数的相关系数大于或等于阈值的特性数据，并将该特性数据输出到回归模型生成单元205。

根据本实施方式，通过使用与诊断参数具有高相关性的特性数据，可以生成精确的回归模型。

[实施方式3]

图19是表示根据实施方式3的状态监视系统的结构例的图。

根据实施方式3的状态监视系统在根据实施方式2的状态监视系统的部件的基础上，还包括回归模型评估单元303。

回归模型评估单元303基于度量标准确定回归模型的得分。度量标准例如是准确度、精确度、再现率、F值(F-stop)、均方误差、均方根误差或决定系数。

例如，回归模型评估单元303计算与调整期间中的时间ti处的特性数据对应的在调整期间中的时间ti处计算出的诊断参数、与通过将时间ti的特性数据输入到回归模型而获取的诊断参数之间的均方误差，其中i＝1到n。

重复由传感数据输入单元906获取传感数据、由诊断参数计算单元907计算诊断参数、由特性数据输入单元104获取特性数据以及由回归模型生成单元205生成回归模型，直到回归模型的得分达到预定值为止。

图20是表示根据实施方式3的状态监视系统在调整状态下执行的处理步骤的流程图。除了图20的实施方式3的流程图包括步骤S105之后的步骤S401之外，图20的实施方式3的流程图与图18的实施方式2的流程图相同。

在步骤S401中，回归模型评估单元303基于度量标准确定回归模型的得分。

如果回归模型的得分大于或等于预定值，则处理前进到步骤S105。如果回归模型的得分小于预定值，则处理前进到步骤S101。

在本实施方式中，可以通过评估回归模型的性能来适当地判定结束调整期间的时间。通过适当地判定结束调整期间的时间，可以降低过度延长调整期间的风险、以及由于缩短调整期间至小于必要长度而导致的误诊断风险。

[实施方式4]

根据实施方式4的状态监视系统具有在运转期间修改诊断标准的功能。

图21是表示根据实施方式4的状态监视系统在运转状态下执行的处理步骤的流程图。

在步骤S601中，在运转期间中，传感数据输入单元906收集从安装在监视对象装置101上的传感器905输出的表示监视对象装置101的状态的传感数据。

在步骤S602中，诊断参数计算单元907基于在运转期间中的传感数据来计算运转期间中的诊断参数。

在步骤S603中，诊断单元908使用在调整期间中设定的诊断标准或在运转期间中修改的诊断标准，分析在步骤S602中计算出的诊断参数，从而诊断监视对象装置101的状态。

在步骤S604中，输出单元910将诊断结果输出到状态显示器903。

在步骤S605中，特性数据输入单元104从包含在监视对象装置101中的记录器103获取表示运转期间中的监视对象装置101的特性的特性数据。

在步骤S606中，回归模型生成单元205使用调整期间和运转期间中的特性数据以及调整期间和运转期间中的诊断参数，修改表示特性数据和诊断参数之间的关系的回归模型。

在步骤S607中，诊断参数推定单元106使用修改后的回归模型，推定与未设置期间的特性数据对应的未设置期间的诊断参数。

在步骤S608中，诊断标准设定单元109根据由未设置期间的诊断参数、调整期间的诊断参数、以及运转期间的诊断参数组成的基础数据，来修改诊断标准。

当前公开的实施方式在所有方面应当被认为是用于例示而非用于限制。本发明的范围由所附权利要求而不是上述描述来限定。落入所附权利要求的等效方案的含义和范围内的所有改变均应被权利要求的范围所涵盖。

标号说明

101、901监视对象装置；102、902状态监视装置；103记录器；104特性数据输入单元；105、205回归模型生成单元；106诊断参数推定单元；107特性数据选择单元；109、909诊断标准设定单元；303回归模型评估单元；903状态显示器；904存储器；905传感器；906传感数据输入单元；907诊断参数计算单元；908诊断单元；910输出单元。