-
公开(公告)号：CN112334849A
公开(公告)日：2021-02-05
申请号：CN201880094588.8
申请日：2018-06-18
Applicant: 三菱电机株式会社
IPC: G05B23/02
Abstract: 诊断装置(10)具有取得部(101)和诊断部(140)。取得部(101)取得包含成为有无异常的诊断对象的对象信号在内的多个输入信号。诊断部(140)根据与对象信号相关的第1指标值和与多个输入信号相关的第2指标值，基于多个输入信号间的相关关系，对有无异常进行诊断。第1指标值表示对象信号的波形与预先确定的基准波形类似的程度。第2指标值是基于对象信号与预先确定的图案的对比的值，是根据多个输入信号的值计算的。
-
公开(公告)号：CN110753939B
公开(公告)日：2024-03-01
申请号：CN201780091725.8
申请日：2017-06-07
Applicant: 三菱电机楼宇解决方案株式会社 , 三菱电机株式会社
IPC: G06F18/24
Abstract: 在数据名称列表(36)中包含有表示传感器组(12)中包含的各传感器的检测值的数据名称组。词素解析部(52)将数据名称列表(36)中包含的各数据名称分割成各用语。分类处理部(54)根据词素解析部(52)的处理结果和定义了属于各属性项目的用语的辞典DB(38)，执行将数据名称列表(36)中包含的各数据名称分类为针对多个属性项目的多个属性名从而生成已分类数据名称的分类处理。可靠度计算部(56)根据辞典DB靠度是与分类处理部(54)进行的分类处理的精度有关的指标。数据提供部(50)将包含已分类数据名称和可靠度的分类结果列表(40)提供给用(38)，针对各已分类数据名称计算可靠度，该可
-
公开(公告)号：CN115836306A
公开(公告)日：2023-03-21
申请号：CN202080102303.8
申请日：2020-06-26
Applicant: 三菱电机株式会社
IPC: G06N99/00
Abstract: 得到能够更高精度地对学习用数据的数据量的充分性进行判定的数据量充分性判定装置。本发明涉及的数据量充分性判定装置具有：时序数据取得部，其取得时序数据；数据分割部，其将时序数据分割为多个子序列数据；数据集合生成部，其生成多个子序列数据集合，该子序列数据集合是子序列数据的集合；特征量计算部，其对子序列数据的特征量进行计算；概率分布生成部，其针对各个子序列数据集合而生成特征量的概率分布；以及判定部，其对概率分布是否已收敛进行判定。
-
公开(公告)号：CN104364721B
公开(公告)日：2017-01-18
申请号：CN201380031236.5
申请日：2013-05-21
Applicant: 三菱电机株式会社
IPC: G05B19/05
CPC classification number: G06F13/10 , G05B19/05 , G05B2219/15127 , G06F13/20
Abstract: 在PLC的I/O设备中，能够对多个数据并行地执行输入输出处理，以低成本实现I/O设备之间的输入输出处理的高速化。I/O设备的运算数据提取部(150)输入接收到的其他I/O设备的其他站点输入(C)和其他站点输出(D)，以及本站点输入(A)和本站点输出(B)。运算数据提取部(150)将本站点输入(A)、本站点输出(B)、其他站点输入(C)、其他站点输出(D)分别作为对象，根据在参数部(140)中存储的参数(选择种类、数据位置、选择站点编号、本站点编号)，对运算数据进行提取。运算部(160)使用由运算数据提取部存储的运算处理(141)(存储多个运算方式)，并行执行多个运算处理。(150)提取出的运算数据，根据在参数部(140)中
-
-
Patent Agency Ranking
公开(公告)号：CN112334922B
公开(公告)日：2022-05-10
申请号：CN201880094703.1
申请日：2018-06-21
Applicant: 三菱电机株式会社
IPC: G06N20/00
Abstract: 学习装置(10)具有取得部(11)、学习部(12)和生成部(14)。取得部(11)取得学习信号。学习部(12)与表示波形的类似程度的类似度相应地对从由取得部(11)取得的学习信号剪切出的部分信号进行聚类，对表示聚类后的部分信号的波形的基准波形进行学习。生成部(14)根据类似度的分布和包含聚类后的部分信号在内的各群集的特性的至少一方，生成而输出表示学习部(12)的学习的进度状况的进度信息。
-
公开(公告)号：CN111971664B
公开(公告)日：2022-03-15
申请号：CN201880091829.3
申请日：2018-03-30
Applicant: 三菱电机株式会社
IPC: G06F16/20
Abstract: 学习处理部(100)的指标输出部(120)基于所输入的包含分析对象本身的特征和分析对象周围的环境的特征在内的分析对象的属性，对选择分析模式的指标进行输出。分析模式选择部(170)从多个分析模式中，选择数据分析的特性的评价值满足一定条件的分析模式，作为对分析对象所输出的被诊断数据进行分析的分析模式，该条件是按照数据分析的特性的评价值与指标之间的关系预先设定好的。
-
公开(公告)号：CN112449696A
公开(公告)日：2021-03-05
申请号：CN201880095747.6
申请日：2018-07-23
Applicant: 三菱电机株式会社
IPC: G06F16/2455
Abstract: 时序数据诊断装置(10)具有存储部(11)、差异度计算部(13)、诊断结果信息生成部(14)、评价信息取得部(16)以及更新部(17)。差异度计算部(13)对作为诊断对象的时序数据与在存储单元中储存的已学习样本子序列数据之间的差异度进行计算。诊断结果信息生成部(14)基于由差异度计算部(13)计算出的差异度而生成作为诊断对象的时序数据的诊断结果信息。评价信息取得部(16)取得评价信息，该评价信息表示诊断结果信息是否是妥当的诊断结果的评价。更新部(17)在评价信息取得部(16)取得了表示不是妥当的诊断结果这一评价的评价信息的情况下，基于与诊断结果信息对应的作为诊断对象的时序数据，对在存储部(11)中储存的已学习样本子序列数据进行更新。
-
公开(公告)号：CN110352389B
公开(公告)日：2021-02-23
申请号：CN201780075997.9
申请日：2017-07-31
Applicant: 三菱电机株式会社
IPC: G05B23/02
Abstract: 信息处理装置(10)的特征在于，具有：数据取得部(101)，其取得作为时序数据的输入数据；标本误差上限计算部(102)，其在从作为时序数据的学习数据提取出的子序列即多个学习子序列中对类似的学习子序列进行整合而生成标本子序列时，使用从输入数据取出的数据，计算所整合的多个学习子序列之间的相异度的上限即标本误差上限；以及标本子序列生成部(103)，其使用标本误差上限，根据学习数据生成标本子序列。
-
公开(公告)号：CN112334922A
公开(公告)日：2021-02-05
申请号：CN201880094703.1
申请日：2018-06-21
Applicant: 三菱电机株式会社
IPC: G06N20/00
Abstract: 学习装置(10)具有取得部(11)、学习部(12)和生成部(14)。取得部(11)取得学习信号。学习部(12)与表示波形的类似程度的类似度相应地对从由取得部(11)取得的学习信号剪切出的部分信号进行聚类，对表示聚类后的部分信号的波形的基准波形进行学习。生成部(14)根据类似度的分布和包含聚类后的部分信号在内的各群集的特性的至少一方，生成而输出表示学习部(12)的学习的进度状况的进度信息。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
