[0001] 本发明涉及一种数据处理技术，特别涉及一种诊断系统。

[0002] 在下面的专利文献1中公开了一种作业装置，在该作业装置中，估计部基于第二力检测部的检测结果来估计第一力检测部检测的力的朝向和大小，异常判断部通过将估计部的估计结果与第一力检测部的检测结果进行比较，来判断是否第一力检测部和第二力检测部中的至少一方异常。

[0003] 现有技术文献

[0004] 专利文献

[0005] 专利文献1：日本特开2020‑39397号公报

[0020] 说明实施例的概要。为了能够从远程诊断机床等设备的状态，针对设备的传感器设置在不断发展。然而，为了进行针对传感器的适当的诊断，需要高精度地判断传感器是否为能够信任的状态。在实施例中，提出了如下的一种技术：在估计设置于设备的传感器的探测结果并使用其估计结果来估计该传感器的状态的诊断系统中，考虑设备的动作条件来估计传感器的探测结果。由此，使对传感器的探测结果的估计精度提高，并使对该传感器的状态的估计结果提高。

[0021] <第一实施例>

[0022] 图1示出了第一实施例的诊断系统10的结构。诊断系统10对设置于设备(在第一实施例中为机械臂12)的传感器的状态进行诊断，该设备具有受理驱动力而驱动的可动部。机械臂12具备第一可动部14a、第二可动部14b以及第三可动部14c(在统称的情况下，称为“可动部14”。)。多个可动部14中的每一个可动部14包括受到液压、电力等驱动力而驱动的机械要素，例如是关节构件。实施例的机械臂12具备三个可动部14，进行三轴的动作，但作为变形例，机械臂12也可以具备六个可动部14，进行六轴的动作。

[0023] 机械臂12还具备第一连杆16a、第二连杆16b以及第三连杆16c(在统称的情况下，称为“连杆16”。)。第一连杆16a是将第一可动部14a与第二可动部14b连结的连杆构件。第二连杆16b是将第二可动部14b与第三可动部14c连结的连杆构件。第三连杆16c是比第三可动部14c靠前的连杆构件。

[0024] 机械臂控制装置18基于应使机械臂12采取的姿势、动作等，来向第一可动部14a发送用于控制第一可动部14a的动作的第一控制信号。另外，机械臂控制装置18向第二可动部14b发送用于控制第二可动部14b的动作的第二控制信号。另外，机械臂控制装置18向第三可动部14c发送用于控制第三可动部14c的动作的第三控制信号。第一控制信号、第二控制信号、第三控制信号中的各个控制信号包含决定了各可动部14的动作条件的动作条件信息。动作条件例如包含用于指定或规定可动部14的动作的方式(例如速度、角度、角速度、加速度、动作时间等)的数据。

[0025] 诊断系统10是以独立于与机械臂12的动作有关的主系系统的方式构建出的旁系系统，能够在之后附加于既有的主系系统。诊断系统10具备第一传感器装置20a、第二传感器装置20b、第三传感器装置20c以及诊断装置22。在对第一传感器装置20a、第二传感器装置20b、第三传感器装置20c进行统称的情况下，称为“传感器装置20”。

[0026] 图2是示出第一实施例的传感器装置20的功能块的框图。在本说明书的框图中示出的各块在硬件上能够由以计算机的处理器、CPU、存储器为首的元件、电子电路、机械装置来实现，在软件上由计算机程序等来实现，但是在此描绘了通过它们的协作来实现的功能块。因而，本领域技术人员能够理解的是，这些功能块能够通过硬件和软件的组合来以各种形式实现。

[0027] 传感器装置20作为标牌而被安装于具有规定的物理构造的物品(下面也称为“对象物”。)的表面。对象物可以是各种电子设备、电气设备、机械装置、部件或完成品。在第一实施例中，设为多个传感器装置20设置于机械臂12的连杆16，但作为变形例，多个传感器装置20中的至少一部分也可以设置于机械臂12的可动部14。传感器装置20具备探测部30、处理部32、环境发电部34、蓄电部36以及天线38。

[0028] 传感器装置20作为标牌而在外侧的表面(图2的打印面)显示与对象物有关的各种信息。另外，在传感器装置20中，与图2所示的各功能块相对应的构件呈薄片状地一体地设置。薄片状是指传感器装置20的厚度方向上的长度比传感器装置20的纵向上的长度和横向上的长度中的任一方都短。例如，在传感器装置20的纵向上的长度和横向上的长度为几厘米时，传感器装置20的厚度方向上的长度为5毫米以下。另外，期望传感器装置20的厚度方向上的长度为1毫米以下。

[0029] 探测部30设置为与对象物接触或接近，用于测量与对象物有关的状态(也可以说是物理量)。第一传感器装置20a的探测部30测量机械臂12中的第一传感器装置20a设置位置、即在第一实施例中测量与机械臂12中的第一连杆16a有关的状态。第二传感器装置20b的探测部30测量机械臂12中的第二传感器装置20b设置位置、即在第一实施例中测量与机械臂12中的第二连杆16b有关的状态。第三传感器装置20c的探测部30测量机械臂12中的第三传感器装置20c设置位置、即在第一实施例中测量与机械臂12中的第三连杆16c有关的状态。

[0030] 由探测部30测量出的与对象物有关的状态也可以是对象物本身的状态(对象物的内部和表面中的某一方或双方的状态)和对象物的周围(换而言之，包围对象物的环境)的状态中的某一方或双方。另外，与对象物有关的状态既可以是一个类型的物理状态或物理量，也可以是多个类型的物理状态或物理量的组合。例如，与对象物有关的状态也可以是振动(例如三轴加速度)和/或温度。另外，与对象物有关的状态也可以是在设置于对象物的动力传递路径内流动的流体的速度和/或压力，也可以基于超声波或电波的反射强度来对它们进行测量。

[0031] 在第一实施例中，探测部30测量传感器设置位置(也可以说是传感器设置部位)的振动。探测部30向处理部32输出基于测量结果(探测结果)的信号(也称为“探测信号”。)。

[0032] 处理部32基于探测部30的测量结果、即在实施例中基于从探测部30输出的探测信号，来生成从天线38输出的信息(下面也称为“传感器数据”。)。处理部32也可以基于从探测部30输出的探测信号来执行规定的运算(例如各种滤波处理、由人工智能功能进行的异常诊断处理等)，来生成包含其运算结果的传感器数据。

[0033] 天线38作为输出部而向外部输出基于探测部30的测量结果的数据、即在实施例中输出处理部32生成的传感器数据。天线38也可以作为通信部而利用Wi‑Fi(注册商标)、BLE(Bluetooth Low Energy：蓝牙低能耗(注册商标))或NFC(Near Field Communication：近场通信)等向外部装置发送传感器数据。在实施例中，从传感器装置20的天线38发送出的传感器数据经由无线通信网和有线通信网被传输到诊断装置22。

[0034] 环境发电部34将存在于传感器装置20的周围的环境中的能量转换为电力(所谓的环境发电)，将进行发电而得到的电力作为用于使传感器装置20的各功能块进行动作的电力来供给。环境发电部34也可以基于温度、湿度、Wi‑Fi等电波、来自传感器装置20的周围的电磁波(包括辐射线、宇宙射线，还包括从电动马达等发出的电磁噪声)、振动、声音(包括超声波)、光(包括可见光、红外光、紫外线)、流体或粉末的流动(风、波等)中的至少一者的能量来进行公知的环境发电。此外，天线38也可以包括环境发电部34的功能，在该情况下，天线38也可以以分时的方式执行数据通信和环境发电。

[0035] 蓄电部36对由环境发电部34发电得到的电进行累积，并将所累积的电力作为用于使传感器装置20的各功能块进行动作的电力来供给。在实施例中，传感器装置20的探测部30、处理部32、天线38能够基于从环境发电部34供给的电力来进行动作，也能够利用从蓄电部36供给的电力进行动作。蓄电部36既可以是电容器(包括双电层电容器)，也可以是二次电池(例如锂离子电池、固体锂离子电池、空气电池)。

[0036] 返回图1，诊断装置22是经由由未图示的接入点、开关、路由器等构成的无线通信网和有线通信网来与第一传感器装置20a、第二传感器装置20b、第三传感器装置20c连接的信息处理装置。诊断装置22执行用于对第一传感器装置20a、第二传感器装置20b、第三传感器装置20c中的特定的传感器装置20的状态进行诊断的数据处理。下面，将作为诊断状态的对象的特定的传感器装置20称为“诊断对象传感器”。第一实施例中的诊断对象传感器是第三传感器装置20c。

[0037] 图3是示出第一实施例的诊断装置22的功能块的框图。诊断装置22具备控制部40、存储部42以及通信部44。控制部40执行各种数据处理。存储部42存储由控制部40参照或更新的数据。通信部44按照规定的通信协议来与外部装置进行通信。在第一实施例中，控制部40经由通信部44来与机械臂控制装置18、第一传感器装置20a、第二传感器装置20b、第三传感器装置20c之间发送接收数据。

[0038] 存储部42包括模型存储部46和诊断信息存储部48。模型存储部46存储用于估计诊断对象传感器的探测结果的模拟模型的数据。模拟模型的详情在后文描述。诊断信息存储部48存储表示与诊断对象传感器的状态有关的估计结果的诊断信息。诊断信息也可以包含作为诊断结果的表示诊断对象传感器的状态(例如正常或异常)的信息、以及表示诊断出诊断对象传感器的状态的日期时间的信息。

[0039] 控制部40包括动作条件信息获取部50、探测结果获取部52、探测结果估计部54、传感器状态估计部56以及诊断信息提供部58。实装有这些多个功能块的功能的计算机程序既可以保存于规定的记录介质，也可以经由该记录介质安装到诊断装置22的存储装置。另外，上述计算机程序也可以经由通信网下载并安装到诊断装置22的存储装置。诊断装置22的CPU也可以通过在主存储器中读出上述计算机程序并执行该计算机程序，来发挥各功能块的功能。

[0040] 动作条件信息获取部50从机械臂控制装置18获取从机械臂控制装置18向机械臂12发送出的、能够识别多个可动部14的动作条件的多个动作条件信息(在第一实施例中为第一控制信号、第二控制信号、第三控制信号)。作为变形例，动作条件信息获取部50也可以从机械臂12获取从机械臂控制装置18发送出的上述多个动作条件信息，也可以从对机械臂控制装置18与机械臂12的通信进行中继的中继装置(未图示)获取从机械臂控制装置18发送出的上述多个动作条件信息。

[0041] 探测结果获取部52获取设置于机械臂12的多个传感器装置20的探测结果。具体而言，探测结果获取部52获取从第一传感器装置20a发送出的表示第一传感器装置20a的探测结果的第一传感器数据、从第二传感器装置20b发送出的表示第二传感器装置20b的探测结果的第二传感器数据、以及从第三传感器装置20c发送出的表示第三传感器装置20c的探测结果的第三传感器数据。第一实施例的第一传感器数据、第二传感器数据、第三传感器数据均包含与传感器设置位置的振动有关的信息(例如振幅和频率)。

[0042] 在此，说明第一实施例的模拟模型。模拟模型是受理在第一时间点获取到的动作条件信息以及在该第一时间点获取到的多个传感器数据所表示的多个传感器装置20的探测结果(在第一实施例中为振动信息)作为输入、来估计预先在多个传感器装置20中决定的诊断对象传感器的第二时间点的探测结果的数理模型。数理模型既能够说是计算式，也能够说是函数。另外，模拟模型也可以是对机械臂12的可动部14的动作和传感器装置20的探测结果进行模拟的所谓的数字孪生的模型。第一实施例中的第二时间点设为与第一时间点相同的时间点，但作为变形例，第二时间点也可以是比第一时间点晚的时间点。

[0043] 第一实施例的模拟模型是被输入多个可动部14的动作条件的数理模型。另外，第一实施例的模拟模型是被输入多个传感器装置20中的除诊断对象传感器以外的传感器装置20的探测结果的数理模型。例如，模拟模型也可以是以第一控制信号所表示的动作条件、第二控制信号所表示的动作条件、第三控制信号所表示的动作条件、第一传感器数据所表示的第一传感器装置20a的探测结果、第二传感器数据所表示的第二传感器装置20b的探测结果为解释变量且以诊断对象传感器即第三传感器装置20c的探测结果为目标变量的回归式。

[0044] 也可以在构建第一实施例的模拟模型时，对于第一控制信号所表示的动作条件、第二控制信号所表示的动作条件、第三控制信号所表示的动作条件、第一传感器数据所表示的第一传感器装置20a的探测结果、第二传感器数据所表示的第二传感器装置20b的探测结果、第三传感器数据所表示的第三传感器装置20c的探测结果，将它们的实际的值的组作为样本数据来收集。而且，也可以通过基于多个样本数据进行多元回归分析，来决定各解释变量的系数从而生成模拟模型的数据。

[0045] 探测结果估计部54通过读出存储于模型存储部46的模拟模型的数据，并向模拟模型输入在第一时间点获取到的动作条件信息和在第一时间点获取到的多个传感器装置20的探测结果，来估计诊断对象传感器的第二时间点的探测结果。在第一实施例中，探测结果估计部54向模拟模型输入多个可动部14的动作条件。另外，探测结果估计部54向模拟模型输入多个传感器装置20中的除诊断对象传感器以外的传感器的探测结果。

[0046] 具体而言，探测结果估计部54向模拟模型输入在第一时间点获取到的第一控制信号所表示的动作条件、第二控制信号所表示的动作条件、第三控制信号所表示的动作条件。另外，探测结果估计部54向模拟模型输入在第一时间点获取到的第一传感器数据所表示的第一传感器装置20a的探测结果、第二传感器数据所表示的第二传感器装置20b的探测结果。而且，探测结果估计部54获取从模拟模型输出的、诊断对象传感器即第三传感器装置
20c的第二时间点的探测结果(在第一实施例中为与振动有关的估计值)。

[0047] 传感器状态估计部56将由探测结果估计部54估计出的第二时间点的诊断对象传感器的探测结果与在该第二时间点获取到的诊断对象传感器的探测结果进行比较，来估计诊断对象传感器的状态。

[0048] 在第一实施例中，传感器状态估计部56将作为第二时间点的诊断对象传感器的探测结果的、第二时间点的第三传感器装置20c的探测结果的估计值与作为在第二时间点获取到的诊断对象传感器的探测结果的、在第二时间点获取到的第三传感器数据所表示的第三传感器装置20c的实际的探测结果(测量值)进行比较。在第三传感器装置20c的探测结果的估计值与第三传感器装置20c的实际的探测结果(测量值)之差脱离了规定的容许范围的情况下，传感器状态估计部56估计为第三传感器装置20c的状态异常。该容许范围可以根据诊断系统10的开发者的见解、使用了诊断系统10的实验(例如分别使用了正常的第三传感器装置20c和异常的第三传感器装置20c的实验等)来决定适当的值。

[0049] 传感器状态估计部56将包含诊断对象传感器的状态的估计结果和估计日期时间的诊断信息保存到诊断信息存储部48。作为针对来自外部的请求的响应，诊断信息提供部58向未图示的外部装置(例如维护者的终端等)发送存储于诊断信息存储部48的诊断信息，或者，诊断信息提供部58定期地向未图示的外部装置(例如维护者的终端等)发送存储于诊断信息存储部48的诊断信息。

[0050] 说明基于以上的结构的第一实施例的诊断系统10的动作。

[0051] 图4是示出第一实施例的诊断系统10的动作的流程图。在此，设为第一时间点与第二时间点是相同的时间点来进行说明。

[0052] 第一传感器装置20a的探测部30定期地探测机械臂12中的该传感器设置位置的振动。第一传感器装置20a的天线38向诊断装置22发送表示探测部30的探测结果的第一传感器数据。与之并行地，第二传感器装置20b也探测传感器设置位置的振动，并向诊断装置22发送表示其探测结果的第二传感器数据。同样地，第三传感器装置20c也探测传感器设置位置的振动，并向诊断装置22发送表示其探测结果的第三传感器数据。诊断装置22的探测结果获取部52获取从第一传感器装置20a、第二传感器装置20b、第三传感器装置20c定期地发送出的第一传感器数据、第二传感器数据、第三传感器数据(S10)。

[0053] 诊断装置22的动作条件信息获取部50在某个时间点(第一时间点)从机械臂控制装置18获取机械臂控制装置18向机械臂12发送出的第一控制信号、第二控制信号、第三控制信号(S12)。

[0054] 诊断装置22的探测结果估计部54向模拟模型输入由动作条件信息获取部50在第一时间点获取到的第一控制信号所表示的第一可动部14a的动作条件、第二控制信号所表示的第二可动部14b的动作条件、第三控制信号所表示的第三可动部14c的动作条件、由探测结果获取部52在第一时间点获取到的第一传感器数据所表示的探测结果、第二传感器数据所表示的探测结果。探测结果估计部54获取由模拟模型估计出的第二时间点(在此是与第一时间点相同的时间点)的诊断对象传感器(第三传感器装置20c)的探测结果(估计值)(S14)。

[0055] 诊断装置22的传感器状态估计部56将从模拟模型得到的第三传感器装置20c的探测结果(估计值)与由探测结果获取部52在第一时间点获取到的第三传感器数据所表示的探测结果(实际的测量值)进行比较，来估计诊断对象传感器即第三传感器装置20c的状态(S16)。传感器状态估计部56将表示第三传感器装置20c的状态的估计结果的诊断信息保存到诊断信息存储部48。诊断装置22的诊断信息提供部58向外部装置提供存储于诊断信息存储部48的与第三传感器装置20c有关的诊断信息(S18)。

[0056] 根据第一实施例的诊断系统10，使用包含机械臂12的可动部14的动作条件的参数，来估计设置于机械臂12的作为诊断对象的传感器装置20的探测结果，由此，能够提高其估计精度。即，根据诊断系统10，能够获得与作为诊断对象的传感器装置20为正常的情况下的探测结果近似的估计值。另外，由此，能够提高对作为诊断对象的传感器装置20的状态的估计精度。

[0057] <第二实施例>

[0058] 对于本发明的第二实施例，以与上述的实施例不同的点为中心来进行说明，并适当省略共同的点的说明。第二实施例的特征当然能够与上述的实施例和变形例的特征任意组合。对于第二实施例的构成要素中的与上述的实施例的构成要素相同或对应的构成要素适当地标注相同的附图标记来进行说明。

[0059] 第二实施例的诊断系统10的结构与图1所示的第一实施例的诊断系统10的结构相同。第二实施例的诊断系统10也与第一实施例的诊断系统10同样地对设置于机械臂12的传感器装置20的状态进行诊断。图5是示出第二实施例的诊断装置22的功能块的框图。第二实施例的诊断装置22除了具备第一实施例的诊断装置22的功能块以外，还具备劣化估计部60和更新部62。

[0060] 模型存储部46除了存储在第一实施例中说明的模拟模型的数据以外，还存储用于估计机械臂12的劣化程度的劣化估计模型的数据。劣化估计模型是受理表示多个传感器装置20的探测结果的多个传感器数据(第一传感器数据、第二传感器数据、第三传感器数据)作为输入、来估计机械臂12的劣化程度的数理模型。第二实施例的第一传感器数据、第二传感器数据、第三传感器数据可以与第一实施例同样是与传感器设置位置的振动有关的信息。

[0061] 例如，劣化估计模型也可以是以第一传感器数据所表示的第一传感器装置20a的探测结果、第二传感器数据所表示的第二传感器装置20b的探测结果、第三传感器数据所表示的第三传感器装置20c的探测结果为解释变量且以表示机械臂12的劣化程度的劣化指标值为目标变量的回归式。也可以在构建劣化估计模型时，对于第一传感器装置20a的探测结果、第二传感器装置20b的探测结果、第三传感器装置20c的探测结果、机械臂12的劣化程度，将它们的实际的值的组作为样本数据来收集。而且，也可以通过基于多个样本数据进行多元回归分析，来决定各解释变量的系数从而生成劣化估计模型的数据。

[0062] 另外，模型存储部46存储与机械臂12的劣化程度相应的多个模拟模型的数据。多个模拟模型也可以是基于从劣化程度互不相同的机械臂12收集到的样本数据(在第一实施例中记载)来生成的。模型存储部46也可以将多个劣化指标值与适合于各个劣化指标值所表示的劣化程度的模拟模型相关联地存储。

[0063] 劣化估计部60基于多个传感器装置20的探测结果来估计机械臂12的劣化程度。具体而言，劣化估计部60通过读出存储于模型存储部46的劣化估计模型的数据，并向劣化估计模型输入从多个传感器装置20发送出的多个传感器装置20的探测结果，来估计机械臂12的劣化程度。

[0064] 更新部62基于由劣化估计部60估计出的机械臂12的劣化程度，来对由探测结果估计部54使用的模拟模型进行更新。在第二实施例中，从存储于模型存储部46的多个模拟模型中读出适合于由劣化估计部60估计出的机械臂12的劣化程度的模拟模型的数据，并向探测结果估计部54传送所读出的模拟模型的数据。

[0065] 探测结果估计部54使用由更新部62更新后的模拟模型、即在第二实施例中使用从更新部62传送来的适合于机械臂12的劣化程度的模拟模型，来估计诊断对象传感器的探测结果。

[0066] 在机械臂12的劣化程度为规定的阈值以上的情况下，传感器状态估计部56估计诊断对象传感器的状态。此外，以机械臂12的劣化程度为规定的阈值以上为条件，探测结果估计部54估计诊断对象传感器的探测结果，由此，结果来说，传感器状态估计部56估计诊断对象传感器的状态。关于该阈值，也可以基于诊断系统10的开发者的见解、使用了诊断系统10的实验或者机械臂12的每个劣化程度时的传感器故障概率等来决定适当的值。

[0067] 说明以上的结构的第二实施例的诊断系统10的动作。

[0068] 图6是示出第二实施例的诊断系统10的动作的流程图。与第一实施例同样地，诊断装置22的探测结果获取部52获取从第一传感器装置20a、第二传感器装置20b、第三传感器装置20c定期地发送出的第一传感器数据、第二传感器数据、第三传感器数据(S20)。诊断装置22的劣化估计部60向劣化估计模型输入第一传感器数据所表示的第一传感器装置20a的探测结果、第二传感器数据所表示的第二传感器装置20b的探测结果、第三传感器数据所表示的第三传感器装置20c的探测结果。劣化估计部60获取使用劣化估计模型导出的、表示机械臂12的劣化程度的劣化指标值(S22)。

[0069] 诊断装置22的动作条件信息获取部50在某个时间点(第一时间点)从机械臂控制装置18获取机械臂控制装置18向机械臂12发送出的第一控制信号、第二控制信号、第三控制信号(S24)。在机械臂12的劣化程度为规定的阈值以上的情况下(S26：“是”)，更新部62从模型存储部46读出与机械臂12的劣化程度相应的模拟模型的数据、换而言之与在S22中获取到的劣化指标值相关联的模拟模型的数据，并向探测结果估计部54传送该数据(S28)。

[0070] 之后的S30～S34的处理与图4所示的第一实施例的诊断系统10的S14～S18的处理相同，因此省略说明。如果机械臂12的劣化程度小于上述阈值(S26：“否”)，则跳过S28之后的处理。根据第二实施例的诊断系统10，通过使用与机械臂12的劣化程度相应的模拟模型，能够提高对诊断对象传感器的探测结果的估计精度。另外，根据诊断系统10，能够通过在机械臂12的劣化加剧了一定程度的情况下估计诊断对象传感器的状态，来有效率地检测该传感器的异常。

[0071] 以上，基于第一实施例、第二实施例说明了本发明。本领域技术人员能够理解的是，各实施例是例示，各实施例中记载的构成要素、处理工序的组合能够存在各种变形例，且这样的变形例也处于本发明的范围内。

[0072] 作为第一变形例，说明与第二实施例有关的变形例。

[0073] 设置于机械臂12的多个传感器装置20与第一实施例同样地用于探测各个传感器设置位置的振动。诊断装置22的劣化估计部60将基于多个传感器装置20的探测结果计算出的传感器设置位置处的振动收敛时间与基于动作条件信息估计出的振动收敛时间进行比较，来估计机械臂12的劣化程度。

[0074] 具体而言，存储于模型存储部46的劣化估计模型也可以受理多个传感器装置20中的各个传感器装置的探测结果的输入，并导出各传感器装置20的设置位置的振动收敛时间(测量值)。振动收敛时间也能够说是振动持续的时间，该振动收敛时间也可以基于公知的基准来导出。例如，振动收敛时间是从探测出预先决定的第一阈值以上的大小的振动起到变得探测不出第一阈值以下且第二阈值以上的振动为止的时间。另外，劣化估计模型也可以受理第一控制信号、第二控制信号、第三控制信号中的各个控制信号所表示的动作条件信息的输入，基于预先决定的评价函数来计算各传感器装置20的设置位置的振动收敛时间(估计值)。评价函数按动作条件信息所表示的动作条件，输出预先与各动作条件相关联的、传感器设置位置的振动收敛时间。

[0075] 劣化估计模型也可以针对第一传感器装置20a、第二传感器装置20b、第三传感器装置20c中的各个传感器装置，将各传感器设置位置的振动收敛时间(测量值)与振动收敛时间(估计值)进行比较，并基于比较结果来估计机械臂12的劣化程度。例如，也可以在零个或一个传感器设置位置处成为振动收敛时间(测量值)＞振动收敛时间(估计值)的情况下，估计为劣化程度低。另外，也可以在两个传感器设置位置处成为振动收敛时间(测量值)＞振动收敛时间(估计值)的情况下，估计为劣化程度为中等程度。另外，也可以在三个传感器设置位置处成为振动收敛时间(测量值)＞振动收敛时间(估计值)的情况下，估计为劣化程度高。

[0076] 诊断装置22的劣化估计部60向劣化估计模型输入从多个传感器装置20发送出的多个传感器数据中的各个传感器数据所表示的传感器设置位置的振动信息。另外，劣化估计部60向劣化估计模型输入从机械臂控制装置18发送出的第一控制信号、第二控制信号、第三控制信号中的各个控制信号所表示的动作条件。而且，劣化估计部60获取由劣化估计模型估计出的表示机械臂12的劣化程度的指标值。之后的处理与第二实施例相同，因此省略说明。根据该变形例的结构，能够基于各传感器设置位置的振动收敛时间，来高精度地估计机械臂12的劣化程度。

[0077] 作为第二变形例，说明与第一实施例和第二实施例这双方有关的变形例。

[0078] 在第一实施例和第二实施例中，在设置于机械臂12的多个可动部14之间(连杆16)设置传感器装置20，但作为变形例，也可以在多个可动部14设置传感器装置20。

[0079] 作为第三变形例，说明与第一实施例和第二实施例这双方有关的其它变形例。

[0080] 在第一实施例和第二实施例中，将诊断对象传感器设为了第三传感器装置20c，但是也可以将第一传感器装置20a、第二传感器装置20b、第三传感器装置20c中的任意的一个或多个传感器装置20设为诊断对象传感器。在该情况下，诊断装置22的模型存储部46也可以存储按每个诊断对象传感器而不同的、用于估计各诊断对象传感器的状态的模拟模型。探测结果估计部54和传感器状态估计部56也可以使用与一个以上的诊断对象传感器分别相对应的模拟模型来估计各诊断对象传感器的状态。

[0081] 上述实施例的传感器装置20设为了作为标牌的传感器装置，但作为变形例，传感器装置20也可以不是标牌，也可以是能够容易粘到对象物的薄片型或硬币型的传感器装置。

[0082] 关于通过本说明书公开的实施例中的分散地设置有多个功能的部分，也可以将该多个功能的一部分或全部集成地进行设置，反之，能够对集成地设置有多个功能的部分以该多个功能的一部分或全部分散的方式进行设置。无论功能是集成的还是分散的，只要以能够达成发明的目的的方式构成即可。

[0083] 上述的实施例和变形例的任意组合作为本发明的实施方式也是有用的。通过组合而产生的新的实施方式兼具被进行组合的实施例和变形例各自的效果。另外，本领域技术人员还能够理解的是，权利要求书中记载的各构成要件应实现的功能通过在实施例和变形例中示出的各构成要素的单体或它们的协作来实现。

[0084] 此外，实施例和变形例中记载的技术也可以通过下面的方式来确定。

[0085] [项目1]

[0086] 一种诊断系统，具备：

[0087] 动作条件信息获取部，其获取能够识别设备的动作条件的动作条件信息，所述设备具有受到驱动力而驱动的可动部；

[0088] 探测结果获取部，其获取设置于所述设备的多个传感器的探测结果；

[0089] 探测结果估计部，其通过向模拟模型输入在第一时间点获取到的所述动作条件信息和在所述第一时间点获取到的所述多个传感器的探测结果，来估计所述多个传感器中的特定的传感器的第二时间点的探测结果；以及

[0090] 传感器状态估计部，其将所估计出的所述第二时间点的所述特定的传感器的探测结果与在所述第二时间点获取到的所述多个传感器中的所述特定的传感器的探测结果进行比较，来估计所述特定的传感器的状态。

[0091] 所述第二时间点既可以是与所述第一时间点相同的时间点，也可以是与所述第一时间点不同的时间点。所述传感器状态估计部也可以说是在传感器的状态为异常的情况下检测该情况的传感器异常检测部。

[0092] 根据该诊断系统，通过考虑设备的动作条件来估计特定的传感器的探测结果，能够使对该传感器的探测结果的估计精度提高，从而使对该传感器的状态的估计精度提高。

[0093] [项目2]

[0094] 根据项目1所记载的诊断系统，其中，

[0095] 所述设备具有多个可动部，

[0096] 所述探测结果估计部通过向所述模拟模型输入所述多个可动部的动作条件，来估计所述特定的传感器的第二时间点的探测结果。

[0097] 根据该诊断系统，在设备具有多个可动部的情况下，通过基于这些多个可动部的动作条件来估计特定的传感器的探测结果，能够进一步提高对该传感器的探测结果的估计精度。

[0098] [项目3]

[0099] 根据项目1或2所记载的诊断系统，其中，

[0100] 所述探测结果估计部通过向所述模拟模型输入所述多个传感器中的除所述特定的传感器以外的传感器的探测结果，来估计所述特定的传感器的第二时间点的探测结果。

[0101] 根据该诊断系统，通过排除存在异常值的可能性的特定的传感器的探测结果，在该传感器的状态为异常的情况下，能够高精度地估计出该情况。

[0102] [项目4]

[0103] 根据项目1～3中的任一项所记载的诊断系统，其中，

[0104] 劣化估计部，其基于所述多个传感器的探测结果，来估计所述设备的劣化程度；以及

[0105] 更新部，其基于由所述劣化估计部估计出的所述设备的劣化程度，来对所述模拟模型进行更新。

[0106] 根据该诊断系统，通过使用与设备的劣化程度相应的模拟模型，能够提高对特定的传感器的探测结果的估计精度。

[0107] [项目5]

[0108] 根据项目4所记载的诊断系统，其中，

[0109] 在由所述劣化估计部估计出的所述设备的劣化程度为规定的阈值以上的情况下，所述传感器状态估计部估计所述特定的传感器的状态。

[0110] 根据该诊断系统，能够通过在设备的劣化加剧了的情况下估计特定的传感器的状态，来有效率地检测该传感器的异常。

[0111] [项目6]

[0112] 根据项目4或5所记载的诊断系统，其中，

[0113] 所述多个传感器探测各自的设置位置的振动，

[0114] 所述劣化估计部将基于所述多个传感器的探测结果计算出的传感器设置位置处的振动收敛时间与基于所述动作条件信息估计出的振动收敛时间进行比较，来估计所述设备的劣化程度。

[0115] 根据该诊断系统，能够基于传感器设置位置的振动收敛时间，来高精度地估计设备的劣化程度。

[0116] 产业上的可利用性

[0117] 本公开的技术能够应用于诊断系统。

[0118] 附图标记说明

[0119] 10：诊断系统；12：机械臂；14：可动部；20：传感器装置；22：诊断装置；50：动作条件信息获取部；52：探测结果获取部；54：探测结果估计部；56：传感器状态估计部；60：劣化估计部；62：更新部。