DE4436658A1 - Vorrichtung und Verfahren zur Störungsuntersuchung - Google Patents

Vorrichtung und Verfahren zur Störungsuntersuchung

Info

Publication number
DE4436658A1
DE4436658A1 DE4436658A DE4436658A DE4436658A1 DE 4436658 A1 DE4436658 A1 DE 4436658A1 DE 4436658 A DE4436658 A DE 4436658A DE 4436658 A DE4436658 A DE 4436658A DE 4436658 A1 DE4436658 A1 DE 4436658A1
Authority
DE
Germany
Prior art keywords
sensors
group
quantification
deviation
degree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE4436658A
Other languages
English (en)
Other versions
DE4436658B4 (de
Inventor
Masahiro Kayama
Yasuo Morooka
Yoichi Sugita
Masaaki Nakajima
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Publication of DE4436658A1 publication Critical patent/DE4436658A1/de
Application granted granted Critical
Publication of DE4436658B4 publication Critical patent/DE4436658B4/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Description

Die vorliegende Erfindung betrifft eine Vorrichtung und ein Verfahren zur Störungsuntersuchung bei einem Kontrollsystem mit einer Mehrzahl von Sensoren für ein Stahlwerk, Kraftwerk oder Industrieanlagen allgemein, insbesondere eine Vorrich­ tung und ein Verfahren, mit dem verschlechterte Sensoren bestimmt werden können, deren Meßgenauigkeit aufgrund von Alterung abnimmt, wobei der normale Betrieb jedes einzelnen Sensors angezeigt wird.
Bei einem herkömmlichen Sensoruntersuchungsverfahren wird ein verschlechterter Sensor anhand der von Natur aus zwi­ schen Sensoren vorhandenen Anzeigegrößenbeziehung bestimmt, wie in "Diagnosis by Using an Immune Network Information Model (in japanischer Sprache)" von Ishida, Proceedings of a Symposium on the Third Autonomous Distributed System, Januar 1992, beschrieben. Bei einem weiteren, in der offengelegten japanischen Patentanmeldung Nr. 35 329/1993 beschriebenen herkömmlichen Verfahren wir ein verschlechterter Sensor er­ faßt, indem ein Ausgabesignal des Sensors mit einer vorgege­ benen funktionellen Beziehung zwischen Sensorausgabesignalen verglichen wird.
Die oben genannten herkömmlichen Verfahren haben folgenden Nachteil: Obwohl ein verschlechterter Sensor durch diese Verfahren leicht zu erfassen ist, wenn ein Objektkontrollsy­ stem so einfach ist, daß die Anzeigegrößenbeziehung oder die funktionelle Beziehung zwischen Ausgabesignalen der Sensoren klar bestimmt ist, sind die Verfahren nicht anwendbar, wenn die Anzeigegrößenbeziehung oder funktionelle Beziehung kom­ pliziert und schwer zu ermitteln sind.
Aufgabe der vorliegenden Erfindung ist daher, eine Untersu­ chungsvorrichtung und ein Untersuchungsverfahren anzugeben, mit denen unter einer Anzahl von in einem Kontrollsystem vorgesehenen Sensoren verschlechterte Sensoren leicht erfaßt werden können, auch wenn die zwischen den Ausgabesignalen der Sensoren bestehenden Korrelationen kompliziert sind.
Die Aufgabe wird durch eine Vorrichtung und ein Verfahren wie in den unabhängigen Ansprüchen definiert gelöst. Abhän­ gige Ansprüche sind auf vorteilhafte Ausgestaltungen der Erfindung gerichtet.
Das Verfahren umfaßt die Schritte des Speicherns von Signa­ len, die von einer Mehrzahl von an einem zu kontrollierenden Objekt angebrachten Sensoren ausgegeben werden, des Bildens von Gruppen von Quantifizierungsvektoren, die als Merkmals­ vektoren erhalten werden und Korrelationen unter den von jeder der vorgegebenen Gruppen ausgegebenen Signale darstel­ len, wobei die in einer Speichereinrichtung gespeicherten Signale verwendet werden, des Speicherns jeder zu einer Gruppe von Sensoren gehörenden Gruppe von Quantifizierungs­ vektoren, des Bestimmens eines Abweichungsgrads jeder Gruppe von Sensoren durch Vergleichen von vorliegenden Signalen je­ der Gruppe von Sensoren und der der Gruppe von Sensoren ent­ sprechenden Gruppe von Quantifizierungsvektoren und des Er­ mittelns verschlechterter Sensoren aus der Mehrzahl von Sen­ soren auf Grundlage der erhaltenen Abweichungsgrade.
Eine Quantifizierungseinrichtung zum Bilden der Gruppen von Quantifizierungsvektoren umfaßt ein Quantifizierungsnetz mit einer Mehrzahl von Quantifizierungsneuronen und diese mit­ einander verbindenden Synapsen, entsprechend jeder Gruppe von Sensoren. Eine Gewichtungserneuerungseinrichtung erneu­ ert die Gewichtungen der Synapsen unter Verwendung der von jeder Gruppe von Sensoren zeitlich nacheinander eingegeben Signale.
Sätze der für jedes Quantifizierungsnetz bestimmten Synap­ sengewichtungen werden als Quantifizierungsvektoren defi­ niert. Die erzeugten Quantifizierungsvektoren werden in einer Korrelationsspeichereinrichtung gespeichert.
Ein Abweichungsgradauswertungseinrichtung sucht den Quanti­ fizierungsvektor, der einem von dem vorliegenden Signal je­ der Sensorgruppe gebildeten Zustandsvektor am nächsten liegt und ermittelt den Abweichungsgrad der Sensorgruppe auf Grundlage eines Abstands zwischen dem ermittelten Quantifi­ zierungsvektor und dem Zustandsvektor der vorliegenden Si­ gnale.
Eine Untersuchungseinrichtung zum Untersuchen der ver­ schlechterten Sensoren bestimmt die Zuverlässigkeit jedes einzelnen Sensors auf Grundlage der von der Abweichungsgrad­ auswertungseinrichtung erhaltenen Abweichungsgrade.
Weitere Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung der Figuren. Es zeigen:
Fig. 1 den Aufbau einer erfindungsgemäßen Störungsuntersu­ chungsvorrichtung,
Fig. 2 den Aufbau einer Betriebsdatenspeichereinrichtung der Störungsuntersuchungsvorrichtung,
Fig. 3 den Aufbau einer Quantifizierungseinrichtung der Störungsuntersuchungsvorrichtung,
Fig. 4 den Verarbeitungsablauf in einer Quantifizierungs­ verarbeitungseinrichtung in der Quantifizierungs­ einrichtung,
Fig. 5 den Aufbau einer Korrelationsspeichereinrichtung der Störungsuntersuchungsvorrichtung,
Fig. 6 den Verarbeitungsablauf in einer Abweichungsgradaus­ wertungseinrichtung,
Fig. 7 den Aufbau einer Untersuchungseinrichtung in der Störungsuntersuchungsvorrichtung,
Fig. 8 den Verarbeitungsablauf in einer Untersuchungsver­ arbeitungseinrichtung,
Fig. 9 eine Ausgestaltung einer Störungsuntersuchungsvor­ richtung für ein verteiltes System,
Fig. 10 eine Ausgestaltung einer Störungsuntersuchungsvor­ richtung mit einer Schalteinrichtung zum Umschalten der Verarbeitungsarten.
Im folgenden werden Details der vorliegenden Erfindung an­ hand von Ausführungsbeispielen mit Bezug auf die Zeichnungen erläutert. Obwohl bei jedem Ausführungsbeispiel die Sensor­ gruppen jeweils aus einem Paar von Sensoren bestehen, ist der Betrieb der Ausführungsbeispiele derselbe wie bei einer Vorrichtung oder einem Verfahren, bei dem die Sensorgruppen aus mehr als zwei Sensoren bestehen.
Fig. 1 zeigt den Aufbau einer Störungsuntersuchungsvorrich­ tung 100. Eine Betriebsdatenspeichereinrichtung 102 spei­ chert Ausgabesignale von n Sensoren (Sensor 1, Sensor 2, Sensor 3, . . . , Sensor n), die an einem zu kontrollierenden Objekt 120 angebracht sind, über ein Eingabeorgan 101 ent­ sprechend der zeitlichen Steuerung des Betriebs des zu kon­ trollierenden Objekts 120.
Fig. 2 zeigt ein Beispiel für die Struktur der in der Be­ triebsdatenspeichereinrichtung 102 gespeicherten Daten, wo­ bei die Daten von Sensor 1 bis Sensor n in zeitlicher Rei­ henfolge von bis zu m Schritten gespeichert werden.
Eine in Fig. 3 dargestellte Quantifizierungseinrichtung er­ mittelt die Korrelationen zwischen den Ausgabesignalen der Sensoren unter Verwendung einer in der Betriebsdatenspei­ chereinrichtung 102 gespeicherten Datenbank. Die ermittelten Korrelationen für jedes Sensorpaar werden in der Sensorkor­ relationsspeichereinrichtung 106-107 in einer Korrelati­ onsspeichereinrichtung 105 gespeichert. Eine Abweichungs­ gradauswertungseinrichtung 108 ermittelt einen Abstand zwi­ schen einem von den vorliegenden Ausgabesignalen eines jeden Sensorpaars gebildeten Zustandsvektors und dem entsprechen­ den Quantifizierungsvektor, der die in den Normalzuständen eines jeden Paars von Sensoren 1 bis n erhaltene Korrelation darstellt, indem die in der Korrelationsspeichereinrichtung 105 gespeicherten Daten und die vom Eingabeorgan 101 bezoge­ nen vorliegenden Ausgabesignale eines jeden Sensorpaars ver­ glichen werden. Eine Untersuchungseinrichtung 109 beurteilt auf Grundlage der für jedes Sensorpaar und die entsprechen­ den vorliegenden Ausgabesignale erhaltenen Abstände, ob das vorliegende Ausgabesignal eines jeden Sensors normal ist.
Wenn eine Anomalität oder Abweichung erfaßt wird, gibt die Untersuchungseinrichtung 109 einen Sensor an, der den abwei­ chenden Wert anzeigt und zeigt die Nummer des Sensors oder dergleichen auf einer Anzeigeeinrichtung 110 an. Eine Pla­ nungseinrichtung 110 zur Planung von Gegenmaßnahmen gegen die Abweichung wird nach Bedarf aufgerufen und ein Ausga­ besignal der Planungseinrichtung 110 wird zum zu kontrol­ lierenden Objekt 120 geschickt.
Fig. 3 zeigt ein Beispiel für den Aufbau der Quantifizie­ rungseinrichtung 104, die ein Quantifizierungsnetzwerk 301 und eine Quantifizierungsverarbeitungseinrichtung 302 ent­ hält. Es ist zwar im Quantifizierungsnetzwerk 301 ein Korre­ lationsnetzwerk für jedes Sensorpaar vorgesehen, und ein Beispiel für das Quantifizierungsnetzwerk für das Sensorpaar mit den Sensoren 1 und 2 ist in Fig. 3 dargestellt, doch können auch mehrere Paare von Sensoren ein Korrelationsnetz­ werk gemeinsam haben. Das Korrelationsnetzwerk umfaßt eine Eingabeschicht 303, die aus Eingabeneuronen 305, in die je­ weils ein erfaßtes Signal I1 vom Sensor 1 bzw. das erfaßte Signal I2 vom Sensor 2 eingegeben werden, und einem Schwell­ wertneuron 306 aufgebaut ist, das einen konstanten Wert (1 in Fig. 3) ausgibt, eine Quantifizierungsneuronenschicht 304, die aus einer Mehrzahl von Quantifizierungsneuronen 307 besteht, sowie Synapsen 308, die Signale zwischen der Ein­ gabeschicht 303 und der Quantifizierungsneuronenschicht 304 übertragen.
Aus Gleichung 1 erhaltene Ergebnisse Oj (j=1, . . . , N) werden von der Quantifizierungsneuronenschicht 304 an die Qantifi­ zierungsverarbeitungseinrichtung 302 ausgegeben, wobei Wÿ gepaarte Gewichtungen der mit jedem Quantifizierungsneuron 307 verbundenen Synapsen 308 sind:
Fig. 4 zeigt ein Flußdiagramm der von der Quantifizierungs­ verarbeitungseinrichtung durchgeführten Verarbeitung. Im Schritt S4-0 werden die Gewichtungswerte Wÿ der Synapsen 308 initialisiert, indem ihnen im Intervall der möglichen Ausgabewerte der Sensoren zufällig verteilte Werte zugewie­ sen werden.
Dies kann geschehen, indem die Mittelwerte ai von bekannten Meßdaten, z. B. den in der Betriebsdatenspeichereinrichtung gespeicherten Zeitreihendaten Iik, k = 1, . . . , m für die be­ treffenden Sensoren gebildet werden, und die Anfangswerte der Gewichtungen Wÿ aus diesen durch Addition kleiner zufällig um Null verteilter Werte Δÿ bestimmt werden:
Im Schritt S4-1 werden zu jedem Sensorpaar die entsprechen­ den Daten aus der Betriebsdatenspeichereinrichtung 102 aus gewählt. Wenn eine Korrelation zwischen den Betriebsdaten der Sensoren 1 und 2 bestimmt wird, werden Datenpaare (0,1584, 0,2681) aus dem ersten Satz von Zeitreihendaten, (0,0369, 0,03281) aus dem zweiten Satz von Zeitreihendaten usw. wie in Fig. 2 gezeigt ausgewählt und in dieser Rei­ henfolge in das Korrelationsnetzwerk eingegeben. Im Schritt S4-2 werden Ausgabewerte O₁-ON durch Anwendung von Glei­ chung 1 auf jedes Quantifizierungsneuron 307 erhalten. Im Schritt S4-3 wird das Quantifizierungsneuron mit dem größten Ausgabewert unter den Werten O₁-ON ausgesucht. Wenn der Ausgabewert Oj der maximale Wert ist, wird das dem Neuron j entsprechende Gewichtungspaar (W1j, W3j) erneuert. Das Kor­ relationsnetzwerk lernt, indem die Gewichtungspaare (W1j, W2j) der den Eingabeneuronen entsprechenden Synapsen anhand von Gleichung 2 und die Gewichtungen W3j der dem Schwell­ wertneuron 306 entsprechenden Synapse anhand von Gleichung 3 erneuert werden,
wobei α eine Konstante ist. Wesentlich ist bei dem Verfahren zur Erneuerung der Gewichtung der Synapsen, daß die Korrela­ tion zwischen den Vektoren (W1j, W2j) und (I₁, I₂) erhöht wird, und eine solche Erneuerung kann auch mit anderen als dem auf den Gleichungen (2) und (3) basierenden Verfahren durchgeführt werden.
Im Schritt S4-5 wird das Verfahren beendet, wenn die vorge­ gebene Anzahl von Wiederholungen der Prozeduren von Schritt S4-1 bis S4-4 durchgeführt worden ist oder alle Gewichtungs­ erneuerungsbeträge der Synapsen den vorgegebenen Wert für ein aus der Betriebsdatenspeichereinrichtung 102 hereinge­ nommenes Datenpaar unterschreiten. Wenn der Prozeß nicht beendet ist, kehrt er zurück zum Schritt S4-1, und die oben genannten Prozeduren werden unter Verwendung des nachfolgen­ den Datenpaares wiederholt. Nach Beendigung des Prozesses werden m Paare von Sensordaten durch N Paare von Synapsen­ gewichtungen für die Quantifizierungsneuronen dargestellt.
Zwar werden bei der Quantifizierungseinrichtung 104 dieser Ausgestaltung in der Prozeßdatenspeichereinrichtung 102 ge­ speicherte Daten verwendet, doch können auch von den Senso­ ren ausgegebene Signale verwendet werden, indem die Signale in Echtzeit nacheinander bearbeitet werden.
In Fig. 5 ist der Aufbau der Korrelationsspeichereinrichtung 105 gezeigt. Die Korrelationsspeichereinrichtung 105 spei­ chert die Verarbeitungsergebnisse der Quantifizierungsverar­ beitungseinrichtung 302. In der Sensorkorrelationsspeicher­ einrichtung 106 der Fig. 5 ist die Korrelation zwischen den Ausgabesignalen der Sensoren 1 und 2 in Form von Quantifi­ zierungsvektoren (einem Satz von Synapsengewichtungspaaren (W1j, W2j), j = 1, . . . , N) gespeichert. Die Sensorkorrela­ tionsspeichereinrichtung 107 speichert die Korrelation zwi­ schen den Ausgabesignalen der Sensoren n und n-1 in Form von Quantifizierungsvektoren, die durch einen Satz von Synapsen­ gewichtungspaaren (V1j, V2j) dargestellt werden. Obwohl in dieser Ausgestaltung die Sensorkorrelationsspeichereinrich­ tungen 106, 107 für alle Paare von Sensoren der Ausgestal­ tung vorbereitet sind, kann die Sensorkorrelationsspeicher­ einrichtung ausgeschlossen sein für ein Sensorpaar, dessen Ausgabesignale offenbar nicht miteinander korreliert sind.
Anschließend kann beurteilt werden, daß jeder Sensor ein normales Signal ausgibt, wenn beim Abbilden des Zustands­ vektors, den ein jedes Paar vorliegender Ausgangssignale darstellt, auf einen entsprechend dem Sensorpaar vorbereite­ ten Vektorraum der Sensorkorrelationsspeichereinrichtung dieser Zustandsvektor in der Nähe eines der Quantifizie­ rungsvektoren gefunden wird.
In Fig. 6 ist ein Flußdiagramm des Prozesses zum Auswerten eines Abweichungsgrads für jedes Sensorpaar gezeigt. Der Ab­ weichungsgrad wird aus den Ergebnissen einer wechselseitigen Untersuchung, im Fall des Paars mit den Sensoren 1 und 2 über den normalen Betrieb des Sensors 2, der vom Sensor 1 aus untersucht wird, und des normalen Betriebs des Sensors 1, der vom Sensor 2 aus untersucht wird, erhalten. Der Pro­ zeß zur Bestimmung des Abweichungsgrads wird nachfolgend erläutert.
Im Schritt S6-1 werden die vorliegenden Ausgangssignale von den Sensoren 1 bis n über das Eingabeorgan 101 aufgenommen. Im Schritt S6-2 werden die Ausgangssignale eines jeden Sen­ sorpaars als Zustandsvektor auf einen zu diesem Sensorpaar vorbereiteten Vektorraum der Sensorkorrelationsspeicherein­ richtung abgebildet. Im Fall des Sensorpaars 1, 2 wird der Zustandsvektor der vorliegenden Ausgangssignale auf den Vektorraum der Sensorkorrelationsspeichereinrichtung 106 abgebildet. Im Schritt S6-3 wird für jeden auf den Vektor­ raum einer Sensorkorrelationsspeichereinrichtung abgebil­ deten Zustandsvektor der nächstliegende Quantifizierungs­ vektor gesucht. Im Schritt S6-4 wird der Abweichungsgrad eines jeden Sensorpaars auf Grundlage des Abstands zwischen dem abgebildeten Zustandsvektor der vorliegenden Ausgabe­ signale und dem entsprechend ermittelten, dem abgebildeten Zustandsvektor der vorliegenden Ausgabesignale nächstlie­ genden Quantifizierungsvektor ausgewertet.
Der Abweichungsgrad wird wie folgt ermittelt. Es seien (X, Y) die Koordinaten des abgebildeten Zustandsvektors der vorliegenden Ausgabesignale und (Wx, Wy) die des dem ab­ gebildeten Zustandsvektor nächstliegenden Quantifizierungs­ vektors. Dann wird der Abweichungsgrad U erhalten durch Gleichung 4.
U = f[(X-Wx)²+(Y-Wy)²-β²] (4),
wobei f(X) = X (X 0), f(X) = 0 (X < 0).
Dabei ist β ein Abstandswert, und der Abweichungsgrad U ist 0 und die Ausgabesignale werden als normal beurteilt, wenn der Punkt (X, Y) im Bereich um den Punkt (Wx, Wy) liegt. Wenn der Punkt (X, Y) außerhalb des Bereichs (WX, WY) liegt, hat der Abweichungsgrad U einen Wert, der dem Abstand zwi­ schen dem Punkt (X, Y) und dem Bereich (Wx, Wy) proportional ist.
Im Schritt S6-5 wird der Prozeß beendet, wenn die Abwei­ chungsgrade für alle Sensorpaare bestimmt sind, deren Korre­ lationen in der Sensorkorrelationsspeichereinrichtung ge­ speichert sind. Wenn der Prozeß nicht beendet ist, werden die Prozeduren von Schritt S6-2 bis Schritt S6-4 wiederholt. Durch den oben beschriebenen Prozeß wird der Abweichungsgrad für jedes Sensorpaar als Wert von U quantifiziert.
Fig. 7 zeigt den Aufbau der Untersuchungseinrichtung 109 mit einem Untersuchungsnetzwerk 601 und einer Untersuchungsver­ arbeitungseinrichtung 602, die anomale oder gestörte Senso­ ren anhand der für die Sensorpaare erhaltenen Abweichungs­ grade bestimmt. Das Untersuchungsnetzwerk 601 ist aufgebaut aus Einheiten 603, die den Sensoren entsprechen, und Synap­ sen 604, die die Einheiten miteinander verbinden. Die Zu­ verlässigkeit Ri (i = 1, . . . , n) jeder einzelnen Einheit zeigt die Zuverlässigkeit jedes einzelnen Sensors an. Es wird eine Zuverlässigkeit Ri von 1 ausgegeben, wenn der Sensor normal ist, und eine Zuverlässigkeit Ri von 0 wird ausgegeben, wenn der Sensor beschädigt ist.
Die den Synapsen 604 des Untersuchungsnetzwerks zugewiesenen Synapsengewichtungen ω werden aus den den Sensorpaaren i, j entsprechenden Abweichungsgraden U anhand von Gleichung 5 erhalten.
ω = g (1 - γU) (5),
wobei g(X) = X für X 1 und g(X) = -1 für X < -1 und γ eine Konstante ist, deren Wert aus der Erfahrung festgelegt wird und z. B. gleich 1 sein kann.
In Gleichung 5 hat die Synapsengewichtung ωÿ den Wert 1, wenn die Sensoren i und j sich gegenseitig als normal erken­ nen. Die Synapsengewichtung ωÿ nimmt mit zunehmenden Abwei­ chungsgrad U ab und erreicht den Sättigungswert -1, wenn ein vorgegebener Wert überschritten wird.
Wenn in Fig. 7 eine Einheit mit einer anderen Einheit durch Synapsen verbunden ist, so ist das entsprechende Sensorpaar korreliert. Wenn für ein bestimmtes Paar von Einheiten keine Synapsen vorhanden sind, bedeutet dies, daß das entsprechen­ de Sensorpaar nicht korreliert ist.
Fig. 8 zeigt in einem Flußdiagramm den von der Untersu­ chungsverarbeitungseinrichtung 602 der Untersuchungseinrich­ tung 109 durchgeführten Prozeß.
Im Schritt S8-1 wird der von der Abweichungsgradauswertungs­ einrichtung 108 erhaltene Abweichungsgrad U für jedes Sen­ sorpaar aufgenommen und die Synapsengewichtung ωÿ des Un­ tersuchungsnetzwerks nach Gleichung 5 berechnet.
In Schritt S8-2 wird jeder Einheit ein Anfangswert für die Zuverlässigkeit Ri der Einheit zugewiesen. Da die Anfangs­ zustände der Sensoren als normal angesehen werden können, wird der Zuverlässigkeit Ri(i=1, . . . , n) der Wert 1 zuge­ wiesen. Bei einer anderen Art der Initialisierung kann den Einheiten der Wert 1 oder 0 zufällig zugewiesen werden.
Im Schritt S8-3 wird die Zuverlässigkeit Rider Einheit 603 erneuert unter Verringerung der aus Gleichung (6) erhaltenen "Energie". Zunächst wird eine veränderte Energie erhalten, indem der Wert einer aus den Einheiten 603 ausgewählten Ein­ heit invertiert wird (von 1 auf 0 oder von 0 auf 1 verändert wird). Wenn die veränderte Energie kleiner als die vorherige Energie ist, wird der invertierte Wert der Zuverlässigkeit Ri der ausgewählten Einheit beibehalten. Andernfalls wird der invertierte Wert der Zuverlässigkeit der ausgewählten Einheit auf den vorherigen Wert zurückgesetzt, da die Inver­ tierung des Zuverlässigkeitswerts nicht effektiv ist.
wobei ω*ÿ = ωÿ + ωji, ωii = 0 (i = 1, . . ., n).
Wenn die Energie des Untersuchungsnetzwerks 601 konvergiert, ist in Schritt S8-4 der Prozeß beendet. Die Konvergenz des Untersuchungsnetzwerks wird im allgemeinen festgestellt, in­ dem ermittelt wird, ob nicht die Energie des Netzwerks durch Invertieren des Zuverlässigkeitswerts Rieiner der Einheiten 603 weiter verringert werden kann. Bei einem anderen Verfah­ ren zur Feststellung der Konvergenz wird der Prozeß beendet, wenn die Wiederholungszahl der Konvergenzprozeduren eine vorgegebene Zahl erreicht. Wenn festgestellt wird, daß das Untersuchungsnetzwerk 601 nicht konvergiert hat, wird der Schritt S8-3 wiederholt.
Neben dem oben beschriebenen Verfahren zur Erneuerung der Zuverlässigkeit Ri auf Grundlage von Gleichung (6) kann ein Erneuerungsverfahren eingesetzt werden, bei dem die Vorzei­ chenänderung des nach Gleichung (7) berechneten Werts von E′ (i) untersucht wird. Das heißt, wenn das Vorzeichen des für eine ausgewählte Einheit i berechneten Werts von E′ (i) positiv ist, wird die Zuverlässigkeit Rizu 1 gesetzt (die Einheit ist normal), und wenn das Vorzeichen des berechneten Werts von E′ (i) negativ ist, wird die Zuverlässigkeit Ri zu 0 gesetzt. Wenn der berechnete Wert von E′ (i) gleich 0 ist, wird die derzeitige Zuverlässigkeit Ri beibehalten.
Die durch den in Fig. 8 dargestellten Prozeß enthaltenen Un­ tersuchungsergebnisse werden einem Benutzer durch die Anzei­ geeinrichtung 112 angezeigt. Anzuzeigende Inhalte sind Mel­ dungen beim Auftreten von Sensorstörungen und dergleichen, und die Nummern gestörter Sensoren usw., wenn die Anzeige­ einrichtung eine Schirmanzeigeeinrichtung ist. Wenn die An­ zeigeeinrichtung ein Warnlampenanzeigesystem ist, werden die Lampen eingeschaltet, die gestörten Sensoren entsprechen.
Wenn Störungen von manchen Sensoren festgestellt werden, wird die Planungseinrichtung 110 für Gegenmaßnahmen gegen Störungen aufgerufen, und eine Gegenmaßnahme gegen die Sensorstörung wird durchgeführt. Als Gegenmaßnahme gegen die Sensorstörung werden die Operationen der mit dem gestörten Sensor zusammenhängenden Komponente angehalten, oder Steuer­ verfahren anhand vorgegebener Kontingenzprozeduren, bei de­ nen die vom gestörten Sensor ausgegebenen Signale vernach­ lässigt werden, werden ermittelt und an das zu kontrollie­ rende Objekt 120 über das Ausgabeorgan 112 ausgegeben.
Zwar ist bei dieser Ausgestaltung die Zuverlässigkeit Ri als 1 oder 0 definiert und die Zuverlässigkeit jedes einzelnen Sensors als entweder normal oder gestört vorgegeben, doch können der Sensor mit der höchsten Zuverlässigkeit oder ein Sensor mit einer hohen Ausfallwahrscheinlichkeit durch ein Verfahren spezifiziert werden, bei dem die Zuverlässigkeit Rials kontinuierlicher Wert zwischen 0 und 1 bestimmt wird. Bei diesem Verfahren wird die Zuverlässigkeit Ri mit minima­ ler Energie E erhalten durch Maßnahmen wie das Addieren oder Subtrahieren eines kleinen, bestimmten Betrags zu der oder von der Energie E.
Bei dieser Ausgestaltung arbeitet die Störungsuntersuchungs­ vorrichtung 100 im wesentlichen nach dem ersten Betriebsmo­ dus der Verarbeitung der Ausgangssignale der Sensoren, bis die Korrelationsspeichereinrichtung 105 eingerichtet ist, und nach dem zweiten Betriebsmodus der Untersuchung der Sen­ soren und Planung von Gegenmaßnahmen gegen Sensorstörungen anhand der Verarbeitungsergebnisse in der Korrelationsspei­ chereinrichtung 105. Bei einer anderen Ausgestaltung wird der erste Betriebsmodus von einer anderen Vorrichtung aus­ geführt, und die Störungsuntersuchungsvorrichtung 100 emp­ fängt die Verarbeitungsergebnisse in der Korrelationsspei­ chereinrichtung 105 und führt den zweiten Betriebsmodus aus.
Zwar berücksichtigt diese Ausgestaltung nur die Ausgabesi­ gnale der Sensoren als Eingabedaten, doch können als Ein­ gabedaten auch abgeschätzte Zustandsdaten verwendet werden, wenn ein Sensor in einer rückgekoppelten Regelschleife ent­ halten ist und die Störung des Sensors nicht klar und unab­ hängig beobachtet werden kann. Außerdem ist es auch möglich, eine Gruppe von mehr als drei Ausgabesignalen als Eingabe­ daten für die Quantifizierungseinrichtung 104 zu verwenden, indem in der Korrelationsspeichereinrichtung 105 und der Ab­ weichungsgradauswertungseinrichtung 108 ein vieldimensionaler Prozeß ausgeführt wird.
In Fig. 9 ist eine andere Ausgestaltung gezeigt, in der ein zu untersuchendes Objekt ein aus einer Mehrzahl von Unter­ systemen bestehendes Gesamtsystem ist. Ein gestörtes Unter­ system wird anhand des oben beschriebenen Untersuchungs­ verfahrens ermittelt, wobei die von den Untersystemen 901 bis 904 an das Eingabeorgan 101 ausgegebenen Signale verwen­ det werden und die Untersuchungsergebnisse jeweils über das Ausgabeorgan an die Untersysteme 901 bis 904 zurückgeschickt werden.
Fig. 10 zeigt eine weitere Ausgestaltung, bei der die Stö­ rungsuntersuchungsvorrichtung eine Modusumschalteinrichtung 1001 mit einem Schalter 1002 aufweist, zum Umschalten vom ersten Betriebsmodus, in dem die Ausgabesignale der Sensoren verarbeitet werden, bis die Korrelationsspeichereinrichtung 105 eingerichtet ist, in den zweiten Betriebsmodus, in dem die Sensoren untersucht und Gegenmaßnahmen gegen Sensor­ störungen unter Verwendung der Bearbeitungsergebnisse in der Korrelationsspeichereinrichtung 105 geplant werden, wobei die Schalteinrichtung an der Ausgabeseite des Eingabeorgans 101 eingebaut ist. Der Schaltzeitpunkt kann von außerhalb der Vorrichtung vorgegeben werden. Zum Beispiel kann sinn­ voll vom ersten in den zweiten Betriebsmodus umgeschaltet werden, nachdem die Korrelationsspeichereinrichtung 105 mit hoher Genauigkeit eingerichtet worden ist.
Durch die vorliegende Erfindung können latente Korrelationen zwischen Sensoren effizient ermittelt und die Zuverlässig­ keit jedes einzelnen Sensors durch vollständige Ausnutzung der Korrelationen ausgewertet werden. Alterungsbedingt ge­ störte Ausgabesignale können erkannt und die Zuverlässigkeit eines Kontrollsystems dadurch verbessert werden. Die vor­ liegende Erfindung ist effektiv, wenn die Überprüfung oder der Austausch der beschädigten Sensoren schwierig ist, ins­ besondere bei Sensoren, wie sie zum Messen der internen Zu­ stände eines Schmelzofens benutzt werden.

Claims (12)

1. Störungsuntersuchungsvorrichtung (100) mit:
einer Speichereinrichtung (102) zum Speichern von von einer Mehrzahl an einem zu kontrollierenden Objekt (120) vorgesehener Sensoren (121-124) ausgegebener Betriebssi­ gnale;
einer Quantifizierungseinrichtung (104) zum Bilden einer Gruppe von Quantifizierungsvektoren, die Korrelationen zwischen den Betriebssignalen einer jeden vorgegebenen Gruppe von Sensoren (121-124) darstellen, anhand der in der Speichereinrichtung (102) gespeicherten Betriebssi­ gnale;
eine Korrelationsspeichereinrichtung (105) zum Speichern der zu jeder Gruppe von Sensoren (121-124) gehörenden Gruppe von Quantifizierungsvektoren; und
einer Abweichungsgradauswertungseinrichtung (108) zum Bestimmen eines Abweichungsgrades einer jeden Gruppe von Sensoren (121-124) durch Vergleichen vorliegender Be­ triebssignale von jeder Gruppe dieser Sensoren mit der dieser Gruppe von Sensoren (121-124) entsprechenden Gruppe von Quantifizierungsvektoren.
2. Störungsuntersuchungsvorrichtung nach Anspruch 1, mit einer Untersuchungseinrichtung (109) zum Untersuchen einer Zuverlässigkeit jedes einzelnen Sensors (121-124) auf Grundlage der von der Abweichungsgradauswertungs­ einrichtung (108) erhaltenen Abweichungsgrade.
3. Störungsuntersuchungsvorrichtung nach Anspruch 2, ferner mit einer Gegenmaßnahmeplanungseinrichtung (110) zum Kontrollieren des zu kontrollierenden Objekts (120) anhand von von der Untersuchungseinrichtung (109) be­ stimmten Untersuchungsergebnissen.
4. Störungsuntersuchungsvorrichtung nach Anspruch 2, bei der jede Gruppe von Sensoren aus einem Paar von Sensoren besteht.
5. Störungsuntersuchungsvorrichtung nach einem der Ansprü­ che 1, 2, 3 oder 4, bei der die Quantifizierungseinrich­ tung (104) wenigstens ein Paar bestehend aus einem Kor­ relationsnetzwerk und einer Quantifizierungsverarbei­ tungseinrichtung (302) umfaßt, wobei das Korrelations­ netzwerk eine Eingabeschicht (303), in die Betriebssi­ gnale von jeder Gruppe der Sensoren und ein konstanter Wert eingegeben werden, und eine Quantifizierungsneuro­ nenschicht (304), die aus einer Mehrzahl von Quantifi­ zierungsneuronen (307) besteht, aufweist, wobei jeweils ein Quantifizierungsneuron einem Vektor aus der Gruppe der Quantifizierungsvektoren entspricht, und die Quanti­ fizierungsverarbeitungseinrichtung (302) die Gewichtun­ gen von Synapsen (308) erneuert, die Neuronen (305, 306) der Eingabeschicht und Neuronen (307) der Quantifizie­ rungsneuronenschicht (304) miteinander verbinden.
6. Störungsuntersuchungsvorrichtung nach einem der Ansprü­ che 1, 2, 3 oder 4, bei der die Abweichungsgradauswer­ tungseinrichtung (108) jeden Abweichungsgrad auf Grund­ lage eines Abstands zwischen einem aus den vorliegenden Betriebssignalen von jeder Gruppe von Sensoren (121-124) gebildeten Zustandsvektor und einem Vektor aus der jeder Gruppe von Sensoren zugeordneten Gruppe von Quantifi­ zierungsvektoren bestimmt.
7. Störungsuntersuchungsvorrichtung nach einem der Ansprü­ che 2, 3 oder 4, bei der die Untersuchungseinrichtung (109) ein Untersuchungsnetzwerk (601) enthält, das den Sensoren entsprechende Einheiten (603) und die Einheiten (603) miteinander verbindende Synapsen (604) umfaßt, wo­ bei die Gewichtungen der Synapsen (604) aus den von der Abweichungsgradauswertungseinrichtung (108) berechneten Abweichungsgraden erhalten werden, und die die Zuverläs­ sigkeit jedes einzelnen der Sensoren (121-124) bestimmt.
8. Störungsuntersuchungsverfahren mit den Schritten:
Bilden von Gruppen mit einer vorgegebenen Anzahl von Sensoren aus einer Mehrzahl von an einem zu kontrollie­ renden Objekt (120) vorgesehenen Sensoren (121-124);
Eingeben von von jeder einzelnen Gruppe von Sensoren ausgegebenen Betriebssignalen in ein Quantifizierungs­ netzwerk (104), um Korrelationen zwischen den Betriebs­ signalen jeder Gruppe von Sensoren zu gewinnen und das Quantifizierungsnetzwerk (104) zum Lernen der Charakte­ ristika dieser Korrelationen zu veranlassen;
Bilden einer Gruppe von Quantifizierungsvektoren, die die Korrelationen zwischen den Betriebssignalen aus jeder Gruppe von Sensoren darstellen, für jede einzelne Gruppe von Sensoren, unter Verwendung des Quantifizie­ rungsnetzwerks; und
Bestimmen eines Abweichungsgrades jeder einzelnen Gruppe von Sensoren durch Vergleichen eines Satzes vorliegender Betriebssignale jeder einzelnen Gruppe von Sensoren mit einem Vektor aus der jeder Gruppe dieser Sensoren ent­ sprechenden Gruppe von Quantifizierungsvektoren.
9. Störungsuntersuchungsverfahren nach Anspruch 8, mit den weiteren Schritten:
Eingeben der Abweichungsgrade in ein Untersuchungsnetz­ werk (601), das den Sensoren entsprechende Einheiten (603) und die Einheiten miteinander verbindende Synapsen (604) umfaßt, wobei die Gewichtungen der Synapsen aus den Abweichungsgraden gewonnen werden; und
Bestimmen gestörter Sensoren unter diesen Sensoren durch Minimieren einer Gesamtenergie des Untersuchungsnetz­ werks.
10. Störungsuntersuchungsverfahren nach Anspruch 9, bei dem jede Gruppe von Sensoren aus einem Paar von Sensoren be­ steht.
11. Störungsuntersuchungsverfahren nach einem der Ansprüche 8, 9 oder 10, bei dem für den Schritt des Bildens der Gruppe von Quantifizierungsvektoren wenigstens ein Paar bestehend aus einem Korrelationsnetzwerk und einer Quan­ tifizierungsverarbeitungseinrichtung (302) eingesetzt wird, wobei die Korrelationsnetzwerke eine Eingabe­ schicht (303), in die Betriebssignale von jeder Gruppe der Sensoren und ein konstanter Wert eingegeben werden und eine aus einer Mehrzahl von Quantifizierungsneuronen (307) bestehende Quantifizierungsneuronenschicht (304) haben, wobei jedes Quantifizierungsneuron einem Vektor aus der Gruppe der Quantifizierungsvektoren entspricht und die Quantifizierungsverarbeitungseinrichtung Gewich­ tungen von Synapsen (308) erneuert, die Neuronen (305, 306) der Eingabeschicht und Neuronen (307) der Quantifi­ zierungsneuronenschicht (304) miteinander verbinden.
12. Störungsuntersuchungsverfahren nach einem der Ansprüche 8, 9 oder 10, bei dem im Schritt des Bestimmens des Ab­ weichungsgrads jeder Abweichungsgrad auf Grundlage eines Abstands zwischen einem aus den vorliegenden Betriebssi­ gnalen jeder Gruppe von Sensoren gebildeten Zustandsvek­ tors und einem Vektor aus der jeder Gruppe von Sensoren entsprechenden Gruppe von Quantifizierungsvektoren be­ stimmt wird.
DE4436658A 1993-10-13 1994-10-13 Vorrichtung und Verfahren zur Störungsuntersuchung Expired - Fee Related DE4436658B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP5-255462 1993-10-13
JP25546293A JP3221184B2 (ja) 1993-10-13 1993-10-13 故障診断装置および方法

Publications (2)

Publication Number Publication Date
DE4436658A1 true DE4436658A1 (de) 1995-04-20
DE4436658B4 DE4436658B4 (de) 2004-02-12

Family

ID=17279105

Family Applications (1)

Application Number Title Priority Date Filing Date
DE4436658A Expired - Fee Related DE4436658B4 (de) 1993-10-13 1994-10-13 Vorrichtung und Verfahren zur Störungsuntersuchung

Country Status (6)

Country Link
US (1) US5548597A (de)
JP (1) JP3221184B2 (de)
KR (1) KR0172982B1 (de)
CN (1) CN1047446C (de)
DE (1) DE4436658B4 (de)
TW (1) TW275676B (de)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997006474A1 (de) * 1995-08-09 1997-02-20 Siemens Aktiengesellschaft Verfahren zur analyse von prozessignalen einer technischen anlage, insbesondere einer kraftwerksanlage
WO1997006475A1 (de) * 1995-08-09 1997-02-20 Siemens Aktiengesellschaft Analysesystem für eine technische anlage, insbesondere für eine kraftwerksanlage
WO1997007439A1 (en) * 1995-08-11 1997-02-27 Fisher-Rosemount Systems, Inc. Method and apparatus for detecting and identifying faulty sensors in a process
EP0795805A1 (de) * 1996-03-14 1997-09-17 Siemens Aktiengesellschaft Verfahren zur Analyse von Meldeelementen einer Kraftwerksanlage
DE19735010C1 (de) * 1997-08-13 1998-06-18 Daimler Benz Ag Verfahren zur Erkennung von Zündaussetzern bei einer Brennkraftmaschine mit zwei Zündkerzen pro Zylinder
DE19730259C1 (de) * 1997-07-09 1999-02-04 Siemens Ag Verfahren und Anordnung zum Prüfen eines Doppelsensorsystems
WO2001035174A1 (en) * 1999-11-05 2001-05-17 The Foxboro Company Statistical trend generator for predictive instrument maintenance
DE102010009518A1 (de) * 2010-02-26 2011-09-01 Audi Ag Messvorrichtung und Verfahren zu deren Kalibrierung
US9823100B2 (en) 2012-12-20 2017-11-21 Endress+Hauser Conducta Gmbh+Co. Kg Method and apparatus for determining a state of a measuring transducer integrated in a process container
AT519777A1 (de) * 2017-03-22 2018-10-15 Ait Austrian Inst Tech Gmbh Verfahren zur Erkennung des normalen Betriebszustands eines Arbeitsprozesses
EP4293457A1 (de) * 2022-06-15 2023-12-20 Siemens Aktiengesellschaft Überwachungsverfahren, computerprogrammprodukt, überwachungsseinheit, gasanalysevorrichtung und verwendung einer künstlichen intelligenz

Families Citing this family (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5928229A (en) 1993-11-08 1999-07-27 Rita Medical Systems, Inc. Tumor ablation apparatus
US5599345A (en) 1993-11-08 1997-02-04 Zomed International, Inc. RF treatment apparatus
US6071280A (en) 1993-11-08 2000-06-06 Rita Medical Systems, Inc. Multiple electrode ablation apparatus
US6132425A (en) 1995-08-15 2000-10-17 Gough; Edward J. Cell necrosis apparatus
US5980517A (en) 1995-08-15 1999-11-09 Rita Medical Systems, Inc. Cell necrosis apparatus
US6090105A (en) 1995-08-15 2000-07-18 Rita Medical Systems, Inc. Multiple electrode ablation apparatus and method
US5951547A (en) 1995-08-15 1999-09-14 Rita Medical Systems, Inc. Multiple antenna ablation apparatus and method
US6059780A (en) 1995-08-15 2000-05-09 Rita Medical Systems, Inc. Multiple antenna ablation apparatus and method with cooling element
US5913855A (en) 1995-08-15 1999-06-22 Rita Medical Systems, Inc. Multiple antenna ablation apparatus and method
US5925042A (en) 1995-08-15 1999-07-20 Rita Medical Systems, Inc. Multiple antenna ablation apparatus and method
US6080150A (en) 1995-08-15 2000-06-27 Rita Medical Systems, Inc. Cell necrosis apparatus
US5758064A (en) * 1996-03-26 1998-05-26 Ncr Corporation Method of diagnosing communication problems of electronic price labels
US7269475B1 (en) * 1998-03-02 2007-09-11 Xerox Corporation Distributed control system with global contraints for controlling object motion with smart matter
US6356857B1 (en) * 1998-08-17 2002-03-12 Aspen Technology, Inc. Sensor validation apparatus and method
DE19930311C1 (de) * 1999-07-01 2000-12-14 Siemens Ag Verfahren und Vorrichtung zum Bestimmen einer Betriebsstörung in einer Kraftstoffeinspritzanlage
SE522549C2 (sv) * 2001-03-06 2004-02-17 Goalart Ab En anordning och ett förfarande för sensoranalys av en flödesprocess, för att detektera felaktiga larm och indikera larmsignalers tillförlitlighet till en operatör
JP4071449B2 (ja) * 2001-03-27 2008-04-02 株式会社東芝 センサ異常検出方法及びセンサ異常検出装置
DK1393136T3 (da) * 2001-04-26 2009-05-11 Abb As Fremgangsmåde til at overvåge og detektere sensorfejl i olie- og gas-produktionssystemer
US7152068B2 (en) * 2001-12-21 2006-12-19 Honeywell International Inc. Method and apparatus for retrieving time series data related to an activity
US7093168B2 (en) * 2002-01-22 2006-08-15 Honeywell International, Inc. Signal validation and arbitration system and method
GB0307406D0 (en) * 2003-03-31 2003-05-07 British Telecomm Data analysis system and method
US7451003B2 (en) * 2004-03-04 2008-11-11 Falconeer Technologies Llc Method and system of monitoring, sensor validation and predictive fault analysis
US7162393B1 (en) * 2005-09-01 2007-01-09 Sun Microsystems, Inc. Detecting degradation of components during reliability-evaluation studies
US7231291B2 (en) * 2005-09-15 2007-06-12 Cummins, Inc. Apparatus, system, and method for providing combined sensor and estimated feedback
JP2008097363A (ja) * 2006-10-12 2008-04-24 Okuma Corp 異常診断方法及びその装置
JP4582192B2 (ja) * 2008-05-20 2010-11-17 トヨタ自動車株式会社 車両故障解析システム、車両故障解析装置、車両故障解析方法
JP5363927B2 (ja) 2009-09-07 2013-12-11 株式会社日立製作所 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム
JP5048748B2 (ja) * 2009-12-18 2012-10-17 三菱電機株式会社 試験テーブル生成装置及び試験テーブル生成方法
CN102538859A (zh) * 2011-05-19 2012-07-04 广东迅通科技股份有限公司 多类传感器的监测处理方法
US9298182B2 (en) * 2011-12-15 2016-03-29 Xeonet Co., Ltd Method of displaying abnormal status in plant operation monitoring system
US20140039798A1 (en) * 2012-07-31 2014-02-06 Chetan K. Gupta System and methods for grouping similar items within a set
WO2014091956A1 (ja) * 2012-12-14 2014-06-19 日本電気株式会社 監視装置、監視方法、及びプログラム
WO2014091952A1 (ja) * 2012-12-14 2014-06-19 日本電気株式会社 センサ監視装置、センサ監視方法、及びセンサ監視プログラム
JP6344158B2 (ja) 2014-09-01 2018-06-20 株式会社Ihi 故障検出装置
JP6430263B2 (ja) * 2015-01-19 2018-11-28 株式会社日立製作所 異常診断分析装置
CN107250935B (zh) * 2015-02-18 2019-08-06 东芝三菱电机产业系统株式会社 钢铁成套设备警报管理装置
WO2016147656A1 (ja) * 2015-03-16 2016-09-22 日本電気株式会社 情報処理装置、情報処理方法、及び、記録媒体
JP5875726B1 (ja) * 2015-06-22 2016-03-02 株式会社日立パワーソリューションズ 異常予兆診断装置のプリプロセッサ及びその処理方法
CN105067025A (zh) * 2015-07-31 2015-11-18 西南科技大学 一种利用单稳系统随机共振效应检测微弱信号的方法
JP6734362B2 (ja) 2016-03-24 2020-08-05 三菱重工業株式会社 監視装置、監視方法、プログラム
US11327475B2 (en) 2016-05-09 2022-05-10 Strong Force Iot Portfolio 2016, Llc Methods and systems for intelligent collection and analysis of vehicle data
US20180284735A1 (en) 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for industrial internet of things data collection in a network sensitive upstream oil and gas environment
US11774944B2 (en) 2016-05-09 2023-10-03 Strong Force Iot Portfolio 2016, Llc Methods and systems for the industrial internet of things
JP7017851B2 (ja) 2016-12-01 2022-02-09 住友重機械工業株式会社 故障診断システムおよび処理ユニット
WO2018178082A1 (en) 2017-03-28 2018-10-04 Shell Internationale Research Maatschappij B.V. Method, computer device and system for providing a visualization of sensor measurements
US10678233B2 (en) 2017-08-02 2020-06-09 Strong Force Iot Portfolio 2016, Llc Systems and methods for data collection and data sharing in an industrial environment
CN108489527B (zh) * 2017-12-25 2020-06-16 渤海造船厂集团有限公司 船用过程参数测量柜功能插件智能校验器
KR101967339B1 (ko) * 2018-03-06 2019-04-09 단국대학교 산학협력단 심층학습 기반의 adas 센서 고장 진단 및 백업을 위한 장치 및 방법
CN108593053A (zh) * 2018-03-15 2018-09-28 上海新奥新能源技术有限公司 流量计量单元中仪表的故障诊断方法及装置
CN109815080A (zh) * 2018-12-14 2019-05-28 深圳壹账通智能科技有限公司 计算机设备的三维监控方法及其装置
DE102019135483A1 (de) * 2019-12-20 2021-06-24 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Früherkennung und Reaktion auf Fehler in einer Maschine
US11625031B2 (en) * 2020-11-30 2023-04-11 GM Global Technology Operations LLC Anomaly detection systems and methods
US11895809B2 (en) * 2021-05-12 2024-02-06 Nvidia Corporation Intelligent leak sensor system for datacenter cooling systems
CN115457756B (zh) * 2021-06-09 2024-07-19 中移系统集成有限公司 传感器校准的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3505818A1 (de) * 1985-02-20 1986-08-21 Licentia Patent-Verwaltungs-Gmbh, 6000 Frankfurt Ueberwachungs- und kontrolleinrichtung fuer schaltgeraete
WO1990016048A1 (en) * 1989-06-14 1990-12-27 Liszka Ludwik A method for monitoring the operational state of a system
DE3929404A1 (de) * 1989-09-05 1991-03-07 Bodenseewerk Geraetetech Verfahren und vorrichtung zum erkennen und identifizieren von fehlern an sensoren
DE4100501A1 (de) * 1991-01-10 1992-07-16 Bodenseewerk Geraetetech Verfahren und einrichtung zum erkennen von fehlern an sensoren fuer zustandsgroessen
DE4310279A1 (de) * 1992-03-31 1993-10-07 Genshi Nenryo Kogyo Signalverarbeitungsvorrichtung zur Auswertung von Prüfdaten

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0369489A3 (de) * 1988-11-18 1991-11-27 Omron Corporation Steuerungssystem für Sensoren

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3505818A1 (de) * 1985-02-20 1986-08-21 Licentia Patent-Verwaltungs-Gmbh, 6000 Frankfurt Ueberwachungs- und kontrolleinrichtung fuer schaltgeraete
WO1990016048A1 (en) * 1989-06-14 1990-12-27 Liszka Ludwik A method for monitoring the operational state of a system
DE3929404A1 (de) * 1989-09-05 1991-03-07 Bodenseewerk Geraetetech Verfahren und vorrichtung zum erkennen und identifizieren von fehlern an sensoren
DE4100501A1 (de) * 1991-01-10 1992-07-16 Bodenseewerk Geraetetech Verfahren und einrichtung zum erkennen von fehlern an sensoren fuer zustandsgroessen
DE4310279A1 (de) * 1992-03-31 1993-10-07 Genshi Nenryo Kogyo Signalverarbeitungsvorrichtung zur Auswertung von Prüfdaten

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Baldeweg, F. u.a.: Zur Anwendung assoziativer Neuronennetze für die Diagnose und Therapie- steuerung, In: mst 6/89, S. 245-248 *
Bonfig, K. u.a.: Prozeßüberwachung und Fehlerdia- gnose an Maschinen, In: mpa 3/87, S. 134-143 *
REINISCH, K.: Analyse und Synthese kontinuier- licher Steuerungssysteme. VT Berlin 1979, S. 111-119 *
REINISCH, K.: Kybernetische Grundlagen und Be- schreibung kontinuierlicher Systeme. VT Berlin 1974, S. 138-141 *
SCHÖLTZEL, P.: Einführung in die Korrelations- Meßtechnik. In: Elektronik 1971, Heft 2, S. 39-42 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997006474A1 (de) * 1995-08-09 1997-02-20 Siemens Aktiengesellschaft Verfahren zur analyse von prozessignalen einer technischen anlage, insbesondere einer kraftwerksanlage
WO1997006475A1 (de) * 1995-08-09 1997-02-20 Siemens Aktiengesellschaft Analysesystem für eine technische anlage, insbesondere für eine kraftwerksanlage
WO1997007439A1 (en) * 1995-08-11 1997-02-27 Fisher-Rosemount Systems, Inc. Method and apparatus for detecting and identifying faulty sensors in a process
US5680409A (en) * 1995-08-11 1997-10-21 Fisher-Rosemount Systems, Inc. Method and apparatus for detecting and identifying faulty sensors in a process
DE19681530B4 (de) * 1995-08-11 2007-10-25 Fisher-Rosemount Systems, Inc., Austin Verfahren und Vorrichtung zum Detektieren und Identifizieren fehlerhafter Meßfühler in einem Prozeß
EP0795805A1 (de) * 1996-03-14 1997-09-17 Siemens Aktiengesellschaft Verfahren zur Analyse von Meldeelementen einer Kraftwerksanlage
DE19730259C1 (de) * 1997-07-09 1999-02-04 Siemens Ag Verfahren und Anordnung zum Prüfen eines Doppelsensorsystems
DE19735010C1 (de) * 1997-08-13 1998-06-18 Daimler Benz Ag Verfahren zur Erkennung von Zündaussetzern bei einer Brennkraftmaschine mit zwei Zündkerzen pro Zylinder
US6211680B1 (en) 1997-08-13 2001-04-03 Daimlerchrysler Ag Process and apparatus for recognizing ignition failures in an internal-combustion engine having two spark plugs per cylinder
US6453279B1 (en) 1999-11-05 2002-09-17 The Foxboro Company Statistical trend generator for predictive instrument maintenance
GB2371370A (en) * 1999-11-05 2002-07-24 Foxboro Co Statistical trend generator for predictive instrument maintenance
GB2371370B (en) * 1999-11-05 2003-12-03 Foxboro Co Statistical trend generator for predictive instrument maintenance
WO2001035174A1 (en) * 1999-11-05 2001-05-17 The Foxboro Company Statistical trend generator for predictive instrument maintenance
DE102010009518A1 (de) * 2010-02-26 2011-09-01 Audi Ag Messvorrichtung und Verfahren zu deren Kalibrierung
DE102010009518B4 (de) * 2010-02-26 2015-03-26 Audi Ag Messvorrichtung und Verfahren zu deren Kalibrierung
US9823100B2 (en) 2012-12-20 2017-11-21 Endress+Hauser Conducta Gmbh+Co. Kg Method and apparatus for determining a state of a measuring transducer integrated in a process container
AT519777A1 (de) * 2017-03-22 2018-10-15 Ait Austrian Inst Tech Gmbh Verfahren zur Erkennung des normalen Betriebszustands eines Arbeitsprozesses
AT519777B1 (de) * 2017-03-22 2019-12-15 Ait Austrian Inst Tech Gmbh Verfahren zur Erkennung des normalen Betriebszustands eines Arbeitsprozesses
EP4293457A1 (de) * 2022-06-15 2023-12-20 Siemens Aktiengesellschaft Überwachungsverfahren, computerprogrammprodukt, überwachungsseinheit, gasanalysevorrichtung und verwendung einer künstlichen intelligenz
WO2023241894A1 (de) * 2022-06-15 2023-12-21 Siemens Aktiengesellschaft Überwachungsverfahren, computerprogrammprodukt, überwachungsseinheit, gasanalysevorrichtung und verwendung einer künstlichen intelligenz

Also Published As

Publication number Publication date
CN1112249A (zh) 1995-11-22
KR950012269A (ko) 1995-05-16
TW275676B (de) 1996-05-11
US5548597A (en) 1996-08-20
CN1047446C (zh) 1999-12-15
DE4436658B4 (de) 2004-02-12
KR0172982B1 (ko) 1999-03-30
JPH07110708A (ja) 1995-04-25
JP3221184B2 (ja) 2001-10-22

Similar Documents

Publication Publication Date Title
DE4436658A1 (de) Vorrichtung und Verfahren zur Störungsuntersuchung
DE69324296T2 (de) Verfahren zur Diagnose eines laufenden Prozesses
DE4108310C2 (de) Verarbeitungssystem für eine Wissensbank in einem Expertensystem
DE112012002805B4 (de) Ladungsteilchenstrahlvorrichtung
DE69423895T2 (de) Virtuelles kontinuierliches emissionsüberwachungssystem mit gültigkeitsbestätigung des messfühlers
DE102007001025B4 (de) Verfahren zur rechnergestützten Steuerung und/oder Regelung eines technischen Systems
DE69223787T2 (de) System fuer qualitative schlussfolgerung mit paralleler verarbeitung
DE112019001512T5 (de) EINSPRITZGIEßMASCHINENSYSTEM
DE102016011520B4 (de) Produktionsausrüstung mit Maschinenlernsystem und Montage-und Prüfeinheit
DE69214171T2 (de) Fehlerdiagnose durch Prozess-Simulation
DE102012110710A1 (de) Verfahren zur Integration von Modellen eines Gesundheitsmanagementsystems für Verkehrsmittel
DE102018116696A1 (de) Verfahren zum Erzeugen von normalen Zustandsvorhersagedaten einer Anlage und Vorrichtung, die dasselbe verwendet
CH698898A2 (de) System und Verfahren zur verbesserten Zustandsüberwachung eines Anlagensystems.
DE102019217613A1 (de) Verfahren zur diagnose eines motorzustands und diagnostisches modellierungsverfahren dafür
EP0768584B1 (de) Verfahren zur Überwachung einer Maschine oder Anlage
AT511577A2 (de) Maschinell umgesetztes verfahren zum erhalten von daten aus einem nicht linearen dynamischen echtsystem während eines testlaufs
DE102016011523A1 (de) Motorantriebsvorrichtung mit vorbeugender Wartungsfunktion eines Gebläsemotors
EP0718732A2 (de) Verfahren und Vorrichtung zum Steuern eines autonom explorierenden Roboters
DE102020108365A1 (de) Verfahren und Vorrichtung zur Ermittlung von Lebensdauerinformation für einen elektrischen Energiespeicher
EP3282399A1 (de) Verfahren zur verbesserten erkennung von prozessanomalien einer technischen anlage sowie entsprechendes diagnosesystem
EP4210898A1 (de) Verfahren zur zustandsüberwachung eines laserbearbeitungskopfes und laserbearbeitungssystem zum durchführen desselben
DE102019001760A1 (de) Informationsverarbeitungsgerät, maschinelle lernvorrichtungund system
DE102020202866A1 (de) Verfahren und Recheneinheit zur Ursachenanalyse eines anomalen Zustandes einer Maschine
DE4100501A1 (de) Verfahren und einrichtung zum erkennen von fehlern an sensoren fuer zustandsgroessen
DE69208110T2 (de) Selbstdiagnose- und Selbstreparatursystem für ein Bilderzeugungsgerät

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee