DE4436658A1 - Vorrichtung und Verfahren zur Störungsuntersuchung - Google Patents
Vorrichtung und Verfahren zur StörungsuntersuchungInfo
- 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME 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
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric 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
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative 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).
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.
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.
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.
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.
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)
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)
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)
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)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0369489A3 (de) * | 1988-11-18 | 1991-11-27 | Omron Corporation | Steuerungssystem für Sensoren |
-
1993
- 1993-10-13 JP JP25546293A patent/JP3221184B2/ja not_active Expired - Lifetime
-
1994
- 1994-09-27 TW TW083108967A patent/TW275676B/zh active
- 1994-10-13 CN CN94117145A patent/CN1047446C/zh not_active Expired - Fee Related
- 1994-10-13 KR KR1019940026175A patent/KR0172982B1/ko not_active IP Right Cessation
- 1994-10-13 DE DE4436658A patent/DE4436658B4/de not_active Expired - Fee Related
- 1994-10-13 US US08/322,557 patent/US5548597A/en not_active Expired - Fee Related
Patent Citations (5)
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)
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)
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 |