JP2002168661A - センサ故障の検出、分離及び調整法 - Google Patents
センサ故障の検出、分離及び調整法Info
- Publication number
- JP2002168661A JP2002168661A JP2001248450A JP2001248450A JP2002168661A JP 2002168661 A JP2002168661 A JP 2002168661A JP 2001248450 A JP2001248450 A JP 2001248450A JP 2001248450 A JP2001248450 A JP 2001248450A JP 2002168661 A JP2002168661 A JP 2002168661A
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- value
- modeled
- sensors
- failed
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
- G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
-
- 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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
(57)【要約】
【課題】 エンジニアリングシステム（１０）における
センサの故障を検出し、分離し且つ調整する。 【解決手段】 各実際センサ値（Ｓ）のモデル化センサ
値（Ｍ）を複数の他のセンサの関数として生成する。次
に、実際センサ値（Ｓ）とモデル化センサ値（Ｍ）との
差の絶対値を計算し（１４）、所定の閾値（Ｔ）と比較
する（１６）。その差が所定の閾値（Ｔ）より大きけれ
ば、センサ故障を検出する。センサ故障が検出されたな
らば、仮説試験（２２）及び最大勝利戦略（２６）を使
用してそのセンサ故障を分離する。故障を分離した（２
０）後、実際センサ値（Ｓ）をモデル化センサ値（Ｍ）
と置き換えることにより、故障を調整する（２２）。
センサの故障を検出し、分離し且つ調整する。 【解決手段】 各実際センサ値（Ｓ）のモデル化センサ
値（Ｍ）を複数の他のセンサの関数として生成する。次
に、実際センサ値（Ｓ）とモデル化センサ値（Ｍ）との
差の絶対値を計算し（１４）、所定の閾値（Ｔ）と比較
する（１６）。その差が所定の閾値（Ｔ）より大きけれ
ば、センサ故障を検出する。センサ故障が検出されたな
らば、仮説試験（２２）及び最大勝利戦略（２６）を使
用してそのセンサ故障を分離する。故障を分離した（２
０）後、実際センサ値（Ｓ）をモデル化センサ値（Ｍ）
と置き換えることにより、故障を調整する（２２）。
Description
【０００１】
【発明の属する技術分野】本発明は、あらゆる種類のエ
ンジニアリングシステムにおけるセンサ故障の検出、分
離及び調整(accomodation)に関する。
ンジニアリングシステムにおけるセンサ故障の検出、分
離及び調整(accomodation)に関する。
【０００２】
【従来の技術】多くのエンジニアリングシステムは、シ
ステムの動作を制御し、監視するためにセンサを使用し
ている。ガスタービンエンジンの場合、センサは回転子
速度、温度、圧力及びアクチュエータ位置フィードバッ
クなどのプロセス変数を測定するために使用される。測
定された変数は、システムが所望の条件で動作を続け、
安全限界を観測し、且つ性能を最適化するように保証す
るために使用される。
ステムの動作を制御し、監視するためにセンサを使用し
ている。ガスタービンエンジンの場合、センサは回転子
速度、温度、圧力及びアクチュエータ位置フィードバッ
クなどのプロセス変数を測定するために使用される。測
定された変数は、システムが所望の条件で動作を続け、
安全限界を観測し、且つ性能を最適化するように保証す
るために使用される。
【０００３】センサは頑丈であるように設計できるが、
予備センサやバックアップ方式を使用することによりセ
ンサの故障に対処してきた。更に、最近では、デジタル
コントローラの出現に伴って、センサ故障の検出、分離
及び調整（ＦＤＩＡ）のための解析方法が開発された。
しかし、多くのセンサＦＤＩＡ方式は単純な範囲試験と
速度試験に限定されている。そのような試験において
は、センサの値を期待最小値及び期待最大値及び／又は
値の変化速度と比較する。センサ値が限界を越えれば、
そのセンサは故障したと宣告される。このような方法は
非常に速い大規模な故障、すなわち、「ハードな」故障
に関しては有効であるが、範囲内におさまっている故障
や、ゆっくりとしたドリフト故障、すなわち、「ソフト
な」故障には対応できない。
予備センサやバックアップ方式を使用することによりセ
ンサの故障に対処してきた。更に、最近では、デジタル
コントローラの出現に伴って、センサ故障の検出、分離
及び調整（ＦＤＩＡ）のための解析方法が開発された。
しかし、多くのセンサＦＤＩＡ方式は単純な範囲試験と
速度試験に限定されている。そのような試験において
は、センサの値を期待最小値及び期待最大値及び／又は
値の変化速度と比較する。センサ値が限界を越えれば、
そのセンサは故障したと宣告される。このような方法は
非常に速い大規模な故障、すなわち、「ハードな」故障
に関しては有効であるが、範囲内におさまっている故障
や、ゆっくりとしたドリフト故障、すなわち、「ソフト
な」故障には対応できない。
【０００４】より精巧な方式はセンサの解析「モデル」
を使用し、他の入力、通常はその他のセンサ又は他の動
作条件に基づいてセンサ値を評価することを含む。その
ようなモデルの１つがＳｃ＝ｆ（Ｓａ，Ｓｂ）の形態を
とるセンサモデルを使用する「マップモデル」である。
すなわち、センサ「ｃ」の値はセンサ「ａ」及び「ｂ」
の何らかの、適当な単純性を持つ関数であると仮定す
る。用途に応じて、各センサモデルは他の１つ以上のセ
ンサの関数であれば良い。例えば、圧縮機入口温度を感
知されるファン入口温度及びファン速度の関数としてモ
デル化することができる。この場合、センサ値とそのモ
デル値との差が所定の閾値を越えるたびに、そのセンサ
は故障したと宣告される。
を使用し、他の入力、通常はその他のセンサ又は他の動
作条件に基づいてセンサ値を評価することを含む。その
ようなモデルの１つがＳｃ＝ｆ（Ｓａ，Ｓｂ）の形態を
とるセンサモデルを使用する「マップモデル」である。
すなわち、センサ「ｃ」の値はセンサ「ａ」及び「ｂ」
の何らかの、適当な単純性を持つ関数であると仮定す
る。用途に応じて、各センサモデルは他の１つ以上のセ
ンサの関数であれば良い。例えば、圧縮機入口温度を感
知されるファン入口温度及びファン速度の関数としてモ
デル化することができる。この場合、センサ値とそのモ
デル値との差が所定の閾値を越えるたびに、そのセンサ
は故障したと宣告される。
【０００５】使用する技法に関わらず、閾値をどう選択
するかは重要である。余りにも厳しい閾値では偽警報
（偽肯定(false positive)）の回数が多くなり、閾値を
余りに大きくとりすぎれば、検出される故障の数が少な
くなってしまう（偽否定(falsenegative)）。また、一
般に、故障を検出することは特定のセンサに対してそれ
を分離することより容易であると理解されている。故障
を検出したものの、それを誤ったセンサに帰属させるの
は分類ミスである。
するかは重要である。余りにも厳しい閾値では偽警報
（偽肯定(false positive)）の回数が多くなり、閾値を
余りに大きくとりすぎれば、検出される故障の数が少な
くなってしまう（偽否定(falsenegative)）。また、一
般に、故障を検出することは特定のセンサに対してそれ
を分離することより容易であると理解されている。故障
を検出したものの、それを誤ったセンサに帰属させるの
は分類ミスである。
【０００６】
【発明が解決しようとする課題】そこで、現在の方法と
比較して検出閾値を低下させることを目的とするような
センサ故障の検出、分離及び調整の方法を提供すること
が望ましいであろう。更に、偽肯定、偽否定及び分類ミ
スの率を低く維持しつつ、センサＦＤＩＡを実現するこ
とが望ましいであろう。
比較して検出閾値を低下させることを目的とするような
センサ故障の検出、分離及び調整の方法を提供すること
が望ましいであろう。更に、偽肯定、偽否定及び分類ミ
スの率を低く維持しつつ、センサＦＤＩＡを実現するこ
とが望ましいであろう。
【０００７】
【課題を解決するための手段】センサ故障を検出し、分
離し且つ調整するために、センサ整合(consisitency)モ
デル、仮説試験(hypothesis testing)及び最大勝利(max
imum-wins)戦略の使用に基づく方法を提案する。この方
法は正しい分離の回数を最大限に増加させると共に、偽
肯定の数を最小限に抑える。
離し且つ調整するために、センサ整合(consisitency)モ
デル、仮説試験(hypothesis testing)及び最大勝利(max
imum-wins)戦略の使用に基づく方法を提案する。この方
法は正しい分離の回数を最大限に増加させると共に、偽
肯定の数を最小限に抑える。
【０００８】従って、本発明は、検出閾値を低下させた
センサ故障検出、分離及び調整の方法を提供する。
センサ故障検出、分離及び調整の方法を提供する。
【０００９】
【発明の実施の形態】図１を参照すると、図１は、セン
サ故障を検出し、分離し、調整する方法を示す概略ブロ
ック線図１０である。整合モデル１２は各センサＳをそ
の他のセンサの関数としてモデル化する。例えば、圧縮
機入口温度を感知される回転子速度、圧力及びその他の
温度センサの関数としてモデル化することができる。図
１において、ブロック１４では、実際センサ値Ｓとモデ
ル化センサ値Ｍとの差の絶対値であるデルタを計算す
る。
サ故障を検出し、分離し、調整する方法を示す概略ブロ
ック線図１０である。整合モデル１２は各センサＳをそ
の他のセンサの関数としてモデル化する。例えば、圧縮
機入口温度を感知される回転子速度、圧力及びその他の
温度センサの関数としてモデル化することができる。図
１において、ブロック１４では、実際センサ値Ｓとモデ
ル化センサ値Ｍとの差の絶対値であるデルタを計算す
る。
【００１０】一実施例では、センサ整合モデルは次のよ
うな形態の線形モデルである。
うな形態の線形モデルである。
【００１１】
【数１】
【００１２】この線形モデルでは、Ｓ１，Ｓ
２，．．．，Ｓｎは回転子速度、圧力及び温度などの
「ｎ」個の実際センサ値を表し、Ｍ１，Ｍ２，．．．，
Ｍｎは「ｎ」個のモデル化センサ値を表し、Ｒｉｊは線
形モデル行列Ｒのｉ番目の行、ｊ番目の列の要素を表
す。
２，．．．，Ｓｎは回転子速度、圧力及び温度などの
「ｎ」個の実際センサ値を表し、Ｍ１，Ｍ２，．．．，
Ｍｎは「ｎ」個のモデル化センサ値を表し、Ｒｉｊは線
形モデル行列Ｒのｉ番目の行、ｊ番目の列の要素を表
す。
【００１３】線形モデル行列Ｒは主対角線に０（ゼロ）
を有し、これは、モデル化センサ値が対応する実際セン
サ値の関数ではないことを示す。設計に際して、その他
の列−正準形式に導くために、行列の他の要素を０にす
ることを選択しても良い。
を有し、これは、モデル化センサ値が対応する実際セン
サ値の関数ではないことを示す。設計に際して、その他
の列−正準形式に導くために、行列の他の要素を０にす
ることを選択しても良い。
【００１４】行列Ｒは、多数のシミュレートされたプラ
ント条件又は実際のプラント条件に対するセンサ値から
構成される「訓練」データに適用される線形回帰方式に
より求められる。シミュレートされたプラント条件の数
をｒとし、且つセンサの数をｎとすれば、公式 Ｒｉ＝Ｘ＼Ｘｉ を使用して、多重線形回帰の解は回帰行列Ｒのｉ番目の
行の非０要素を与える。尚、式中、Ｘは、モデル化すべ
き１つのセンサを除く全てのセンサであるセンサ値の
（ｎ−１）×ｒ行列であり、Ｘｉは、モデル化すべきセ
ンサの値の１×ｒベクトルであり、＼は、Ｘｉ＝ＸＲに
対する最小二乗解を示す擬似逆演算子である。
ント条件又は実際のプラント条件に対するセンサ値から
構成される「訓練」データに適用される線形回帰方式に
より求められる。シミュレートされたプラント条件の数
をｒとし、且つセンサの数をｎとすれば、公式 Ｒｉ＝Ｘ＼Ｘｉ を使用して、多重線形回帰の解は回帰行列Ｒのｉ番目の
行の非０要素を与える。尚、式中、Ｘは、モデル化すべ
き１つのセンサを除く全てのセンサであるセンサ値の
（ｎ−１）×ｒ行列であり、Ｘｉは、モデル化すべきセ
ンサの値の１×ｒベクトルであり、＼は、Ｘｉ＝ＸＲに
対する最小二乗解を示す擬似逆演算子である。
【００１５】典型的な実現形態においては、１つの動作
条件でデータを収集することも可能であるし、あるいは
多数の動作条件又は動作状況であってもデータを収集で
きる。先に説明した線形回帰行列はセンサ値を評価する
ための１回限りの方式、すなわち、スナップショット方
式である。本発明のより一般的な実施例では、単一の回
帰行列の代わりに一連の行列を使用し、そこから動作状
況に応じて適切な行列を選択することができる。あるい
は、単一の回帰行列の代わりに定数の行列又は動作条件
の関数として利得をスケジューリングされた要素を伴う
行列を使用することもできる。動作条件には定常状態条
件及び／又は過渡条件が含まれる。また、先に説明した
最小二乗解の代わりに加重最小二乗を使用することも可
能であり、その場合、重みはセンサの信頼性又は過渡特
性に基づいて選択される。
条件でデータを収集することも可能であるし、あるいは
多数の動作条件又は動作状況であってもデータを収集で
きる。先に説明した線形回帰行列はセンサ値を評価する
ための１回限りの方式、すなわち、スナップショット方
式である。本発明のより一般的な実施例では、単一の回
帰行列の代わりに一連の行列を使用し、そこから動作状
況に応じて適切な行列を選択することができる。あるい
は、単一の回帰行列の代わりに定数の行列又は動作条件
の関数として利得をスケジューリングされた要素を伴う
行列を使用することもできる。動作条件には定常状態条
件及び／又は過渡条件が含まれる。また、先に説明した
最小二乗解の代わりに加重最小二乗を使用することも可
能であり、その場合、重みはセンサの信頼性又は過渡特
性に基づいて選択される。
【００１６】更に別の実施例では、線形モデルの代わり
に神経回路網などの非線形モデルを使用する。これは、
モデル化の精度を向上させることにより、閾値を低下さ
せるという潜在的効果を有する。しかし、故障検出と分
離の方法は全く変わらないままである。
に神経回路網などの非線形モデルを使用する。これは、
モデル化の精度を向上させることにより、閾値を低下さ
せるという潜在的効果を有する。しかし、故障検出と分
離の方法は全く変わらないままである。
【００１７】更に別の実施例では、センサを２組に分割
する。一方の組のセンサのモデル化値は他方の組の関数
としてのみ計算される。すなわち、Ａ組のセンサはＢ組
のセンサの関数としてモデル化され、Ｂ組のセンサはＡ
組のセンサの関数としてモデル化される。その結果、２
×２ブロック対角であるＲ行列が得られ、その行列にお
いて０ブロックは対角線上にあり、非０ブロックは対角
線外れ項となる。センサを２組に分割する手段として
は、センサの一部、例えば、その半分を一方の組に入
れ、残るセンサを他方の組に入れるなどの手段がある。
各組のセンサは、同じ組の２つ以上のセンサの故障の確
率を最小限に抑えつつモデル精度を最大にするように選
択される。あるいは、デュアルチャネルシステムにおい
ては、チャネルＡのセンサを一方の組に入れ、チャネル
Ｂのセンサを他方の組に入れることも可能である。更に
別の実施例では、アクチュエータと環境センサを一方の
組に入れ、速度センサ、温度センサ及び圧力センサなど
の残るセンサを他方の組に入れることもできる。この実
施例においては、センサ故障の分離は仮説試験過程及び
最大勝利過程を必要としない。Ａ（Ｂ）組の故障したセ
ンサはＡ（Ｂ）組の故障したセンサ及びＢ（Ａ）組の全
て又は大半のセンサの大きな誤差（感知された値からモ
デル値を減算した値）により分離される。また、より一
般的なブロック対角方式を含めた他のいくつかの方式も
可能であることは当業者には理解されるであろう。
する。一方の組のセンサのモデル化値は他方の組の関数
としてのみ計算される。すなわち、Ａ組のセンサはＢ組
のセンサの関数としてモデル化され、Ｂ組のセンサはＡ
組のセンサの関数としてモデル化される。その結果、２
×２ブロック対角であるＲ行列が得られ、その行列にお
いて０ブロックは対角線上にあり、非０ブロックは対角
線外れ項となる。センサを２組に分割する手段として
は、センサの一部、例えば、その半分を一方の組に入
れ、残るセンサを他方の組に入れるなどの手段がある。
各組のセンサは、同じ組の２つ以上のセンサの故障の確
率を最小限に抑えつつモデル精度を最大にするように選
択される。あるいは、デュアルチャネルシステムにおい
ては、チャネルＡのセンサを一方の組に入れ、チャネル
Ｂのセンサを他方の組に入れることも可能である。更に
別の実施例では、アクチュエータと環境センサを一方の
組に入れ、速度センサ、温度センサ及び圧力センサなど
の残るセンサを他方の組に入れることもできる。この実
施例においては、センサ故障の分離は仮説試験過程及び
最大勝利過程を必要としない。Ａ（Ｂ）組の故障したセ
ンサはＡ（Ｂ）組の故障したセンサ及びＢ（Ａ）組の全
て又は大半のセンサの大きな誤差（感知された値からモ
デル値を減算した値）により分離される。また、より一
般的なブロック対角方式を含めた他のいくつかの方式も
可能であることは当業者には理解されるであろう。
【００１８】更に図１を参照すると、判定装置１６は差
であるデルタを所定の閾値Ｔと比較する。この閾値は、
名目上、センサ整合モデルを開発するために使用される
値に関する実際センサ値とモデル化センサ値との差であ
るモデル化誤差の標準偏差の４倍と等しくなるように設
定される。偽肯定（故障が存在していないときに故障を
検出する）回数と、偽否定（故障を見逃す）回数とを交
換するために、閾値を変化させる（増減させる）ことが
できる。この閾値は、設計時にシステムを作成し、試験
しているときに判定される。閾値は、一度システムが実
現されると、固定されたままとなる。あるいは、閾値は
パワーレベル、入口温度又は入口圧力などの動作条件の
関数であっても良く、その場合、閾値の値は自動的に変
化する。
であるデルタを所定の閾値Ｔと比較する。この閾値は、
名目上、センサ整合モデルを開発するために使用される
値に関する実際センサ値とモデル化センサ値との差であ
るモデル化誤差の標準偏差の４倍と等しくなるように設
定される。偽肯定（故障が存在していないときに故障を
検出する）回数と、偽否定（故障を見逃す）回数とを交
換するために、閾値を変化させる（増減させる）ことが
できる。この閾値は、設計時にシステムを作成し、試験
しているときに判定される。閾値は、一度システムが実
現されると、固定されたままとなる。あるいは、閾値は
パワーレベル、入口温度又は入口圧力などの動作条件の
関数であっても良く、その場合、閾値の値は自動的に変
化する。
【００１９】判定ブロック１６における差が閾値Ｔより
小さい差（デルタ）を示した場合、故障は検出されな
い。実際には故障が存在している場合には、検出しなか
ったことは偽否定になる。差がＴより大きければ、プロ
グラムは判定ブロック１８へ進み、センサは故障してい
る可能性があると宣言される。ｎ個のセンサについてそ
れぞれこのプロセスを繰り返す。１つ以上のセンサが故
障している可能性があると宣言されれば、故障が検出さ
れたと考える。実際に故障が存在していない場合には、
この検出は偽肯定になる。判定ブロック１８で、故障を
１つのセンサに分離することができれば、それ以上故障
を分離する必要はなく、プロセスは終了する。しかし、
２つ以上のセンサが故障している可能性があると宣言さ
れた場合には、故障分離論理を使用して故障のあるセン
サをその他の、故障のないセンサから分離する。
小さい差（デルタ）を示した場合、故障は検出されな
い。実際には故障が存在している場合には、検出しなか
ったことは偽否定になる。差がＴより大きければ、プロ
グラムは判定ブロック１８へ進み、センサは故障してい
る可能性があると宣言される。ｎ個のセンサについてそ
れぞれこのプロセスを繰り返す。１つ以上のセンサが故
障している可能性があると宣言されれば、故障が検出さ
れたと考える。実際に故障が存在していない場合には、
この検出は偽肯定になる。判定ブロック１８で、故障を
１つのセンサに分離することができれば、それ以上故障
を分離する必要はなく、プロセスは終了する。しかし、
２つ以上のセンサが故障している可能性があると宣言さ
れた場合には、故障分離論理を使用して故障のあるセン
サをその他の、故障のないセンサから分離する。
【００２０】故障分離論理は図１の部分２０により示さ
れている。まず、故障している可能性があると宣言され
たセンサの各々についてブロック２２で仮説試験を実行
する。この試験は、特定のセンサｈが故障したという仮
説を立てることから成り、センサの実際値をそのセンサ
のモデル化値と置き換える。次に、プログラムはブロッ
ク１２、１４及び１６のプロセスを繰り返す。ブロック
１６からの故障している可能性があるセンサの数が０に
なると、センサｈが故障したという仮説が確認され、対
応するセンサｈはまだ故障している可能性があると宣言
される。
れている。まず、故障している可能性があると宣言され
たセンサの各々についてブロック２２で仮説試験を実行
する。この試験は、特定のセンサｈが故障したという仮
説を立てることから成り、センサの実際値をそのセンサ
のモデル化値と置き換える。次に、プログラムはブロッ
ク１２、１４及び１６のプロセスを繰り返す。ブロック
１６からの故障している可能性があるセンサの数が０に
なると、センサｈが故障したという仮説が確認され、対
応するセンサｈはまだ故障している可能性があると宣言
される。
【００２１】判定ブロック２４の判定に従って、まだ故
障している可能性があると宣言されるセンサがただ１つ
になった場合、それ以上の分離の必要はなく、仮説試験
プロセスは終了する。まだ故障している可能性があると
宣言されるセンサが２つ以上ある場合には、センサ値の
間の大きさのばらつきを考慮に入れるためにセンサ差で
あるデルタを正規化する。ブロック２６では、どのセン
サｗが最大正規化誤差を有するかを判定し、そのセンサ
が故障していると宣言する最大勝利戦略を使用する。
障している可能性があると宣言されるセンサがただ１つ
になった場合、それ以上の分離の必要はなく、仮説試験
プロセスは終了する。まだ故障している可能性があると
宣言されるセンサが２つ以上ある場合には、センサ値の
間の大きさのばらつきを考慮に入れるためにセンサ差で
あるデルタを正規化する。ブロック２６では、どのセン
サｗが最大正規化誤差を有するかを判定し、そのセンサ
が故障していると宣言する最大勝利戦略を使用する。
【００２２】故障したセンサが正確な測定値を提供する
と信頼することはできないので、故障したセンサの値は
放棄され、その値を制御装置で使用することはできな
い。故障したセンサを調整できない場合、すなわち、故
障したセンサについて代理値を計算できない場合には、
制御装置は劣化してしまい、システム性能は低下する。
センサ調整は、故障したセンサの値をブロック１２のセ
ンサ整合モデルから得られたそのモデル値と置き換える
ことから成る。しかし、調整に関しては、代替モデル値
を使用することができる。センサ整合モデルは、どのセ
ンサが故障したかを判定するために使用される。故障し
たセンサがわかれば、調整のために、入力としての故障
センサには依存しないが、その値を出力として計算する
ことができる他のモデルを適用することが可能である。
と信頼することはできないので、故障したセンサの値は
放棄され、その値を制御装置で使用することはできな
い。故障したセンサを調整できない場合、すなわち、故
障したセンサについて代理値を計算できない場合には、
制御装置は劣化してしまい、システム性能は低下する。
センサ調整は、故障したセンサの値をブロック１２のセ
ンサ整合モデルから得られたそのモデル値と置き換える
ことから成る。しかし、調整に関しては、代替モデル値
を使用することができる。センサ整合モデルは、どのセ
ンサが故障したかを判定するために使用される。故障し
たセンサがわかれば、調整のために、入力としての故障
センサには依存しないが、その値を出力として計算する
ことができる他のモデルを適用することが可能である。
【００２３】本発明によれば、ブロック１２の各センサ
モデルは１つ又は２つの他のセンサではなく、いくつか
のセンサの関数である。従って、モデル化センサは非常
に正確であって、検出閾値を減少させると共に、センサ
故障が発生した場合には調整のためにより正確な値を提
供する。ブロック１２のセンサ整合モデルと、ブロック
２２の仮説試験及びブロック２６の最大勝利戦略とを組
み合わせることにより得られる正確さによって、正しい
分離の数は多くなり且つ偽肯定の回数は少なくなる。
モデルは１つ又は２つの他のセンサではなく、いくつか
のセンサの関数である。従って、モデル化センサは非常
に正確であって、検出閾値を減少させると共に、センサ
故障が発生した場合には調整のためにより正確な値を提
供する。ブロック１２のセンサ整合モデルと、ブロック
２２の仮説試験及びブロック２６の最大勝利戦略とを組
み合わせることにより得られる正確さによって、正しい
分離の数は多くなり且つ偽肯定の回数は少なくなる。
【００２４】本発明を好ましい一実施例を参照して説明
したが、本発明の範囲から逸脱することなく様々な変更
を実施でき且つ実施例の各要素について等価の要素を代
用して差し支えないことは当業者には理解されるであろ
う。例えば、この構成を様々な環境において様々な構成
要素に適用することができる。更に、本発明の本質的な
範囲から逸脱することなく特定の状況又は材料を本発明
の教示に適応させるために数多くの変形を実施できる。
従って、本発明は本発明を実施する上で最良の態様であ
るとして開示されている特定の実施例には限定されず、
本発明は特許請求の範囲の範囲内に包含されるあらゆる
実施例を含むものとする。
したが、本発明の範囲から逸脱することなく様々な変更
を実施でき且つ実施例の各要素について等価の要素を代
用して差し支えないことは当業者には理解されるであろ
う。例えば、この構成を様々な環境において様々な構成
要素に適用することができる。更に、本発明の本質的な
範囲から逸脱することなく特定の状況又は材料を本発明
の教示に適応させるために数多くの変形を実施できる。
従って、本発明は本発明を実施する上で最良の態様であ
るとして開示されている特定の実施例には限定されず、
本発明は特許請求の範囲の範囲内に包含されるあらゆる
実施例を含むものとする。
【図１】センサ故障検出、分離及び調整方法の概略ブロ
ック線図。
ック線図。
１４ 差（デルタ）計算ブロック １６、１８、２４ 判定ブロック
フロントページの続き (72)発明者 マシュー・ウィリアム・ワイズマン アメリカ合衆国、オハイオ州、フェアフィ ールド、チャールトン・コート、345番 Ｆターム(参考） 2F076 AA01 AA05 AA18 5H223 AA10 BB02 EE02 FF06
Claims (22)
- 【請求項１】 システム（１０）におけるセンサ故障を
検出する方法において、 各々の実際センサ値（Ｓ）のモデル化センサ値（Ｍ）を
複数の他のセンサの関数として生成する過程と、 実際センサ値（Ｓ）とモデル化センサ値（Ｍ）との差の
絶対値を計算する過程（１４）と、 差を所定の閾値（Ｔ）と比較する過程（１６）と、 差が所定の閾値（Ｔ）より大きい場合にセンサを故障し
たと宣告する過程と、を有する方法。 - 【請求項２】 前記複数の他のセンサはモデル化すべき
センサを除く全てのセンサを含む請求項１記載の方法。 - 【請求項３】 前記複数の他のセンサは全てのセンサの
部分集合から成る請求項１記載の方法。 - 【請求項４】 モデル化センサ値（Ｍ）を生成する過程
は、線形モデル行列（１２）を適用する過程を含む請求
項１記載の方法。 - 【請求項５】 モデル化センサ値（Ｍ）を生成する過程
は、非線形モデルを適用する過程を含む請求項１記載の
方法。 - 【請求項６】 システム（１０）におけるセンサ故障を
検出し分離する方法において、 各々の実際センサ値（Ｓ）のモデル化センサ値（Ｍ）を
複数の他のセンサの関数として生成する過程と、 実際センサ値（Ｓ）とモデル化センサ値（Ｍ）との差の
絶対値を計算する過程（１４）と、 差を所定の閾値（Ｔ）と比較する過程（１６）と、 差が所定の閾値（Ｔ）より大きい場合にセンサを故障し
たと宣告する過程と、 故障している可能性のあるセンサに故障分離を適用する
過程（２０）と、を有する方法。 - 【請求項７】 前記複数の他のセンサはモデル化すべき
センサを除く全てのセンサを含む請求項６記載の方法。 - 【請求項８】 前記複数の他のセンサは全てのセンサの
部分集合から成る請求項６記載の方法。 - 【請求項９】 モデル化センサ値（Ｍ）を生成する過程
は、線形モデル行列（１２）を適用する過程を含む請求
項６記載の方法。 - 【請求項１０】 モデル化センサ値（Ｍ）を生成する過
程は、非線形モデルを適用する過程を含む請求項６記載
の方法。 - 【請求項１１】 故障分離を適用する過程（２０）は、
故障している可能性のあるセンサに対して仮説試験を実
行する過程（２２）と、故障している可能性のあるセン
サに対して最大勝利戦略を実行する過程（２６）とを含
む請求項６記載の方法。 - 【請求項１２】 仮説試験を実行する過程（２２）は、
各センサが順次故障するという仮説を立てる過程と、セ
ンサの値を関連するモデル化センサ値と置き換え、次
に、故障検出（１２、１４、１６）を繰り返した結果、
その後に検出される故障が減少すれば、前記仮説は正し
いと結論づける過程とを含む請求項１１記載の方法。 - 【請求項１３】 最大勝利戦略を実行する過程（２６）
は、正規化誤差を計算する過程と、仮説試験を実行する
過程により２つ以上のセンサが故障していると指示され
たとき、最大の正規化誤差を有するセンサに対して故障
を分離する過程とを含む請求項１１記載の方法。 - 【請求項１４】 システム（１０）におけるセンサ故障
を検出し、分離し且つ調整する方法において、 各々の実際センサ値（Ｓ）のモデル化センサ値（Ｍ）を
複数の他のセンサの関数として生成する過程と、 実際センサ値（Ｓ）とモデル化センサ値（Ｍ）との差の
絶対値を計算する過程（１４）と、 差を所定の閾値（Ｔ）と比較する過程（１６）と、 差が所定の閾値（Ｔ）より大きい場合にセンサが故障し
ている可能性があるとしてセンサを分離する過程（２
０）と、 故障したセンサの実際センサ値（Ｓ）をそのモデル化セ
ンサ値（Ｍ）と置き換えることにより、センサ故障を調
整する過程（２２）と、を有する方法。 - 【請求項１５】 前記複数の他のセンサはモデル化すべ
きセンサを除く全てのセンサを含む請求項１４記載の方
法。 - 【請求項１６】 前記複数の他のセンサは全てのセンサ
の部分集合から成る請求項１４記載の方法。 - 【請求項１７】 モデル化センサ値（Ｍ）を生成する過
程は、線形モデル行列（１２）を適用する過程を含む請
求項１４記載の方法。 - 【請求項１８】 モデル化センサ値（Ｍ）を生成する過
程は、非線形モデルを適用する過程を含む請求項１４記
載の方法。 - 【請求項１９】 故障分離を適用する過程（２０）は、
故障している可能性のあるセンサに対して仮説試験を実
行する過程（２２）と、故障している可能性のあるセン
サに対して最大勝利戦略を実行する過程（２６）とを含
む請求項１４記載の方法。 - 【請求項２０】 仮説試験を実行する過程（２２）は、
各センサが順次故障するという仮説を立てる過程と、セ
ンサの値を関連するモデル化センサ値と置き換え、次
に、故障検出（１２、１４、１６）を繰り返した結果、
その後に検出される故障が減少すれば、前記仮説は正し
いと結論づける過程とを含む請求項１９記載の方法。 - 【請求項２１】 最大勝利戦略を実行する過程（２６）
は、正規化誤差を計算する過程と、仮説試験を実行する
過程により２つ以上のセンサが故障していると指示され
たとき、最大の正規化誤差を有するセンサに対して故障
を分離する過程とを含む請求項１９記載の方法。 - 【請求項２２】 センサ調整（２２）に使用されるモデ
ル化センサ値（Ｍ）は検出（１２、１４、１６）に使用
されるモデル化センサ値（Ｍ）とは異なっていても良い
請求項１４記載の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/643007 | 2000-08-21 | ||
| US09/643,007 US6598195B1 (en) | 2000-08-21 | 2000-08-21 | Sensor fault detection, isolation and accommodation |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2002168661A true JP2002168661A (ja) | 2002-06-14 |
| JP2002168661A5 JP2002168661A5 (ja) | 2008-10-02 |
| JP4927271B2 JP4927271B2 (ja) | 2012-05-09 |
Family
ID=24578977
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001248450A Expired - Fee Related JP4927271B2 (ja) | 2000-08-21 | 2001-08-20 | センサ故障の検出、分離及び調整法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US6598195B1 (ja) |
| EP (1) | EP1213562A3 (ja) |
| JP (1) | JP4927271B2 (ja) |
| CA (1) | CA2354944C (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008511922A (ja) * | 2004-08-27 | 2008-04-17 | シーメンス コーポレイト リサーチ インコーポレイテツド | システムモニタリングモデルの更新用システム、デバイス、及び方法 |
| JP2009048228A (ja) * | 2007-08-13 | 2009-03-05 | Fujitsu Ltd | センサ評価システム、センサ評価方法、および、センサ評価プログラム |
| JP2010003267A (ja) * | 2008-06-23 | 2010-01-07 | Toshiba Corp | プラント監視装置およびプラント状態表示方法 |
| JP4790864B2 (ja) * | 2007-06-28 | 2011-10-12 | マイクロソフト コーポレーション | センサの状況依存信頼性についての学習と推論 |
| JP2016506333A (ja) * | 2012-12-13 | 2016-03-03 | ミネスト・アーベー | 全翼機を制御するための方法およびシステム |
| JP2017504753A (ja) * | 2013-12-31 | 2017-02-09 | シーメンス アクチエンゲゼルシヤフトＳｉｅｍｅｎｓ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ | ガスタービンの動作パラメータの測定誤差の分析方法、及び、制御装置 |
| US9719866B2 (en) | 2013-03-21 | 2017-08-01 | Fujitsu Limited | Sensor failure detection device, and method |
Families Citing this family (43)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7020595B1 (en) * | 1999-11-26 | 2006-03-28 | General Electric Company | Methods and apparatus for model based diagnostics |
| US20010011359A1 (en) * | 2000-01-28 | 2001-08-02 | Eads Deutschland Gmbh | Reconfiguration procedure for an error-tolerant computer-supported system with at least one set of observers |
| GB2398667B (en) * | 2000-08-25 | 2005-02-16 | Pittway Corp | Multi-sensor detector |
| 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 |
| CA2365430A1 (en) * | 2001-12-19 | 2003-06-19 | Alcatel Canada Inc. | System and method for collecting statistics for a communication network |
| US6804601B2 (en) * | 2002-03-19 | 2004-10-12 | Cummins, Inc. | Sensor failure accommodation system |
| EP1382950B1 (en) * | 2002-07-10 | 2006-07-26 | JTEKT Corporation | Torque sensor |
| TWI226443B (en) * | 2003-12-26 | 2005-01-11 | Wistron Corp | Monitoring circuit and related method |
| US7200524B2 (en) * | 2004-05-06 | 2007-04-03 | Carrier Corporation | Sensor fault diagnostics and prognostics using component model and time scale orthogonal expansions |
| DE102004037352B4 (de) | 2004-07-30 | 2008-06-26 | Eads Deutschland Gmbh | Verfahren zur Überwachung einer zulässigen Konfidenz einer Messgröße eines dynamischen Systems |
| US7693643B2 (en) * | 2005-02-14 | 2010-04-06 | Honeywell International Inc. | Fault detection system and method for turbine engine fuel systems |
| US9104650B2 (en) | 2005-07-11 | 2015-08-11 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
| EP2998894B1 (en) * | 2005-07-11 | 2021-09-08 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system |
| JP4584853B2 (ja) * | 2006-03-17 | 2010-11-24 | 富士通株式会社 | 被疑箇所特定装置および処理方法 |
| US7584617B2 (en) * | 2006-03-17 | 2009-09-08 | Siemens Energy, Inc. | Monitoring health of a combustion dynamics sensing system |
| US7481100B2 (en) * | 2006-12-05 | 2009-01-27 | General Electric Company | Method and apparatus for sensor fault detection and compensation |
| US7555411B2 (en) * | 2007-01-31 | 2009-06-30 | Gm Global Technology Operations, Inc. | Method and apparatus to monitor a temperature sensing device |
| US8062170B2 (en) * | 2007-09-28 | 2011-11-22 | GM Global Technology Operations LLC | Thermal protection of an electric drive system |
| US7764188B2 (en) * | 2007-11-29 | 2010-07-27 | Caterpillar Inc | System and method for maintaining machine operation |
| US7800412B2 (en) * | 2008-02-12 | 2010-09-21 | Honeywell International Inc. | Fault detection and isolation of redundant signals |
| US8478473B2 (en) * | 2008-07-28 | 2013-07-02 | General Electric Company | Method and systems for controlling gas turbine engine temperature |
| US7861578B2 (en) * | 2008-07-29 | 2011-01-04 | General Electric Company | Methods and systems for estimating operating parameters of an engine |
| RU2483497C2 (ru) * | 2008-10-10 | 2013-05-27 | Шарп Кабусики Кайся | Блок фоновой подсветки, жидкокристаллическое устройство отображения, способ управления яркостью, программа управления яркостью и носитель записи |
| US8121818B2 (en) * | 2008-11-10 | 2012-02-21 | Mitek Analytics Llc | Method and system for diagnostics of apparatus |
| US8862433B2 (en) | 2010-05-18 | 2014-10-14 | United Technologies Corporation | Partitioning of turbomachine faults |
| US8621305B2 (en) * | 2010-07-08 | 2013-12-31 | Honeywell International Inc. | Methods systems and apparatus for determining whether built-in-test fault codes are indicative of an actual fault condition or a false alarm |
| EP2609397A1 (en) | 2010-08-24 | 2013-07-03 | Aktiebolaget SKF | A method and a system for determining the angular position of a rotary element, and a bearing including such a system |
| US9009001B2 (en) * | 2011-05-26 | 2015-04-14 | Honeywell International Inc. | Monitoring for invalid data from field instruments |
| US10023305B2 (en) | 2012-05-10 | 2018-07-17 | Sikorsky Aircraft Corporation | System and method of determining rotor loads and motion |
| US20140088766A1 (en) * | 2012-09-21 | 2014-03-27 | United Technologies Corporation | Health management having system level diagnostic feedback and information fusion |
| US8720258B2 (en) * | 2012-09-28 | 2014-05-13 | United Technologies Corporation | Model based engine inlet condition estimation |
| US20160154802A1 (en) * | 2014-12-02 | 2016-06-02 | Nec Laboratories America, Inc. | Quality control engine for complex physical systems |
| GB201501534D0 (en) | 2015-01-30 | 2015-03-18 | Rolls Royce Plc | Methods and systems for detecting, classifying and/or mitigating sensor error |
| US10474118B2 (en) * | 2015-10-29 | 2019-11-12 | Trevor BOICEY | Heat energy management system |
| US20170243413A1 (en) * | 2016-02-22 | 2017-08-24 | Hamilton Sundstrand Corporation | Method for determining aircraft sensor failure without a redundant sensor and correct sensor measurement when redundant aircraft sensors give inconsistent readings |
| CN106525107A (zh) * | 2016-11-23 | 2017-03-22 | 江苏四五安全科技有限公司 | 一种通过仲裁方式鉴定传感器失效的方法 |
| US10337753B2 (en) * | 2016-12-23 | 2019-07-02 | Abb Ag | Adaptive modeling method and system for MPC-based building energy control |
| DE112017008116T5 (de) * | 2017-09-28 | 2020-07-02 | Intel Corporation | Multimodales Abtasten in autonomen Fahrzeugen mit Selbstheilungsfähigkeiten |
| US11867397B2 (en) * | 2019-05-10 | 2024-01-09 | Electric Power Research Institute, Inc. | Gas turbine |
| US11308363B2 (en) | 2020-03-26 | 2022-04-19 | Intel Corporation | Device and method for training an object detection model |
| CN113959630A (zh) * | 2020-07-21 | 2022-01-21 | 何强 | 一种用于防止误动作的压差检测方法及系统 |
| CN112857669B (zh) * | 2021-03-30 | 2022-12-06 | 武汉飞恩微电子有限公司 | 压力传感器的故障检测方法、装置、设备及存储介质 |
| DE102022105077A1 (de) * | 2022-03-03 | 2023-09-07 | Volkswagen Aktiengesellschaft | Verfahren zur Bestimmung eines Funktionskriteriums eines Messwertgebers eines Kraftfahrzeuges |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08233620A (ja) * | 1994-12-27 | 1996-09-13 | Litef Gmbh | 誤り検出分離訂正方法 |
| JP2002522837A (ja) * | 1998-08-17 | 2002-07-23 | アスペン テクノロジー インコーポレイテッド | センサの性能確認装置および方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4100501A1 (de) * | 1991-01-10 | 1992-07-16 | Bodenseewerk Geraetetech | Verfahren und einrichtung zum erkennen von fehlern an sensoren fuer zustandsgroessen |
| US5469364A (en) * | 1993-03-15 | 1995-11-21 | Hughey; Bradley W. | Apparatus and methods for measuring and detecting variations in the value of a capacitor |
| US5436826A (en) * | 1993-10-20 | 1995-07-25 | United Technologies Corporation | Dual control with dual sensor averaging and substitution |
| US5864773A (en) * | 1995-11-03 | 1999-01-26 | Texas Instruments Incorporated | Virtual sensor based monitoring and fault detection/classification system and method for semiconductor processing equipment |
| KR100497269B1 (ko) * | 1997-07-02 | 2005-06-29 | 로베르트 보쉬 게엠베하 | 차량의 센서 모니터링 방법 및 장치 |
| US6208917B1 (en) * | 1999-12-23 | 2001-03-27 | Daimlerchrysler Corporation | Ambient temperature/inlet air temperature sensor dither |
-
2000
- 2000-08-21 US US09/643,007 patent/US6598195B1/en not_active Expired - Lifetime
-
2001
- 2001-08-08 EP EP01306783A patent/EP1213562A3/en not_active Withdrawn
- 2001-08-09 CA CA002354944A patent/CA2354944C/en not_active Expired - Fee Related
- 2001-08-20 JP JP2001248450A patent/JP4927271B2/ja not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08233620A (ja) * | 1994-12-27 | 1996-09-13 | Litef Gmbh | 誤り検出分離訂正方法 |
| JP2002522837A (ja) * | 1998-08-17 | 2002-07-23 | アスペン テクノロジー インコーポレイテッド | センサの性能確認装置および方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008511922A (ja) * | 2004-08-27 | 2008-04-17 | シーメンス コーポレイト リサーチ インコーポレイテツド | システムモニタリングモデルの更新用システム、デバイス、及び方法 |
| JP4852043B2 (ja) * | 2004-08-27 | 2012-01-11 | シーメンス コーポレーション | システムモニタリングモデルの更新用システム、デバイス、及び方法 |
| JP4790864B2 (ja) * | 2007-06-28 | 2011-10-12 | マイクロソフト コーポレーション | センサの状況依存信頼性についての学習と推論 |
| JP2009048228A (ja) * | 2007-08-13 | 2009-03-05 | Fujitsu Ltd | センサ評価システム、センサ評価方法、および、センサ評価プログラム |
| JP2010003267A (ja) * | 2008-06-23 | 2010-01-07 | Toshiba Corp | プラント監視装置およびプラント状態表示方法 |
| JP2016506333A (ja) * | 2012-12-13 | 2016-03-03 | ミネスト・アーベー | 全翼機を制御するための方法およびシステム |
| US9719866B2 (en) | 2013-03-21 | 2017-08-01 | Fujitsu Limited | Sensor failure detection device, and method |
| JP2017504753A (ja) * | 2013-12-31 | 2017-02-09 | シーメンス アクチエンゲゼルシヤフトＳｉｅｍｅｎｓ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ | ガスタービンの動作パラメータの測定誤差の分析方法、及び、制御装置 |
| US10337410B2 (en) | 2013-12-31 | 2019-07-02 | Siemens Aktiengesellschaft | Analysis method for measurement error of operating parameters of gas turbine and control apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| EP1213562A3 (en) | 2007-02-28 |
| EP1213562A2 (en) | 2002-06-12 |
| CA2354944A1 (en) | 2002-02-21 |
| US6598195B1 (en) | 2003-07-22 |
| JP4927271B2 (ja) | 2012-05-09 |
| CA2354944C (en) | 2008-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4927271B2 (ja) | センサ故障の検出、分離及び調整法 | |
| US11274607B2 (en) | Controlling a gas turbine considering a sensor failure | |
| US6898554B2 (en) | Fault detection in a physical system | |
| JP4149899B2 (ja) | システム上で診断を行うための方法 | |
| Zhang et al. | Decentralized fault diagnosis of large-scale processes using multiblock kernel partial least squares | |
| US6606580B1 (en) | Fault diagnosis | |
| RU2628146C2 (ru) | Способ предупредительного обнаружения отказа в устройстве, компьютерная программа, система и модуль для предупредительного обнаружения отказа в устройстве | |
| CN105137354B (zh) | 一种基于神经网络电机故障检测方法 | |
| CN111581763B (zh) | 航空发动机气路故障诊断结果评价方法 | |
| CN112217668B (zh) | 基于比较模型的自适应网络故障诊断方法 | |
| Stenfelt et al. | Automatic gas turbine matching scheme adaptation for robust GPA diagnostics | |
| CN114282570A (zh) | 一种航空发动机传感器故障容错方法及其容错系统 | |
| CN115659653A (zh) | 一种考虑测试点可靠度的相关性矩阵测试点优选的方法 | |
| CN110705114A (zh) | 一种无训练样本的通风故障诊断方法 | |
| CN107957269B (zh) | 一种惯导系统故障特性判定及测试性预计方法 | |
| CN112749789A (zh) | 基于自联想型神经网络的航空发动机多重故障诊断器 | |
| Baïkeche et al. | On parametric and nonparametric fault detection in linear closed-loop systems | |
| JP2002503843A (ja) | プロセスおよび設備診断方法 | |
| WO2024203976A1 (ja) | 情報処理装置、方法、およびプログラム | |
| TWI841020B (zh) | 誤差因素估計裝置、誤差因素估計方法、及電腦可讀取媒體 | |
| CN118330439B (zh) | 一种半导体芯片测试电路和测试方法 | |
| CN113447273B (zh) | 基于交叉验证的燃气轮机传感器及执行机构故障检测方法 | |
| CN115576294A (zh) | 一种针对航空发动机传感器故障诊断的容错软硬混杂控制方法 | |
| Yang et al. | A Fault-Tolerant Soft/Hard Hybrid Control for Fault Diagnosis of Aero-engine Sensors | |
| Sowers et al. | Expanded application of the systematic sensor selection strategy for turbofan engine diagnostics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080818 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080818 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20101117 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20101117 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110809 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111101 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120117 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120209 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150217 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |