JP2003315211A - 機器の劣化を検出する方法 - Google Patents
機器の劣化を検出する方法Info
- Publication number
- JP2003315211A JP2003315211A JP2002115187A JP2002115187A JP2003315211A JP 2003315211 A JP2003315211 A JP 2003315211A JP 2002115187 A JP2002115187 A JP 2002115187A JP 2002115187 A JP2002115187 A JP 2002115187A JP 2003315211 A JP2003315211 A JP 2003315211A
- Authority
- JP
- Japan
- Prior art keywords
- sample data
- measured value
- data
- measured
- value
- 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
Abstract
(57)【要約】
【課題】 性能劣化が徐々に進行するような機器におい
て、線形回帰モデルを用いて機器の測定値を監視するこ
とにより、性能劣化を高精度で検出する方法を提供す
る。 【解決手段】 検知システムを有する機器において、測
定値の標本データを採取し、該標本データから導出され
る回帰モデルを用いてその後の測定値を監視することに
より、前記機器の劣化を検出する方法であって、近傍に
十分な標本データがない測定値が得られた場合には、該
測定値を一時保留し、これに続く複数回の測定値と、前
記回帰モデルに基づく予測値との残差が連続して所定の
値より小さいと判定すれば、前記一時保留した測定値を
標本データに追加することを特徴とする。近傍に十分な
標本データがない測定値については一時保留し、以後の
複数回の測定値が回帰モデルに合致していれば信頼性が
高いと判断し、標本データに追加する。
て、線形回帰モデルを用いて機器の測定値を監視するこ
とにより、性能劣化を高精度で検出する方法を提供す
る。 【解決手段】 検知システムを有する機器において、測
定値の標本データを採取し、該標本データから導出され
る回帰モデルを用いてその後の測定値を監視することに
より、前記機器の劣化を検出する方法であって、近傍に
十分な標本データがない測定値が得られた場合には、該
測定値を一時保留し、これに続く複数回の測定値と、前
記回帰モデルに基づく予測値との残差が連続して所定の
値より小さいと判定すれば、前記一時保留した測定値を
標本データに追加することを特徴とする。近傍に十分な
標本データがない測定値については一時保留し、以後の
複数回の測定値が回帰モデルに合致していれば信頼性が
高いと判断し、標本データに追加する。
Description
【０００１】
【発明の属する技術分野】本発明は、検知システムを有
する機器一般における性能劣化を検出する方法に関し、
特に、劣化が徐々に進行するような機器の性能劣化を検
出する方法に関する。
する機器一般における性能劣化を検出する方法に関し、
特に、劣化が徐々に進行するような機器の性能劣化を検
出する方法に関する。
【０００２】
【従来の技術】一般的に、検知システムを有する機器の
故障には、時間的観点から次の2通りのタイプがある。
一つは何の前触れもなく突然起こる故障であり、もう一
つは徐々に不具合が顕在化するような故障である。後者
の場合には、検知システムによる計測データを監視しそ
の兆候を敏感に発見することにより、機器の重大な故障
に至る前に異常を予知することが可能である。
故障には、時間的観点から次の2通りのタイプがある。
一つは何の前触れもなく突然起こる故障であり、もう一
つは徐々に不具合が顕在化するような故障である。後者
の場合には、検知システムによる計測データを監視しそ
の兆候を敏感に発見することにより、機器の重大な故障
に至る前に異常を予知することが可能である。
【０００３】このように、検知システムによって計測さ
れるデータに着目し、これに様々な統計的手法を応用す
ることにより、機器の故障又は性能劣化を検出する方法
が研究されている。典型的には、検知システムの正常運
転時の状態を何らかのモデルとして記述した後、このモ
デルにより予測される予測値と実際のシステム稼動時の
計測値とを比較することにより、機器の状態を診断する
方法が用いられている。このような予測モデルとして
は、自己回帰を含む多変量線形回帰モデルが使用される
ことが多い。
れるデータに着目し、これに様々な統計的手法を応用す
ることにより、機器の故障又は性能劣化を検出する方法
が研究されている。典型的には、検知システムの正常運
転時の状態を何らかのモデルとして記述した後、このモ
デルにより予測される予測値と実際のシステム稼動時の
計測値とを比較することにより、機器の状態を診断する
方法が用いられている。このような予測モデルとして
は、自己回帰を含む多変量線形回帰モデルが使用される
ことが多い。
【０００４】従来の線型回帰モデルに基づいた残差法に
よる異常検出方法を以下に説明する。検知システムを有
する機器において、センサ等による測定値を変数x1,
x2, ... , xp, yで表す。これらの変数は、例えば、温
度や圧力などを測定した値である。ここで、一つの変数
(y)が他の変数(x1, x2, ... , xp)の線型結合で表現で
きる場合を考える。これを次の式で表す。 y = a0 + a1x1 + a2x2 + ... + apxp (1)
よる異常検出方法を以下に説明する。検知システムを有
する機器において、センサ等による測定値を変数x1,
x2, ... , xp, yで表す。これらの変数は、例えば、温
度や圧力などを測定した値である。ここで、一つの変数
(y)が他の変数(x1, x2, ... , xp)の線型結合で表現で
きる場合を考える。これを次の式で表す。 y = a0 + a1x1 + a2x2 + ... + apxp (1)
【０００５】ここで、左辺のyについて注目した式変形
を行っているが、このyを目的変数と呼び、その他の右
辺の変数を説明変数と呼ぶ。通常、これらのセンサ類は
一定の時間間隔を置いて繰り返し測定を行うものである
から、それぞれの変数について、第i回目の測定値はy
(i), x1(i), x2(i), ... , xp(i)と表すものとする。
を行っているが、このyを目的変数と呼び、その他の右
辺の変数を説明変数と呼ぶ。通常、これらのセンサ類は
一定の時間間隔を置いて繰り返し測定を行うものである
から、それぞれの変数について、第i回目の測定値はy
(i), x1(i), x2(i), ... , xp(i)と表すものとする。
【０００６】まず、機器を正常状態で一定時間運転して
n回の測定を行い、得られたデータ群y(i), x1(i), x
2(i), ... , xp(i) (i = 1, 2, … , n)を正常運転時の
標本データとして記憶しておく。この標本データに基づ
いて式(1)の定数a0〜apを推定する。この定数の推定方
法には様々なものがあるが、例えば、y(i), x1(i), x
2(i), ... , xp(i) (i = 1, 2, … , n)を用いて、正規
方程式を解くことにより定数a0〜apを得ることができ
る。また、再帰的な式を推定に用いることにより、検知
システム稼動中は常に定数a0〜apの推定値が更新される
オンラインパラメータ学習法とすることもできる。
n回の測定を行い、得られたデータ群y(i), x1(i), x
2(i), ... , xp(i) (i = 1, 2, … , n)を正常運転時の
標本データとして記憶しておく。この標本データに基づ
いて式(1)の定数a0〜apを推定する。この定数の推定方
法には様々なものがあるが、例えば、y(i), x1(i), x
2(i), ... , xp(i) (i = 1, 2, … , n)を用いて、正規
方程式を解くことにより定数a0〜apを得ることができ
る。また、再帰的な式を推定に用いることにより、検知
システム稼動中は常に定数a0〜apの推定値が更新される
オンラインパラメータ学習法とすることもできる。
【０００７】こうして、式(1)の定数a0〜apを推定して
得られる回帰式は、将来測定される変数yの値について
の予測値を与えるものである。この予測値と実際の測定
値との残差を取り、この残差の大小を評価することによ
り、測定値が妥当なものかどうかを評価する。
得られる回帰式は、将来測定される変数yの値について
の予測値を与えるものである。この予測値と実際の測定
値との残差を取り、この残差の大小を評価することによ
り、測定値が妥当なものかどうかを評価する。
【０００８】このような線型回帰モデルの実施例を以下
に示す。ここでは、機器の劣化検出とは関係ないが、線
型回帰モデルの簡単な実施例として、ガス会社によるガ
ス供給量と気温のデータを取り扱う。一般に、ガス供給
量と気温との間には相関性があることが知られており、
特に、冬季の一定期間に限っては各日のガス供給量と平
均気温の2変数はほぼ線形的な関係を有することが知ら
れている。そこで、平成13年11月及び12月の平日と12月
29日（土曜日）及び12月30日（日曜日）について、ある
ガス会社によるガス供給量と平均気温のデータを採取し
た。図１はこのデータをプロットした図である。
に示す。ここでは、機器の劣化検出とは関係ないが、線
型回帰モデルの簡単な実施例として、ガス会社によるガ
ス供給量と気温のデータを取り扱う。一般に、ガス供給
量と気温との間には相関性があることが知られており、
特に、冬季の一定期間に限っては各日のガス供給量と平
均気温の2変数はほぼ線形的な関係を有することが知ら
れている。そこで、平成13年11月及び12月の平日と12月
29日（土曜日）及び12月30日（日曜日）について、ある
ガス会社によるガス供給量と平均気温のデータを採取し
た。図１はこのデータをプロットした図である。
【０００９】ここで、簡単に、ガス供給量(y)と平均気
温(x)の相関関係は、次のような線型単回帰モデルを用
いて表すことができる。 y = a0 + a1x (2) 図１において、標本データのうち平日のデータはほぼこ
のモデルに合致しており、休日のデータはこれから外れ
ていることがわかる。これは、一般的に、休日は平日よ
りもガスの需要が総じて低いからであるといえる。図中
の破線はエラーバーを表しており、この範囲（信頼区
間）内にあるデータはこのモデルに合致していると判断
することができる。本発明が関する機器の性能劣化の診
断という観点からみると、ガスの需要と平均気温が一定
の相関性を保っている平日のデータ群に対して、休日の
データ群は異常なデータであるということができる。す
ると、この線型単回帰モデルを用いたプロット図によれ
ば、相当正確に異常を診断することが可能であるといえ
る。
温(x)の相関関係は、次のような線型単回帰モデルを用
いて表すことができる。 y = a0 + a1x (2) 図１において、標本データのうち平日のデータはほぼこ
のモデルに合致しており、休日のデータはこれから外れ
ていることがわかる。これは、一般的に、休日は平日よ
りもガスの需要が総じて低いからであるといえる。図中
の破線はエラーバーを表しており、この範囲（信頼区
間）内にあるデータはこのモデルに合致していると判断
することができる。本発明が関する機器の性能劣化の診
断という観点からみると、ガスの需要と平均気温が一定
の相関性を保っている平日のデータ群に対して、休日の
データ群は異常なデータであるということができる。す
ると、この線型単回帰モデルを用いたプロット図によれ
ば、相当正確に異常を診断することが可能であるといえ
る。
【００１０】次に、データ採取初日から5日分のみのデ
ータに基づいて線型回帰モデルを導出した場合、このモ
デルがその後の測定値を正確に予想しているかを考えて
みる。図２は、上記同様のプロット図である。一見する
と、11月上旬の平均的気温である15℃付近においては予
測精度が高いが、気温5〜10℃付近では平日データの予
測精度が低下するのみならず、エラーバーが相当広くな
ってしまうため休日データまでもが信頼区間内に入って
しまう。統計学的には、5〜10℃付近のデータ標本が不
足しているため、全体としては予測制度の低いモデルと
なってしまうと考えられる。
ータに基づいて線型回帰モデルを導出した場合、このモ
デルがその後の測定値を正確に予想しているかを考えて
みる。図２は、上記同様のプロット図である。一見する
と、11月上旬の平均的気温である15℃付近においては予
測精度が高いが、気温5〜10℃付近では平日データの予
測精度が低下するのみならず、エラーバーが相当広くな
ってしまうため休日データまでもが信頼区間内に入って
しまう。統計学的には、5〜10℃付近のデータ標本が不
足しているため、全体としては予測制度の低いモデルと
なってしまうと考えられる。
【００１１】したがって、このタイプの線型回帰モデル
は、標本データが豊富な説明変数範囲においては高い予
測精度を示すが、標本データが乏しい説明変数範囲にお
いては十分な予測精度を与えないことになる。十分な予
測精度を示す線型回帰モデルを得るためには、広い説明
変数範囲にわたった偏りのない標本データに基づいてこ
れを導出しなければならない。
は、標本データが豊富な説明変数範囲においては高い予
測精度を示すが、標本データが乏しい説明変数範囲にお
いては十分な予測精度を与えないことになる。十分な予
測精度を示す線型回帰モデルを得るためには、広い説明
変数範囲にわたった偏りのない標本データに基づいてこ
れを導出しなければならない。
【００１２】
【発明が解決しようとする課題】しかしながら、広い説
明変数範囲にわたった偏りのない標本データを短期間で
得ることができない場合がある。例えば、説明変数に気
温を含む場合である。気温は季節ごとに一定の変動を繰
り返すものであるから、高温時から低温時まで、幅広く
標本データを採取しようとすれば、数ヶ月という期間を
要することになってしまう。このような状況では、標本
データを採取している間に機器の劣化が進行してしま
い、標本データ内に異常データが紛れ込んでしまうた
め、モデルそのものが正常運転時のものとは異なってし
まう。本発明は、上記のような異常データが標本データ
内に追加されてしまうのを回避することにより、検知性
能の劣化が徐々に進行するような機器においても、性能
劣化を高精度で検出する方法を提供することを目的とす
る。
明変数範囲にわたった偏りのない標本データを短期間で
得ることができない場合がある。例えば、説明変数に気
温を含む場合である。気温は季節ごとに一定の変動を繰
り返すものであるから、高温時から低温時まで、幅広く
標本データを採取しようとすれば、数ヶ月という期間を
要することになってしまう。このような状況では、標本
データを採取している間に機器の劣化が進行してしま
い、標本データ内に異常データが紛れ込んでしまうた
め、モデルそのものが正常運転時のものとは異なってし
まう。本発明は、上記のような異常データが標本データ
内に追加されてしまうのを回避することにより、検知性
能の劣化が徐々に進行するような機器においても、性能
劣化を高精度で検出する方法を提供することを目的とす
る。
【００１３】
【課題を解決するための手段】本発明は、検知システム
を有する機器において、測定値の標本データを採取し、
該標本データから導出される回帰モデルを用いてその後
の測定値を監視することにより、前記機器の劣化を検出
する方法であって、近傍に十分な標本データがない測定
値が得られた場合には、該測定値を一時保留し、該測定
値前後の複数回の測定値と、前記回帰モデルに基づく予
測値との残差が連続して所定の値より小さいと判定すれ
ば、前記一時保留した測定値を標本データに追加するこ
とを特徴とする方法に関するものである。近傍に十分な
標本データがない測定値については一時保留し、以後の
複数回の測定値が回帰モデルに合致していれば信頼性が
高い測定値であると判断して、これを標本データに追加
する。また、本発明において、前記測定値の近傍に十分
なデータがあるかどうかは、前記標本データ空間におけ
るマハラノビス汎距離、又は前記回帰モデルの予測信頼
区間に基づいて判定されることを特徴とする。
を有する機器において、測定値の標本データを採取し、
該標本データから導出される回帰モデルを用いてその後
の測定値を監視することにより、前記機器の劣化を検出
する方法であって、近傍に十分な標本データがない測定
値が得られた場合には、該測定値を一時保留し、該測定
値前後の複数回の測定値と、前記回帰モデルに基づく予
測値との残差が連続して所定の値より小さいと判定すれ
ば、前記一時保留した測定値を標本データに追加するこ
とを特徴とする方法に関するものである。近傍に十分な
標本データがない測定値については一時保留し、以後の
複数回の測定値が回帰モデルに合致していれば信頼性が
高い測定値であると判断して、これを標本データに追加
する。また、本発明において、前記測定値の近傍に十分
なデータがあるかどうかは、前記標本データ空間におけ
るマハラノビス汎距離、又は前記回帰モデルの予測信頼
区間に基づいて判定されることを特徴とする。
【００１４】
【発明の実施の形態】以下、添付図面を参照しながら、
本発明の実施の形態を詳細に説明する。図３は、本発明
の実施の形態を示すフローチャートである。本発明の開
始にあたっては、まず、正常状態の機器を一定期間作動
し、センサ類により測定される各測定値の複数回分を標
本データとして記憶しておく。この標本データに基づい
て回帰式を導入し、これを以降の測定において回帰予測
モデルとして用いる。なお、この段階での標本データ
は、説明変数の特定範囲に偏ったものであってもよく、
本発明の方法によれば、以後のシステム稼動時において
学習を重ねることにより、高い精度の回帰予測モデルを
得ることができる。
本発明の実施の形態を詳細に説明する。図３は、本発明
の実施の形態を示すフローチャートである。本発明の開
始にあたっては、まず、正常状態の機器を一定期間作動
し、センサ類により測定される各測定値の複数回分を標
本データとして記憶しておく。この標本データに基づい
て回帰式を導入し、これを以降の測定において回帰予測
モデルとして用いる。なお、この段階での標本データ
は、説明変数の特定範囲に偏ったものであってもよく、
本発明の方法によれば、以後のシステム稼動時において
学習を重ねることにより、高い精度の回帰予測モデルを
得ることができる。
【００１５】次に、機器を実際の稼動状況で運転する。
本実施形態では、機器にマイクロコンピュータ等からな
る制御手段を備えることにより、これ以降の全ての手順
を自動で行うようにすることができる。センサ類が測定
を行うと、制御手段は各測定値と標本データとを比較
し、標本空間において測定値の近傍に標本データが豊富
にあるかどうかを判定する。この判定には次の2つの方
法のうちいずれかを用いることができる。第1の方法
は、標本空間において、測定値の説明変数が回帰式の導
出に利用された説明変数のデータ群からどのくらい離れ
た位置にあるかに基づいて判定する方法である。ここ
で、標本空間内のデータ又はデータ群間の距離を示す指
標として、マハラノビス汎距離を用いる。一般的に、k
個の群の母集団の平均を μj = ( μ1j, μ2j, ... ,
μpj )( j= 1,2, ... ,k )とし、観測値を X= ( X1,
X2, ... , Xp )とし、各群の分散共分散行列を Σj、そ
の逆行列を Σj -1 とするとき、マハラノビス汎距離dj
2は以下のように定義される。 dj 2 = (X -μj )' Σj -1 (X -μj ) (3) 但し、μj、X、Σj、及びΣj -1は行列表現である。
本実施形態では、機器にマイクロコンピュータ等からな
る制御手段を備えることにより、これ以降の全ての手順
を自動で行うようにすることができる。センサ類が測定
を行うと、制御手段は各測定値と標本データとを比較
し、標本空間において測定値の近傍に標本データが豊富
にあるかどうかを判定する。この判定には次の2つの方
法のうちいずれかを用いることができる。第1の方法
は、標本空間において、測定値の説明変数が回帰式の導
出に利用された説明変数のデータ群からどのくらい離れ
た位置にあるかに基づいて判定する方法である。ここ
で、標本空間内のデータ又はデータ群間の距離を示す指
標として、マハラノビス汎距離を用いる。一般的に、k
個の群の母集団の平均を μj = ( μ1j, μ2j, ... ,
μpj )( j= 1,2, ... ,k )とし、観測値を X= ( X1,
X2, ... , Xp )とし、各群の分散共分散行列を Σj、そ
の逆行列を Σj -1 とするとき、マハラノビス汎距離dj
2は以下のように定義される。 dj 2 = (X -μj )' Σj -1 (X -μj ) (3) 但し、μj、X、Σj、及びΣj -1は行列表現である。
【００１６】第2の方法は、回帰式の信頼区間に基づい
て判定する方法である。図１及び図２から明らかなよう
に、標本データが十分に豊富でない領域ではエラーバー
間が広くなり信頼区間が増大する。したがって、それぞ
れの測定値についてこの信頼区間が所定の閾値より大き
いときは、測定値近傍に十分な標本データがないと判定
することができる。線形回帰モデルにおける回帰式の信
頼区間は、例えば、k回目の測定において、目的変数の
回帰モデルによる予測値をy^(k)とすると、以下の式で
定義することができる。
て判定する方法である。図１及び図２から明らかなよう
に、標本データが十分に豊富でない領域ではエラーバー
間が広くなり信頼区間が増大する。したがって、それぞ
れの測定値についてこの信頼区間が所定の閾値より大き
いときは、測定値近傍に十分な標本データがないと判定
することができる。線形回帰モデルにおける回帰式の信
頼区間は、例えば、k回目の測定において、目的変数の
回帰モデルによる予測値をy^(k)とすると、以下の式で
定義することができる。
【００１７】
【式１】
【００１８】ここで、tα (n - p - l)はt分布の100α%
限界値であり、Veは残差分散である。測定値の近傍に十
分な標本データがないと判定した場合には、この測定値
データを一時保留データベースに記憶して、今回の測定
を終了する。また、測定値の近傍に十分な標本データが
ある場合には、回帰式の予測値との残差を計算し検出シ
ステムの異常判定を行う。予測残差が所定の値を超えて
いれば、検出システムは異常であると判定し、所定の表
示、警告等を行う。予測残差が所定の値未満であり検出
システムが正常であると判定された場合には、さらに過
去複数回の測定における予測残差を参照して、予測残差
が連続して十分に小さいかどうかを判定する。このとき
の判定基準は、異常判定の基準よりも厳しいものを用い
る。過去複数回の測定における予測残差が連続して十分
に小さいと判定した場合には、一時保留データベースに
記憶されている近傍に十分な標本データがなかった測定
値データを標本データに追加する。この標本データの更
新に伴い、新たに回帰式を導出する。予測残差が連続し
て十分に小さくない場合には、今回の測定を終了する
が、このとき、一時保留データベースに記憶してある近
傍に十分な標本データがなかった測定値データを破棄す
るようにしてもよい。
限界値であり、Veは残差分散である。測定値の近傍に十
分な標本データがないと判定した場合には、この測定値
データを一時保留データベースに記憶して、今回の測定
を終了する。また、測定値の近傍に十分な標本データが
ある場合には、回帰式の予測値との残差を計算し検出シ
ステムの異常判定を行う。予測残差が所定の値を超えて
いれば、検出システムは異常であると判定し、所定の表
示、警告等を行う。予測残差が所定の値未満であり検出
システムが正常であると判定された場合には、さらに過
去複数回の測定における予測残差を参照して、予測残差
が連続して十分に小さいかどうかを判定する。このとき
の判定基準は、異常判定の基準よりも厳しいものを用い
る。過去複数回の測定における予測残差が連続して十分
に小さいと判定した場合には、一時保留データベースに
記憶されている近傍に十分な標本データがなかった測定
値データを標本データに追加する。この標本データの更
新に伴い、新たに回帰式を導出する。予測残差が連続し
て十分に小さくない場合には、今回の測定を終了する
が、このとき、一時保留データベースに記憶してある近
傍に十分な標本データがなかった測定値データを破棄す
るようにしてもよい。
【００１９】ここで、過去何回分の測定の予測残差が十
分に小さいときに、一時保留した測定データが信頼でき
ると判定するかについては、機器の種類、測定対象及び
環境等に依存するものであり、本発明の実施にあたっ
て、実際に測定実験を繰り返して決定すべきものであ
る。
分に小さいときに、一時保留した測定データが信頼でき
ると判定するかについては、機器の種類、測定対象及び
環境等に依存するものであり、本発明の実施にあたっ
て、実際に測定実験を繰り返して決定すべきものであ
る。
【００２０】このような学習ルールを用いれば、長期に
わたって継続的に標本収集を行い、標本データが十分で
ない領域における測定値についてもその信頼性を評価
し、信頼性が高いと判断すればこれを標本データにする
ことにより、標本空間の拡張が可能となる。また標本空
間を拡張しても、回帰予測モデルは高い予測精度を保つ
ことができる。
わたって継続的に標本収集を行い、標本データが十分で
ない領域における測定値についてもその信頼性を評価
し、信頼性が高いと判断すればこれを標本データにする
ことにより、標本空間の拡張が可能となる。また標本空
間を拡張しても、回帰予測モデルは高い予測精度を保つ
ことができる。
【００２１】
【実施例】上記実施形態に従って、ヒートポンプ熱交換
器の異常検出の実験を行った。図４は、本実験に用いる
ヒートポンプ熱交換器を概略的に示す。ヒートポンプ熱
交換器は、コンプレッサ1、蒸発器（高温側熱交換器）
2、膨張弁3、及び凝縮器（低温側熱交換器）4から構成
される。このヒートポンプ熱交換器を稼動させると、気
体の熱媒体はコンプレッサにより圧縮され、凝縮器にお
いて凝縮されて液化した後、液体の熱媒体は膨張弁で断
熱膨張され、蒸発器において気化されるというサイクル
を繰り返す。このとき、凝縮器において、熱媒体はほぼ
等圧下で液化するとともに外部に熱ΔHhを放出する。一
方、蒸発器において、熱媒体はほぼ等圧下で気化すると
ともに外部から熱ΔHlを吸収する。したがって、蒸発器
は高温側熱交換器として加熱を、凝縮器は低温側熱交換
器として冷却をそれぞれ行うことができる。図５は、こ
のようなヒートポンプサイクルにおける熱媒体の状態変
化をP-H線図で表したモリエル線図である。ここで、ΔH
hは熱媒体がサイクル外部に対して与える熱量を、ΔHl
は熱媒体がサイクル外部から吸収する熱量を、ΔHcはコ
ンプレッサが熱媒体に対してする仕事量を示しており、
ΔHh=ΔHl＋ΔHcという関係式が成立する。
器の異常検出の実験を行った。図４は、本実験に用いる
ヒートポンプ熱交換器を概略的に示す。ヒートポンプ熱
交換器は、コンプレッサ1、蒸発器（高温側熱交換器）
2、膨張弁3、及び凝縮器（低温側熱交換器）4から構成
される。このヒートポンプ熱交換器を稼動させると、気
体の熱媒体はコンプレッサにより圧縮され、凝縮器にお
いて凝縮されて液化した後、液体の熱媒体は膨張弁で断
熱膨張され、蒸発器において気化されるというサイクル
を繰り返す。このとき、凝縮器において、熱媒体はほぼ
等圧下で液化するとともに外部に熱ΔHhを放出する。一
方、蒸発器において、熱媒体はほぼ等圧下で気化すると
ともに外部から熱ΔHlを吸収する。したがって、蒸発器
は高温側熱交換器として加熱を、凝縮器は低温側熱交換
器として冷却をそれぞれ行うことができる。図５は、こ
のようなヒートポンプサイクルにおける熱媒体の状態変
化をP-H線図で表したモリエル線図である。ここで、ΔH
hは熱媒体がサイクル外部に対して与える熱量を、ΔHl
は熱媒体がサイクル外部から吸収する熱量を、ΔHcはコ
ンプレッサが熱媒体に対してする仕事量を示しており、
ΔHh=ΔHl＋ΔHcという関係式が成立する。
【００２２】このようなヒートポンプ熱交換器では、熱
媒体の汚染及び変質、サイクル内の各機器の異常、配管
の汚れなどの異常が発生するおそれがあり、これらは熱
交換器における加熱・冷却能力が劣化する原因となる。
このような劣化が起こると、所望の加熱・冷却効果を得
るためには、より高負荷でヒートポンプサイクルを稼動
させなければならなくなり、装置の各機器に多大な負荷
をかけることになってしまう。そこで、ヒートポンプサ
イクル内部における異常を診断するために、外部から計
測される様々なデータを監視することが行われている。
媒体の汚染及び変質、サイクル内の各機器の異常、配管
の汚れなどの異常が発生するおそれがあり、これらは熱
交換器における加熱・冷却能力が劣化する原因となる。
このような劣化が起こると、所望の加熱・冷却効果を得
るためには、より高負荷でヒートポンプサイクルを稼動
させなければならなくなり、装置の各機器に多大な負荷
をかけることになってしまう。そこで、ヒートポンプサ
イクル内部における異常を診断するために、外部から計
測される様々なデータを監視することが行われている。
【００２３】従来、このようなヒートポンプ熱交換器の
異常を検出するには、一般的に、熱交換器における熱媒
体の加熱・冷却負荷（温度差）と、熱交換器を通過する
加熱・冷却対象の流体（気体又は液体）の流入温度、流
出温度及び流量とを計測し、次の連立する2式に代入し
て成立する回帰式に基づいて、正常運転時における上記
パラメータの標本データを作成する。実際に稼動中の装
置において測定された各パラメータと、この標本データ
とを比較して、その差が所定の異常指標を上回るかどう
か判断することにより、熱交換器の性能低下を検出する
という方法が知られている。 ΔH = KαΔt (5) ΔH = ρCV ( tout - tin) (6)
異常を検出するには、一般的に、熱交換器における熱媒
体の加熱・冷却負荷（温度差）と、熱交換器を通過する
加熱・冷却対象の流体（気体又は液体）の流入温度、流
出温度及び流量とを計測し、次の連立する2式に代入し
て成立する回帰式に基づいて、正常運転時における上記
パラメータの標本データを作成する。実際に稼動中の装
置において測定された各パラメータと、この標本データ
とを比較して、その差が所定の異常指標を上回るかどう
か判断することにより、熱交換器の性能低下を検出する
という方法が知られている。 ΔH = KαΔt (5) ΔH = ρCV ( tout - tin) (6)
【００２４】ここで、ΔHは熱交換器におけるエンタル
ピー変化量、αは熱交換器有効面積、Δtは熱媒体の平
均温度差（すなわち加熱・冷却負荷）、ρは加熱・冷却
対象の流体の密度、V,tout及びtinはそれぞれ加熱・冷
却対象の流体の流量、流出温度及び流入温度である。こ
こで、熱媒体の平均温度差Δtは、tout及びtinの平均値
と熱交換器内の熱媒体温度（Tとする）との差で表すこ
とができるので、 Δt = (tout + tin)/2 - T である。これを上記(5)式に代入して以下の式を得る。 ΔH = Kα [ (tout + tin)/2 - T] (5)'
ピー変化量、αは熱交換器有効面積、Δtは熱媒体の平
均温度差（すなわち加熱・冷却負荷）、ρは加熱・冷却
対象の流体の密度、V,tout及びtinはそれぞれ加熱・冷
却対象の流体の流量、流出温度及び流入温度である。こ
こで、熱媒体の平均温度差Δtは、tout及びtinの平均値
と熱交換器内の熱媒体温度（Tとする）との差で表すこ
とができるので、 Δt = (tout + tin)/2 - T である。これを上記(5)式に代入して以下の式を得る。 ΔH = Kα [ (tout + tin)/2 - T] (5)'
【００２５】したがって、ヒートポンプ熱交換器におい
て、加熱・冷却対象の流体の流量V、加熱・冷却対象の
流体の流出温度及び流入温度tout及びtin及び熱媒体温
度Tを計測し、これを上記(5)'式及び(6)式に代入して得
られる式を基準に回帰分析を行うことにより、正常時に
期待される測定値の標本データが得られるので、このデ
ータを使用して熱交換器性能の劣化を測定することがで
きる。
て、加熱・冷却対象の流体の流量V、加熱・冷却対象の
流体の流出温度及び流入温度tout及びtin及び熱媒体温
度Tを計測し、これを上記(5)'式及び(6)式に代入して得
られる式を基準に回帰分析を行うことにより、正常時に
期待される測定値の標本データが得られるので、このデ
ータを使用して熱交換器性能の劣化を測定することがで
きる。
【００２６】しかしながら、このような方法は、吸収式
冷温水器などのように、加熱・冷却対象が液体である場
合には効果をあげているが、加熱・冷却対象が気体であ
る場合、すなわち、エアーコンディショナー等の空調装
置に用いるヒートポンプ熱交換器の場合には、加熱・冷
却される空気の流量を測定するのが困難であるため、上
記(6)式の空気流量(V)の値を正確に与えることができな
い。このため、本実験では他の方法を用いることにす
る。
冷温水器などのように、加熱・冷却対象が液体である場
合には効果をあげているが、加熱・冷却対象が気体であ
る場合、すなわち、エアーコンディショナー等の空調装
置に用いるヒートポンプ熱交換器の場合には、加熱・冷
却される空気の流量を測定するのが困難であるため、上
記(6)式の空気流量(V)の値を正確に与えることができな
い。このため、本実験では他の方法を用いることにす
る。
【００２７】上記で導出した、熱交換器におけるエンタ
ルピー変化量を表す式、 ΔH = Kα [ (tout + tin)/2 - T] (5)' は、ヒートポンプの高温側熱交換器及び低温側熱交換器
のそれぞれについて成立する。そこで、高温側について
は各変数に添え字hを付し、低温側については各変数に
添え字lを付すると、以下の連立する2式が得られる。 ΔHh = Khαh [ (thout + thin)/2 - Th] (7) ΔHl = Klαl [ (tlout + tlin)/2 - Tl] (8)
ルピー変化量を表す式、 ΔH = Kα [ (tout + tin)/2 - T] (5)' は、ヒートポンプの高温側熱交換器及び低温側熱交換器
のそれぞれについて成立する。そこで、高温側について
は各変数に添え字hを付し、低温側については各変数に
添え字lを付すると、以下の連立する2式が得られる。 ΔHh = Khαh [ (thout + thin)/2 - Th] (7) ΔHl = Klαl [ (tlout + tlin)/2 - Tl] (8)
【００２８】ここで、図５に示すヒートポンプ熱交換器
のp-H線図に着目すると、高温側熱交換器でのエンタル
ピー変化量ΔHhは、低温側熱交換器でのエンタルピー変
化量ΔHlとコンプレッサの行う仕事ΔHcとの和に等しい
ことが分かる。すなわち、 ΔHh =ΔHc + ΔHl (9) である。ここで、コンプレッサの行う仕事の大部分は、
熱媒体の圧力増加に反映されるので、コンプレッサの効
率に関わる定数Φを用いて近似的に、 ΔHc = (ph - pl) Φ (10) と表すことができる。
のp-H線図に着目すると、高温側熱交換器でのエンタル
ピー変化量ΔHhは、低温側熱交換器でのエンタルピー変
化量ΔHlとコンプレッサの行う仕事ΔHcとの和に等しい
ことが分かる。すなわち、 ΔHh =ΔHc + ΔHl (9) である。ここで、コンプレッサの行う仕事の大部分は、
熱媒体の圧力増加に反映されるので、コンプレッサの効
率に関わる定数Φを用いて近似的に、 ΔHc = (ph - pl) Φ (10) と表すことができる。
【００２９】したがって、上記(7)、(8)及び(10)式を
(9)式に代入すると、変数thout、thin、Th、tlout、t
lin、Tl、ph及びplの8変数からなる線形1次式が得られ
る。ところで、熱媒体の圧力pと温度Tの関係は、熱媒体
に固有な関数で表されるが、高温側熱交換器内及び低温
側熱交換器内という環境下での限定された変数範囲内で
は、それぞれ以下のような線形近似を行うことができ
る。Th ∝ ph 及び Tl ∝ plこれによれば、上記(9)
式は、変数thout、thin、ph、tlout、tlin及びplの6変
数からなる以下の式で表すことができる。 ph = a0 + a1thin + a2tlin + a3thout + a4tlout + a5pl (11) こうして導出された上記(11)式は、加熱・冷却対象の空
気の流量(V)を変数として含まないため、空気流量を測
定しなくとも熱交換器の性能劣化を検出するためのデー
タを得ることが可能となる。
(9)式に代入すると、変数thout、thin、Th、tlout、t
lin、Tl、ph及びplの8変数からなる線形1次式が得られ
る。ところで、熱媒体の圧力pと温度Tの関係は、熱媒体
に固有な関数で表されるが、高温側熱交換器内及び低温
側熱交換器内という環境下での限定された変数範囲内で
は、それぞれ以下のような線形近似を行うことができ
る。Th ∝ ph 及び Tl ∝ plこれによれば、上記(9)
式は、変数thout、thin、ph、tlout、tlin及びplの6変
数からなる以下の式で表すことができる。 ph = a0 + a1thin + a2tlin + a3thout + a4tlout + a5pl (11) こうして導出された上記(11)式は、加熱・冷却対象の空
気の流量(V)を変数として含まないため、空気流量を測
定しなくとも熱交換器の性能劣化を検出するためのデー
タを得ることが可能となる。
【００３０】したがって、本実験のヒートポンプ熱交換
器の異常検出装置においては、高温側熱交換器における
熱媒体の圧力Ph、高温側熱交換器における加熱対象流体
の流入温度thin及び流出温度thout、低温側熱交換器に
おける冷却対象流体の流入温度tlin及び流出温度
tlout、並びに低温側熱交換器における熱媒体の圧力Pl
の6変数を計測することになる。図６は、このような異
常検出装置の構成例を示すブロック図である。ヒートポ
ンプ熱交換器を正常運転させて、これら6変数を一定の
時間間隔で測定し、標本データとして記憶する。この標
本データにから、特定の変数を目的変数として、上記(1
1)式に基づいて回帰式を導出し、異常度計算の基準とす
る。例えば、上記(11)式において、高温側熱交換器にお
ける熱媒体の圧力phを目的変数とみなし、標本データを
用いて正規方程式を解くことにより、定数a0〜a5を求め
る。こうして得られる回帰式は、説明変数thout、
thin、tlout、tl in及びplの値に対する目的変数phの予
測値を与える。この予測値と実際の測定値との残差を評
価することにより、高温側熱交換器の異常を検出する。
器の異常検出装置においては、高温側熱交換器における
熱媒体の圧力Ph、高温側熱交換器における加熱対象流体
の流入温度thin及び流出温度thout、低温側熱交換器に
おける冷却対象流体の流入温度tlin及び流出温度
tlout、並びに低温側熱交換器における熱媒体の圧力Pl
の6変数を計測することになる。図６は、このような異
常検出装置の構成例を示すブロック図である。ヒートポ
ンプ熱交換器を正常運転させて、これら6変数を一定の
時間間隔で測定し、標本データとして記憶する。この標
本データにから、特定の変数を目的変数として、上記(1
1)式に基づいて回帰式を導出し、異常度計算の基準とす
る。例えば、上記(11)式において、高温側熱交換器にお
ける熱媒体の圧力phを目的変数とみなし、標本データを
用いて正規方程式を解くことにより、定数a0〜a5を求め
る。こうして得られる回帰式は、説明変数thout、
thin、tlout、tl in及びplの値に対する目的変数phの予
測値を与える。この予測値と実際の測定値との残差を評
価することにより、高温側熱交換器の異常を検出する。
【００３１】上記の例では、高温側熱交換器における熱
媒体圧力phを目的変数として考えたが、同様にして、低
温側熱交換器における熱媒体圧力plを目的変数と考える
と、低温側熱交換器の性能劣化の検出についても応用可
能である。熱媒体圧力plは以下の式で表される。 pl = b0 + b1thin + b2tlin + b3thout + b4tlout + b5ph (12) 以上に基づいて、ヒートポンプ熱交換器の異常検出実験
を行った。コンプレッサの動力は1kWであった。
媒体圧力phを目的変数として考えたが、同様にして、低
温側熱交換器における熱媒体圧力plを目的変数と考える
と、低温側熱交換器の性能劣化の検出についても応用可
能である。熱媒体圧力plは以下の式で表される。 pl = b0 + b1thin + b2tlin + b3thout + b4tlout + b5ph (12) 以上に基づいて、ヒートポンプ熱交換器の異常検出実験
を行った。コンプレッサの動力は1kWであった。
【００３２】このヒートポンプ熱交換器を通常条件及び
異常条件下で暖房運転して、高温側の熱媒体圧力ph、高
温側の空気流入温度thin及び空気流出温度thout、低温
側の空気流入温度tlin及び空気流出温度tlout、並びに
低温側の熱媒体圧力plを1時間に1度測定した。実験開始
時は通常条件下で運転し、実験開始から87時間後に、異
常条件下での運転に切り替えた。ここで、異常条件下と
は、熱交換器内のスケール付着等による熱伝達率(K)の
低下時の運転のことであるが、本実験ではこの状態を模
擬するために、高温側の空気吸入パネルの一部を閉塞し
た。具体的には、実験開始から87時間後に高温側の空気
吸入パネルの25%をテープで閉塞し、さらに実験開始か
ら111時間後に空気吸入パネルの50%をテープで閉塞し
た。実験開始から137時間後にはテープを取り除き、再
び正常状態で140時間経過時まで測定を続けた。
異常条件下で暖房運転して、高温側の熱媒体圧力ph、高
温側の空気流入温度thin及び空気流出温度thout、低温
側の空気流入温度tlin及び空気流出温度tlout、並びに
低温側の熱媒体圧力plを1時間に1度測定した。実験開始
時は通常条件下で運転し、実験開始から87時間後に、異
常条件下での運転に切り替えた。ここで、異常条件下と
は、熱交換器内のスケール付着等による熱伝達率(K)の
低下時の運転のことであるが、本実験ではこの状態を模
擬するために、高温側の空気吸入パネルの一部を閉塞し
た。具体的には、実験開始から87時間後に高温側の空気
吸入パネルの25%をテープで閉塞し、さらに実験開始か
ら111時間後に空気吸入パネルの50%をテープで閉塞し
た。実験開始から137時間後にはテープを取り除き、再
び正常状態で140時間経過時まで測定を続けた。
【００３３】上記実施形態によれば、本実験は暖房性能
の性能劣化実験であるから、高温側熱交換器における熱
媒体圧力に着目して上記(11)式を用いて測定データの回
帰分析を行う。ところで、一般的に、上記(11)式のよう
な線形1次式を用いた回帰分析において、高温側熱交換
器における熱媒体圧力phを目的変数とし、その他の変数
を説明変数と見たとき、説明変数間で高い相関性をもつ
ものがある場合には、多重共線性(Multicollinerity)と
いう問題を考慮しなければならない。本実験では、変数
thoutとthin、tloutとtlin及びplの間に高い相関が見ら
れた。これは、高温側及び低温側それぞれで、空気の流
入温度と流出温度が、室温又は気温の影響を受けて変動
するためであると考えられる。したがって、本実験で
は、上記(11)式の右辺から変数thin及びtlinのみを採用
した次の式を用いた。 ph = a0 + a1thin + a2tlin (13)
の性能劣化実験であるから、高温側熱交換器における熱
媒体圧力に着目して上記(11)式を用いて測定データの回
帰分析を行う。ところで、一般的に、上記(11)式のよう
な線形1次式を用いた回帰分析において、高温側熱交換
器における熱媒体圧力phを目的変数とし、その他の変数
を説明変数と見たとき、説明変数間で高い相関性をもつ
ものがある場合には、多重共線性(Multicollinerity)と
いう問題を考慮しなければならない。本実験では、変数
thoutとthin、tloutとtlin及びplの間に高い相関が見ら
れた。これは、高温側及び低温側それぞれで、空気の流
入温度と流出温度が、室温又は気温の影響を受けて変動
するためであると考えられる。したがって、本実験で
は、上記(11)式の右辺から変数thin及びtlinのみを採用
した次の式を用いた。 ph = a0 + a1thin + a2tlin (13)
【００３４】まず、実験開始から一定時間に測定された
高温側の熱媒体圧力ph、高温側空気流入温度thin及び低
温側空気流入温度tlinの3変数を、正常運転時における
標本データとして収集した。この標本データ及び上記(1
3)式に基づいて回帰式を導出し、これを用いて以後にお
けるphの測定値を予測し、予測残差を評価するという方
法をとった。なお、thin及びtlinのそれぞれについて
は、実際には室温及び外気温を測定した。図７は、上記
3変数の測定結果の時系列変化を示すプロット図であ
る。3つのプロットはそれぞれ、高温側の熱媒体圧力
ph、高温側空気流入温度thin及び低温側空気流入温度t
linを示す。
高温側の熱媒体圧力ph、高温側空気流入温度thin及び低
温側空気流入温度tlinの3変数を、正常運転時における
標本データとして収集した。この標本データ及び上記(1
3)式に基づいて回帰式を導出し、これを用いて以後にお
けるphの測定値を予測し、予測残差を評価するという方
法をとった。なお、thin及びtlinのそれぞれについて
は、実際には室温及び外気温を測定した。図７は、上記
3変数の測定結果の時系列変化を示すプロット図であ
る。3つのプロットはそれぞれ、高温側の熱媒体圧力
ph、高温側空気流入温度thin及び低温側空気流入温度t
linを示す。
【００３５】以下、標本データ及び回帰モデルについて
は異なる学習ルールを適用しながら、上記と同じ条件の
実験を繰り返し行った。図８〜１１は、各実験において
高温側の熱媒体圧力phの測定値と予測値の残差をプロッ
トした図であり、図中、各測定時間における縦線は回帰
式が与える信頼区間を示すエラーバーである。
は異なる学習ルールを適用しながら、上記と同じ条件の
実験を繰り返し行った。図８〜１１は、各実験において
高温側の熱媒体圧力phの測定値と予測値の残差をプロッ
トした図であり、図中、各測定時間における縦線は回帰
式が与える信頼区間を示すエラーバーである。
【００３６】図８は最初の10回（10時間）分の測定値の
みを標本データとして用いたモデルによるものであり、
図９は上記に説明した本発明の方法を適用したモデルに
よるものである。図８を見ると、エラーバーが所々大き
く広がっており、特に空気吸入パネルの閉塞後は著しく
広くなっている。ここで、エラーバーが周期的に広がっ
ているのは、一日の気温変化のサイクルに起因するもの
と考えられる。図８のモデルでは、最初の10時間分の標
本データしかないので、気温がこの温度範囲から外れる
と、エラーバーが著しく広くなってしまうことを意味し
ている。これに対して、図９のモデルは、標本データが
近傍に十分に存在しない測定値については、本発明の方
法に従って、信頼性の高い測定値データのみを標本デー
タに追加するようにして、標本データの拡充し回帰式の
再導出を行うようにしている。このため、最後まで信頼
区間が小さい範囲に留まっている。図９において、15〜
22点目の予測残差はプロットされていない。これは、こ
れらの測定値が一時保留データベースに保留されたこと
を示す。その後測定を続けた結果、28点目において予測
残差が連続して十分小さい範囲に留まっていると判定し
たので、15〜22点目の測定値を標本データに加え、回帰
式の再導出を行っている。一方、91〜93及び112〜117点
目については、これらを測定したときの外気温が高かっ
たため、測定値を一時保留データベースに保留したが、
その後外気温が下がってからも予測残差が連続して十分
小さい範囲に留まらなかったため、これらの測定値は標
本データに追加していない。最後の138〜140点目は、空
気吸入パネルの閉塞を取り除いた状態での測定値であ
る。上記のように、空気吸入パネルの閉塞時（異常時）
の測定値データを標本データに追加していないため、閉
塞を取り除いて正常運転に戻すと予測残差も再び正常な
範囲内に戻ることが確認される。
みを標本データとして用いたモデルによるものであり、
図９は上記に説明した本発明の方法を適用したモデルに
よるものである。図８を見ると、エラーバーが所々大き
く広がっており、特に空気吸入パネルの閉塞後は著しく
広くなっている。ここで、エラーバーが周期的に広がっ
ているのは、一日の気温変化のサイクルに起因するもの
と考えられる。図８のモデルでは、最初の10時間分の標
本データしかないので、気温がこの温度範囲から外れる
と、エラーバーが著しく広くなってしまうことを意味し
ている。これに対して、図９のモデルは、標本データが
近傍に十分に存在しない測定値については、本発明の方
法に従って、信頼性の高い測定値データのみを標本デー
タに追加するようにして、標本データの拡充し回帰式の
再導出を行うようにしている。このため、最後まで信頼
区間が小さい範囲に留まっている。図９において、15〜
22点目の予測残差はプロットされていない。これは、こ
れらの測定値が一時保留データベースに保留されたこと
を示す。その後測定を続けた結果、28点目において予測
残差が連続して十分小さい範囲に留まっていると判定し
たので、15〜22点目の測定値を標本データに加え、回帰
式の再導出を行っている。一方、91〜93及び112〜117点
目については、これらを測定したときの外気温が高かっ
たため、測定値を一時保留データベースに保留したが、
その後外気温が下がってからも予測残差が連続して十分
小さい範囲に留まらなかったため、これらの測定値は標
本データに追加していない。最後の138〜140点目は、空
気吸入パネルの閉塞を取り除いた状態での測定値であ
る。上記のように、空気吸入パネルの閉塞時（異常時）
の測定値データを標本データに追加していないため、閉
塞を取り除いて正常運転に戻すと予測残差も再び正常な
範囲内に戻ることが確認される。
【００３７】次に、従来の再帰的最小二乗法(RLS)によ
る学習ルールを適用した結果と、本発明の方法を再帰的
最小二乗法に拡張して適用した場合の結果とを比較す
る。図１０は、本実験において、従来の再帰的最小二乗
法による学習ルールにより導出される回帰式による予測
残差のプロットを示す。このモデルでは、空気吸入パネ
ルの閉塞前までは、信頼区間が十分に小さい範囲内に留
まっているが、閉塞後の異常状態では信頼区間が広がっ
てしまっている。このプロット図では、一見したところ
空気吸入パネル閉塞時の劣化検出が可能であるように見
えるが、これは本実験において閉塞量を25%、50%と離散
的に突然変化させたので、異常状態の測定データの学習
が間に合わなかったためである。空気吸入パネルの閉塞
を取り除いた最後の3点の測定値に注目すると、予測残
差が負の方向にシフトしているが、これは異常状態の測
定値まで学習して標本データに加えてしまった結果であ
ると考えられる。したがって、従来の再帰的最小二乗法
による学習ルールは、突然の変化であれば検出可能であ
るといえる。しかしながら、実際の機器に起こるであろ
う緩やかな状態変化では、劣化状態の測定データまでも
学習してしまうため、異常を検出することはできないと
考えられる。これに対して、図１１は、本発明の方法を
再帰的最小二乗法に拡張して適用した場合の結果を示し
ており、図９の場合と同様に、異常状態における信頼性
の低い測定値を標本データに加えていないので、回帰モ
デルによる予測は高精度に保たれている。尚、本発明の
方法を用いた図９及び１１の実験において、一時保留し
た測定データの信頼性を判断するにあたっては、予測残
差が5回連続して所定の値より小さいかどうかを基準と
した。
る学習ルールを適用した結果と、本発明の方法を再帰的
最小二乗法に拡張して適用した場合の結果とを比較す
る。図１０は、本実験において、従来の再帰的最小二乗
法による学習ルールにより導出される回帰式による予測
残差のプロットを示す。このモデルでは、空気吸入パネ
ルの閉塞前までは、信頼区間が十分に小さい範囲内に留
まっているが、閉塞後の異常状態では信頼区間が広がっ
てしまっている。このプロット図では、一見したところ
空気吸入パネル閉塞時の劣化検出が可能であるように見
えるが、これは本実験において閉塞量を25%、50%と離散
的に突然変化させたので、異常状態の測定データの学習
が間に合わなかったためである。空気吸入パネルの閉塞
を取り除いた最後の3点の測定値に注目すると、予測残
差が負の方向にシフトしているが、これは異常状態の測
定値まで学習して標本データに加えてしまった結果であ
ると考えられる。したがって、従来の再帰的最小二乗法
による学習ルールは、突然の変化であれば検出可能であ
るといえる。しかしながら、実際の機器に起こるであろ
う緩やかな状態変化では、劣化状態の測定データまでも
学習してしまうため、異常を検出することはできないと
考えられる。これに対して、図１１は、本発明の方法を
再帰的最小二乗法に拡張して適用した場合の結果を示し
ており、図９の場合と同様に、異常状態における信頼性
の低い測定値を標本データに加えていないので、回帰モ
デルによる予測は高精度に保たれている。尚、本発明の
方法を用いた図９及び１１の実験において、一時保留し
た測定データの信頼性を判断するにあたっては、予測残
差が5回連続して所定の値より小さいかどうかを基準と
した。
【００３８】以上、本発明の実施例による実験結果を見
れば、本発明の方法は、性能劣化が徐々に進行するよう
な機器において性能劣化を高精度で検出することができ
る方法であることが分かる。尚、本発明の方法は、上記
した実施の形態や実施例に限定されるものではなく、本
発明の要旨を逸脱しない範囲内において種々変更を加え
得ることは勿論である。
れば、本発明の方法は、性能劣化が徐々に進行するよう
な機器において性能劣化を高精度で検出することができ
る方法であることが分かる。尚、本発明の方法は、上記
した実施の形態や実施例に限定されるものではなく、本
発明の要旨を逸脱しない範囲内において種々変更を加え
得ることは勿論である。
【００３９】
【発明の効果】以上、説明したように本発明によれば、
性能劣化が徐々に進行するような機器においても、信頼
性の低い状態の測定データが標本データ内に追加されて
しまうのを回避することにより、性能劣化を高精度で検
出することができる。
性能劣化が徐々に進行するような機器においても、信頼
性の低い状態の測定データが標本データ内に追加されて
しまうのを回避することにより、性能劣化を高精度で検
出することができる。
【図１】ガス供給量と平均気温の相関関係を示すプロッ
ト図である。
ト図である。
【図２】ガス供給量と平均気温の相関関係を示すプロッ
ト図である。
ト図である。
【図３】本発明の実施の形態を示すフローチャート図で
ある。
ある。
【図４】本発明の実施例に用いたヒートポンプ熱交換器
の構成を概略的に示す。
の構成を概略的に示す。
【図５】ヒートポンプサイクルにおける熱媒体の状態変
化をP-H線図で表したモリエル線図である。
化をP-H線図で表したモリエル線図である。
【図６】本発明の実施例に用いたヒートポンプ熱交換器
の異常検出装置の構成を示すブロック図である。
の異常検出装置の構成を示すブロック図である。
【図７】本発明の実施例における実験の測定結果を示す
プロット図である。
プロット図である。
【図８】本発明の実施例における実験の測定結果の予測
残差を示すプロット図である。
残差を示すプロット図である。
【図９】本発明の実施例における実験の測定結果の予測
残差を示すプロット図である。
残差を示すプロット図である。
【図１０】本発明の実施例における実験の測定結果の予
測残差を示すプロット図である。
測残差を示すプロット図である。
【図１１】本発明の実施例における実験の測定結果の予
測残差を示すプロット図である。
測残差を示すプロット図である。
1 コンプレッサ
2 蒸発器（高温側熱交換器）
3 膨張弁
4 凝縮器（低温側熱交換器）
21 凝縮器空気流入温度センサ
22 凝縮器空気流出温度センサ
23 熱媒体凝縮圧力センサ
24 蒸発器空気流入温度センサ
25 蒸発器空気流出温度センサ
26 熱媒体蒸発圧力センサ
27 異常度計算回路
28 故障判定回路
29 表示装置
Claims (3)
- 【請求項１】 検知システムを有する機器において、測
定値の標本データを採取し、該標本データから導出され
る回帰モデルを用いてその後の測定値を監視することに
より、前記機器の劣化を検出する方法であって、近傍に
十分な標本データがない測定値を得た場合には、該測定
値を一時保留し、該測定値前後の複数回の測定値と、前
記回帰モデルに基づく予測値との残差が連続して所定の
値より小さいと判定すれば、前記一時保留した測定値を
標本データに追加することを特徴とする方法。 - 【請求項２】 前記測定値の近傍に十分なデータがある
かどうかは、前記標本データ空間におけるマハラノビス
汎距離に基づいて判定することを特徴とする請求項１に
記載の方法。 - 【請求項３】 前記測定値の近傍に十分なデータがある
かどうかは、前記回帰モデルの予測信頼区間に基づいて
判定することを特徴とする請求項１に記載の方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002115187A JP3746729B2 (ja) | 2002-04-17 | 2002-04-17 | 機器の劣化を検出する方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002115187A JP3746729B2 (ja) | 2002-04-17 | 2002-04-17 | 機器の劣化を検出する方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003315211A true JP2003315211A (ja) | 2003-11-06 |
| JP3746729B2 JP3746729B2 (ja) | 2006-02-15 |
Family
ID=29533676
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002115187A Expired - Fee Related JP3746729B2 (ja) | 2002-04-17 | 2002-04-17 | 機器の劣化を検出する方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3746729B2 (ja) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005071332A1 (ja) * | 2004-01-21 | 2005-08-04 | Mitsubishi Denki Kabushiki Kaisha | 機器診断装置、冷凍サイクル装置、流体回路診断方法、機器監視システム、冷凍サイクル監視システム |
| JP2005538669A (ja) * | 2002-09-05 | 2005-12-15 | ボンバルディール トランスポーテイション ゲゼルシャフト ミット ベシュレンクテル ハフツング | 車両の車両シャーシの状態を監視する方法及び装置 |
| JP2008512801A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 異常事象検知技術の水素化分解装置への適用 |
| JP2008512792A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 連続工業プロセスの運転における異常事象検出のための装置および方法 |
| JP2008512791A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | オレフィン回収トレインへの異常事象検知技術の適用 |
| JP2008512800A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 流動接触分解ユニットへの異常事象検知技術の適用 |
| JP2010500078A (ja) * | 2006-08-08 | 2010-01-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 生理パラメータを監視する方法および装置 |
| JP2010038487A (ja) * | 2008-08-07 | 2010-02-18 | Takasago Thermal Eng Co Ltd | 空調能力計測システムおよび室外機の風量検出方法 |
| JP2011185846A (ja) * | 2010-03-10 | 2011-09-22 | Mitsubishi Electric Corp | 基準値作成装置及び基準値作成方法 |
| JP2014238852A (ja) * | 2014-07-16 | 2014-12-18 | 日本電気株式会社 | 運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラム |
| KR101622186B1 (ko) * | 2014-03-11 | 2016-05-19 | 엘에스산전 주식회사 | 기기 상태 진단 장치 |
| WO2016134766A1 (de) * | 2015-02-26 | 2016-09-01 | Vega Grieshaber Kg | Messgerät |
| JP2017502390A (ja) * | 2013-12-03 | 2017-01-19 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | データに基づく関数モデルを定めるための方法及び装置 |
| JP2017032259A (ja) * | 2015-08-06 | 2017-02-09 | 株式会社Ｎｔｔファシリティーズ | 凝縮器診断方法 |
| JP2017194341A (ja) * | 2016-04-20 | 2017-10-26 | 株式会社Ihi | 異常診断方法、異常診断装置、及び異常診断プログラム |
| JP2019028949A (ja) * | 2017-08-03 | 2019-02-21 | 新日鐵住金株式会社 | 製品の状態予測装置及び方法、製造プロセスの制御システム、並びにプログラム |
| CN109668750A (zh) * | 2019-01-06 | 2019-04-23 | 东北电力大学 | 一种基于压降信号分析的并联小通道换热设备传热恶化预测方法 |
| CN111788492A (zh) * | 2018-03-16 | 2020-10-16 | 株式会社半导体能源研究所 | 二次电池的充电状态推测装置、二次电池的异常检测装置、二次电池的异常检测方法及二次电池的管理系统 |
| CN112610330A (zh) * | 2020-12-08 | 2021-04-06 | 孚创动力控制技术（启东）有限公司 | 一种内燃机运行状态的监测及分析系统和方法 |
| CN112685827A (zh) * | 2019-10-17 | 2021-04-20 | 丰田自动车株式会社 | 数据记录装置以及数据记录方法 |
| JPWO2022172452A1 (ja) * | 2021-02-15 | 2022-08-18 |
-
2002
- 2002-04-17 JP JP2002115187A patent/JP3746729B2/ja not_active Expired - Fee Related
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005538669A (ja) * | 2002-09-05 | 2005-12-15 | ボンバルディール トランスポーテイション ゲゼルシャフト ミット ベシュレンクテル ハフツング | 車両の車両シャーシの状態を監視する方法及び装置 |
| JP4827412B2 (ja) * | 2002-09-05 | 2011-11-30 | ボンバルディール トランスポーテイション ゲゼルシャフト ミット ベシュレンクテル ハフツング | 車両の車両シャーシの状態を監視する方法及び装置 |
| CN100458319C (zh) * | 2004-01-21 | 2009-02-04 | 三菱电机株式会社 | 设备诊断装置、冷冻循环装置、流体回路诊断方法 |
| WO2005071332A1 (ja) * | 2004-01-21 | 2005-08-04 | Mitsubishi Denki Kabushiki Kaisha | 機器診断装置、冷凍サイクル装置、流体回路診断方法、機器監視システム、冷凍サイクル監視システム |
| US7558700B2 (en) | 2004-01-21 | 2009-07-07 | Mitsubishi Denki Kabushiki Kaisha | Equipment diagnosis device, refrigerating cycle apparatus, fluid circuit diagnosis method, equipment monitoring system, and refrigerating cycle monitoring system |
| JP2008512792A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 連続工業プロセスの運転における異常事象検出のための装置および方法 |
| JP2008512800A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 流動接触分解ユニットへの異常事象検知技術の適用 |
| JP2008512791A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | オレフィン回収トレインへの異常事象検知技術の適用 |
| JP2008512801A (ja) * | 2004-09-10 | 2008-04-24 | エクソンモービル リサーチ アンド エンジニアリング カンパニー | 異常事象検知技術の水素化分解装置への適用 |
| JP2010500078A (ja) * | 2006-08-08 | 2010-01-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 生理パラメータを監視する方法および装置 |
| JP2010038487A (ja) * | 2008-08-07 | 2010-02-18 | Takasago Thermal Eng Co Ltd | 空調能力計測システムおよび室外機の風量検出方法 |
| JP2011185846A (ja) * | 2010-03-10 | 2011-09-22 | Mitsubishi Electric Corp | 基準値作成装置及び基準値作成方法 |
| JP2017502390A (ja) * | 2013-12-03 | 2017-01-19 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | データに基づく関数モデルを定めるための方法及び装置 |
| KR101622186B1 (ko) * | 2014-03-11 | 2016-05-19 | 엘에스산전 주식회사 | 기기 상태 진단 장치 |
| JP2014238852A (ja) * | 2014-07-16 | 2014-12-18 | 日本電気株式会社 | 運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラム |
| WO2016134766A1 (de) * | 2015-02-26 | 2016-09-01 | Vega Grieshaber Kg | Messgerät |
| JP2017032259A (ja) * | 2015-08-06 | 2017-02-09 | 株式会社Ｎｔｔファシリティーズ | 凝縮器診断方法 |
| JP2017194341A (ja) * | 2016-04-20 | 2017-10-26 | 株式会社Ihi | 異常診断方法、異常診断装置、及び異常診断プログラム |
| JP2019028949A (ja) * | 2017-08-03 | 2019-02-21 | 新日鐵住金株式会社 | 製品の状態予測装置及び方法、製造プロセスの制御システム、並びにプログラム |
| CN111788492A (zh) * | 2018-03-16 | 2020-10-16 | 株式会社半导体能源研究所 | 二次电池的充电状态推测装置、二次电池的异常检测装置、二次电池的异常检测方法及二次电池的管理系统 |
| CN109668750A (zh) * | 2019-01-06 | 2019-04-23 | 东北电力大学 | 一种基于压降信号分析的并联小通道换热设备传热恶化预测方法 |
| CN112685827A (zh) * | 2019-10-17 | 2021-04-20 | 丰田自动车株式会社 | 数据记录装置以及数据记录方法 |
| CN112685827B (zh) * | 2019-10-17 | 2023-10-13 | 丰田自动车株式会社 | 数据记录装置以及数据记录方法 |
| CN112610330A (zh) * | 2020-12-08 | 2021-04-06 | 孚创动力控制技术（启东）有限公司 | 一种内燃机运行状态的监测及分析系统和方法 |
| CN112610330B (zh) * | 2020-12-08 | 2023-05-09 | 孚创动力控制技术（启东）有限公司 | 一种内燃机运行状态的监测及分析系统和方法 |
| JPWO2022172452A1 (ja) * | 2021-02-15 | 2022-08-18 | ||
| WO2022172452A1 (ja) * | 2021-02-15 | 2022-08-18 | 三菱電機株式会社 | データ処理装置及びデータ処理方法 |
| JP7350198B2 (ja) | 2021-02-15 | 2023-09-25 | 三菱電機株式会社 | データ処理装置及びデータ処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3746729B2 (ja) | 2006-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2003315211A (ja) | 機器の劣化を検出する方法 | |
| US9435576B1 (en) | Cost-effective remote monitoring diagnostic and system health prediction system and method for vapor compression and heat pump units based on compressor discharge line temperature sampling | |
| Rossi et al. | A statistical, rule-based fault detection and diagnostic method for vapor compression air conditioners | |
| EP1970651B1 (en) | Refrigerating/air conditioning system having refrigerant leakage detecting function, refrigerator/air conditioner and method for detecting leakage of refrigerant | |
| Cui et al. | A model-based online fault detection and diagnosis strategy for centrifugal chiller systems | |
| US20050247194A1 (en) | Technique for detecting and predicting air filter condition | |
| Zhao et al. | A virtual condenser fouling sensor for chillers | |
| WO2005111806A2 (en) | Sensor fault diagnostics and prognostics using component model and time scale orthogonal expansions | |
| KR19990006755A (ko) | 팽창 밸브 모니터링 시스템 | |
| CN113654182A (zh) | 检测冷媒泄漏的方法和计算机可读存储介质以及空调器 | |
| CN106971027B (zh) | 一种基于dr-bn模型的冷水机组故障特征选择方法 | |
| JP2004232968A (ja) | 空調運転監視システム、異常検出方法および異常検出装置 | |
| CN106471316B (zh) | 加热、通风或空气调节系统分级系统和方法 | |
| Li et al. | Virtual refrigerant pressure sensors for use in monitoring and fault diagnosis of vapor-compression equipment | |
| JP4301085B2 (ja) | 熱源機器の劣化診断システム | |
| US10989428B2 (en) | Performance diagnosis device and performance diagnosis method for air conditioner | |
| JP4049610B2 (ja) | ヒートポンプ熱交換器の異常検出装置 | |
| CN115638507A (zh) | 空调系统 | |
| Huang et al. | Enhancing the reliability of chiller control using fused measurement of building cooling load | |
| JPH0493567A (ja) | 冷凍機の性能診断装置 | |
| KR102561062B1 (ko) | 원전의 감시 시스템 및 방법 | |
| JP4253648B2 (ja) | 吸収冷温水機の性能評価方法と診断システム | |
| JP5757131B2 (ja) | 冷凍システムにおける冷却水ラインの汚れ監視方法 | |
| CN113669839B (zh) | 检测冷媒泄漏的方法和计算机可读存储介质以及空调器 | |
| Ejenakevwe et al. | Investigation of an IoT-Based Approach for Automated Fault Detection in Residential HVAC Systems. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040521 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20051102 |
|
| 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: 20051115 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20051124 |
|
| R150 | Certificate of patent (=grant) or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081202 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091202 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101202 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101202 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111202 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111202 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121202 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |