JP2013242637A - 異常診断方法及び異常診断装置 - Google Patents

Abstract

【課題】ＭＴ法を利用した異常診断における、異常の検出精度を向上する。
【解決手段】診断対象である複数のパラメータの値を入力するステップと、複数のパラメータから選択された使用パラメータの基準値に基づいて予め生成された単位空間を利用して、入力した各使用パラメータの値についてマハラノビス距離を算出するステップと、算出された各マハラノビス距離が、予め定める閾値の範囲内であるか否かを判定するステップと、入力した各パラメータのうち、予め相関が強いと定められる強相関のパラメータの値が、予測の範囲内であるか否かを判定するステップと、マハラノビス距離が閾値の範囲内であるか否かの判定結果及び強相関のパラメータの値が予測の範囲内であるか否かの判定結果に応じて異常を診断するステップとを備える。
【選択図】図１

Description

本発明は、ＭＴ法を利用して異常を診断する異常診断方法及び異常診断装置に関する。

プラント等、複数の機器を有するシステムは、複数の機器に対してそれぞれ条件を指令値として設定して運転される。また、このようなシステムでは、各指令値による運転状態が複数のセンサで応答値として計測されている。

このようなシステムの異常は、これら複数の指令値や複数の応答値等のパラメータの値を利用して検出することができる。例えば、各機器に対応するセンサの応答値が各センサの応答値毎に求められる上下限値を超えたときに異常と診断する方法がある。しかしながら、各センサの応答値毎に上下限値を設定する場合、使用する機器が増えると、上下限値の数も増えることとなり、異常検出用の値の管理、異常検出の処理が煩雑になる問題がある。

これに対し、ＭＴ法（マハラノビス・タグチメソッド）を用いた異常診断も提案されている（例えば、特許文献１及び２参照）。ＭＴ法を利用する場合、現在の状態を特定する値（指令値や応答値）を、基準とする単位空間の値と比較することで、容易に異常を診断することができる。

しかしながら、ＭＴ法を用いた異常診断では、多重共線性がある問題がある。すなわち、利用するパラメータの中には、相関が強いパラメータがあり、このようなパラメータを利用すると、ＭＴ法を用いた異常診断は信頼性が低くなる。したがって、従来は、相関が強いパラメータがある場合、一方のパラメータを選択し、他方のパラメータの値は異常診断には使用していなかった。

しかしながら、このように相関が強いパラメータの値が異常検出に重要なこともある。例えば、ある指令値と、この指令値に対する応答値には相関が強いことも多く、ＭＴ法を用いた場合、このような指令値と応答値とからは一方の値のみが異常診断に利用されるが、指令値に対する応答値の変化に異常が生じた場合には他方の値を除くことによって検出できなくなるおそれがある。

特許第４４１３９１５号公報 特開２００９−７６７７２号公報

上述したように、従来のＭＴ法を利用した異常診断の場合、相関があるパラメータについて異常を診断することが困難であることから、多重共線性により、異常の検出精度が低下するおそれがあった。

上記課題に鑑み、本発明は、ＭＴ法を利用した異常診断における、異常の検出精度を向上する異常診断方法及び異常診断装置を提供することを目的としている。

上記目的を達成するために、請求項１記載の発明は、ＭＴ法を利用して異常を診断する異常診断方法であって、診断対象である複数のパラメータの値を入力するステップと、複数のパラメータから選択された使用パラメータの基準値に基づいて予め生成された単位空間を利用して、入力した各使用パラメータの値についてマハラノビス距離を算出するステップと、算出された各マハラノビス距離が、予め定める閾値の範囲内であるか否かを判定するステップと、入力した各パラメータのうち、予め相関が強いと定められる強相関のパラメータの値が、予測の範囲内であるか否かを判定するステップと、マハラノビス距離が閾値の範囲内であるか否かの判定結果及び強相関のパラメータ値が予測の範囲内であるか否かの判定結果に応じて異常を診断するステップとを備える。

請求項２記載の発明は、診断対象である全てのパラメータから相関係数が所定の値以上のパラメータを強相関のパラメータとして抽出するステップと、強相関のパラメータの値が正常時にとりうる範囲を予測するステップと、強相関であるパラメータの組から一方のパラメータを選択するステップと、選択された一方のパラメータと、強相関のパラメータとして抽出されていないパラメータを使用パラメータとして決定するステップと、使用パラメータの基準値を利用して単位空間を生成するステップとを備える。

請求項３記載の発明は、診断対象である複数のパラメータの値を入力し、ＭＴ法を利用して異常を診断する異常診断装置であって、複数のパラメータから選択された使用パラメータの基準値に基づいて予め生成された単位空間を利用して、入力した各使用パラメータの値についてマハラノビス距離を算出し、算出された各マハラノビス距離が、予め定める閾値の範囲内であるか否かを判定する第１演算部と、入力した各パラメータのうち、予め相関が強いと定められる強相関のパラメータの値が、予測の範囲内であるか否かを判定する第２演算部と、マハラノビス距離が閾値の範囲内であるか否かの判定結果及び強相関のパラメータの値が予測の範囲内であるか否かの判定結果に応じて異常を診断する診断部と、診断部の診断結果を出力する出力部とを備える。

請求項４記載の発明は、診断対象である全てのパラメータから相関係数が所定の値以上のパラメータを強相関のパラメータとして抽出する抽出部と、強相関のパラメータの値が正常時にとりうる予測の範囲に関するデータを生成する生成部と、強相関であるパラメータの組から選択された一方のパラメータと、強相関のパラメータとして抽出されていないパラメータを使用パラメータとして決定し、使用パラメータの基準値を利用して単位空間を生成する単位空間生成部とをさらに備える。

請求項５記載の発明は、生成部は、強相関のパラメータの値の関係を表わす予測式を生成し、第２演算部は、入力した強相関のパラメータの値が生成部が生成した予測式で予測される範囲内であるか否かを判定する。

請求項６記載の発明は、生成部は、強相関のパラメータについて予測の範囲を特定する閾値データを生成し、第２演算部は、入力した強相関のパラメータの値が生成部が生成した閾値データで規定される範囲内であるか否かを判定する。

本発明によれば、ＭＴ法を利用した異常診断における、異常の検出精度を向上することができる。

実施形態に係る異常診断装置の構成を説明するブロック図である。 異常診断装置が診断するプラントにおける指令値と応答値の関係の一例を説明するグラフである。 異常診断で利用する予測式の一例を説明するグラフである。 異常診断の前の前処理について説明するフローチャートである。 異常診断処理について説明するフローチャートである。 本発明の変形例に係る異常診断装置の構成を説明するブロック図である。 異常診断で利用する閾値の一例を説明するグラフである。

図面を参照して、本発明に係る異常診断方法及び異常診断装置について説明する。以下では、本発明に係る異常診断方法及び異常診断装置は、複数の機器を有するプラントの異常を検出するものとして説明する。

例えば、異常診断で対象とするプラントは、発電プラントである。発電プラントは、複数の機器（バルブ、ポンプ等）を備えており、これらの機器を制御する値が「指令値」として設定されている。この指令値は、例えば、ポンプの圧力、バルブの開閉等を操作する値である。また、発電プラントでは、複数のセンサを備えており、各センサで温度、圧力、発電量等の「応答値」が計測されている。

ＭＴ法による異常診断では、基準となる指令値や応答値等のパラメータの値によって予め単位空間を生成し、診断時のパラメータの値をこの基準の単位空間の値と比較して異常診断を行う。この、ＭＴ法は、「いつもと同じ」状態であるかどうかを診断するものであり、予め生成したいつもと同じ状態を表す単位空間であるマハラノビス空間を基準として、求めた診断対象のマハラノビス距離が、このマハラノビス空間より遠くなるときに異常と診断する方法である。

図１に示すように、実施形態に係る異常診断装置１ａは、異常診断の前処理を実行するため、抽出部１０１、予測式生成部１０２及び単位空間生成部１０３を備えている。また、異常診断装置１ａは、異常診断を実行するため、第１演算部１０４、第２演算部１０５、診断部１０６及び出力部１０７を備えている。

異常診断装置１ａは、例えば、中央処理装置（ＣＰＵ）１０や記憶装置２０を備える情報処理装置であって、記憶装置２０に記憶される異常診断プログラムＰが読みだされて実行されることで、図１に示すように、ＣＰＵ１０に抽出部１０１、予測式生成部１０２、単位空間生成部１０３、第１演算部１０４、第２演算部１０５、診断部１０６及び出力部１０７が実装される。

異常診断装置１ａの記憶装置２０は、異常診断プログラムＰの他、サンプルデータＤ１、強相関データＤ２、予測式データＤ３及び単位空間データＤ４を記憶している。

さらに、異常診断装置１ａは、入力装置２及び出力装置３と接続されている。入力装置２は、キーボードや操作ボタン等であって、操作信号や選択信号を入力して異常診断装置１ａに送信する。また、出力装置３は、ディスプレイ等であって、異常診断装置１ａから診断結果や処理結果を受信して出力する。

サンプルデータＤ１は、異常診断の対象のプラントの特徴量に関するデータであって、単位空間の生成に用いる正常な場合の各パラメータの値を関連づけている。例えば、サンプルデータＤ１は、異常診断の対象であるプラントが有する機器を操作する「指令値」や、プラントが理想的な状態の場合に操作された機器の状態をセンサ等で測定した「応答値」等のパラメータ値を関連付けるデータである。

強相関データＤ２は、サンプルデータに含まれる複数のパラメータの中で、強相関のパラメータの組み合わせに関するデータである。図２に示すグラフを用いて、相関が強いパラメータの一例を説明する。図２では、横軸を時間、縦軸をパラメータの値とするグラフである。例えば、ある機器の操作に使用する「指令値ｘ」と、この指令値によって操作された機器の状態をセンサで測定した「応答値ｙ」があるとする。プラントが正常に運転されている場合、図２に示すように「応答値ｙ」は「指令値ｘ」の値に応じて変化する値であり、「応答値ｙ」は「指令値ｘ」とは相関が強い。強相関データＤ２では、「指令値ｘ」と「応答値ｙ」のように相関が強いパラメータを関連づけている。強相関のパラメータの組み合わせが複数ある場合には、強相関データＤ２では、複数のパラメータの組み合わせを有している。なお、図２に示すように、異常が発生した場合、「応答値ｙ」は、「指令値ｘ」から予測できない値となる。

予測式データＤ３は、相関が強いパラメータの異常の特定に利用する予測式を有するデータである。例えば、「指令値ｘ」と「応答値ｙ」とが強相関であると定められ、この強相関のパラメータｘとｙとの関係が、式（１）の予測式として求められている場合、予測式データＤ３はこの予測式を含むデータである。なお、式（１）中のａ及びｂは定数である。
ｙ＝ａｘ＋ｂ ・・・（１）

単位空間データＤ４は、異常診断で使用する単位空間を表わすデータである。具体的には、単位空間データＤ４は、単位空間であるマハラノビス空間の生成に使用した複数のパラメータの値と、各平均値と、各パラメータの標準偏差と、各パラメータについての相関行列の逆行列とに、マハラノビス空間に設定された閾値を関連付けたデータである。この単位空間データＤ４に含まれるパラメータの値は、サンプルデータＤ１に含まれるパラメータの値から、使用パラメータとして選択されたパラメータの値である。

抽出部１０１は、異常診断装置１ａが前処理をするタイミングで、記憶装置２０からサンプルデータＤ１を読み出し、読み出したサンプルデータＤ１の各パラメータの値を利用して、ＭＴ法で一般的に実行される手順で相関行列を生成する。続いて、抽出部１０１は、生成した相関行列に含まれる相関係数の値を利用して、強相関となるパラメータの組み合わせを抽出する。また、抽出部１０１は、抽出した強相関のパラメータの組み合わせを、強相関データＤ２として記憶装置２０に記憶させる。ここで、異常診断装置１ａで前処理をするタイミングとは、例えば、定期的なタイミングや入力装置２を介して前処理の開始の操作信号を入力するタイミングである。

具体的には、抽出部１０１は、基準値である各パラメータの値について、平均値及び標準偏差を求め、各パラメータ値、平均値及び標準偏差から規準化値を求め、この規準化値から相関行列を生成する。また、抽出部１０１は、相関係数が所定の値（例えば、０．８）以上となるパラメータの組み合わせを強相関であるとして抽出する。このとき、抽出部１０１は、強相関であるパラメータの組み合わせが複数ある場合には、強相関となるパラメータの組み合わせを全て抽出し、複数の組み合わせを含む強相関データＤ２を生成する。

予測式生成部１０２は、抽出部１０１によって強相関となるパラメータの組み合わせが抽出されると、相関が強いパラメータの関係を表す予測式を生成する。また、予測式生成部１０２は、生成した予測式を含むデータを、予測式データＤ３として記憶装置２０に記憶させる。例えば、「指令値ｘ」と「応答値ｙ」とが強相関であるとして抽出されたとき、予測式生成部１０２は、回帰分析等の手法を利用して、「指令値ｘ」と「応答値ｙ」との関係を表す予測式を生成する。

単位空間生成部１０３は、抽出部１０１によって強相関となるパラメータの組み合わせが抽出されると、強相関のパラメータの組み合わせのうち、１のパラメータのみを異常診断で使用する使用パラメータとして決定する。また、単位空間生成部１０３は、強相関として抽出されていない全てのパラメータも使用パラメータとして決定する。その後、単位空間生成部１０３は、使用パラメータとして決定した各パラメータを用いてマハラノビス空間を生成する。さらに、単位空間生成部１０３は、生成したマハラノビス空間とともにこのマハラノビス空間に設定される閾値を単位空間データＤ４として記憶装置２０に記憶させる。ここで、相関の強い２のパラメータのうち、いずれのパラメータを選択してマハラノビス空間の生成に利用するかについては、限定されない。

具体的には、単位空間生成部１０３は、使用パラメータの値について、平均値及び標準偏差を求め、各パラメータの値、平均値及び標準偏差から規準化値を求め、相関行列を生成する。その後、単位空間生成部１０３は、生成した相関行列の逆行列を求めて、マハラノビス空間とする。また、単位空間データＤ４に含まれる各パラメータの閾値は、例えば入力装置２を介して入力される。

第１演算部１０４は、異常診断処理時に、プラントから新たに各パラメータの値を入力すると、入力した値のうち使用パラメータの値、及び単位空間データＤ４として記憶されるマハラノビス空間を利用して、各使用パラメータの値についてそれぞれマハラノビス距離を演算する。

また、第１演算部１０４は、演算したマハラノビス距離が、単位空間データＤ４で予め定められる閾値の範囲内であるか否かに応じて異常を判定し、判定結果を診断部１０６に出力する。例えば、あるパラメータの値について求めたマハラノビス距離が閾値の範囲内であれば、第１演算部１０４は、このパラメータは正常であると判定する。また、あるパラメータの値について求めたマハラノビス距離が閾値の範囲外であれば、第１演算部１０４は、このパラメータは異常であると判定する。

第２演算部１０５は、異常診断処理時に、入力した各パラメータの値うち、強相関データＤ２で相関が強いとされているパラメータの組み合わせの値を利用して、予測式データＤ３の予測式を演算する。

また、第２演算部１０５は、演算結果を利用して、相関が強いパラメータの値の関係が予測の範囲内であるか否かに応じて異常を判定し、判定結果を診断部１０６に出力する。例えば、「指令値ｘ」と「応答値ｙ」との関係に上述した式（１）の予測式ｙ＝ａｘ＋ｂが規定されているとする。ここで、図３に示すように、「指令値ｘ」が「ｘ１」、「ｘ２」及び「ｘ３」であって、「応答値ｙ」がそれぞれ「ｙ１」、「ｙ２」及び「ｙ３」であるとき、第２演算部１０５は、指令値ｘと応答値ｙとの関係は予測の範囲内であって正常であると判定する。一方、図３に示すように、「指令値ｘ」が「ｘ４」であって「応答値ｙ」が「ｙ４」であるとき、第２演算部１０５は、指令値ｘと応答値ｙとの関係は予測の範囲外であって異常であると判定する。なお、予測式に対してどの程度の誤差を予測範囲とするかについては、例えば、予め定めて予測式データＤ３に記憶しておく。

診断部１０６は、第１演算部１０４においてマハラノビス距離を用いて判定された判定結果と、第２演算部１０５において予測式の演算結果を用いて判定された判定結果とを合わせて、プラントの運転状態が正常であるか異常であるかを診断し、診断結果を出力装置３に出力する。具体的には、診断部１０６は、第１演算部１０４と第２演算部１０５の双方で正常と判定されたときにはプラントは正常と診断し、第１演算部１０４又は第２演算部１０５の少なくともいずれか一方で異常と判定されたときにはプラントは異常と診断する。

出力部１０７は、診断部１０６の診断結果を出力装置３に出力する。

《前処理》
図４に示すフローチャートを用いて、異常診断装置１ａにおける前処理について説明する。前処理では、抽出部１０１が、相関行列を生成する（Ｓ１１）。また、抽出部１０１が、ステップＳ１１で生成された相関行列から強相関のパラメータの組み合わせを抽出し、強相関データＤ２として記憶装置２０に記憶する（Ｓ１２）。

抽出部１０１が強相関のパラメータを抽出すると、予測式生成部１０２は、各パラメータについて強相関のパラメータがあるか否かを判定し（Ｓ１３，Ｓ１４でＹＥＳ）、強相関のパラメータの組み合わせについては予測式を生成する（Ｓ１５）。その後、予測式生成部１０２は、ステップＳ１５で生成した全ての予測式を利用して予測式データＤ３を生成して記憶装置２０に記憶する（Ｓ１６）。

また、単位空間生成部１０３が、単位空間の生成に利用する利用パラメータを決定する（Ｓ１７）。続いて、単位空間生成部１０３は、決定した利用パラメータを利用して単位空間を生成し、単位空間データＤ４として記憶装置２０に記憶する（Ｓ１８）。

なお、図４に示すフローチャートでは、予測式生成部１０２における予測式の生成及び予測式データの生成の後に、単位空間生成部１０３における単位空間の生成を実行しているが、これに限られない。すなわち、異常診断装置１ａにおける、予測式の生成及び単位空間の生成の順序は逆でもよく、または、同時に行なわれてもよい。

《異常診断処理》
続いて、図５に示すフローチャートを用いて、異常診断装置１ａにおける異常診断処理について説明する。異常診断処理では、第１演算部１０４は、プラントから入力した新たな使用パラメータの値、単位空間データＤ４に記憶されるマハラノビス空間を利用して、マハラノビス距離を求める（Ｓ２１）。その後、第１演算部１０４は、求めたマハラノビス距離が、単位空間データＤ４で定められる閾値の範囲内であるか否かにより異常を判定し、判定結果を診断部１０６に出力する（Ｓ２２）。

その後、第２演算部１０５は、入力した新たなパラメータ値のうち、強相関データＤ２において強相関である各パラメータの値について（Ｓ２３）、予測式データＤ３に含まれる予測式を演算する（Ｓ２４）。また、第２演算部１０５は、演算結果に応じて異常を判定し、判定結果を診断部１０６に出力する（Ｓ２５）。

第１演算部１０４及び第２演算部１０５から判定結果を入力した診断部１０６は、入力した判定結果を合わせて異常を診断する（Ｓ２６）。その後、出力部１０７は、診断結果を出力装置３に出力する（Ｓ２７）。

なお、図５に示すフローチャートでは、第１演算部１０４における演算及び判定の後に、第２演算部における演算及び判定を実行しているが、これに限られない。すなわち、第１演算部１０４及び第２演算部１０５における処理の順序は逆でもよく、または、同時に行なわれてもよい。

上述したように、本発明に係る異常診断方法及び異常診断装置１ａでは、ＭＴ法を利用した異常判定に加えて、強相関のパラメータについては予測式を利用して異常を判定し、ＭＴ法を利用する異常判定と強相関のパラメータについての異常判定との結果から、異常を判定する。これにより、強相関のパラメータで異常が発生した場合であっても、強相関のパラメータについても異常の発生を検出することが可能となり、多重共線性の問題を解決して異常診断の精度を向上させることができる。

〈変形例〉
図６に示すブロック図及び図７に示すグラフを用いて、本発明の変形例に係る異常診断装置１ｂについて説明する。異常診断装置１ｂの説明において、上述した異常診断装置１ａと同一の構成については、図１と同一の符号を用いて説明を省略する。変形例に係る異常診断装置１ｂは、図１を用いて上述した実施形態に係る異常診断装置１ａと比較して、予測式生成部１０２に代えて閾値登録部１０８を備え、予測式データＤ３に代えて閾値データＤ５を記憶している点で異なる。

閾値登録部１０８は、抽出部１０１が強相関のパラメータの組み合わせを抽出すると、一方のパラメータについて異常を診断する閾値を設定し、閾値データＤ５として記憶装置２０に記憶する。例えば、抽出部１０１によって「指令値ｘ」と「応答値ｙ」が強相関であると抽出されると、閾値登録部１０８は、「指令値ｘ」または「応答値ｙ」のいずれか一方のパラメータを選択し、選択したパラメータに閾値を登録する。ここで、抽出部１０１で複数のパラメータの組が抽出された場合、抽出された各パラメータの組から一方のパラメータを選択して閾値を登録する。相関の強い２のパラメータのうち、いずれのパレメータを選択して閾値を設定するかについては、限定されない。なお、一方のパラメータだけでなく、両方のパラメータに対して閾値を設定してもよい。また、例えば、登録する閾値には、例えば、入力装置２を介して入力する値を利用する。

第２演算部１０５は、異常診断の処理時には、入力するパラメータの値のうち、強相関のパラメータとして強相関データＤ２に登録され、閾値が閾値データＤ５で登録されているパラメータを抽出する。また、第２演算部１０５は、抽出したパラメータの値が閾値の範囲内か否かによって異常か否かを判定し、判定結果を診断部１０６に出力する。

例えば、閾値登録部１０８が「応答値ｙ」を選択し、図７に示すように閾値に「α」が設定されてこの閾値α以上の値となったときに異常と判定すると登録したとする。図７において、横軸は時間を示し、縦軸は入力するパラメータの値（応答値ｙ）を示している。ここで、時間ｔ１に入力した値ｙ１、時間ｔ２に入力した値ｙ２および時間ｔ３に入力した値ｙ３は、閾値「α」以下であり、第２演算部１０５は、応答値ｙは正常であると判定する。これに対し、時間ｔ４に入力した値ｙ４は、閾値「α」以上であり、第２演算部１０５は、応答値ｙは異常であると判定する。

診断部１０６は、第１演算部１０４においてマハラノビス距離を用いて判定された判定結果と、第２演算部１０５において閾値を用いて判定された判定結果とを利用して異常を診断する。

上述したように、変形例に係る異常診断方法及び異常診断装置１ｂでは、ＭＴ法を利用した異常判定に加えて、強相関のパラメータについては閾値を利用して異常を判定し、ＭＴ法を利用する異常判定と強相関のパラメータについての異常判定との結果から、異常を判定する。これにより、強相関のパラメータで異常が発生した場合であっても、強相関のパラメータについても異常の発生を検出することが可能となり、多重共線性の問題を解決して異常診断の精度を向上させることができる。

以上、実施形態を用いて本発明を詳細に説明したが、本発明は本明細書中に説明した実施形態に限定されるものではない。本発明の範囲は、特許請求の範囲の記載及び特許請求の範囲の記載と均等の範囲により決定されるものである。

１ａ，１ｂ…異常診断装置
１０…ＣＰＵ
１０１…抽出部
１０２…予測式生成部（生成部）
１０３…単位空間生成部
１０４…第１演算部
１０５…第２演算部
１０６…診断部
１０７…出力部
１０８…閾値登録部（生成部）
２０…記憶装置
Ｐ…異常診断プログラム
Ｄ１…サンプルデータ
Ｄ２…強相関データ
Ｄ３…予測式データ
Ｄ４…単位空間データ
Ｄ５…閾値データ
２…入力装置
３…出力装置

Claims (6)

1. ＭＴ法を利用して異常を診断する異常診断方法であって、
   診断対象である複数のパラメータの値を入力するステップと、
   複数のパラメータから選択された使用パラメータの基準値に基づいて予め生成された単位空間を利用して、入力した各使用パラメータの値についてマハラノビス距離を算出するステップと、
   算出された各マハラノビス距離が、予め定める閾値の範囲内であるか否かを判定するステップと、
   入力した各パラメータのうち、予め相関が強いと定められる強相関のパラメータの値が、予測の範囲内であるか否かを判定するステップと、
   マハラノビス距離が閾値の範囲内であるか否かの判定結果及び強相関のパラメータの値が予測の範囲内であるか否かの判定結果に応じて異常を診断するステップと、
   を備えることを特徴とする異常診断方法。
2. 診断対象である全てのパラメータから相関係数が所定の値以上のパラメータを強相関のパラメータとして抽出するステップと、
   強相関のパラメータの値が正常時にとりうる範囲を予測するステップと、
   強相関であるパラメータの組から一方のパラメータを選択するステップと、
   選択された一方のパラメータと、強相関のパラメータとして抽出されていないパラメータを使用パラメータとして決定するステップと、
   使用パラメータの基準値を利用して単位空間を生成するステップと、
   を備えることを特徴とする請求項１記載の異常診断方法。
3. 診断対象である複数のパラメータの値を入力し、ＭＴ法を利用して異常を診断する異常診断装置であって、
   複数のパラメータから選択された使用パラメータの基準値に基づいて予め生成された単位空間を利用して、入力した各使用パラメータの値についてマハラノビス距離を算出し、算出された各マハラノビス距離が、予め定める閾値の範囲内であるか否かを判定する第１演算部と、
   入力した各パラメータのうち、予め相関が強いと定められる強相関のパラメータの値が、予測の範囲内であるか否かを判定する第２演算部と、
   マハラノビス距離が閾値の範囲内であるか否かの判定結果及び強相関のパラメータの値が予測の範囲内であるか否かの判定結果に応じて異常を診断する診断部と、
   前記診断部の診断結果を出力する出力部と、
   を備えることを特徴とする異常診断装置。
4. 診断対象である全てのパラメータから相関係数が所定の値以上のパラメータを強相関のパラメータとして抽出する抽出部と、
   強相関のパラメータの値が正常時にとりうる予測の範囲に関するデータを生成する生成部と、
   強相関であるパラメータの組から選択された一方のパラメータと、強相関のパラメータとして抽出されていないパラメータを使用パラメータとして決定し、使用パラメータの基準値を利用して単位空間を生成する単位空間生成部と、
   をさらに備えることを特徴とする請求項３記載の異常診断装置。
5. 前記生成部は、強相関のパラメータの値の関係を表わす予測式を生成し、
   前記第２演算部は、入力した強相関のパラメータの値が前記生成部が生成した予測式で予測される範囲内であるか否かを判定する
   ことを特徴とする請求項４記載の異常診断装置。
6. 前記生成部は、強相関のパラメータについて予測の範囲を特定する閾値データを生成し、
   前記第２演算部は、入力した強相関のパラメータの値が前記生成部が生成した閾値データで規定される範囲内であるか否かを判定する
   ことを特徴とする請求項４記載の異常診断装置。

Images