JP2015504203A - 異常検知のためのシステム及び方法 - Google Patents

Abstract

【課題】改善された異常検知システム及び方法を提供する。【解決手段】異常検知のためのシステム及び方法が提供される。システム（１００）及び方法（２００）は、例えばサーバなどで、デバイス等（１０２）に関連したセンサから運転データ及びダイナミクスデータ（１０４）を受信し（１０８）、データをフィルタし、一連のベースライン力学データを確立し、及びデータ従属性を解消する（１１０）ための、１つ以上のプロセッサを利用することを含む。システム及び方法は、データ変化の予想レベルを生成すること（１１２）、デバイスデータの、データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて異常を識別すること（１１４）、必要に応じて異常を潜在的原因と相関させること、及び異常を示す出力を提供すること、をさらに含む。【選択図】図１Ａ

Description

本発明は、異常検知のためのシステム及び方法に関する。

ガスタービンは、伝統的な発電システムと比較して、発電効率はより高く、汚染排出はより少ないため、米国や世界中において新しい発電能力のためのキーテクノロジーとなっている。排出目標の強化や、燃料の効率性と信頼性を改善する必要性によって、今日のガスタービンエンジンの技術レベルは高まっている。性能及び信頼性は、これらの高度に複雑な機械的システムの決定的な要件である。

ガスタービンエンジンの排気は、希薄な燃料-空気混合気を利用することによって、減る場合もあるが、ガスタービンの燃焼不安定性を増すことになる。燃焼不安定性が増すと、タービンの燃焼室内の部品に損傷を与えることがあり、燃焼部品又は燃焼室の下流部品の劣化や、突発故障さえも、引き起こす。不運なことに、希薄条件下で動作させると、有害な燃焼不安定性は燃焼器内でたびたび発生し、エンジン性能を劣化させ、燃焼器寿命を短くする。

燃焼力学（combustion dynamics）は、確定した振幅と周波数の圧力波であり、燃焼システムの自然発生的な音響モードと関連している。例えば、大きなガスタービンの典型的な環状筒形燃焼器においては、燃焼力学は、５０Ｈｚ未満から数１０００Ｈｚの周波数にわたる。タービンの構成要素の影響に関しては、これらの周波数の力学は、無害なものから、かなり有害なものにまでわたりうる。工業的なガスタービンにおける燃焼不安定性は、大変大きな圧力波を作る場合があり、劣化、部品の分離、出費のかさむ故障停止及び修理を招く。

燃焼器ライナー、トランジションピース（尾筒）及び燃料ノズルのような部品は、振動によって腐食や劣化が誘起されるため、部分的な亀裂や局部摩耗のための定期検査が必要であると、ガスタービンユーザーは思っている。少なくとも、検査や部分的な修理のための不稼働時間は必要であり、機械の稼働率を下げている。最悪の場合、亀裂部分は高温ガス路の中へ遊離する場合があり、高価なタービン部品の交換が必要となる可能性がある。加えて、ある地域のユーザーは、特定の季節には、気温による振動を無くすために、エンジンを正しく機能するように調整し直さなければならない、と思っている。

非常に大きな振幅、つまりガスタービンにおける有害な振動の発生の可能性を最小化するため、燃焼力学監視システムは、慣行的に配置されている。燃焼力学監視システムは、力学がある閾値を超えると、オペレーターに警報を出すように設計されている。

機械の修理費用及び不稼働時間の費用を無くすことによって、何百万ドルにもなる節減を生み出しうる。必要なのは、現在の問題の原因を診断し、重要な部品の差し迫った故障を予想し、例えばガスタービンエンジンとその動作への有害な影響の緩和のための改善された異常検知システム及び方法である。

図１Ａは、実例となる異常検知方法のブロック図である。 図１Ｂは、実例となる異常検知システムのブロック図である。 図２Ａは、開示されたシステム及び方法の中の実例となる実施形態に従った系統線図である。 図２Ｂは、開示されたシステム及び方法の中の実例となる実施形態に従った系統線図である。 図３Ａは、開示されたシステム及び方法の中の実施形態に従った、実例となるコンピュータネットワークの略図である。 図３Ｂは、開示されたシステム及び方法の中の実施形態に従った、実例となるコンピュータネットワークの略図である。 図４は、エンジン出力を基準とした力学的観測物（dynamics observable）、低周波数力学（ＬＦＤ）振幅、の従属関係を説明するチャートである。 図５Ａは、ガスタービン燃焼室温度測定の時間履歴のグラフ図である。 図５Ｂは、ある実施形態に従った、力学的観測物、「中間周波数力学（ＩＦＤ）１」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。 図５Ｃは、ある実施形態に従った、力学的観測物、「中間周波数力学（ＩＦＤ）１」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。 図５Ｄは、ある実施形態に従った、力学的観測物、「中間周波数力学（ＩＦＤ）１」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。 図５Ｅは、ある実施形態に従った、力学的観測物、「中間周波数力学（ＩＦＤ）１」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。 図５Ｆは、ある実施形態に従った、力学的観測物、「中間周波数力学（ＩＦＤ）２」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。 図５Ｇは、ある実施形態に従った、力学的観測物、「中間周波数力学（ＩＦＤ）２」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。 図５Ｈは、ある実施形態に従った、力学的観測物、「中間周波数力学（ＩＦＤ）２」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。 図５Ｉは、ある実施形態に従った、力学的観測物、「中間周波数力学（ＩＦＤ）２」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。 図６Ａは、ある実施形態に従った、力学的観測物、「低周波数力学（ＬＦＤ）」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。 図６Ｂは、ある実施形態に従った、力学的観測物、「低周波数力学（ＬＦＤ）」振幅と関連している、本システム及び方法の実例となる出力のグラフ図である。

異常検知システム及び方法が提供される。いくつかの説明された実施形態によると、異常検知のためのコンピュータ実施方法は、１つ以上のプロセッサ、及び１つ以上のプロセッサによって実行される１つ以上のプログラムを格納する、関連したメモリを利用するステップを有し、１つ以上のプログラムは、（ａ）複数のデバイスと関連した複数のセンサから、運転データ及び力学データを受け取る命令と、（ｂ）データをフィルタする命令と、（ｃ）（i）スライディングタイムウィンドウに関する履歴データ値、又は（ii）基準データ要件及び許容度を確立すること、前述した要件及び許容度を満足する時間において前のポイントを識別すること、及び前述した時間内に識別されたポイントに関して力学データ値を平均すること、を含むデータベースクエリに対応する履歴データ値、を識別することに基づいて、各力学についての基準平均を計算することを含む、一連のベースライン力学データを確立する命令と、（ｄ）データ従属性を解消する命令と、（ｅ）データ変化（data variation）の予想レベルを生成する命令と、（ｆ）デバイスデータの、データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて、異常を識別する命令と、（ｇ）必要に応じて、異常を、潜在的原因と相関させる命令と、及び（ｈ）異常を示す出力を提供する命令と、を含む。

他の説明された実施形態によると、タービンエンジンにおける異常を検知するための異常検知システムは、（ａ）タービンエンジンからセンサデータを受け取るように構成された入力データモジュールと、（ｂ）（i）１）スライディングタイムウィンドウに関する履歴データ値、又は２）基準データ要件及び許容度を確立でき、前述した要件及び許容度を満足する時間において前のポイントを識別でき、及び前述した時間内に識別されたポイントに関して力学データ値を平均できる、データベースクエリに対応する履歴データ値、を識別することに基づいて、各力学についての基準平均を計算することを含む、一連のベースライン力学データを確立し、（ii）データ従属性を解消し、（iii）データ変化の予想レベルを生成し、及び（iv）センサデータの、データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて異常を識別する、ように構成された処理モジュールと、（ｃ）センサデータを格納することができ、処理モジュールと通信できるデータベースと、（ｄ）処理モジュールによって識別された結果を報告することができる出力データモジュールと、（ｅ）出力データモジュールによって報告された結果を通知できるインタフェースモジュールと、（ｆ）入力データモジュール、処理モジュール、データベース、出力データモジュール、及び／又はインフェースモジュールの動作を管理できるプロセッサと、及び（ｇ）そのシステムによる実行のための命令及びデータを格納することができるメモリと、を備える。

さらなる実施形態によると、コンピュータ読み取り可能な記憶媒体が提供され、その媒体上には、（ａ）複数のデバイスと関連した複数のセンサから、運転データ及び力学データを受け取るステップと、（ｂ）データをフィルタするステップと、（ｃ）（i）スライディングタイムウィンドウに関する履歴データ値、又は（ii）基準データ要件及び許容度を確立することができ、前述した要件及び許容度を満足する時間において前のポイントを識別することができ、及び前述した時間内に識別されたポイントに関して力学データ値を平均することができる、データベースクエリに対応する履歴データ値、を識別することに基づいて、各力学についての基準平均を計算するステップを含む、一連のベースライン力学データを確立するステップと、（ｄ）データ従属性を解消するステップと、（ｅ）データ変化の予想レベルを生成するステップと、（ｆ）デバイスデータの、データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて、異常を識別するステップと、（ｇ）必要に応じて、異常を、潜在的原因と相関させるステップと、及び（ｈ）異常を示す出力を提供するステップと、を有する方法を実行するための符号化された実行可能プログラムコードがある。

本出願において使用されるように、用語「モジュール」及び「システム」は、コンピュータ関連の構成要素の言及を意図しており、それは、ハードウェア、ハードウェア及びソフトウェアの組み合わせ、ソフトウェア、又は実行されているソフトウェア、のいずれでもありうる。ある実施形態においては、モジュールは、手動で実行されるステップ又はプロセスを含むことができる。例えば、モジュールは、プロセッサ上で動作するプロセス、プロセッサ、オブジェクト、実行可能（ｅｘｅｃｕｔａｂｌｅ）、スレッド（実行の脈絡）、プログラム、又はコンピュータでありうるが、これらに限定されない。実例として、サーバ上で動作するアプリケーション及びサーバは、両方ともモジュールでありうる。１つ以上のモジュールは、プロセス及び／又はスレッド内に存在することができ、あるモジュールは、１つのコンピュータ上に局在し、及び／又は２つ以上のコンピュータ間に割り当てられうる。

ある実施形態においては、異常検知方法は、ガスタービンエンジンの「ベースライン音響シグネチャ」における変化を識別する。ガスタービンにおける燃焼圧力振動の振幅及び周波数は、力学的観測物として知られている。特定のガスタービンエンジン燃焼室と関連した力学的観測物は、他のかなりの数の要因と同様に、燃焼室の健全性状態によって決まる。例えば、エンジン出力レベル、気温、燃料組成、インレットガイドベーン角度、稼働時間、及びたくさんの他のパラメータは、力学的観測物に影響を与えうる。課題としては、気温のような別なところでの変化があるときに、間違った警報を送信せずに、異常を識別することである。

例として、図４は、様々な範囲の条件におけるエンジン出力を基準とした力学的観測物、「低周波数力学（ＬＦＤ）」振幅、の従属関係を説明する。チャートは、力学、及び単一のガスタービンエンジンにおける平均して１６の燃焼室（又は缶）のエンジン出力、の相関関係を説明する。エラーバーは、その１６の燃焼器缶にわたる、低周波数力学振幅の標準偏差を表す。

したがって、ガスタービンエンジンのベースライン音響シグネチャは、力学的観測物によって測定されるが、負荷変化により１日を通して変化し、気温変化により１年を通して変化し、エンジンの摩耗や劣化により、構成部品寿命を通して変化する。本異常検知方法は、不都合な振る舞いを示すこれらの変動を識別するために、これらの要因による固有の変動を通して出てくる問題を解決する。

ある実施形態に従うと、上述した感度は取り除かれうる。それは、ある特定のデバイスを、その過去の実績と比較するのではなく、あるデバイスを、同様の条件で動作している他のデバイスと比較することによって、なされる。例えば、ガスタービンエンジンにおいて、各燃焼室の力学的観測物は、エンジンの他の燃焼室の力学的観測物と比較されうる。もしすべてのデバイスからのデータが同様の方向に変化するとしたら、これは日常的な変数、例えば稼働時間や気温、の影響を示しているであろう。本アプローチの利点は、上述した要因の多くを取り除くことである。

ある特定のデバイスで生じている問題は、それほどではないにせよ隣接したデバイスと同様に、そのデバイスから切り離されうる。つまり、ある特定のデバイスで生じている問題は、他のすべてのデバイスと関連したデータの変化を引き起こすと、期待されないであろう。例えば、ある特定の燃焼室内で生じているフレームフラッシュバック事象は、低周波数力学範囲における燃焼室の力学的観測物のデータの突然の変化によって、明示されうるが、この変化は、その他の燃焼室に関連したデータにおいては、明らかにされないであろう。

本アプローチの固有の複雑性は、個々の燃焼室のような各デバイスのベースラインデータは、その他のものと似ていないものでありうることである。例えば、ある燃焼室グループのベースライン音響シグネチャは、オリフィスの大きさのような幾何学的な寸法における小さい変化が原因で、異なりうる。さらに、これらのデバイス間の差異は、様々な燃焼室の、インレットガイドベーン角度や稼働時間のような、他の変数における変化に対する応答の仕方において、それらデバイス自体の差異を、明らかにすることができる。

それ故に、さらなる実施形態に従うと、デバイス間の差異及び感度は、各デバイスの観測物がどのように変化しているかを、他のデバイスの観測物の変化の仕方に対して、測定することによって、考慮されうる。

他の実施形態においては、デバイスデータは、ずれの程度を正確に測定するために、正規化されうる。例えば振幅又は周波数などの寸法の結果は、様々な力学的観測物、時間間隔及び位置、にわたって比較されうるずれの大きさに、言い換えられうる。このデータ正規化によって、本方法は一般的な適用が可能となる。

高いノイズレベル、例えば周波数力学に存在するノイズ、に過渡に敏感ではないデバイスにおいて、異常な振る舞いを検知する強いシステム及び方法を提供する。

図１Ａに示されるように、異常検知方法１００は、データ入力１０８として、複数のデバイス及びセンサ１０２に関連した、センサデータ及びデバイス関連データ１０４を受信する。ある実施形態において、センサデータ１０４は、力学的観測物データ及び運転データを含むことができる。本システム及び方法において有用なセンサは、当技術分野においてよく知られたものであり、デバイスの動作と関連する力学的観測物を表す信号を提供することができる。ガスタービンエンジンについては、信号を燃焼力学監視システム（ＣＤＭＳ）プログラムに報告する従来のセンサが、使用されうる。方法１００は、センサデータ１０４を、例えばＣＤＭＳ１０６から、受信することができる。その方法は、センサデータ１０４を、デバイス１０２と関連するセンサから直接受信することができる。入力データは、データ調整１１０にさらされうる。データ調整１１０は、例えば、データ平滑化及び悪いデータの削除、を含むことができる。

デバイスの振る舞いが、不均一性ロジック１１２を通して時間にわたって比較されるよりも、又はそれに加えて、デバイスにわたって比較されるように、その他のデバイスに対する、あるデバイスの不均一性は、測定されうる。各々の力学的観測物についての基準平均は、計算されうる。各デバイスについての各々の力学的観測物はベースラインとなり、予想されるデータ変化の基準レベルは決定されうる。

異常は、異常ロジック１１４を通して、各デバイスの、変化の予想レベルによって正規化された平均的な振る舞い（ベースラインデータ）からのずれを比較することによって、識別されうる。

識別された異常は、量的な健全性指標、又は不均一性パラメータによって、表されうる。ある実施形態においては、値が生成され、出力１１６としてユーザーに提示されうる。識別した異常は、不均一性の潜在的原因と、必要に応じて相関させられうる。

図１Ｂは、タービンエンジンにおける異常を検知するための異常検知システムを説明する。システムは、少なくとも１つのタービンエンジン及び関連したセンサ１２０を含み、このセンサは、センサデータ１２２、入力データモジュール１２４、処理モジュール１２６、データベース１２８、出力データモジュール１３０、及びインタフェースモジュール１３２、を提供する。

ある実施形態においては、センサ１２０は、エンジン１２０の動作状態を表すセンサデータ１２２を生成するように構成される。例えば、センサデータは、タービンエンジン１２０と関連した、力学的観測物データ及び運転データを含むことができる。入力データモジュール１２４は、センサから直接センサデータ１２２を受信することができる。他の実施形態において、センサデータは、入力データモジュール１２４によって、その他のプログラム又はシステム、例えば、ＣＤＭＳ又は他のデータ取得システムから、受信されうる。

ある実施形態においては、入力データモジュール１２４によって、タービンエンジン１２０と関連した、力学的観測物データ及び運転データ１２２を、処理モジュール１２６が利用できるようにしている。処理モジュール１２６は、センサデータ１２２の、データ変化の予想レベルによって正規化された、確立されたベースラインデータからのずれに基づいて、異常を識別することができる。ある実施形態においては、データベース１２８は、センサによって発生した信号を含む、エンジン１２０の動作状態に関するデータを格納し、そのデータを処理モジュール１２６が利用できるように構成される。さらなる実施形態においては、データベース１２８は、タービンエンジン及びセンサ１２０と関連した履歴センサデータを格納し、そのデータを処理モジュール１２６が利用できるように構成される。

ある実施形態のシステムは、少なくとも１つのタービンエンジンを有するように記載されているが、当然のことながら、本開示の範囲は限定しておらず、本開示は他の種類のデバイスや設備を含む異常検知システムにもまた応用できるであろう。

出力モジュール１３０は、処理モジュール１２６によって識別された結果を、インタフェースモジュール１３２へ、ユーザーへの提示又は通知のために、報告することができる。出力モジュール１３０は、結果を未加工のままインタフェースモジュール１３２へ報告しうるか、又は処理モジュール１２６によって識別された結果の追加的な処理を実行するように構成されうる。

インタフェースモジュール１３２は、出力データモジュール１３０によって報告された結果を通知することができる。結果は、ディスプレイやプリントアウトによってユーザーへ通知されうるか、又は制御目的のために利用されうる。ある実施形態においては、結果は、リアルタイムの監視又は制御のために、リアルタイムで入手可能でありうるか、又は後の使用のために、格納して利用可能でありうる。本開示の態様においては、出力データモジュール１３０は、警報、可聴インジケータ、ｅメール、テキストメッセージ、インスタントメッセージ、ソーシャルメディアメッセージ（例えば、ツイート、フェースブックメッセージポスト）、ポケットベルのメッセージ、の形式で結果を通知することができ、又は他の伝達方法を利用することができる。他の実施形態においては、出力データモジュール１３０は、さらなる処理又は制御目的のために、他のプログラムやシステム、例えばＣＤＭＳに結果を送ることができる。ある実施形態においては、出力データモジュール１３０及びインタフェースモジュール１３２を統合することができる。

図２Ａを参照すると、方法２００は、入力２０２として、デバイス関連データ、例えばデバイスに関連したセンサからの運転データ及び力学データ、を受信することができる。ある実施形態においては、ＣＤＭＳは、時間領域における力学データを収集する。時間領域データは、圧力振動、炎からの電磁波放射（化学発光又は熱放射）、速度振動、又はその他の燃焼力学に関連した観測物、を含むことができる。運転データ、例えば、エンジン出力、インレットガイドベーン角度、気温及び他の運転データ、もまた収集されうる。デバイス関連データは、ＣＤＭＳから、他のデバイスデータ収集システムから、又はデバイスに関連したセンサから直接に、取得されうるが、これらに限定されない。

大きな時間領域力学データセットは、所定のスペクトル範囲におけるピーク周波数又は振幅を取り出すことによって、より扱いやすい形に抽出されうる。例えば、収集されたデータは、データを圧縮し、燃焼室のキー力学を要約するために、フーリエ変換されうる。圧縮された周波数及び振幅データは有益である。それは、燃焼力学は、燃焼室の自然発生的な音響モードに関連した周波数での、比較的狭い帯域の振動において、顕著に表されるからである。圧力振動スペクトルビンの振幅及び周波数は、ある期間にわたって取り出され、過去の移動平均が計算されうる。ある実施形態においては、その期間は１秒から６０秒を含むことができる。ウェーブレットのような、データを抽出する代替的なアプローチもまた使用されうる。

取り出された振幅及び周波数は、特定のスペクトルビンと関係しうる。例えば、いくつかのガスタービンエンジンの実施は、以下に示す名称の範囲上で、４つのスペクトルビンを発生させる。説明のために、４つのスペクトルビンは示されているが、本方法は、恣意的な数のビンに適用されうる。

０−５０Ｈｚ：低周波数力学（ＬＦＤ）

５０−１００Ｈｚ：中間周波数力学１（ＩＦＤ１）

１００−５００Ｈｚ：中間周波数力学２（ＩＦＤ２）

＞５００Ｈｚ：高周波数力学（ＨＦＤ）

収集されたデータは、固有の変動を低減するため、フィルタされうる（２０４）。例えばデータフィルタ２０４は、データ平滑化及び悪いデータの削除、を含むことができる。データ平滑化は、背景雑音によって誘起される変動の大部分を低減することができる。ある実施形態においては、データ平滑化は、取り出した周波数及び振幅データを追加的に平均することを、含むことができる。様々なデータ平滑化方法が使用されうる。それは例えば、過去を振り返って移動平均を計算することである。平均する時間をより大きくすると、より滑らかなデータを出すことができるが、潜在的に意味のある時間的に局在する変動もまた抑えてしまうことがありうる。ある実施形態に従うと、平均する時間は、１０秒から２時間を含むことができる。さらなる実施形態に従うと、平均する時間を振幅力学に１５分及び周波数力学に３０分とすることが、これらの競合する要件のなかで、優れた最適条件を提供することができる。

さらなる実施形態においては、非物質的な不規則性と関連したデータは削除される。ある実例となる実施形態においては、非物質的なデータ不規則性は、センサ故障、減衰管内の凝縮、電化増幅器故障、接続問題、電磁波妨害（ＥＭＩ）、キャリブレーションドリフト、及び／又は力学監視システムに関連した他の故障によって、引き起こされうる。本方法は、データ不規則性によって削除されたデータに関連したデバイスにおける異常な振る舞いについては、評価しないことができる。

明らかに悪いデバイスデータは、取り除かれることができる。例えば、大きな５０Ｈｚから６０Ｈｚの音（ＥＭＩ）の力学チャネル、とても大きな１０Ｈｚ未満の低周波数成分、又はほとんどゼロ値のチャネルは、取り除かれることができる。

他の不規則なデータは、識別するのはより難しいであろう。例えば、不規則なデータがセンサ故障によるものか、本物のデバイス異常であるかの評価を決定させられうる。その評価は、隣接デバイスのデータの審査も含まれうる。例えば、１つのガスタービンエンジン燃焼室に存在する物理的な振動は、頻繁にその燃焼室自身について明らかにするが、それほどではないにせよ隣接した燃焼室についても明らかにする。もしＸ＋１室及びＸ−１室がいくらかの不規則性を示し、Ｘ室よりも十分に小さいものであったら、そのデータは物理的な問題を表していると、示しうる。それに対して、センサ故障は、燃焼室Ｘは不規則に動作する一方、隣接するＸ＋１室及びＸ−１室は通常の動作をする、ということになりうる。

他の実施形態においては、悪いデータは、ある特定のデバイスの一連の力学データを比較することによって、識別されうる。単一のデバイスに関連した多数の力学的観測物において明らかになる不規則性は、センサの問題であることを示しうるが、１つの力学における不規則性は、本当のデバイス関連の問題であることを示しうる。燃焼室の異常は、特有の観測物として現れる。例えば、パイロットノズルの問題は、低周波数力学の不規則性に限定されうる。

ある実施形態においては、悪いデータの削除は自動化されうる。他の実施形態においては、不規則性を評価するユーザーの介入は、本当の異常を無視することによって生じる潜在的に破局的な結果を考慮すると、望ましいであろう。

「正規化された」動作を構成する、時間平均の基準平均は、現在のデバイスデータ２０６と比較して、決定されうる。各デバイスの各々の力学的観測物についての基準平均は、計算されうる。基準平均を決定するのは、潜在的に大きな数のデバイスデータのパラメータ依存を考慮すると、難しいであろう。実例としてのアプローチは、静的な代表的な時間間隔を識別し、その時間間隔におけるデバイスデータの履歴値に基づいた基準データを定めることである。静的な履歴時間間隔は、現在の動作条件に最も密接に従うと、確認されうる。このようなアプローチに伴い、季節的な変化、部分的な侵入／摩耗等によるデバイス間同士でのドリフトが、疑わしくなりうる。基準平均は、これらのアイテムのために調整するため、その時間の後に、アップデートされうる。

他の実施形態においては、基準平均は、静的な時間間隔ではなく、移動（moving）参照データウィンドウを定めることによって、決定され、定期的にアップデートされうる。移動参照データウィンドウは、継続的に履歴デバイスデータを振り返る、スライディングタイムウィンドウを含むことができ、その履歴は、例えば、６時間、２４時間、４８時間、１週間、１月、又は他の期間、前である。移動（shifting）タイムウィンドウとしての２４時間の整数倍は、毎日同じ時間にオンとオフを循環するガスタービンエンジンに使うとうまくいくことができる。しかしながら、もし基準データが、即時のエンジン動作条件とは異なる出力、燃料、又は環境条件にて得られたとしたら、周期的な負荷プロファイルにて動作しないガスタービンエンジンと関連したデータは、偽の警報をもたらしうる。

なおさらなる実施形態においては、基準平均データセットの確立と関係した上記の難点は、データベースクエリを誘導するための基準データ標準を発展させることによって、克服されうる。例えば、データベースは履歴力学的観測物データを含むことができる。クエリは、基準データ要件及び許容度を含むことができる。これらに限定されるものではないが、例えば、基準データ要件は、出力、稼働時間、一時的な運転、燃料組成等、を含むことができる。各データ要件のための許容度は、定められうる。クエリは、クエリ標準を満足する、いくらか前の時間（例えば２４、４８時間）のポイントを見つけるために生成されうる。時間シフトバックにおける許容度もまた定められうる。適当な基準時間ポイントがクエリを満足するものと確認されるときは、力学的観測物の値は、適当な平均ウィンドウ上で、基準データとして利用されうる。

力学的観測物デバイスデータは、他の示されていないパラメータ、例えば、エンジン出力レベル、気温、燃料組成、インレットガイドベーン角度、稼働時間、及び他のガスタービンエンジン動作パラメータに基づく、力学的観測物の従属性の多くを解消（２０８）して、ベースラインとなることができる。

デバイスに関する時間平均の力学的観測物は、基準平均力学データと共にベースラインとなることができ、例えば、時間平均の基準平均データは、時間平均のデバイスデータから、引き去られうる。

ある実施形態に従うと、その他のデバイスに対する、あるデバイスの不均一性は、デバイスの振る舞いが、時間にわたって比較されるよりも、又はそれに加えて、デバイスにわたって比較されるように、測定されうる。例えば、時間（Ｔ）での他の燃焼室に対する燃焼室（ｃ）の不均一性は、時間（Ｔ）における燃焼室（ｃ）に関連したデータを除いたベースラインとなったデバイスに関する力学的観測物のデバイスに関する平均を減じた、時間（Ｔ）でのベースラインとなったデバイスに関する力学的観測物として、計算されうる。

図２Ｂを参照すると、データ変化の予想レベルは、デバイスデータのずれの程度の評価をすると決定されうる（２２０）。本方法のある実施形態に従うと、ガスタービンエンジンが平常動作しているときは、力学的観測物に影響を与えるパラメータは主要因であり、データにおいてノイズは無い。したがって、引き去られた基準値を伴う力学的観測物データ値は、ゼロに近づくかもしれない。しかしながら、固有のノイズ、制御できない変数による力学的観測物の複雑な従属性、及び故障のために、実際にはゼロにならないであろう。したがって、データ変化の予想レベルは、「標準」に対して、どれくらい大きなデータゆらぎがあるかを決定するために、計算されうる。データ変化の予想レベルは、時間にわたって計算されるよりも、又はそれに加えて、デバイスにわたって計算されうる。

データ変化の予想レベルは、デバイスデータの標準偏差を計算することによって、決定されうる。しかしながら、これは範囲外のデータにより高い重みづけを与えうることがあり、１つの異常なデバイスが評価を歪めるのを可能にし、それによって本異常検知方法の感度が低減される。絶対値の合計は、より統一的にデータセットを重みづけすることができる。この量は、時間ウィンドウ上で平均されうる。時間平均ウィンドウは、収集データを平均するのに利用される時間ウィンドウよりも大きくなりえ、例えば、振幅力学については１５分より大きく、周波数力学については３０分より大きくなりうる。時間ウィンドウ上でデバイスデータの標準偏差を平均することによって、異常指標を著しく振動しないようにすることができる。

異常は、各デバイスのデバイスデータの、変動の予想レベルによって正規化されたベースラインデータからのずれ、を比較することによって、識別されうる（２２２）。ある実施形態に従うと、ガスタービン燃焼室における異常は、各燃焼室のためのセンサ及びデバイス関連データの、変動の予想レベルによって正規化されたベースラインデータからのずれ、を比較することによって、識別されうる。

異常は、量的な健全性指標又は不均一性パラメータによって、表されうる。ある実施形態においては、健全性指標値は、各スペクトルビンの振幅及び周波数のために生成されうる。例えば、あるガスタービンエンジンにおける実施は、４つのスペクトルビンを発生させる。低周波数力学（ＬＦＤ）、中間周波数力学１（ＩＦＤ１）、中間周波数力学２（ＩＦＤ２）、高周波数力学（ＨＦＤ）である。健全性指標値、又は不均一性パラメータは、例えば各燃焼室と関連した８つの不均一性パラメータを生じる、各４つのスペクトルビンの振幅及び周波数に対して、決定されうる。

異常、又は健全性指標は、潜在的原因と必要に応じて相関させられうる（２２４）。ある実施形態においては、健全性指標、又は不均一性パラメータは、量的な指標として、又は高／低若しくは高／中／低のような閾値の出力として、使用されうる。特定のデバイス用の指標の大きな値は、デバイスの健全性状態を評価するのに使用されうるか、又は他の運転データと併せて考慮されうる。ある実施形態においては、他のガスタービンエンジン運転データは、例えば、出口ブレードパス幅、又は燃料-空気混合気温度、を含むことができる。

ある実例となる実施形態においては、燃焼室予混合ノズルの旋回翼における障害物は、気流の歪みによる主要な周波数の振幅におけるずれとして、明らかにされる。障害物は、フレームフラッシュバックによって引き起こされるノズル内の過大な温度によってもまた、明らかになりうる。さらなる実例となる実施形態として、亀裂の入った高温ガストランジションピースは、ブレードパス幅における変化と同様に、交代で様々な範囲における振幅及び周波数に、よく表れうる。

指標は、潜在的問題領域を指摘するのに使用され、それらを故障マトリックス（行列）と結びつけることによって行われうる（２２４）。例えば、表１は、シリーズ５０１Ｆガスタービンエンジンユーザーグループによって編集された情報から作成された。チャートは、遭遇しうる様々な問題、及びどのように力学データという形で表されうるか、を表にしている。例えば、力学的観測物「低周波数力学」振幅についての大きな指標値は、パイロットノズルの問題や遮られた旋回翼を含意することができる。「中間周波数力学１」振幅又は周波数についての大きな指標値は、高温ガストランジションピースにおける問題を指摘することができる。
表１

一度異常が識別されると、方法２００は、出力２２６を生成することができ、それは例えば、潜在的原因を伴う検知された異常の相関関係である。

他の実施形態においては、その方法は、識別された異常と潜在的原因を相関させないことができる。異常は識別されると、例えば、出力、警報、又は通知は生成され、自動的にシステムによって出力されうる。出力は、量的な指標、又は高／中／低のような閾値の出力、を含むことができる。そのような出力例は、スプレッドシート、チャート、プロット、グラフ、又はその他の興味深い情報を識別するための表示物を含む。例えば、出力は、イメージ、カラー、フォント等を用いてユーザーのディスプレイ上に表示されうる。

さらなる実施形態に従うと、これらに限定されるものではないが、例えば、警報又は通知は、可聴警報、ｅメール、ボイスメール、テキストメッセージ、インスタントメッセージ、ソーシャルメディアメッセージ（例えば、ツイート、フェースブックメッセージポスト）、ポケットベルのメッセージ、又は関心のある情報に関連付けるその他の手段、という形をとることができる。

図３Ａは、本開示の態様に従った、単独又はネットワーク構成において使用されうるコンピュータデバイスを表す、コンピュータシステムの略図である。例えば、この図は、複数のコンピュータ３０２、３０４、及び３０６を有するコンピュータネットワーク３００を説明する。コンピュータ処理システムは、ローカルで、つまり直接接続３０８によって相互接続されうるか、又はＬＡＮ、ＷＡＮ、インターネット（ＷＷＷ）等のような通信ネットワーク３１０によって接続されうる。そして、それらの接続は有線又は無線でありうる。

例えば、各コンピュータ処理システムは、１つ以上のコンピュータデバイスを含むことができ、そのコンピュータデバイスは、キーボード３１２及びマウス３１４、及び／又は様々な他の種類の入力デバイスのような、ユーザー入力を有し、その様々な他の種類の入力デバイスは、ペン入力、ジョイスティック、ボタン、タッチスクリーン、マイクロフォン等、及びディスプレイ３１６のようなものであり、ディスプレイ３１６は、例えば、ＣＲＴ、ＬＣＤ、テレビ、プロジェクタ、又はスクリーンモニタのように使用される他のデバイスを含みうる。

各コンピュータ３０２、３０４、又は３０６はパソコン、サーバ等であることができる。ほんの一例として、コンピュータ３０２及び３０６は、パソコン、スマートフォン、ラップトップ、ネットブック、又はタブレットコンピュータで、コンピュータ３０４は、サーバであることができる。例えば、特に図３Ｂにおいて示されているように、ネットワーク３００は、プロセッサ３１８、メモリ３２０、及び典型的にコンピュータの中にある他の構成要素を包含する、サーバ３０４を含むことができる。

メモリ３２０は、プロセッサ３１８によってアクセス可能な情報を格納し、プロセッサ３１８によって実行されうる命令３２２、及びプロセッサによって、検索され、処理され、又は格納されうるデータ３２４、を含む。メモリは、ハードドライブ、ＲＯＭ、ＲＡＭ、ＣＤ‐ＲＯＭ、書き換え可能なメモリ又は読み出し専用メモリのような、プロセッサによってアクセス可能な情報を格納できる、どんな種類のものでもありうる。

プロセッサ３１８は、インテル製やアドバンスト・マイクロ・デバイセズ製のような、いくつもの有名なプロセッサを含むことができる。代わりになるべきものとして、プロセッサは、ＡＳＩＣのような、演算を実行するための専用のコントローラであることができる。

命令３２２は、プロセッサによって、（マシンコードのように）直接的に実行される、又は（スクリプトのように）間接的に実行される、いかなる命令一式をも、含むことができる。その点において、「命令」、「ステップ」及び「プログラム」という言葉は、本文書では互換性をもって使用されうる。命令は、オブジェクトコードやソースコードモジュールのような、いかなるコンピュータ言語又は形式において、格納されうる。

データ３２４は、命令３２２に従ったプロセッサ３１８によって、検索され、格納され、修正されうる。データは、データ群として格納されうる。例えば、本開示は特定のデータ構造によって限定されないが、データは、複数の異なるフィールド及びレコードを有するテーブル、ＸＭＬドキュメント、電子スプレッドシート、又はフラットファイルのようなリレーショナルデータベースにて、コンピュータレジスタに格納されうる。データは、いかなるコンピュータでも読み取り可能なフォーマットに、フォーマットされうる。データは、説明テキスト、所有権を主張できるコード、ポインタ、他のメモリ（他のネットワークロケーションを含む）に格納されたデータの参照、又は関連データを計算する関数によって使用される情報のような、関連情報を識別するのに十分な情報を含むことができる。

プロセッサ３１８及びメモリ３２０は、同じブロック内にあるように、図３Ｂにおいて機能的に説明されるが、当然のことながら、実際にプロセッサ及びメモリは、物理的に同じハウジング又はロケーション内に格納される、又は格納されない多数のプロセッサ及びメモリを含むことができる。例えば、いくつかの、又はすべての、命令及びデータは、リムーバルのＣＤ‐ＲＯＭ、ＵＳＢデバイス、又は読み取り専用のコンピュータチップ内の他のものに格納されうる。いくつかの、又はすべての、命令及びデータは、プロセッサから物理的に離れたロケーションに保管されうるが、それでもプロセッサによるアクセスは可能である。同様に、実際にプロセッサは、パラレルに実行することもあれば実行しないこともある、プロセッサ群を含むことができる。データは、ハードドライブ等のような多数のメモリ３２０にわたって、割り当てられ、格納されうる。

ある態様においては、サーバ３０４は、１台以上のクライアントコンピュータ３０２及び３０６と通信する。サーバ３０４は、クライアントコンピュータ３０２及び３０６と同様に構成されうる。各クライアントコンピュータは、１つ以上のユーザー入力デバイス３１２、３１４及びディスプレイ３１６のようなユーザー出力デバイスと同様に、プロセッサ、メモリ、及び命令を備えることができる。各クライアントコンピュータは汎用的なコンピュータであることができ、これは一般人による使用が意図されたものであり、中央処理装置（ＣＰＵ）３２６、ディスプレイ３１６、ＣＤ‐ＲＯＭ、ハードドライブ、マウス３１４、キーボード３１２、タッチセンサー式のスクリーン、スピーカー、マイクロフォン、モデム及び／又はルータ（電話網、ケーブル、又は別な方法で）、及びこれらの要素を他の要素に接続するために使用される構成部品すべて、のようなパソコンにおいて通常見られるすべての構成部品を有する。

サーバ３０４及びクライアントコンピュータ３０２、３０６は、ネットワーク３１０上のように、他のコンピュータと直接的及び間接的な通信をすることができる。図３Ａ及び図３Ｂにはほんの少しのコンピュータしか描かれていないが、当然のことながら、典型的なシステムは、多数の接続されたサーバ及びクライアントを含みうるものであり、各々の異なるコンピュータはネットワークの異なるノードである。ノード間に介在するネットワーク３１０は、インターネット（ＷＷＷ）、イントラネット、仮想プライベートネットワーク、ＷＡＮ、ＬＡＮ、１つ以上の会社に所有権のある通信プロトコルを使用するプライベートネットワーク、イーサネット（登録商標）、ＷｉＦｉ又はＨＴＴＰを含む、様々な構成及びプロトコルを含むことができる。

介在するあらゆるノードを含む、ネットワーク上の通信は、モデム（例えば、ダイアルアップ、又はケーブル）、ネットワークインタフェース、及び無線インタフェースのような、コンピュータ間でデータ送信しあうことができるあらゆるデバイスによって、容易にされうる。サーバ３０４は、ウェブサーバであることができる。上記の通りに情報を送受信する場合に一定の利点は得られるが、本開示の他の態様は、特定の情報伝送の方法に限定しない。例えば、ある態様においては、情報は、ＵＳＢドライブ、ディスク、テープ、ＣＤ‐ＲＯＭのような媒体によって送信されうるか、又はダイアルアップモデム経由による２つのコンピュータ間で直接的に送信されうる。他の態様においては、情報は、非電子的フォーマットにて送られ、手動でシステムへ入力されうる。

その上、本文書に記載した方法に従ったコンピュータは、命令を処理し、人間とパソコンでデータを伝送しあうことができる、あらゆるデバイスを含むことができ、ローカル記憶容量の無いネットワークコンピュータ、モデム付きのＰＤＡ、インターネットができる無線電話、スマートフォン、タブレットＰＣ等、を含む。

次の例は、異常検知のためのシステム及び方法をさらに説明するためだけに、記載される。実例となる代表例は、どんな方法でも異常検知方法を限定するように、解釈されない。

異常検知方法は、部品故障を経験したガスタービンエンジンに関連した、実際に力学的観測物データ及び運転データを用いて、試験されてきた。力学データは、故障が起きるより前、及び故障が起きている時間の間、各エンジンのために記録された。力学データは、本開示に従ったシステム及び方法に提供された。図５Ａから図５Ｉ、図６Ａ及び図６Ｂは、本システム及び方法のある実施形態の出力のグラフ図である。

第１ガスタービンエンジンは、亀裂の入った高温ガストランジションピースを経験した。エンジンは、フラッシュバック事象を示す、燃料ノズルにおける高温測定値により停止した。トランジションピースにおける亀裂は、トランジションピースを通って燃焼器のヘッドエンドからの空気流の分岐（diversion）を引き起こしたようであった。分岐によって、燃焼室内の燃料／空気混合気は、より濃い値へとシフトし、フレームフラッシュバック及び温度スパイクをもたらした。図５Ａは、同じガスタービンエンジンに関連した３つの異なる燃焼器缶における熱電対によって、記録された温度の時間履歴のグラフ図である。ｔ＝０（時間）の時間は、フラッシュバックの発生を示す。温度におけるスパイクは、燃焼器缶３と関連した熱電対によって記録されることに、留意すべきである。温度スパイクは、燃焼器缶３と関連した、トランジションピースにおける亀裂及びそれに続くフラッシュバック事象の結果である。

図５Ｂは、燃焼器缶３における、フラッシュバック事象の前の１８０時間にわたる、第１ガスタービンエンジンについての、異常検知方法出力又は健全性指標ｈ_ｃのプロット図である。図５Ｂ及び図５Ｃは、そのエンジンの、故障した燃焼器缶３を含む１６の燃焼器缶に関連した、力学的観測物ＩＦＤ１振幅についての、健全性指標をプロットする。燃焼器缶３についての健全性指標の値が、フラッシュバック事象の前の期間において、増えたことは明らかである。異常検知方法は、ＩＦＤ１振幅観測物において、はっきりと異常を識別し、起こりうる故障に対する前兆を示した。

図５Ｄ及び図５Ｅは、図５Ｂ及び図５Ｃの拡大図を示し、フラッシュバック事象の前の３５時間にわたる異常検知方法出力を説明する。

図５Ｆ及び図５Ｇは、１８０時間にわたる、力学的観測物ＩＦＤ２振幅についての、異常検知方法出力のグラフ図である。図５Ｈ及び図５Ｉは、同じ時間にわたる、力学的観測物ＩＦＤ２周波数についての、異常検知方法出力のグラフ図である。本方法によって、フラッシュバック事象の発生前に、２４時間を超えて、両方ともこれらの観測物における異常は、はっきりと識別された。

本異常検知方法によって、故障によって引き起こされた強制的な停止の前に、少なくとも１日、高温ガストランジションピースの差し迫った故障を予知できたであろうということを、これらの結果は、はっきりと示している。

第２ガスタービンエンジンは、パイロットノズル故障を経験した。図６Ａ及び図６Ｂは、力学的観測物ＬＦＤ振幅についての異常検知方法出力のグラフ図である。図６Ａは、各々のガスタービンエンジンの１６の缶の、ＬＦＤ振幅データの１６日間における健全性指標値のプロットである。缶１２と関連した健全性指標は、パイロットノズル故障前５から１０日に、増え始めている。本異常検知方法は、故障事象の５日前よりも先だって、差し迫ったパイロットノズル故障を予知できたであろうということを、これらの結果は、はっきりと示している。

第１の実施形態は、異常検知のためのコンピュータ実施方法を提供し、その方法は、１つ以上のプロセッサ、及び１つ以上のプロセッサによって実行される１つ以上のプログラムを格納する、関連したメモリを利用するステップを有し、１つ以上のプログラムは、（ａ）複数のデバイスと関連した複数のセンサから、運転データ及び力学データを受け取る命令と、（ｂ）データをフィルタする命令と、（ｃ）（i）スライディングタイムウィンドウに関する履歴データ値、又は（ii）基準データ要件及び許容度を確立すること、前述した要件及び許容度を満足する時間において前のポイントを識別すること、及び前述した時間内に識別されたポイントに関して力学データ値を平均すること、を含むデータベースクエリに対応する履歴データ値、を識別することに基づいて、各力学についての基準平均を計算することを含む、一連のベースライン力学データを確立する命令と、（ｄ）データ従属性を解消する命令と、（ｅ）データ変化の予想レベルを生成する命令と、（ｆ）デバイスデータの、データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて、異常を識別する命令と、（ｇ）必要に応じて、異常を、潜在的原因と相関させる命令と、及び（ｈ）出力を提供する命令と、を含む。

第１の実施形態の方法は、デバイスがガスタービン燃焼器缶を包含するのを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、力学データが圧力振動を包含するのを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、力学データが、電磁波放射、化学発光、速度振動、又はその他の燃焼力学データに関連した観測物のうち少なくとも１つをさらに包含するのを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、データをフィルタすることが、データ平滑化及び範囲外データの削除を包含するのを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、データをフィルタすることが、データ平滑化を包含するのを、さらに含むことができる。データ平滑化は、力学データのフーリエ変換、ある期間にわたって複数の圧力振動スペクトルビンについての周波数又は振幅を取り出すこと、及び過去の移動平均を計算すること、をさらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、その期間は１５分から３０分を包含するのを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、スペクトルビンは、低周波数力学（ＬＦＤ）、第１中間周波数力学（ＩＦＤ１）、第２中間周波数力学（ＩＦＤ２）、又は高周波数力学（ＨＦＤ）のうち少なくとも１つを包含するのを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、その範囲外データの削除は、悪いセンサデータの削除、及び／又はガスタービン燃焼器缶に関連したデータ中に存在し、隣接したガスタービン燃焼器缶に関連したデータ中に存在しない、ずれたデータの削除、を包含するのを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、スライディングタイムウィンドウは、定義済み期間を振り返り、ベースラインデータは、各々の定義済み期間にてアップデートされることを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、データ要件は、出力、稼働時間、燃料組成、一時的な運転、気温、インレットガイドベーン角度、温度、燃料分割、フラッシュバック温度等、を包含することを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、データ従属性を解消することが、各デバイスについての力学データから基準平均を引き去ること、他のデバイスに対する各デバイスの不均一性を計算すること、及びその他のデバイスの変化に対する１つのデバイスの変化を分析すること、を包含することを、さらに含むことができる。

第１の実施形態又はそれに続く実施形態のいずれかの方法は、データ変化の予想レベルは、デバイスにわたってのデータ変化のレベルを定量化することを包含することを、さらに含むことができる。

第２の実施形態においては、タービンエンジンにおける異常を検知するための異常検知システムは、（ａ）タービンエンジンからセンサデータを受け取るように構成された入力データモジュールと、（ｂ）（i）１）スライディングタイムウィンドウに関する履歴データ値、又は２）基準データ要件及び許容度を確立でき、前述した要件及び許容度を満足する時間において前のポイントを識別でき、及び前述した時間内に識別されたポイントに関して力学データ値を平均できる、データベースクエリに対応する履歴データ値、を識別することに基づいて、各力学についての基準平均を計算することを含む、一連のベースライン力学データを確立し、（ii）データ従属性を解消し、（iii）データ変化の予想レベルを生成し、及び（iv）センサデータの、データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて異常を識別する、ように構成された処理モジュールと、（ｃ）センサデータを格納することができ、処理モジュールと通信できるデータベースと、（ｄ）処理モジュールによって識別された結果を報告することができる出力データモジュールと、（ｅ）出力データモジュールによって報告された結果を通知できるインタフェースモジュールと、（ｆ）入力データモジュール、処理モジュール、データベース、出力データモジュール、及び／又はインフェースモジュールの動作を管理できるプロセッサと、及び（ｇ）そのシステムによる実行のための命令及びデータを格納することができるメモリと、を備える。

第２の実施形態のシステムは、スライディングタイムウィンドウは、定義済み期間を振り返ることを、さらに含むことができる。

第２の実施形態又はそれに続く実施形態のいずれかのシステムは、処理モジュールが、各デバイスについての力学データから基準平均を引き去り、他のデバイスに対する各デバイスの不均一性を計算し、及びその他のデバイスの変化に対する１つのデバイスの変化を分析するように構成されることを、さらに含むことができる。

第三の実施形態は、コンピュータ読み取り可能な記憶媒体を提供し、その媒体上には、（ａ）複数のデバイスと関連した複数のセンサから、運転データ及び力学データを受け取るステップと、（ｂ）データをフィルタするステップと、（ｃ）（i）スライディングタイムウィンドウに関する履歴データ値、又は（ii）基準データ要件及び許容度を確立することができ、前述した要件及び許容度を満足する時間において前のポイントを識別することができ、及び前述した時間内に識別されたポイントに関して力学データ値を平均することができる、データベースクエリに対応する履歴データ値、を識別することに基づいて、各力学についての基準平均を計算するステップを含む、一連のベースライン力学データを確立するステップと、（ｄ）データ従属性を解消するステップと、（ｅ）データ変化の予想レベルを生成するステップと、（ｆ）デバイスデータの、データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて、異常を識別するステップと、（ｇ）必要に応じて、異常を、潜在的原因と相関させるステップと、及び（ｈ）異常を示す出力を提供するステップと、を有する方法を実行するための符号化された実行可能プログラムコードがある。

第三の実施形態は、デバイスはガスタービン燃焼器缶を包含し、及び力学データは圧力振動を包含するものを、さらに含むことができる。

第三の実施形態又はそれに続く実施形態は、データ従属性を解消することが、各デバイスについての力学データから基準平均を引き去り、他のデバイスに対する各デバイスの不均一性を計算し、及びその他のデバイスの変化に対する１つのデバイスの変化を分析することを包含することを、さらに含むことができる。

上記の実施形態は、様々な実施形態が、所望の結果をもたらすために組み合わされうるように、必ずしも選択的にどれか１つになるということでない。

１００ 異常検知方法
１０２ デバイス及びセンサ
１０４ センサデータ及びデバイス関連データ
１０６ ＣＤＭＳ
１０８ データ入力
１１０ データ調整
１１２ 不均一性ロジック
１１４ 異常ロジック
１１６ 出力
１２０ タービンエンジン及び関連したセンサ
１２２ センサデータ
１２４ 入力データモジュール
１２６ 処理モジュール
１２８ データベース
１３０ 出力データモジュール
１３２ インタフェースモジュール
２００ 異常検知方法
２０２ 一連のデバイス関連データを収集する
２０４ データフィルタ：データ平滑化及び悪いデータの削除
２０６ 基準平均を決定する
２０８ データ従属性を解消する
２２０ データ変化の予想レベルを決定する
２２２ 異常を識別する
２２４ 必要に応じて故障を潜在的原因と相関させる
２２６ 出力を提供する
３００ コンピュータネットワーク
３０２ コンピュータ（パソコン、サーバ等）
３０４ コンピュータ（パソコン、サーバ等）
３０６ コンピュータ（パソコン、サーバ等）
３０８ 直接接続
３１０ 通信ネットワーク
３１２ キーボード
３１４ マウス
３１６ ディスプレイ
３１８ プロセッサ
３２０ メモリ
３２２ 命令
３２４ データ
３２６ 中央処理装置（ＣＰＵ）

Claims (19)

1. 異常検知のためのコンピュータ実施方法であって、
   １つ以上のプロセッサ、及び前記１つ以上のプロセッサによって実行される１つ以上のプログラムを格納する関連したメモリ、を利用するステップを有し、
   前記１つ以上のプログラムは、
   複数のデバイスと関連した複数のセンサから、運転データ及び力学データを受け取る命令と、
   データをフィルタする命令と、
   （ａ）スライディングタイムウィンドウに関する履歴データ値、又は（ｂ）基準データ要件及び許容度を確立し、前記データ要件及び許容度を満足する時間において前のポイントを識別し、及び時間内に識別された前記ポイントに関して前記力学データ値を平均する、データベースクエリに対応する履歴データ値、を識別することに基づいて、各力学についての基準平均を計算することを含む、一連のベースライン力学データを確立する命令と、
   データ従属性を解消する命令と、
   データ変化の予想レベルを生成する命令と、
   デバイスデータの、前記データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて、異常を識別する命令と、
   必要に応じて、前記異常を、潜在的原因と相関させる命令と、及び
   前記異常を示す出力を提供する命令と、を含むコンピュータ実施方法。
2. 前記デバイスは、ガスタービン燃焼器缶を含む、請求項１に記載の方法。
3. 前記力学データは、圧力振動を含む、請求項２に記載の方法。
4. 前記力学データは、電磁波放射、化学発光、速度振動、又はその他の燃焼力学データに関連した観測物のうち少なくとも１つをさらに含む、請求項２に記載の方法。
5. 前記データをフィルタすることは、データ平滑化及び範囲外データの削除を含む、請求項１に記載の方法。
6. 前記データをフィルタすることは、データ平滑化を含み、
   前記データ平滑化は、
   前記力学データのフーリエ変換、
   ある期間にわたって複数の圧力振動スペクトルビンについての周波数又は振幅を取り出すこと、及び
   過去の移動平均を計算すること、を含む請求項５に記載の方法。
7. 前記期間は１０秒から２時間を含む、請求項６に記載の方法。
8. 前記スペクトルビンは複数の力学を含み、必要に応じて、低周波数力学、第１中間周波数力学、第２中間周波数力学、又は高周波数力学のうち少なくとも１つを含む、請求項６に記載の方法。
9. 前記範囲外データの削除は、
   悪いセンサデータを削除すること、及び／又は
   ガスタービン燃焼器缶に関連したデータ中に存在し、隣接したガスタービン燃焼器缶に関連したデータ中に存在しない、ずれたデータを削除すること、を含む請求項５に記載の方法。
10. 前記スライディングタイムウィンドウは、定義済み期間を振り返り、前記ベースラインデータは、各々の定義済み期間にてアップデートされる、請求項１に記載の方法。
11. 前記データ要件は、出力、稼働時間、燃料組成、一時的な運転、気温、インレットガイドベーン角度、出口温度、燃料分割、又はフラッシュバック温度、のうち少なくとも一つを含む請求項１に記載の方法。
12. 前記データ従属性を解消することは、
    各デバイスについての力学データから基準平均を引き去ること、
    他のデバイスに対する各デバイスの不均一性を計算すること、及び
    その他のデバイスの変化に対する１つのデバイスの変化を分析すること、を含む請求項１に記載の方法。
13. 前記データ変化の予想レベルは、デバイスにわたってのデータ変化のレベルを定量化すること、を含む請求項１に記載の方法。
14. タービンエンジンにおける異常を検知するための異常検知システムであって、
    前記タービンエンジンからセンサデータを受け取るように構成された、入力データモジュールと、
    （i）ａ）スライディングタイムウィンドウに関する履歴データ値、又はｂ）基準データ要件及び許容度を確立でき、前記データ要件及び許容度を満足する時間において前のポイントを識別でき、及び時間内に識別された前記ポイントに関して力学データ値を平均できる、データベースクエリに対応する履歴データ値、を識別することに基づいて、各力学についての基準平均を計算することを含む、一連のベースライン力学データを確立し、（ii）データ従属性を解消し、（iii）データ変化の予想レベルを生成し、及び（iv）前記センサデータの、前記データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて異常を識別する、ように構成された、処理モジュールと、
    センサデータを格納することができ、前記処理モジュールと通信できる、データベースと、
    前記処理モジュールによって識別された結果を報告することができる、出力データモジュールと、
    前記出力データモジュールによって報告された結果を通知できる、インタフェースモジュールと、
    前記入力データモジュール、前記処理モジュール、前記データベース、前記出力データモジュール、及び／又は前記インフェースモジュールの動作を管理できる、プロセッサと、及び
    前記システムによる実行のための命令及びデータを格納することができる、メモリと、を備える異常検知システム。
15. 前記スライディングタイムウィンドウは、定義済み期間を振り返る、請求項１４に記載のシステム。
16. 前記処理モジュールは、
    各デバイスについての力学データから基準平均を引き去り、
    他のデバイスに対する各デバイスの不均一性を計算し、及び
    その他のデバイスの変化に対する１つのデバイスの変化を分析する、ようにさらに構成される請求項１５に記載のシステム。
17. コンピュータ読み取り可能な記憶媒体であって、
    前記記憶媒体上に、
    複数のデバイスと関連した複数のセンサから、運転データ及び力学データを受け取るステップと、
    データをフィルタするステップと、
    （i）スライディングタイムウィンドウに関する履歴データ値、又は（ii）基準データ要件及び許容度を確立し、前記データ要件及び許容度を満足する時間において前のポイントを識別し、及び時間内に識別された前記ポイントに関して力学データ値を平均する、データベースクエリに対応する履歴データ値、を識別することに基づいて、各力学についての基準平均を計算するステップを含む、一連のベースライン力学データを確立するステップと、
    データ従属性を解消するステップと、
    データ変化の予想レベルを生成するステップと、
    デバイスデータの、前記データ変化の予想レベルによって正規化されたベースラインデータからのずれに基づいて、異常を識別するステップと、
    必要に応じて、前記異常を、潜在的原因と相関させるステップと、及び
    前記異常を示す出力を提供するステップと、を有する方法を実行するための符号化された実行可能プログラムコードがある、コンピュータ読み取り可能な記憶媒体。
18. 前記デバイスは、ガスタービン燃焼器缶を含み、及び
    前記力学データは圧力振動を含む、請求項１７に記載のコンピュータ読み取り可能な記憶媒体。
19. 前記データ従属性を解消することは、
    各デバイスについての力学データから基準平均を引き去ること、
    他のデバイスに対する各デバイスの不均一性を計算すること、及び
    その他のデバイスの変化に対する１つのデバイスの変化を分析すること、を含む請求項１８に記載のコンピュータ読み取り可能な記憶媒体。