JP2015535900A - センサデータに基づくタービンシステム診断のためのアーキテクチャ - Google Patents
センサデータに基づくタービンシステム診断のためのアーキテクチャ Download PDFInfo
- Publication number
- JP2015535900A JP2015535900A JP2015532137A JP2015532137A JP2015535900A JP 2015535900 A JP2015535900 A JP 2015535900A JP 2015532137 A JP2015532137 A JP 2015532137A JP 2015532137 A JP2015532137 A JP 2015532137A JP 2015535900 A JP2015535900 A JP 2015535900A
- Authority
- JP
- Japan
- Prior art keywords
- component
- diagnosis
- model
- diagnostic engine
- sensor data
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
- G05B23/0251—Abstraction hierarchy, e.g. "complex systems", i.e. system is divided in subsystems, subsystems are monitored and results are combined to decide on status of whole system
-
- 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
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Wind Motors (AREA)
Abstract
タービンシステムを診断する方法であって、前記方法は、前記タービンシステムの第一の構成要素のセンサデータを受信する(303a)ステップと、前記第一の構成要素のモードを識別する(307a)ステップと、前記第一の構成要素のセンサデータと前記第一の構成要素のモードとを、第一のモデルベースの診断エンジン(311a)およびデータ主導の診断エンジン(313a)に入力して、第一の構成要素の診断(315a)を生成するステップと、前記タービンシステムの第二の構成要素のセンサデータを受信する(303x)ステップと、前記第二の構成要素のモードを識別する(307x)ステップと、前記第二の構成要素のセンサデータと前記第二の構成要素のモードとを、第二のモデルベースの診断エンジン(311x)および前記データ主導の診断エンジン(313x)に入力して、第二の構成要素の診断(315x)を生成するステップと、前記第一の構成要素の診断および前記第二の構成要素の診断に対する構成要素の抽象化を生成する(317)ステップと、前記構成要素の抽象化を、システムモデルベースの診断エンジン(319)に入力して、前記タービンシステムの第一の診断(321)を生成するステップとを含む。
Description
関連出願への相互参照
本願は、2012年9月17日出願の米国仮出願第61/701,813号に対する優先権を主張するものであり、上記仮出願の開示は、その全体が、本明細書において参照により援用される。
本願は、2012年9月17日出願の米国仮出願第61/701,813号に対する優先権を主張するものであり、上記仮出願の開示は、その全体が、本明細書において参照により援用される。
発明の背景
1.技術分野
本発明は、センサーベースの診断に関するものであり、より具体的には、センサデータに基づいてタービンシステムを診断するシステムに関する。
1.技術分野
本発明は、センサーベースの診断に関するものであり、より具体的には、センサデータに基づいてタービンシステムを診断するシステムに関する。
2.関連技術の説明
タービンは、流体の流れからエネルギーを引き出し、そのエネルギーを有用な仕事に変換する回転機械式装置である。この流体は液体または気体である。タービンは、ロータアセンブリと呼ばれる少なくとも1つの移動するパーツを有するターボ機械装置であり、このロータアセンブリは、ブレードが取り付けられたシャフトまたはドラムである。ブレードが動き、回転エネルギーをロータに与えるように、移動する流体がブレード上に作用する。
タービンは、流体の流れからエネルギーを引き出し、そのエネルギーを有用な仕事に変換する回転機械式装置である。この流体は液体または気体である。タービンは、ロータアセンブリと呼ばれる少なくとも1つの移動するパーツを有するターボ機械装置であり、このロータアセンブリは、ブレードが取り付けられたシャフトまたはドラムである。ブレードが動き、回転エネルギーをロータに与えるように、移動する流体がブレード上に作用する。
タービンの例は、蒸気タービン、ガスタービン、遷音速タービン、二重反転タービン、ステータレスタービン、セラミックタービン、シュラウデッドタービン、シュラウドレスタービン、ブレードレスタービン、水タービンおよび風力タービンを含む。
例として、風力タービンは、風からの運動エネルギー(風エネルギーともいう)を、1つのプロセスにおいて、風力として公知の機械的エネルギーに変換する。大規模な系統連係型の風力タービンのアレイは、ますます、風力により生成される商用の電気の重要な供給源になってきている。
図1は、風力タービンシステム100の例である。風力タービンシステム100は、ブレード1、ロータ2、ブレードピッチ3、ブレーキ4、低速シャフト5、ギアボックス6、発電機7、コントローラ8、風速計9、風向計10、ナセル11、高速シャフト12、ヨードライブ13、ヨーモータ14およびタワー15を含む。
図2は、タービンシステム診断の例である。図2は、診断中のシステムとして、風力タービンシステム210を示しているが、例示される診断アプローチは、大部分のタービンシステムに適用可能である。
図2に示されているように、監視および診断システム220は、風力タービンシステム210のシステムモデル230と、風力タービンシステム210のセンサ250からのセンサデータ240とを受信する。風力タービンシステム210のシステムモデル230は、システムの構成要素のモデル、構成要素がどのように接続されているかの説明、システムの意図された挙動/意図されていない挙動、および、システムの公知の故障を含む。モードデータもまた、風力タービンシステム210から提供される。センサ250は、システムの構成要素と直接接続されるか、または、戦略的に配置される。監視および診断システム220は、視覚表示ディスプレイ270に対して診断260を出力する。
診断システムは、モデルベースまたはデータ主導である。モデルベースシステムは、システムのモデル、システムの構成要素がどのように接続されているか、システムの構成要素がどのように機能するように意図されているかなどに依存する。データ主導のシステムは、センサデータにのみ基づいて診断を行う。
システムモデルは、Qualtech Systemsの「Testability,Engineering, and Maintenance System(TEAMS)」、DSI Internationalによる「eXpress」、および、Gouら2011の「G2: A Graph Processing System for Diagnosing Distributed Systems」(G2)などの依存性モデルと、Propositional Satisfiability(SAT)、Communicating Sequential Processes(CSP)、Satisfiability Modulo Theories(SMT)、Prolog、Description Logic(DL)およびAnswer Set Programming(ASP)などの論理モデルと、Hybrid Diagnosis Engine(HyDE)などのハイブリッドモデルとを含む。
システムモードは、G2およびSpacecraft Health Inference Engine(SHINE)などのエキスパートシステムと、データ主導のアプローチと、SAT、CSP、Prolog、DLおよびASPなどの論理モデルと、HyDEなどのハイブリッドモデルとを用いることによって検出される。
発明の要旨
本発明の例示的な実施形態にしたがうと、タービンシステムを診断する方法は、前記タービンシステムの第一の構成要素のセンサデータを受信するステップと、前記第一の構成要素のモードを識別するステップと、前記第一の構成要素のセンサデータと前記第一の構成要素のモードとを、第一のモデルベースの診断エンジンおよびデータ主導の診断エンジンに入力して、第一の構成要素の診断を生成するステップと、前記タービンシステムの第二の構成要素のセンサデータを受信するステップと、前記第二の構成要素のモードを識別するステップと、前記第二の構成要素のセンサデータと前記第二の構成要素のモードとを、第二のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第二の構成要素の診断を生成するステップと、前記第一の構成要素の診断および前記第二の構成要素の診断に対する構成要素の抽象化を生成するステップと、前記構成要素の抽象化を、システムモデルベースの診断エンジンに入力して、前記タービンシステムの第一の診断を生成するステップとを含む。
本発明の例示的な実施形態にしたがうと、タービンシステムを診断する方法は、前記タービンシステムの第一の構成要素のセンサデータを受信するステップと、前記第一の構成要素のモードを識別するステップと、前記第一の構成要素のセンサデータと前記第一の構成要素のモードとを、第一のモデルベースの診断エンジンおよびデータ主導の診断エンジンに入力して、第一の構成要素の診断を生成するステップと、前記タービンシステムの第二の構成要素のセンサデータを受信するステップと、前記第二の構成要素のモードを識別するステップと、前記第二の構成要素のセンサデータと前記第二の構成要素のモードとを、第二のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第二の構成要素の診断を生成するステップと、前記第一の構成要素の診断および前記第二の構成要素の診断に対する構成要素の抽象化を生成するステップと、前記構成要素の抽象化を、システムモデルベースの診断エンジンに入力して、前記タービンシステムの第一の診断を生成するステップとを含む。
前記第一の構成要素のセンサデータは、1つ以上のセンサから提供される。
前記第一の構成要素の診断は、前記第一のモデルベースの診断エンジンおよび前記データ主導のモデルの結果を統合することによって生成される。
前記システムモデルベースの診断エンジンは、非単調論理を使用する。
前記システムモデルベースの診断エンジンは、Satisfiability Modulo Theoriesで表現されるモデルを含む。
前記システムモデルベースの診断エンジンは、離散挙動および連続挙動を処理する。
前記方法は、前記タービンシステムの第三の構成要素のセンサデータを受信するステップと、前記第三の構成要素のモードを識別するステップと、前記第三の構成要素のセンサデータと前記第三の構成要素のモードとを、第三のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第三の構成要素の診断を生成するステップと、前記第三の構成要素の診断に対する構成要素の抽象化を生成するステップと、前記第三の構成要素の診断に対する構成要素の抽象化を、前記システムモデルベースの診断エンジンに入力して、前記タービンシステムの第二の診断を生成するステップとをさらに含む。
前記第一の構成要素と前記第二の構成要素とが並列に診断される。
本発明の例示的な実施形態にしたがうと、タービンシステムを診断するシステムは、プログラムを記憶するメモリ装置と、前記メモリ装置と通信するプロセッサとを備え、前記プロセッサは、前記プログラムによって、前記タービンシステムの第一の構成要素のセンサデータを受信するステップと、前記第一の構成要素のモードを識別するステップと、前記第一の構成要素のセンサデータと前記第一の構成要素のモードとを、第一のモデルベースの診断エンジンおよびデータ主導の診断エンジンに入力して、第一の構成要素の診断を生成するステップと、前記タービンシステムの第二の構成要素のセンサデータを受信するステップと、前記第二の構成要素のモードを識別するステップと、前記第二の構成要素のセンサデータと前記第二の構成要素のモードとを、第二のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第二の構成要素の診断を生成するステップと、前記第一の構成要素の診断および前記第二の構成要素の診断に対する構成要素の抽象化を生成するステップと、前記構成要素の抽象化を、システムモデルベースの診断エンジンに入力して、前記タービンシステムの第一の診断を生成するステップとを行うように動作する。
前記第一の構成要素のセンサデータは、1つ以上のセンサから提供される。
前記第一の構成要素の診断は、前記第一のモデルベースの診断エンジンおよび前記データ主導のモデルの結果を統合することによって生成される。
前記システムモデルベースの診断エンジンは、非単調論理を使用する。
前記システムモデルベースの診断エンジンは、Satisfiability Modulo Theoriesで表現されるモデルを含む。
前記システムモデルベースの診断エンジンは、離散挙動および連続挙動を処理する。
前記プロセッサは、前記プログラムによって、前記タービンシステムの第三の構成要素のセンサデータを受信するステップと、前記第三の構成要素のモードを識別するステップと、前記第三の構成要素のセンサデータと前記第三の構成要素のモードとを、第三のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第三の構成要素の診断を生成するステップと、前記第三の構成要素の診断に対する構成要素の抽象化を生成するステップと、前記第三の構成要素の診断に対する構成要素の抽象化を、前記システムモデルベースの診断エンジンに入力して、前記タービンシステムの第二の診断を生成するステップとをさらに行うように動作する。
前記第一の構成要素と前記第二の構成要素とが並列に診断される。
本発明の例示的な実施形態にしたがうと、タービンシステムを診断するためのコンピュータプログラム製品は、コンピュータ読み取り可能プログラムコードが組み込まれた非一時的コンピュータ読み取り可能記憶媒体を備えており、前記コンピュータ読み取り可能プログラムコードは、前記タービンシステムの第一の構成要素のセンサデータを受信するステップと、前記第一の構成要素のモードを識別するステップと、前記第一の構成要素のセンサデータと前記第一の構成要素のモードとを、第一のモデルベースの診断エンジンおよびデータ主導の診断エンジンに入力して、第一の構成要素の診断を生成するステップと、前記タービンシステムの第二の構成要素のセンサデータを受信するステップと、前記第二の構成要素のモードを識別するステップと、前記第二の構成要素のセンサデータと前記第二の構成要素のモードとを、第二のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第二の構成要素の診断を生成するステップと、前記第一の構成要素の診断および前記第二の構成要素の診断に対する構成要素の抽象化を生成するステップと、前記構成要素の抽象化を、システムモデルベースの診断エンジンに入力して、前記タービンシステムの第一の診断を生成するステップとを実行するように構成されたコンピュータ読み取り可能プログラムコードを含む。
例示的な実施形態の詳細な説明
本発明は、タービンシステム診断アーキテクチャに関する。本発明のタービンシステム診断アーキテクチャは、蒸気タービン、ガスタービン、遷音速タービン、二重反転タービン、ステータレスタービン、セラミックタービン、シュラウデッドタービン、シュラウドレスタービン、ブレードレスタービン、水タービンおよび風力タービンを含むがこれらに限定されない全てのタービンシステムに適用可能である。
本発明は、タービンシステム診断アーキテクチャに関する。本発明のタービンシステム診断アーキテクチャは、蒸気タービン、ガスタービン、遷音速タービン、二重反転タービン、ステータレスタービン、セラミックタービン、シュラウデッドタービン、シュラウドレスタービン、ブレードレスタービン、水タービンおよび風力タービンを含むがこれらに限定されない全てのタービンシステムに適用可能である。
図3は、本発明の例示的な実施形態にしたがうタービンシステム診断アーキテクチャである。
図3に示されるように、センサデータ303aは、診断システムにおいて受信され、検証される305a。センサデータ303aは、タービンシステムの複数の構成要素のうちの1つの構成要素(例えば、第一の構成要素)に接続されたセンサから提供される。例えば、センサは、コマンドセンサ、温度、圧力流などをモニタリングする測定センサである。センサデータは、様々な時間間隔における数値を含む。センサデータ303aは、センサが出力したデータが信頼できるものであるように検証される。後で説明するセンサ値に対し、例えば、振動または天候などの事柄が影響を与えないことが、この診断システムによる検証により保証される。
第一の構成要素のモードが識別される307a。構成要素のモードとは、その構成要素またはシステム全体における異なる状態での機能性を考慮することである。例えば、作動状態(「オンライン」ともいう)に達する前に、タービンは「始動」状態を通り、始動状態の間に、タービンの速度は、電力出力が最適になる巡航速度に達する。機能性のモードは、各モードにおける構成要素の機能が異なるので、診断エンジンに影響を与える。入力される検証されたセンサデータ303aは、常に、モニタリングされる309a。
検証されたセンサデータ303aおよび存在する場合にはその対応するモード307aが、モデルベースの診断エンジン311aおよびデータ主導の診断エンジン313aに提供される。モデルベースの診断エンジン311aは、単一構成要素のモデルであり、第一の構成要素に特有のものである。モデルベースの診断エンジン311aは、特定分野の専門家により得られ、システムがしたがうべき制約のセットをどのように実行するかなどを説明する論理的ルールのセットとして形式化される。例えば、圧力バルブについてであれば、圧力バルブが開放されている場合、圧力バルブの下流の圧力が増加することが言える。他のいかなる読み取り方も機能不全を意味するだろう。モデルベースのエンジンは、(以前の例のように)故障が発生していることを識別して、故障を発生させた構成要素を識別することによって故障を診断する。いくつかのシステムは、この状況を改善する実行可能な診断ステップを提供することさえ行う。
データ主導の診断エンジン313aは、故障または正常であると注釈のついたセンサデータから学習し、未知のセンサデータに対して故障または正常の所見を出力する。
センサデータ303a上で実行されるプロセスと並行して、センサデータ303xが診断システムにおいて受信され、検証される305x。センサデータ303xは、タービンシステムの複数の構成要素のうちの別の構成要素(例えば、第二の構成要素)と接続されたセンサから提供される。第二の構成要素のモードが識別され307x、入力される検証されたセンサデータ303xは、常に、モニタリングされる309x。
検証されたセンサデータ303xおよび存在する場合にはその対応するモード307xが、モデルベースの診断エンジン311xおよびデータ主導の診断エンジン313xに提供される。モデルベースの診断エンジン311xは、第二の構成要素に特有のものである。データ主導の診断エンジン313xは、第二の構成要素に対して調整される。
モデルベースの診断エンジン311aおよびデータ主導の診断エンジン313aの出力315aが、構成要素抽象化モジュール317に提供される。同様に、モデルベースの診断エンジン311xおよびデータ主導の診断エンジン313xの出力315xが、構成要素抽象化モジュール315に提供される。
上記の説明は、構成要素抽象化モジュール317に入力される2つの構成要素出力315aおよび315xのみを論じているが、構成要素抽象化モジュール317において受信される構成要素出力の数は、2つに限定されず、もっと多くなり得る。さらに、これらの出力は、並列に受信される必要はなく、その代わりに、異なる時刻に受信され得る。
構成要素の診断315aおよび315xの受信に応じて、構成要素抽象化モジュール317は、個別の構成要素およびそれらの挙動から離れて抽象化することによって、診断を向上させることを目的とする。これを達成する1つの方法は、考慮されるシステムにとって重要でない特徴を取り除くことである。例えば、バルブの入力部および出力部に接続された2つのパイプは、単なるバルブとして抽象化される。
構成要素抽象化モジュール317の出力は、モデルベースの診断エンジン319に提供され、モデルベースの診断エンジン319からの出力がシステム診断321に提供される。
この診断アプローチを例示することを補助するために、水タンク問題(WTP)をここで議論する。図4は、WTPを例示する概略図である。本明細書においては、2つのタンク、左タンク410と右タンク411とがある。単一の蛇口412は、両方のタンクを水で充填するために、各タンクの間を自由に移動する。各タンクの底には、水が出ていく穴がある。左タンク410は、v1の速度で水を失い、一方で、右タンク411は、v2の速度で水を失う。蛇口412は、いずれのタンクも速度wで充填する。単純化のために、v1=v2=vかつw>vであると仮定する。「スイッチ」というコマンドが、タンクを変更するように蛇口を移動させるために使用される。
センサx1は、左タンク410の状態をモニタリングするブーリアンセンサであり、一方で、センサx2は、右タンク411の状態をモニタリングするブーリアンセンサである。センサx1およびx2は、それぞれのタンクの水位が上昇するときに「1」を記録し、それぞれのタンクの水位が減少するときに「0」を記録する。
ここで、時刻1において、x1の値が「1」であり、x2の値が「0」であることを仮定する。これは、蛇口412が左タンク410を充填していることを示している。「スイッチ」コマンドが時刻1と時刻2との間に出され、時刻2において、x1の値およびx2の値が、それぞれ、「1」および「0」のままであることを仮定すると、システムは、スイッチ後には、x1が「0」になり、x2が「1」になることを予測しているので、x1およびx2の値が異常であると考えられる。このシナリオにおいて、蛇口412は、左タンク410上で動かなくなっている。しかしながら、蛇口412に対するセンサがないので、この問題は直接的に観測できず、結果として診断が必要となる。
非単調論理を採用するモデルベースエンジンは、x1およびx2の状態を共に検査するために使用される。x2が減少しており、上昇していないという事実は、右タンク411が、例えば、水漏れのために故障したことを示している。しかしながら、x1が上昇しており、減少していないという事実と組み合わせると、蛇口412が機能不全になっていると判断される。このようなモデルを表現可能な形式化の1つの例が、Satisfiability Modulo Theories(SMT)である。SMTは、古典的な一階論理で表現される背景となる理論の組み合わせに関する論理式についての決定問題である。SMTを使用する利点は、例えば、離散挙動および連続挙動の両方を処理する能力を含む。
当業者には明らかなように、本発明の複数の観点はシステム、方法またはコンピュータプログラム製品として実現可能である。したがって本発明の複数の観点は、完全にハードウェアによる実施形態、(ファームウェア、常駐ソフトウェア、マイクロコードなどを含む)完全にソフトウェアによる実施形態、またはソフトウェア的およびハードウェア的な観点が組み合わされた実施形態を採ることができ、これらはすべて一般的に本明細書において「回路」、「モジュール」または「システム」と称することができる。さらに本発明の複数の観点は、コンピュータ読み取り可能プログラムコードが組み込まれた1つ以上のコンピュータ読み取り可能媒体に組み込まれたコンピュータプログラム製品の形態を採り得る。
1つ以上のコンピュータ読み取り可能媒体の任意の組み合わせが利用可能である。このコンピュータ読み取り可能媒体は、コンピュータ読み取り可能信号媒体またはコンピュータ読み取り可能記憶媒体とすることが可能である。コンピュータ読み取り可能記憶媒体は、例えば、電子式、磁気式、光学式、電磁式、赤外線式もしくは半導体のシステム、装置もしくはデバイス、またはこれらの任意の適当な組み合わせとすることができるが、これらには限定されない。上記のコンピュータ読み取り可能記憶媒体のさらに具体的な例(すべてを列挙し尽くしたリストではないが)には以下が含まれ得る。すなわち、1つ以上のワイヤを有する電気的な接続、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)、消去可能プログラム可能読み出し専用メモリ(EPROMまたはフラッシュメモリ)、光ファイバ、ポータブルコンパクトディスク読み出し専用メモリ(CD−ROM)、光記憶装置、磁気記憶装置、またはこれらの任意の適当な組み合わせが含まれ得る。この明細書においてコンピュータ読み取り可能記憶媒体は、命令実行システム、装置またはデバイスによって使用されるかまたはこれに関連するプログラムを含むかまたは記憶する任意の有形の媒体とすることができる。
コンピュータ読み取り可能信号媒体には、例えばベースバンドまたは搬送波の一部として、コンピュータ読み取り可能プログラムコードが組み込まれた、伝搬されるデータ信号が含まれ得る。このような伝搬信号は、任意の多種多様な形態を採ることができる。これには電磁式、光学式、これらの任意の適当な組み合わせが含まれるが、これには限定されない。コンピュータ読み取り可能信号媒体は、コンピュータ読み取り可能記憶媒体ではなく、かつ、命令実行システム、装置またはデバイスによって使用されるかまたはこれに関連するプログラムを通信、伝搬または伝送することができる任意のコンピュータ読み取り可能媒体とすることができる。
コンピュータ読み取り可能媒体上に組み込まれるプログラムコードは、任意の適当な媒体を使用して伝送することができ、これにはワイヤレス、ワイヤ線、光ファイバケーブル、RFなどまたはこれらの任意の適当な組み合わせが含まれ得るが、これには限定されない。
本発明の複数の観点に対する演算を実行するためのコンピュータプログラムコードは、Java、Smalltalk、C++またはこれに類似するものなどのようなオブジェクト指向プログラミング言語および「C」プログラミング言語またはこれに類似するプログラミング言語のような慣用の手続プログラミング言語を含む1つ以上のプログラミング言語の任意の組み合わせで記述することができる。上記のプログラムコードは、スタンドアロンのソフトウェアパッケージとして完全にユーザのコンピュータ上で実行されるか、一部分がユーザのコンピュータ上で実行されるか、一部分がユーザのコンピュータ上で実行されかつ一部分がリモートコンピュータ上で実行されるか、または、完全にリモートコンピュータもしくはサーバ上で実行することが可能である。後者のシナリオでは、上記のリモートコンピュータは、ローカルエリアネットワーク(LAN)もしくはワイドエリアネットワーク(WAN)を含む任意のタイプのネットワークを介してユーザのコンピュータに接続することができるか、または外部のコンピュータ(例えば、インターネットサービスプロバイダを使用したインターネットを介して)に接続を確立することができる。
本発明の複数の観点は、本発明の実施形態にしたがう方法、装置(システム)およびコンピュータプログラム製品のフローチャート図および/またはブロック図を参照して記載されている。これらのフローチャート図および/またはブロック図の各ブロックおよびフローチャート図および/またはブロック図におけるブロックの組み合わせが、コンピュータプログラム命令によって実装されることは明らかである。これらのコンピュータプログラム命令は、汎用コンピュータ、特定用途向けコンピュータまたは別のプログラム可能データ処理装置のプロセッサに供給されて機械装置が構成されて、上記のコンピュータのプロセッサまたは他のプログラム可能データ処理装置のプロセッサを介して実行されるこれらの命令により、上記のフローチャートおよび/またはブロック図の1つまたは複数のブロックにおいて示された機能/作用を実装するための手段が形成されることが可能である。
これらのコンピュータプログラム命令は、コンピュータ読み取り可能媒体に記憶することも可能であり、このコンピュータ読み取り可能媒体は、コンピュータ、他のプログラム可能データ処理装置、または他の装置に命令して特別な機能をするように指示し、これにより、このコンピュータ読み取り可能媒体に記憶されている命令が、上記のフローチャートおよび/またはブロック図の1つまたは複数のブロックに示した機能/作用を実装する命令を含む製品または製造品を構成することも可能である。
上記のコンピュータプログラム命令は、コンピュータ、他のプログラム可能データ処理装置またはデバイスにロードして、一連の演算ステップが、上記のコンピュータ、別のプログラム可能データ処理装置またはデバイスで実行されて、コンピュータに実装されるプロセスが形成され、これにより、上記のコンピュータまたは別のプログラム可能装置上で実行される命令により、上記のフローチャートおよび/またはブロック図の1つ以上のブロックに示した機能/作用を実装するためのプロセスが提供されるようにすることも可能である。
ここで図5を参照し、本発明の例示的な実施形態にしたがったコンピュータシステム501は、とりわけ、中央処理装置(CPU)502と、メモリ503と、入力/出力(I/O)インターフェース504とを含む。コンピュータシステム501は、一般的に、I/Oインターフェース504を介して、ディスプレイ505ならびにマウスおよびキーボードなどの種々の入力装置506に接続されている。サポート回路は、キャッシュ、電力供給、クロック回路および通信バスなどの回路を含む。メモリ503は、RAM、ROM、ディスクドライブ、テープドライブなど、または、これらの組み合わせを含む。本発明の例示的な実施形態は、メモリ503(例えば、非一時的コンピュータ読み取り可能記憶媒体)に記憶され、かつ、信号供給源508からの信号を処理するようにCPU502によって実行されるルーチン507として実装されている。そのため、コンピュータシステム501は、本発明のルーチン507を実行する場合に特定用途向けコンピュータになる汎用コンピュータシステムである。
コンピュータシステム501は、また、オペレーティングシステムおよびマイクロ命令コードを含む。本明細書で説明した種々のプロセスおよび機能は、オペレーティングシステムを介して実行される、マイクロ命令コードの一部、または、アプリケーションプログラムの一部(あるいは、これらの組み合わせ)である。さらに、例えば、追加のデータ記憶装置および印刷装置などの種々の他の周辺機器がコンピュータシステム501に接続される。
上記の図におけるフローチャートおよびブロック図には、本発明の種々の実施形態にしたがう複数のシステム、方法およびコンピュータプログラム製品の考えられ得る実装のアーキテクチャ、機能および動作が示されている。この点に関し、上記のフローチャートまたはブロック図における各ブロックは、特定された論理的な機能を実装するための1つ以上の実行可能な命令を含むモジュール、セグメントまたはコードの一部分を表し得る。代替的な実装のいくつかにおいては、ブロックに示された機能が、図に示したのと異なる順序で出現し得ることにも注意されたい。例えば、連続して示された2つのブロックは、実際には、含まれる機能に依存して、実質的に同時に実行されるか、または、複数のブロックが逆の順序で実行されることもあり得る。上記のブロック図および/またはフローチャート図の各ブロック、ならびに、ブロック図および/またはフローチャート図の複数のブロックの組み合わせは、上記の特定された機能または作用を実行する特定用途向けハードウェアベースのシステムにより、または特定用途向けハードウェアおよびコンピュータ命令の組み合わせによって実装できることに注意されたい。
本明細書で使用される用語は、特定の実施形態を説明するためだけのものであり、本発明を制限することを意図されない。本明細書で使用される場合、単数形「1つの(a)」、「1つの(a)」および「その(the)」は、文脈上明白に他に示す場合を除いて、複数形をも含むように意図される。本明細書で使用される場合、用語「含む、備える」および/または「含んでいる、備えている」は、記載された特徴、完全体、ステップ、動作、要素、および/または、構成要素の存在を特定するが、1つ以上の他の特徴、完全体、ステップ、動作、要素、構成要素、および/または、これらの群の存在または追加を除外するものではないことがさらに理解される。
以下の特許請求の範囲における全てのミーンズプラスファンクションエレメントまたはステッププラスファンクションエレメントの対応する構造、材料、動作および均等物は、具体的に請求された他の要素と組み合わせて、機能を実行する任意の構造、材料または作用を含むように意図される。本発明の説明は、例示および説明の目的で提示されてきたが、この本発明の説明は、網羅的であるように意図されたものではなく、開示された形態に本発明を限定することも意図されていない。多くの修正および変更が、本発明の範囲および精神から逸脱することなしに、当業者に明らかである。本発明の原理および実際的な適用を最良に説明すること、および、企図される特定の使用に適した種々の変更を伴う種々の実施形態について、本発明を当業者が理解することを可能にすることのために、上記の実施形態は選ばれ、説明されてきた。
Claims (17)
- タービンシステムを診断する方法であって、
前記タービンシステムの第一の構成要素のセンサデータを受信するステップと、
前記第一の構成要素のモードを識別するステップと、
前記第一の構成要素のセンサデータと前記第一の構成要素のモードとを、第一のモデルベースの診断エンジンおよびデータ主導の診断エンジンに入力して、第一の構成要素の診断を生成するステップと、
前記タービンシステムの第二の構成要素のセンサデータを受信するステップと、
前記第二の構成要素のモードを識別するステップと、
前記第二の構成要素のセンサデータと前記第二の構成要素のモードとを、第二のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第二の構成要素の診断を生成するステップと、
前記第一の構成要素の診断および前記第二の構成要素の診断に対する構成要素の抽象化を生成するステップと、
前記構成要素の抽象化を、システムモデルベースの診断エンジンに入力して、前記タービンシステムの第一の診断を生成するステップと
を含む、方法。 - 前記第一の構成要素のセンサデータは、1つ以上のセンサから提供される、請求項1記載の方法。
- 前記第一の構成要素の診断は、前記第一のモデルベースの診断エンジンおよび前記データ主導のモデルの結果を統合することによって生成される、請求項1記載の方法。
- 前記システムモデルベースの診断エンジンは、非単調論理を使用する、請求項1記載の方法。
- 前記システムモデルベースの診断エンジンは、Satisfiability Modulo Theoriesで表現されるモデルを含む、請求項4記載の方法。
- 前記システムモデルベースの診断エンジンは、離散挙動および連続挙動を処理する、請求項5記載の方法。
- 前記タービンシステムの第三の構成要素のセンサデータを受信するステップと、
前記第三の構成要素のモードを識別するステップと、
前記第三の構成要素のセンサデータと前記第三の構成要素のモードとを、第三のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第三の構成要素の診断を生成するステップと、
前記第三の構成要素の診断に対する構成要素の抽象化を生成するステップと、
前記第三の構成要素の診断に対する構成要素の抽象化を、前記システムモデルベースの診断エンジンに入力して、前記タービンシステムの第二の診断を生成するステップと
をさらに含む、請求項1記載の方法。 - 前記第一の構成要素と前記第二の構成要素とが並列に診断される、請求項1記載の方法。
- タービンシステムを診断するシステムであって、
プログラムを記憶するメモリ装置と、
前記メモリ装置と通信するプロセッサと
を備え、
前記プロセッサは、前記プログラムによって、
前記タービンシステムの第一の構成要素のセンサデータを受信するステップと、
前記第一の構成要素のモードを識別するステップと、
前記第一の構成要素のセンサデータと前記第一の構成要素のモードとを、第一のモデルベースの診断エンジンおよびデータ主導の診断エンジンに入力して、第一の構成要素の診断を生成するステップと、
前記タービンシステムの第二の構成要素のセンサデータを受信するステップと、
前記第二の構成要素のモードを識別するステップと、
前記第二の構成要素のセンサデータと前記第二の構成要素のモードとを、第二のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第二の構成要素の診断を生成するステップと、
前記第一の構成要素の診断および前記第二の構成要素の診断に対する構成要素の抽象化を生成するステップと、
前記構成要素の抽象化を、システムモデルベースの診断エンジンに入力して、前記タービンシステムの第一の診断を生成するステップと
を行うように動作する、システム。 - 前記第一の構成要素のセンサデータは、1つ以上のセンサから提供される、請求項9記載のシステム。
- 前記第一の構成要素の診断は、前記第一のモデルベースの診断エンジンおよび前記データ主導のモデルの結果を統合することによって生成される、請求項9記載のシステム。
- 前記システムモデルベースの診断エンジンは、非単調論理を使用する、請求項9記載のシステム。
- 前記システムモデルベースの診断エンジンは、Satisfiability Modulo Theoriesで表現されるモデルを含む、請求項12記載のシステム。
- 前記システムモデルベースの診断エンジンは、離散挙動および連続挙動を処理する、請求項13記載のシステム。
- 前記プロセッサは、前記プログラムによって、
前記タービンシステムの第三の構成要素のセンサデータを受信するステップと、
前記第三の構成要素のモードを識別するステップと、
前記第三の構成要素のセンサデータと前記第三の構成要素のモードとを、第三のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第三の構成要素の診断を生成するステップと、
前記第三の構成要素の診断に対する構成要素の抽象化を生成するステップと、
前記第三の構成要素の診断に対する構成要素の抽象化を、前記システムモデルベースの診断エンジンに入力して、前記タービンシステムの第二の診断を生成するステップと
をさらに行うように動作する、請求項9記載のシステム。 - 前記第一の構成要素と前記第二の構成要素とが並列に診断される、請求項9記載のシステム。
- タービンシステムを診断するためのコンピュータプログラム製品であって、
コンピュータ読み取り可能プログラムコードが組み込まれた非一時的コンピュータ読み取り可能記憶媒体を備えており、
前記コンピュータ読み取り可能プログラムコードは、
前記タービンシステムの第一の構成要素のセンサデータを受信するステップと、
前記第一の構成要素のモードを識別するステップと、
前記第一の構成要素のセンサデータと前記第一の構成要素のモードとを、第一のモデルベースの診断エンジンおよびデータ主導の診断エンジンに入力して、第一の構成要素の診断を生成するステップと、
前記タービンシステムの第二の構成要素のセンサデータを受信するステップと、
前記第二の構成要素のモードを識別するステップと、
前記第二の構成要素のセンサデータと前記第二の構成要素のモードとを、第二のモデルベースの診断エンジンおよび前記データ主導の診断エンジンに入力して、第二の構成要素の診断を生成するステップと、
前記第一の構成要素の診断および前記第二の構成要素の診断に対する構成要素の抽象化を生成するステップと、
前記構成要素の抽象化を、システムモデルベースの診断エンジンに入力して、前記タービンシステムの第一の診断を生成するステップと
を実行するように構成されたコンピュータ読み取り可能プログラムコードを含む、コンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261701813P | 2012-09-17 | 2012-09-17 | |
US61/701,813 | 2012-09-17 | ||
PCT/US2013/060086 WO2014043672A1 (en) | 2012-09-17 | 2013-09-17 | Architecture for turbine system diagnosis based on sensor data |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015535900A true JP2015535900A (ja) | 2015-12-17 |
Family
ID=49305110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015532137A Pending JP2015535900A (ja) | 2012-09-17 | 2013-09-17 | センサデータに基づくタービンシステム診断のためのアーキテクチャ |
Country Status (6)
Country | Link |
---|---|
US (1) | US20150253768A1 (ja) |
EP (1) | EP2895928B1 (ja) |
JP (1) | JP2015535900A (ja) |
KR (1) | KR20150056818A (ja) |
CN (1) | CN104737084B (ja) |
WO (1) | WO2014043672A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017161225A (ja) * | 2016-03-07 | 2017-09-14 | 株式会社日立パワーソリューションズ | 風力発電システムの異常予兆診断システム |
EP3828785A2 (en) | 2019-11-29 | 2021-06-02 | Fujitsu Limited | Composite model generation program, composite model generation method, and information processing apparatus |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3239684A1 (en) * | 2016-04-29 | 2017-11-01 | Siemens Aktiengesellschaft | Fault diagnosis during testing of turbine unit |
US11163279B2 (en) * | 2016-06-30 | 2021-11-02 | Intel Corporation | Sensor based data set method and apparatus |
IT201700045152A1 (it) | 2017-04-26 | 2018-10-26 | Nuovo Pignone Tecnologie Srl | Metodo e sistema per operazioni di modellazione di un impianto fisico |
KR102097595B1 (ko) * | 2019-05-29 | 2020-05-26 | 한국기계연구원 | 풍력발전기 진단방법 |
KR102466891B1 (ko) * | 2022-09-30 | 2022-11-15 | (주)원프랜트 | 양수발전 시스템의 양수터빈 고장 진단 장치 및 방법 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002073475A1 (en) * | 2001-03-08 | 2002-09-19 | California Institute Of Technology | Exception analysis for multimissions |
US7505844B2 (en) * | 2005-11-18 | 2009-03-17 | General Electric Company | Model-based iterative estimation of gas turbine engine component qualities |
US20080147361A1 (en) * | 2006-12-15 | 2008-06-19 | Miller Daniel H | Methods and apparatus to monitor system health |
US7925476B2 (en) * | 2008-01-24 | 2011-04-12 | Microsoft Corporation | Model-based theory combination |
US9477224B2 (en) * | 2008-12-12 | 2016-10-25 | General Electric Company | Physics-based lifespan modeling |
EP2287685B1 (en) * | 2009-07-23 | 2015-07-15 | Siemens Aktiengesellschaft | Method for monitoring operation behaviour of a component of an industrial plant |
-
2013
- 2013-09-17 EP EP13773926.4A patent/EP2895928B1/en not_active Not-in-force
- 2013-09-17 JP JP2015532137A patent/JP2015535900A/ja active Pending
- 2013-09-17 KR KR1020157009588A patent/KR20150056818A/ko active IP Right Grant
- 2013-09-17 CN CN201380054302.0A patent/CN104737084B/zh not_active Expired - Fee Related
- 2013-09-17 US US14/428,171 patent/US20150253768A1/en not_active Abandoned
- 2013-09-17 WO PCT/US2013/060086 patent/WO2014043672A1/en active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017161225A (ja) * | 2016-03-07 | 2017-09-14 | 株式会社日立パワーソリューションズ | 風力発電システムの異常予兆診断システム |
EP3828785A2 (en) | 2019-11-29 | 2021-06-02 | Fujitsu Limited | Composite model generation program, composite model generation method, and information processing apparatus |
Also Published As
Publication number | Publication date |
---|---|
CN104737084B (zh) | 2018-01-12 |
KR20150056818A (ko) | 2015-05-27 |
EP2895928B1 (en) | 2018-10-31 |
US20150253768A1 (en) | 2015-09-10 |
EP2895928A1 (en) | 2015-07-22 |
WO2014043672A1 (en) | 2014-03-20 |
CN104737084A (zh) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2015535900A (ja) | センサデータに基づくタービンシステム診断のためのアーキテクチャ | |
Jaramillo et al. | Condition monitoring of distributed systems using two-stage Bayesian inference data fusion | |
JP2010181212A (ja) | 故障診断システム、故障診断方法 | |
JP2013029507A (ja) | 機械をモニタリングする際に用いるシステムおよび方法 | |
KR20150058343A (ko) | 시스템 행동 진단을 위한 논리 기반 접근법 | |
EP2541358B1 (en) | Method, monitoring system and computer program product for monitoring the health of a monitored system utilizing an associative memory | |
US20130318018A1 (en) | Neural network-based turbine monitoring system | |
CN104460360A (zh) | 控制系统模拟系统和方法 | |
Tan et al. | A novel approach of testability modeling and analysis for PHM systems based on failure evolution mechanism | |
Agasthian et al. | Fault classification and detection in wind turbine using Cuckoo-optimized support vector machine | |
JP2008511922A (ja) | 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 | |
JP2012075308A (ja) | 発電機運転の監視及び診断方法 | |
Badihi et al. | Passive fault-tolerant cooperative control in an offshore wind farm | |
Ahsan et al. | Remaining useful life prediction of gas turbine engine using autoregressive model | |
Mohammadi et al. | DeepWind: an accurate wind turbine condition monitoring framework via deep learning on embedded platforms | |
Papakonstantinou et al. | Simulation based machine learning for fault detection in complex systems using the functional failure identification and propagation framework | |
Bouamama et al. | Software for supervision system design in process engineering industry | |
Valikhani et al. | Inverse modeling of wind turbine drivetrain from numerical data using Bayesian inference | |
Li et al. | Model-based monitoring and fault diagnosis of fossil power plant process units using group method of data handling | |
US20160181967A1 (en) | Apparatus and methods for monitoring subsea electrical systems using adaptive models | |
Biswas et al. | A hierarchical model-based approach to systems health management | |
JP6067539B2 (ja) | タービン保護装置およびその診断方法 | |
Ogbonnaya et al. | Component model-based condition monitoring of a gas turbine | |
Dinh et al. | Implementation of Digital Twin-Assisted Condition Monitoring and Fault Diagnosis for Wind Turbines | |
Khamoudj et al. | Classical mechanics-inspired optimization metaheuristic for induction machines bearing failures detection and diagnosis |