JP2018163645A - 故障診断装置、監視装置、故障診断方法、および故障診断プログラム - Google Patents

Abstract

【課題】対象機器の故障診断を精度良く行うことが可能な故障診断装置、監視装置、故障診断方法、および故障診断プログラムを提供する。【解決手段】一の実施形態によれば、故障診断装置は、対象機器の模擬により、前記対象機器が１つ以上の故障モードのうちの少なくともいずれか１つにあるときの仮想測定データを出力する模擬部を備える。前記装置はさらに、前記対象機器から測定された測定データを取得する測定データ取得部を備える。前記装置はさらに、前記仮想測定データと前記測定データとに基づいて、前記対象機器の故障モードを同定する故障モード同定部を備える。【選択図】図１

Description

本発明の実施形態は、故障診断装置、監視装置、故障診断方法、および故障診断プログラムに関する。

発電プラント内の機器の稼働率を向上させるため、ＩｏＴ（Internet of Things）技術を利用した発電プラントの故障診断システムの開発が検討されている。これにより、豊富な測定データを利用した充実したオンライン故障診断が実現され、診断の対象機器の故障や故障予兆を早期に検知することが可能となる。しかしながら、このような故障診断を適切に行うためには、測定データから精度良く故障や故障予兆を検知するためのデータベースやアルゴリズムをどのように構成するかが問題となる。このような問題は、発電プラント以外のインフラ設備内の機器など、故障による稼働停止の影響が大きい種々の機器でも同様に生じ得る。

特開２０１６−７０２７２号公報

そこで、本発明の実施形態は、対象機器の故障診断を精度良く行うことが可能な故障診断装置、監視装置、故障診断方法、および故障診断プログラムを提供することを課題とする。

一の実施形態によれば、故障診断装置は、対象機器の模擬により、前記対象機器が１つ以上の故障モードのうちの少なくともいずれか１つにあるときの仮想測定データを出力する模擬部を備える。前記装置はさらに、前記対象機器から測定された測定データを取得する測定データ取得部を備える。前記装置はさらに、前記仮想測定データと前記測定データとに基づいて、前記対象機器の故障モードを同定する故障モード同定部を備える。

第１実施形態の故障診断システムの構成を示す模式図である。 第１実施形態の発電機モデルの動作を説明するための模式図である。 第１実施形態の故障診断装置の動作を示すフローチャートである。 第１実施形態の仮想測定データについて説明するためのグラフである。 第１実施形態の仮想測定データについて説明するための別のグラフである。 故障診断方法について説明するためのグラフである。

以下、本発明の実施形態を、図面を参照して説明する。

（第１実施形態）
図１は、第１実施形態の故障診断システムの構成を示す模式図である。図１の故障診断システムでは、故障診断装置１と発電プラント２が通信ネットワーク３により接続されている。

故障診断装置１は、プロセッサなどの制御部１ａと、通信インタフェースなどの通信部１ｂと、キーボードやマウスなどの操作部１ｃと、モニタなどの表示部１ｄと、メモリやストレージなどの記憶部１ｅとを備えている。制御部１ａは、模擬部１１と、測定データ取得部１２と、故障モード同定部１３と、出力部１４とを備えている。制御部１ａのこれらの機能ブロックは、例えば記憶部１ｅのストレージ内に格納された故障診断プログラムを制御部１ａのプロセッサにより実行することで実現される。故障診断プログラムは、記録媒体から故障診断装置１にインストールされてもよいし、通信ネットワーク３上のサーバから故障診断装置１にダウンロードされてもよい。

発電プラント２は、発電機２ａ、タービン２ｂ、ボイラ２ｃなどの機器と、これらの機器の動作を制御する制御装置２ｄとを備えている。本実施形態では、これらの機器が故障診断装置１による診断の対象機器となる。発電プラント２の例は、火力発電プラントであるが、発電の種別としては火力発電に限定されない。なお、故障診断装置１の対象となる設備は、発電プラント２に限定されるものではなく、エンジン、コンプレッサ、ポンプなどの一般産業機器を含むその他の設備でもよい。

模擬部１１は、対象機器の挙動を模擬するデータ処理を行うブロックであり、対象機器に対応するモデルを用いてこのような模擬を行う。模擬部１１は、対象機器が１つ以上の故障モードのうちの少なくともいずれか１つにあるときの仮想測定データを、モデルを用いて出力する。例えば、発電機２ａのロータファンが損傷していると仮想した場合、発電機モデルを用いた模擬により振動データが出力される。

測定データ取得部１２は、対象機器から測定された測定データを取得するブロックである。例えば、発電機２ａから測定された振動データが、制御装置２ｄから測定データ取得部１２に通信ネットワーク３を介して転送される。

故障モード同定部１３は、模擬部１１から仮想測定データを受信し、測定データ取得部１２から測定データを受信し、受信した仮想測定データおよび測定データに基づいて、対象機器の故障モードを同定する。例えば、上記の仮想振動データの値が上記の振動データの値に近い場合には、発電機２ａのロータファンが損傷していると判定される。

なお、仮想測定データと測定データの両データを受信するデータ受信部は、故障モード同定部１３に内在してもよいし、内在せずに故障診断装置１に有してもよい。また、模擬部１１、測定データ取得部１２、およびデータ受信部を含めて、故障診断装置１内の監視装置と称する。

出力部１４は、故障モード同定部１３から受け取った故障モードの同定結果を出力するブロックであり、例えば、故障モードの同定結果を、表示部１ｄのモニタに表示したり、記憶部１ｅのストレージに保存したり、通信部１ｂにより外部に送信する。例えば、発電機２ａのロータファンが損傷しているとの判定結果がモニタに表示される。

なお、出力部１４は、故障モードの同定結果として、対象機器に生じたと判定された故障モードを出力してもよいし、対象機器に生じた可能性があると判定された故障モードを出力してもよい。前者の例は「発電機２ａにロータコイル通風阻害とロータファン損傷が生じている」との判定結果のモニタ表示である。後者の例は「発電機２ａにレイヤショート、ロータコイル通風阻害、ロータファン損傷のいずれか１つ以上が生じている可能性がある」とのモニタ表示である。

図２は、第１実施形態の発電機モデルの動作を説明するための模式図である。

図２の発電機モデルＭは、発電機２ａについて想定される１つ以上の故障モード（想定故障モード）Ｄ１と、発電機２ａから得られた運転データＤ２とを入力とし、複数種類の仮想測定データＤ３の値を出力とする。

図２は、想定故障モードＤ１の例として故障モードＡ〜Ｍを示している。例えば、故障モードＡは、発電機２ａのレイヤショートである。故障モードＢは、発電機２ａのロータコイル通風阻害である。故障モードＣは、発電機２ａのロータファン損傷である。発電機２ａでは、これらの故障モードが生じることが想定される。なお、故障モードの数や種類は、図２に示す数か個数に限定されるものではない。

運転データＤ２は、発電機２ａの運転状態を表すデータであり、制御装置２ｄから模擬部１１に通信ネットワーク３を介して転送される。運転データＤ２の例は、発電機２ａの出力電力（電気出力）の時系列データである。

図２は、仮想測定データＤ３の例として仮想測定データＡ〜Ｇを示している。例えば、仮想測定データＡは、発電機２ａのエアギャップ磁束密度である。仮想測定データＢは、発電機２ａのロータの振動に関するデータ（例えば振幅や位相）である。

発電機モデルＭは、想定故障モードＤ１と運転データＤ２とに基づいて仮想測定データＤ３を出力する種々のモジュールの集合として構成されている。図２は、これらのモジュールの例としてモジュールＡ〜Ｆを示している。例えば、モジュールＡは、発電機２ａの電磁力を取り扱うモジュールである。モジュールＢは、発電機２ａの熱曲りを取り扱うモジュールである。モジュールＣは、発電機２ａの振動応答を取り扱うモジュールである。これらのモジュールは例えば、物理モデルに基づく数式、事前に行った数値計算結果に基づくテーブルや関数、経験に基づくテーブルや関数などにより構成される。

故障診断装置１は、発電機２ａに故障モードＡが生じているか否か（または生じている可能性があるか否か。以下同様）を判定する場合、発電機モデルＭに故障モードＡに関するデータを入力する。この場合、モジュールＡ、Ｂは、故障モードＡに関するデータに基づいて仮想測定データＡとモジュールＣへのデータとを出力し、モジュールＣは、モジュールＡ、Ｂからのデータに基づいて仮想測定データＢを出力する。仮想測定データＡ、Ｂは、発電機２ａに故障モードＡが生じているか否かを判定するために使用される。

図３は、第１実施形態の故障診断装置１の動作を示すフローチャートである。図３については、対象機器が発電機２ａである場合を例として説明する。

まず、模擬部１１の発電機モデルＭは、想定故障モードＤ１と運転データＤ２とに基づいて、発電機２ａの所定の故障モードに関する仮想測定データＤ３を出力する（プロセスＳ１）。例えば、模擬部１１は、仮想測定データＤ３として、故障モード１〜ｎのうちの故障モードｉに関する仮想測定データＸ_ｉを出力する。ここで、ｎは１以上の整数であり、ｉは１≦ｉ≦ｎを満たす整数である。仮想測定データＸ_ｉは、Ｋ種類の仮想測定データの値からなるＫ次ベクトルである（Ｋは２以上の整数）。図３のプロセスＳａ〜Ｓｂのループ処理から理解されるように、故障診断装置１は、プロセスＳ１〜Ｓ５を故障モード１〜ｎの各々について実行する。故障モードｉは、故障モード１〜ｎのうちの任意の故障モードを表す。

一方、測定データ取得部１２は、発電機２ａから測定された測定データを取得して処理し、このデータを仮想測定データＸ_ｉと比較可能な処理済み測定データＸ_０に変換する（プロセスＳ２）。処理済み測定データＸ_０は、Ｋ種類の処理済み測定データの値からなるＫ次ベクトルである。

プロセスＳ２では例えば、発電機２ａのロータの振動の時系列データが周波数データにフーリエ変換され、周波数データにおける所定周波数の振幅が処理済み測定データＸ_０として出力される。また、発電機２ａからの測定データのサンプリング周波数は、測定データの種類ごとに異なる場合があるため、サンプリング周波数を整合させるための処理をプロセスＳ２にて行う。例えば、上記の変換処理では、高いサンプリング周波数（例えば５１２Ｈｚ）で測定された振動の時系列波形が周波数波形に変換され、ロータのオーバーオール振幅、ロータの回転数に同期した振動成分の振幅および位相、ロータの回転数の２倍成分の振幅、ロータの回転に非同期の振動成分の振幅、これらの時間変化率などが周波数波形から抽出され、処理済み測定データＸ_０の成分として出力される。さらには、ロータの振動は軸受のメタル温度に関連性があることから、処理済み測定データＸ_０としてメタル温度を出力してもよい。

次に、模擬部１１は、仮想測定データＸ_ｉのＫ個の値同士の関係を正規化し、正規化された仮想測定データｘ_ｉを出力する（プロセスＳ３）。正規化は、故障モードｉを精度良く同定するために、仮想測定データＸ_ｉの値同士の寄与率（重み付け）を変化させる処理である。例えば、発電機２ａにおいてオーバーオール振幅よりもオーバーオール振幅の時間変化率の方が故障モードｉへの影響が大きい場合には、オーバーオール振幅の時間変化率の値に寄与率に応じた係数を乗じることで仮想測定データＸ_ｉを仮想測定データｘ_ｉに正規化する。これにより、故障モードｉに対するオーバーオール振幅とその時間変化率の影響を正確に評価することが可能となる。同様に、測定データ取得部１２は、処理済み測定データＸ_０のＫ個の値同士の関係を正規化し、正規化された処理済み測定データｘ_０を出力する（プロセスＳ４）。以下、正規化された処理済み測定データｘ_０を、単に「正規化された測定データｘ_０」と表記する。

正規化された仮想測定データｘ_ｉは、Ｋ種類の仮想測定データの値からなるＫ次ベクトルである。同様に、正規化された測定データｘ_０は、Ｋ種類の測定データの値からなるＫ次ベクトルである。仮想測定データｘ_ｉと測定データｘ_０の値（ベクトル成分）の例は、ロータのオーバーオール振幅、ロータの回転数に同期した振動成分の振幅および位相、ロータの回転数の２倍成分の振幅、ロータの回転に非同期の振動成分の振幅、これらの時間変化率、軸受のメタル温度などである。なお、仮想測定データＸ_ｉの正規化方法と、測定データｘ_０の正規化方法としては、互いに比較が可能な正規化データｘ_ｉ、ｘ_０を導出できるのであれば、同じ方法を採用してもよいし、異なる方法を採用してもよい。

次に、故障モード同定部１３は、正規化された仮想測定データｘ_ｉと、正規化された測定データｘ_０とを受信して、両者の差分二乗和ｅ_ｉを計算する（プロセスＳ５）。差分二乗和ｅ_ｉは、仮想測定データｘ_ｉと測定データｘ_０との差分（Ｋ次ベクトル）ｘ_ｉ−ｘ_０を計算し、差分ｘ_ｉ−ｘ_０のノルム｜ｘ_ｉ−ｘ_０｜の二乗を計算することで導出可能である。プロセスＳ５では、差分ｘ_ｉ−ｘ_０の二乗和の代わりに、ｘ_ｉとｘ_０の内積を計算してもよい。

差分二乗和ｅ_ｉは、発電機２ａからの測定データｘ_０が、故障モードｉの仮想測定データｘ_ｉに近いほど小さくなる。よって、差分二乗和ｅ_ｉは、故障モードｉを同定するために使用可能である。なお、上述の運転データＤ２は、プロセスＳ１にて仮想測定データＤ３を計算するのに使用する代わりに、プロセスＳ５にて差分二乗和ｅ_ｉを計算するのに使用してもよいし、プロセスＳ７において運転データを特定する（例えば負荷率を特定する）ことで使用してもよい。

故障診断装置１は、プロセスＳ１〜Ｓ５を故障モード１〜ｎの各々について行う。その結果、故障モード１〜ｎに対応する差分二乗和ｅ_１〜ｅ_ｎが計算される。故障モード同定部１３は、これらの差分二乗和ｅ_１〜ｅ_ｎを小さい順に並べ替える（プロセスＳ６）。これは、故障モード１〜ｎを生じている可能性が高い順に並べ替えることに相当する。

ただし、このプロセスＳ６は必須のプロセスではなく、並べ替えをそもそもしない場合もあれば、並べ替えをする場合であっても、差分二乗和ｅ_１〜ｅ_ｎの大きさではなく、例えば所定の優先順位に基づいて並べ替えをする場合もある。したがって、プロセスＳ７の同定も、このプロセスＳ６の有無を含む様々な状況を踏まえて実施される。

次に、故障モード同定部１３は、差分二乗和ｅ_１〜ｅ_ｎに基づいて発電機２ａの故障モードを同定する（プロセスＳ７）。具体的には、故障モード同定部１３は、差分二乗和ｅ_ｉが規格化した判定基準値よりも小さい場合において、故障モードｉが生じている（または生じている可能性がある）と判定する。差分二乗和ｅ_１〜ｅ_ｎはプロセスＳ６で小さい順に並べ替えられるため、並び順が１番目からｍ番目（ｍは１≦ｍ≦ｎを満たす整数）の差分二乗和のみを規格化した判定基準値と比較することにしてもよい。すなわち、並び順が所定番目（ｍ番目）までの故障モードを同定の対象としてもよい。この場合、最大でｍ個の故障モードが同定されることとなる。

なお、故障モード同定部１３は、発電機２ａにレイヤショートが生じていることや、発電機２ａにレイヤショートが生じている可能性を判定する代わりに、発電機２ａにレイヤショートが生じる予兆が見られることを判定してもよい。これにより、発電機２ａのレイヤショートが生じる前にその予兆を検出することが可能となる。このように、故障モード同定部１３は、故障が発生している故障モードを同定してもよいし、故障の予兆が見られる故障モードを同定してもよい。後者の同定処理は例えば、前者の同定処理に比べて上記の規格化した判定基準値を大きく設定することで実現可能である。

なお、故障モードの用語は、故障が発生している場合のみを含む用語として用いられることがあるが（例えば、ＦＭＥＡ：Failure Mode and Effect Analysis）、本明細書では、故障が発生している場合と、故障の予兆が見られる場合とを含み得る用語として用いている。本実施形態の故障モード同定部１３は、発生している故障に関する故障モードのみを同定するよう構成されていてもよいし、発生している故障に関する故障モードを同定すると共に、予兆が見られる故障に関する故障モードを同定するよう構成されていてもよい。

その後、出力部１４は、故障モード同定部１３から受け取った故障モードの同定結果を出力する。例えば、発電機２ａにレイヤショート、ロータコイル通風阻害、およびロータファン損傷が生じている可能性があることがモニタに表示される。この場合、これら３つの故障モードは、プロセスＳ６で得られた並び順、すなわち、差分二乗和が小さい順に表示してもよい。

図４は、第１実施形態の仮想測定データについて説明するためのグラフである。

図４の横軸は、仮想測定データｘ_ｉや測定データｘ_０の第１成分（ｘ(１)）を示し、図４の縦軸は、仮想測定データｘ_ｉや測定データｘ_０の第２成分（ｘ(２)）を示している。図４は、仮想測定データｘ_ｉや測定データｘ_０の第１〜第Ｋ成分のうち、第１および第２成分のみを示したものである。より正確には、仮想測定データｘ_ｉや測定データｘ_０は、Ｋ次元空間内の点として表現される。

図４の円ｃ_１〜ｃ_６は、プロセスＳ７にて用いられる規格化した判定基準値に相当する判定基準円を図面化したものである。例えば、測定データｘ_０が仮想測定データｘ_１の判定基準円ｃ_１の中に位置する場合には、仮想測定データｘ_１と測定データｘ_０との間の差分二乗和ｅ_１は判定基準円の半径よりも小さい。よって、プロセスＳ７にて故障モード１が同定される。

図４の判定基準円ｃ_２と判定基準円ｃ_５は重複部分が存在しているため、測定データｘ_０は判定基準円ｃ_２と判定基準円ｃ_５の両方の中に同時に位置することが可能である。この場合、プロセスＳ７にて故障モード２、５の両方が同定される。なお、図４に示す判定基準円（Ｋ＝２の場合を一例として明示）は、Ｋ次元空間においてはＫ次元球として表現される。

なお、本実施形態では、仮想測定データｘ_１用の判定基準円ｃ_１として、小さい円である第１の円と、大きい円である第２の円を用意してもよい。この場合、第１の円は、発電機２ａに故障が生じていることを判定するために使用し、第２の円は、発電機２ａに故障の予兆があることを判定するために使用してもよい。また、仮想測定データｘ_１用の判定基準円ｃ_１として、半径の異なる２種類以上の円を用意して、２種類以上の判定を行ってもよい。これは、判定基準円ｃ_２〜ｃ_６についても同様である。

図５は、第１実施形態の仮想測定データについて説明するための別のグラフである。

図５に示すように、仮想測定データｘ_ｉと測定データｘ_０の差分２乗和ｅ_ｉに着目し、差分が小さいほど故障が発生している可能性が高くなることを利用して、差分２乗和ｅ_ｉの大きさに応じて故障確率を推定することも可能である。図５は、ｘ_１に対応する故障モード１の故障確率が、ｘ_２およびｘ_３に対応する故障モード２および３よりも大きいことを示している。なお、差分２乗和ｅ_ｉの大きさそのもので評価を行うことも可能である。

図６は、故障診断方法について説明するためのグラフである。

信号１、２は、診断の対象機器である発電機２ａから得られた信号を示しており、上記の測定データｘ_０の第１および第２成分にそれぞれ対応している。符号Ａ１、Ａ２はそれぞれ、信号１、２のしきい値を表す。曲線Ａは、信号１のレベルがしきい値Ａ１を超え、発電機２ａが稼働不能な状態に至る様子を示している。一般的な故障診断方法では、信号１、２のいずれかがしきい値Ａ１、Ａ２に達すると、発電機２ａが故障した、または発電機２ａに故障の予兆が見られると判定される。これにより、曲線Ａのような事態を回避している。

この様子は、図４にも図示されている。図４の符号Ｒの領域は、測定データｘ_０の第１成分（信号１）の大きさが閾値Ａ１未満で、測定データｘ_０の第２成分（信号２）の大きさが閾値Ａ２未満の領域を示している。測定データｘ_０が領域Ｒから外に出た場合に故障またはその予兆の発生が検出される。

一方、本実施形態の故障診断装置１は、発電機２ａに生じ得る１つ以上の故障モードをあらかじめ想定しておき、これらの故障モードが生じた場合に得られる仮想測定データを発電機モデルを用いて導出する。よって、本実施形態の故障診断装置１は、発電機モデルからの仮想測定データと、発電機２ａからの測定データとを比較することで、発電機２ａの故障モードを同定することができる。具体的には、図４に示すような領域Ｒではなく、図４に示すような判定基準円ｃ_１〜ｃ_６により故障診断を行うことができる。

本実施形態の故障診断装置１は、故障モードを同定し、かつ故障またはその予兆の発生を検出することができる。すなわち、しきい値を用いた判定では正常とみなされる領域Ｒ内であっても、信号１と信号２とを組み合わせた統合状態量によって、事象発生前に具体的な故障箇所とその原因を特定することができる。

このように、本実施形態では、測定データを分析して故障モードを同定する代わりに、想定故障モードから発電機モデルにより仮想測定データを導出し、仮想測定データと測定データとの比較により故障モードを同定している。

本実施形態の故障診断によれば、種々の利点を享受することが可能となる。

例えば、過去の発電機２ａの故障事例を分析し、この分析結果を想定故障モードや発電機モデルに反映させることで、発電機２ａの故障診断を精度良く行うことが可能となる。理由は、故障事例の分析により故障時や故障前に発電機２ａからどのような測定データが得られるかを詳細に分析することができ、その詳細な分析結果が想定故障モードや発電機モデルに反映されるからである。

また、過去の故障事例の件数や分析結果がより豊富になれば、例えば上記の正規化方法や規格化した判定基準値を改善することで、故障診断の精度をさらに向上させることや、故障や故障予兆を早期に検知することも可能となる。正規化方法や規格化した判定基準値については、故障診断装置１のユーザが操作部１ｃにより変更できるようにしてもよい。

なお、発電プラント２内の機器の故障は、ロータを有する機器や、その作動流体を生成する機器で生じやすい。理由は、ロータの回転に起因する摩擦や振動や、作動流体を生成する際の熱や圧力が、機器に影響するからである。よって、故障診断装置１は、これらを診断の対象機器とすることが望ましい。

以上のように、本実施形態によれば、対象機器の故障診断を精度良く行うことが可能となる。

以上、いくつかの実施形態を説明したが、これらの実施形態は、例としてのみ提示したものであり、発明の範囲を限定することを意図したものではない。本明細書で説明した新規な装置、方法、およびプログラムは、その他の様々な形態で実施することができる。また、本明細書で説明した装置、方法、およびプログラムの形態に対し、発明の要旨を逸脱しない範囲内で、種々の省略、置換、変更を行うことができる。添付の特許請求の範囲およびこれに均等な範囲は、発明の範囲や要旨に含まれるこのような形態や変形例を含むように意図されている。

１：故障診断装置、１ａ：制御部、１ｂ：通信部、
１ｃ：操作部、１ｄ：表示部、１ｅ：記憶部、
２：発電プラント、２ａ：発電機、２ｂ：タービン、
２ｃ：ボイラ、２ｄ：制御装置、３：通信ネットワーク、
１１：模擬部、１２：測定データ取得部、
１３：故障モード同定部、１４：出力部

Claims (15)

1. 対象機器の模擬により、前記対象機器が１つ以上の故障モードのうちの少なくともいずれか１つにあるときの仮想測定データを出力する模擬部と、
   前記対象機器から測定された測定データを取得する測定データ取得部と、
   前記仮想測定データと前記測定データとに基づいて、前記対象機器の故障モードを同定する故障モード同定部と、
   を備える故障診断装置。
2. 前記模擬部は、複数種類の前記仮想測定データの値同士の関係を正規化し、
   前記測定データ取得部は、複数種類の前記測定データの値同士の関係を正規化し、
   前記故障モード同定部は、正規化された前記仮想測定データと、正規化された前記測定データとに基づいて、前記故障モードを同定する、請求項１に記載の故障診断装置。
3. 前記故障モード同定部は、複数種類の前記仮想測定データの値と、複数種類の前記測定データの値との差分に基づいて、前記故障モードを同定する、請求項１または２に記載の故障診断装置。
4. 前記故障モード同定部は、前記差分の二乗和または内積を計算し、前記二乗和または前記内積に基づいて前記故障モードを同定する、請求項３に記載の故障診断装置。
5. 前記故障モード同定部は、前記差分に基づいて、前記１つ以上の故障モードを生じている可能性が高い順に並べ、前記並び順が所定番目までの故障モードを同定の対象とする、請求項３または４に記載の故障診断装置。
6. 前記故障モード同定部は、前記差分に相当するＫ次ベクトル（Ｋは２以上の整数）が、Ｋ次元球内に位置するか否かに基づいて、前記故障モードを同定する、請求項３から５のいずれか１項に記載の故障診断装置。
7. 前記故障モード同定部は、前記Ｋ次ベクトルが第１半径を有する前記Ｋ次元球内に位置するか否かに基づいて、前記対象機器が故障しているか否かを判定し、前記Ｋ次ベクトルが前記第１半径と異なる第２半径を有するを有する前記Ｋ次元球内に位置するか否かに基づいて、前記対象機器に故障の予兆があるか否かを判定する、請求項６に記載の故障診断装置。
8. 前記模擬部は、前記対象機器について想定される前記１つ以上の故障モードと、前記対象機器から得られた運転データとを入力とし、複数種類の前記仮想測定データの値を出力とするモデルを用いて前記模擬を行う、請求項１から７のいずれか１項に記載の故障診断装置。
9. 前記故障モード同定部は、前記仮想測定データと、前記測定データと、前記対象機器から得られた運転データとに基づいて、前記故障モードを同定する、請求項１から７のいずれか１項に記載の故障診断装置。
10. 前記故障モードの同定結果を出力する出力部をさらに備える、請求項１から９のいずれか１項に記載の故障診断装置。
11. 前記故障モードの同定結果は、前記対象機器に生じたと判定された故障モード、または前記対象機器に生じた可能性があると判定された故障モードを示す、請求項１０に記載の故障診断装置。
12. 対象機器の模擬により、前記対象機器が１つ以上の故障モードのうちの少なくともいずれか１つにあるときの仮想測定データを出力する模擬部と、
    前記対象機器から測定された測定データを取得する測定データ取得部と、
    前記仮想測定データと前記測定データとを受信するデータ受信部と、
    を備える監視装置。
13. 前記データ受信部は、前記仮想測定データと前記測定データとを用いて、前記対象機器の故障モードの判定に使用されるデータを生成する、請求項１２に記載の監視装置。
14. 模擬部が、対象機器の模擬により、前記対象機器が１つ以上の故障モードのうちの少なくともいずれか１つにあるときの仮想測定データを出力し、
    測定データ取得部が、前記対象機器から測定された測定データを取得し、
    故障モード同定部が、前記仮想測定データと前記測定データとに基づいて、前記対象機器の故障モードを同定する、
    ことを含む故障診断方法。
15. 模擬部が、対象機器の模擬により、前記対象機器が１つ以上の故障モードのうちの少なくともいずれか１つにあるときの仮想測定データを出力し、
    測定データ取得部が、前記対象機器から測定された測定データを取得し、
    故障モード同定部が、前記仮想測定データと前記測定データとに基づいて、前記対象機器の故障モードを同定する、
    ことを含む故障診断方法をコンピュータに実行させる故障診断プログラム。

Images