JP2022027029A - 推定装置、推定方法、及びプログラム - Google Patents
推定装置、推定方法、及びプログラム Download PDFInfo
- Publication number
- JP2022027029A JP2022027029A JP2020130787A JP2020130787A JP2022027029A JP 2022027029 A JP2022027029 A JP 2022027029A JP 2020130787 A JP2020130787 A JP 2020130787A JP 2020130787 A JP2020130787 A JP 2020130787A JP 2022027029 A JP2022027029 A JP 2022027029A
- Authority
- JP
- Japan
- Prior art keywords
- model
- observation
- value
- constraint
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 description 22
- 230000005856 abnormality Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 230000008859 change Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 241001468265 Candidatus Phytoplasma Species 0.000 description 6
- 239000012530 fluid Substances 0.000 description 6
- 239000007788 liquid Substances 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007838 multiplex ligation-dependent probe amplification Methods 0.000 description 2
- 238000005293 physical law Methods 0.000 description 2
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Complex Calculations (AREA)
Abstract
【解決手段】推定装置は、第一観測系で観測された第一観測値と、第二観測系で観測された第二観測値と、の各観測値の時系列データから、第一制約内のデータである制約内データを判定する観測系制約判定部と、各観測系のモデルである観測モデルと、各観測系が設けられる機器内のモデルである物理モデルと、を含む複数のモデルのパラメータを、制約内データに基づいて推定するモデル推定部と、推定されたパラメータに基づき第二観測系から予測した第一予測観測値と第一観測値との偏差から、モデルの整合性を判定する整合性判定部と、を備える。
【選択図】図1
Description
しかし、センサが環境条件によらず異常を示す場合、特許文献1に開示された判定装置では、センサの観測値の整合性を評価できないことがある。
このため、特許文献1に開示された設備では、観測値の整合性を推定できないことがある。
(全体構成)
図1は、第一実施形態に係る設備9の全体構成を示す。
設備9は、機器1と、推定装置2と、第一観測系3と、第二観測系4と、を備える。
機器1は、例えば、大型冷凍機、水中ポンプ、プラント等である。
例えば、機器1と推定装置2と第一観測系3と第二観測系4とは、互いに有線、無線等により接続されており、互いに通信可能であってもよい。
第一観測系3は、機器1の状態を観測するためのシステムである。
第一観測系3は、第一観測値OB1を観測する。
例えば、第一観測系3は、機器1に設けられてもよい。
例えば、第一観測系3は、第一センサ31を備えてもよい。
例えば、第一観測系3は、第一観測値OB1として、観測値A1を観測してもよい。
第二観測系4は、機器1の状態を観測するためのシステムである。
第二観測系4は、第二観測値OB2を観測する。
例えば、第二観測系4は、第一観測系3に対し独立している他の観測系であってもよい。
例えば、第二観測値OB2は、第一観測値OB1と異なる観測値であってもよい。
例えば、第二観測系4は、機器1に設けられてもよい。
例えば、第二観測系4は、第二センサ41と、第三センサ42と、第四センサ43と、を備えてもよい。
例えば、第二観測系4は、第二観測値OB2として、観測値A2、A3、A4を観測してもよい。
また、第三センサ42は、例えば、機器1の入口に設けられてもよい。その際、第三センサ42は、観測値A3として、機器1内へ流入する液体、気体等の流体温度である入口温度を計測する温度計であってもよい。
また、第四センサ43は、例えば、機器1に設けられてもよい。その際、第四センサ43は、観測値A4として、機器1内を流れる液体、気体等の流体の流量である機器内流量を計測する流量計であってもよい。
推定装置2は、機器1、第一観測系3、及び第二観測系4の各モデルのパラメータPRを推定するための装置である。
例えば、推定装置2は、機器1の監視によるアセットマネジメントサービスを展開するための装置であってもよい。
例えば、推定装置2は、物理量制約判定部25と、モデル制約判定部26と、をさらに備えてもよい。
また、推定装置2は、取得部21と、出力部27と、をさらに備えてもよい。
取得部21は、第一観測値OB1を取得する。
例えば、取得部21は、第一観測値OB1として、第一観測系3から観測値A1を取得してもよい。
例えば、取得部21は、観測値A1として、第一センサ31で計測された機器1の内部圧力を取得してもよい。
例えば、取得部21は、第二観測値OB2として、第二観測系4から観測値A2、A3、A4を取得してもよい。
例えば、取得部21は、観測値A2として、第二センサ41で計測された出口温度を取得してもよい。
例えば、取得部21は、観測値A3として、第三センサ42で計測された入口温度を取得してもよい。
例えば、取得部21は、観測値A4として、第四センサ43で計測された機器内流量を取得してもよい。
観測系制約判定部22は、第一観測系3で観測された第一観測値OB1と、第二観測系4で観測された第二観測値OB2と、の各観測値の時系列データDT1から、第一制約R1内のデータである制約内データDT2を判定する。
各観測系単体の制約条件への適合を判定することで、観測系制約判定部22は、各観測値が単体として異常な振る舞いをしているデータか否かを判定する。
例えば図2に示すように、観測系制約判定部22は、第一制約R1として、最大値及び最小値に関する制約、移動平均変化率に関する制約、スパイク発生頻度に関する制約、時間窓内の分散に関する制約等の観測系制約等により、制約内データDT2の判定を行ってもよい。
これにより、観測系制約判定部22は、各観測系そのものの計測原理(物理法則)に基づいて、各観測値単体としてみて異常な値を含むレコードは異常と判定する。
同様に、時系列データDT1のうち、データDT4は、観測値が上限値で規定される最大値より大きいデータ、又は下限値で規定される最小値より小さいデータとして、第一制約R1により制約外と判定される。
同様に、時系列データDT1のうち、データDT5は、移動平均変化率が規定の閾値より大きいデータとして、第一制約R1により制約外と判定される。
他方、制約外とされなかったデータは、制約内データDT2と判定される。
モデル推定部23は、各観測系のモデルである観測モデルMLOと、観測系が設けられる機器1内のモデルである物理モデルMLPと、を含む複数のモデルのパラメータPRを、制約内データDT2に基づいて推定する。
例えば、モデル推定部23は、複数の観測モデルMLOと複数の物理モデルMLPを含むネットワークモデルNWMを含んでもよい。
例えば、複数の観測モデルMLOと複数の物理モデルMLPとの各モデルは、パラメータPRを含んでよい。
例えば、モデル推定部23は、ネットワークモデルNWMの一例である図3に示すようなネットワークモデルNWM1において、観測モデルMLOと物理モデルMLPとの各モデルのパラメータPRを推定してもよい。
他方、ネットワークモデルNWM1において、モデル推定部23は、観測値A2と観測値A3と観測値A4とから、複数の観測モデルMLO及び複数の物理モデルMLPを介して、物理量推定値PV1を推定することもできる。
すなわち、ネットワークモデルNWM1において、モデル推定部23は、異なる系統から、共通の物理量推定値PV1を推定することができる。
なお、物理量推定値PVとは、パラメータPRに基づき推定される機器1内の物理量である。
同様に、モデル推定部23において、観測値A3に関する観測モデルMLOのパラメータPRは、観測値A3と、観測値A3を観測したステップの前の観測値A3’(観測値A3を観測した直前の時刻に観測した観測値A3’)と、から推定されてもよい。
例えば、観測モデルMLO及び物理モデルMLPの各モデルは、それぞれ理論式及び実験式に基づく非線形多項式の形で表現してもよい。その際、多項式の係数が、パラメータPRに相当し、実際の機器1のばらつきを表現するためのパラメータとなる。
例えば、各物理モデルMLPは、物理現象において、知られた純粋な物理法則から導かれるモデルであってもよい。
例えば、図3に示す物理モデルMLPAは、出口温度を示す物理量推定値PV2と、入口温度を示す物理量推定値PV3と、機器内流量を示す物理量推定値PV4から、冷凍能力等の機器1内の仕事量を示す物理量推定値PVAを算出できるモデルであってもよい。
例えば、図3に示す物理モデルMLPBは、出口温度を示す物理量推定値PV2と、仕事量を示す物理量推定値PVAから、機器1内の液体、気体等の流体飽和温度を示す物理量推定値PVBを算出できるモデルであってもよい。
例えば、図3に示す物理モデルMLPCは、機器1内の液体、気体等の流体飽和温度を示す物理量推定値PVBから、機器1内の液体、気体等の流体圧力(飽和蒸気圧)を示す物理量推定値PV1を算出できるモデルであってもよい。
例えば各観測モデルMLOは、図4に示すような代表的なモデルであってもよい。
図4では、センサの特性によって生じる真値との誤差を内的要因と表し、観測対象の値以外の要因によって生じる誤差を外的要因と示す。
モデル化可能な内的要因、外的要因のほかに、観測値は、さらにランダムなノイズ成分の影響を受ける。
なお、外的要因は、「無視できるほど小さい」、「外的要因を別センサで計測」、「ノイズ扱いできるだけのデータ量」のいずれかの前提が必要である。
なお、これらの誤差範囲はあくまで正常動作をしている場合の精度であり、センサの取付け位置ズレや故障が起きるとこの範囲を逸脱する。
典型的なアラン分散は、図7に示すような分散を示す。なお、図7に示すσy(f)は、アラン分散の大きさに関連する値である。
図7、図8に示すように、平均時間τが短い間は、ノイズの影響が支配的で平均値間のばらつきは徐々に小さくなるが、平均時間τを延ばすと逆に観測系パラメータの長期的な変動の影響が顕在化して、ばらつきが徐々に大きくなっていく。
したがって、例えば、モデル推定部23は、理想的にはアラン分散が極小化するだけのレコードのデータをもとに、観測モデルMLOのパラメータPRを推定してもよい。
なお、推定するべきパラメータPRの数に対して、観測系の数は一般的に極端に少ない場合でも、複数のレコードを用いることで、モデル推定部23は、物理量推定値PV1を推定できる。
例えば、観測値A1に関する観測モデルMLOにおいて、バイアスやスケールファクター(以下「SF」ともいう。)の理想状態からの補正項に対するペナルティが、センサ精度に基づいて定められてもよい。
図9に示す場合も同様に、モデル推定部23は、3以上の各系統から推定した物理量推定値PVどうしの偏差に対するペナルティと、各パラメータPRの補正項に対するペナルティの総和が最小になるようにパラメータPRの推定を行ってもよい。
整合性判定部24は、モデル推定部23で推定された複数のモデルのパラメータPRに基づき第二観測値OB2から予測した第一予測観測値PA1と第一観測値OB1との偏差から、モデルの整合性を判定する。
すなわち、整合性判定部24は、推定されたパラメータPRに基づいてある観測値を別の観測値から回帰させ、その偏差の大きさを評価できる。
なお、第一予測観測値PA1は、ネットワークモデルNWM1の各モデルに基づく値の変換によって導出される値であって、ネットワークモデルNWM1において、第一観測値OB1に相当する値である。
例えば、モデルの整合性として、整合性判定部24は、第二観測値OB2から予測した第一予測観測値PA1と、第一観測値OB1と、の偏差が、第一観測系3の仕様範囲内であるかを判定してもよい。
例えば、整合性判定部24は、モデル推定部23で推定されたパラメータPRが導入された複数の観測モデルMLO及び複数の物理モデルMLPを介して、観測値A2と観測値A3と観測値A4とから、第一予測観測値PA1を予測し、予測した第一予測観測値PA1と観測値A1とを比較してもよい。
例えば、図10に示した評価に加え、図11に示すように、整合性判定部24は、モデル推定部23で推定されたパラメータPRが導入された複数の観測モデルMLO及び複数の物理モデルMLPを介して、観測値A1と観測値A3と観測値A4とから、第二予測観測値PA2を予測し、予測した第二予測観測値PA2と観測値A2とをさらに比較してもよい。
さらに、図10に示した観測値A1に関する評価、図11に示した観測値A2に関する評価と同様に、整合性判定部24は、観測値A1と観測値A2と観測値A4とに基づき、観測値A3に関する評価を行ってもよいし、観測値A1と観測値A2と観測値A3とに基づき、観測値A4に関する評価を行ってもよい。
物理量制約判定部25は、パラメータPRに基づき推定される物理量推定値PVが、第二制約R2内か否かを判定する。
例えば、物理量制約判定部25は、整合性判定部24において整合している判定されたときのパラメータPRを含む物理モデルMLPと制約内データDT2の観測値とに基づき推定される物理量推定値PVが、第二制約R2内か否かを判定してもよい。
例えば、物理量制約判定部25は、物理量推定値PVが、第二制約R2内であれば正常と判定し、第二制約R2内でなければ異常と判定してもよい。正常と判定された場合、物理量制約判定部25の判定において、各モデルに導入されたパラメータPRは妥当であるとみなすことができる。
すなわち、正常と判定されたレコードである制約内データDT2について、物理量の推定が行えているものという仮定に基づけば、その物理量である物理量推定値PVが設計仕様の制約以内に収まっていなければ機器1の異常とみることができる。
例えば、物理量制約判定部25は、各タイムステップで推定された物理量推定値PVが、第二制約R2内か否かを判定してもよい。
例えば、物理量制約判定部25は、推定される各物理量推定値PVを、設計水準(仕様)と比較して、仕様内、仕様以上、仕様以下といった判定を行うことにより、2~7段階程度の離散化データに変換してもよい。
モデル制約判定部26は、各パラメータPRが、第三制約R3内か否かを判定する。
例えば、モデル制約判定部26は、整合性判定部24において整合していると判定されたときの各パラメータPRが、第三制約R3内か否かを判定してもよい。
例えば、観測モデルMLOにおける各パラメータPRに対する第三制約R3は、各観測値の設計水準(仕様)内のパラメータを示す規定の数値範囲であってもよい。
例えば、モデル制約判定部26は、各パラメータPRが、第三制約R3内であれば正常と判定し、第三制約R3内でなければ異常と判定してもよい。正常と判定された場合、モデル制約判定部26の判定において、各モデルに導入された各パラメータPRは妥当であるとみなすことができる。
例えば、モデル制約判定部26は、推定される各パラメータPRを、設計水準(仕様)と比較して、仕様内、仕様以上、仕様以下といった判定を行うことにより、2~7段階程度の離散化データに変換してもよい。
すなわち、パラメータ推定が正しく行えているものという仮定に基づけば、物理モデルMLPのパラメータPRが設計仕様の制約以内に収まっていなければ、機器1の異常とみることができる。
すなわち、パラメータ推定が正しく行えているものという仮定に基づけば、観測モデルMLOのパラメータPRが設計仕様の制約以内に収まっていなければ、観測系の異常とみることができる。
出力部27は、正常と判定されたパラメータPRと、そのパラメータPRに基づき推定される物理量推定値PVと、を出力する。
また、出力部27は、異常と判定されたパラメータPRと、そのパラメータPRに基づき推定される物理量推定値PVと、を出力する。
例えば、出力部27は、異常と判定されたパラメータPRが観測モデルMLOのパラメータPRである場合、異常と判定されたパラメータPRを有する観測モデルMLOに関連するセンサが異常である旨を出力してもよい。
例えば、出力部27は、異常と判定されたパラメータPRが物理モデルMLPのパラメータPRである場合、機器1が異常である旨を出力してもよい。
本実施形態の推定装置2の動作について説明する。
推定装置2の動作は、本実施形態の推定方法に相当する。
推定装置2の動作は、例えば図14に示すように実施されてもよい。
例えば、ST04において、整合性判定部24は、偏差が規定値より大きい場合は、観測モデル又は物理モデルに異常があると判定してもよい(ST04A)。その際、整合性判定部24は、最適化してもモデルから外れるレコードを削除してもよい。
例えば、ST04Aの実施後、整合性判定部24は、制約内データDT2のうち、不整合データを判定し、異常データとして制約内データDT2から排除してもよい(ST04B)。
本実施形態によれば、推定装置2は、観測モデルMLOと物理モデルMLPとを含む複数のモデルのパラメータPRを推定することで、互いに異なる観測系に基づき得られた観測値どうしを比較することができる。
このため、推定装置2は、観測値の整合性を評価することができる。
したがって、推定装置2は、観測値の整合性を推定しやすい。
モデル推定部23で推定されたモデルは、偏差等が最小になるようにパラメータPRが調整されたベストエフォートであって、正しい観測値を推定できるモデルかどうか不明である。
そこで、本実施形態では、推定されたモデルの整合性を整合性判定部24で判定するため、推定された観測値が、例えば補償対象精度に収まっているどうかを判定できる。
したがって、推定装置2によれば、利用者は、機器1自体の異常を認識することできる。
したがって、推定装置2によれば、利用者は、機器1自体の異常と観測系に起因する異常とを識別できる。
さらに、通常の観測だけでは推定できない、機器1内部の物理量や観測モデルMLO及び物理モデルMLPのパラメータPRを推定することで、より詳細な機器1の診断も可能である。
この場合、同一の観測値に対して複数のセンサ取付けが必要となり、新規の機器については製造コストが増加し、既往の機器についてはセンサの取付けのコストが発生やサービスの適用ができないことがある。
また、同様の手法によって担保されるのはあくまで観測値が異常でないという事実に留まり、機器自体の異常原因を推定するための、内部状態量が提供できないことがある。
さらに、本実施形態の一例の推定装置2は、機器1自体の異常と観測系に起因する異常とを識別できるように、機器1自体の内部状態を提供できる。
このため、推定装置2は、より尤らしいモデルを推定することができる。
第二実施形態に係る推定装置2について、図面を参照しながら説明する。
本実施形態の推定装置2の構成は、以下に説明する点を除いて、第一実施形態と同様である。
例えば図15に示すように、推定装置2は、介入施策部28をさらに備えてもよい。
図16に示すように、介入施策部28は、物理モデルMLPへの介入によって、パラメータPRを変更可である。その際、推定装置2は、観測値を入力条件として、介入された物理モデルMLPに応じて、機器1の性能に影響する真値である各物理量推定値PVを推定することができる。
例えば、出力部27は、変更されたパラメータPRを含むパラメータPRと、変更されたパラメータPRから推定される物理量推定値PVと、を出力してもよい。
例えば、介入施策部28は、利用者が入力するパラメータに従って、パラメータPRを変更してもよい。
なお、本実施形態において、推定装置2は、物理量制約判定部25と、モデル制約判定部26と、を備えてもよいし、備えなくてもよい。
本実施形態の推定装置2の動作について説明する。
推定装置2の動作は、本実施形態の推定方法に相当する。
推定装置2の動作は、例えば図17に示すように実施されてもよい。
例えばST04の実施後、介入施策部28は、物理モデルMLPへの介入によって、パラメータPRを変更してもよい(ST11:介入ステップ)。その際、出力部27は、変更されたパラメータPRを含むパラメータPRと、変更されたパラメータPRから推定される物理量推定値PVと、を出力してもよい(ST12:入力ステップ)。
なお、本実施形態において、推定装置2は、第一実施形態のST05~ST07を実施してもよいし、実施しなくてもよい。
本実施形態では、第一実施形態と同様な作用及び効果を有する。
このため、推定装置2によれば、利用者は、機器1の性能を評価できる。
これによって、利用者は、介入施策を行うのに適したタイミングを把握できる。
第三実施形態に係る推定装置2について、図面を参照しながら説明する。
本実施形態の推定装置2の構成は、以下に説明する点を除いて、第二実施形態と同様である。
例えば図18に示すように、介入施策部28は、フィードバック制御部281を備えてもよい。
図19に示すように、フィードバック制御部281は、第一観測値OB1を物理モデルMLPにフィードバックして、パラメータPRを変更する。
例えば、フィードバック制御部281は、第一観測値OB1に基づき制御ロジックで指令値を決定し、観測モデルMLOを介して、物理モデルMLPにフィードバックして、パラメータPRを変更してもよい。
なお、本実施形態においても、推定装置2は、物理量制約判定部25と、モデル制約判定部26と、を備えてもよいし、備えなくてもよい。
本実施形態の推定装置2の動作は、本実施形態の推定方法に相当する。
本実施形態の推定装置2の動作は、例えば第二実施形態と同様に、図17に示すように実施されてもよい。
なお、本実施形態においても、推定装置2は、第一実施形態のST05~ST07を実施してもよいし、実施しなくてもよい。
本実施形態では、第二実施形態と同様な作用及び効果を有する。
このため、利用者は、観測値による機器1のフィードバック制御のための制御パラメータをシミュレーションできる。
したがって、推定装置2によれば、利用者は、制御パラメータを評価できる。
このため、推定装置2は、入力条件に対してフィードバック制御を行っている観測値がどのような応答を示すかを正確にシミュレーションすることができる。
したがって、推定装置2によれば、シミュレーションされたモデルと、機器1の運転実績と、に基づいて、制御ロジック内のPIDゲインのような制御パラメータを最適化することによって、実効的な効率の改善を実現できる。
上述の各実施形態では、モデル推定部23は、ネットワークモデルNWMを含んでいるが、パラメータPRを推定できるなら、どのように構成されてもよい。
例えば、モデル推定部23は、推定装置2の外部との通信により、推定装置2の外部に格納されているネットワークモデルNWMのパラメータPRを推定してもよい。
なお、上述の各実施形態においては、推定装置2の各種機能を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをマイコンといったコンピュータシステムに読み込ませ、実行することにより各種処理を行うものとしている。ここで、コンピュータシステムのCPUの各種処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって上記各種処理が行われる。また、コンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、CD-ROM、DVD-ROM、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。
以上、本開示の実施形態を説明したが、これらの実施形態は、例として提示したものであり、開示の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、開示の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、開示の範囲や要旨に含まれる。
上述の実施形態に記載の推定装置、推定方法、及びプログラムは、例えば以下のように把握される。
このため、推定装置2は、観測値の整合性を評価することができる。
したがって、推定装置2は、観測値の整合性を推定しやすい。
したがって、推定装置2によれば、利用者は、機器1自体の異常を認識することできる。
したがって、推定装置2によれば、利用者は、機器1自体の異常と観測系に起因する異常とを識別できる。
このため、推定装置2は、より尤らしいモデルを推定することができる。
このため、推定装置2によれば、利用者は、機器1の性能を評価できる。
このため、利用者は、観測値による機器1のフィードバック制御のための制御パラメータをシミュレーションできる。
したがって、推定装置2によれば、利用者は、制御パラメータを評価できる。
このため、推定方法は、観測値の整合性を評価することができる。
したがって、推定方法は、観測値の整合性を推定しやすい。
このため、プログラムが実行された推定装置2は、観測値の整合性を評価することができる。
したがって、プログラムが実行された推定装置2は、観測値の整合性を推定しやすい。
2 推定装置
3 第一観測系
4 第二観測系
21 取得部
22 観測系制約判定部
23 モデル推定部
24 整合性判定部
25 物理量制約判定部
26 モデル制約判定部
27 出力部
28 介入施策部
29 コンピュータ
31 第一センサ
41 第二センサ
42 第三センサ
43 第四センサ
281 フィードバック制御部
291 CPU
292 メモリ
293 記憶/再生装置
294 IO I/F
295 通信I/F
A1 観測値
A2 観測値
A2’ 観測値
A3 観測値
A3’ 観測値
A4 観測値
DT1 時系列データ
DT2 制約内データ
DT3 データ
DT4 データ
DT5 データ
MLO 観測モデル
MLP 物理モデル
MLPA 物理モデル
MLPB 物理モデル
MLPC 物理モデル
NWM ネットワークモデル
NWM1 ネットワークモデル
OB1 第一観測値
OB2 第二観測値
PA1 第一予測観測値
PA2 第二予測観測値
PR パラメータ
PV 物理量推定値
PV1 物理量推定値
PV2 物理量推定値
PV3 物理量推定値
PV4 物理量推定値
PVA 物理量推定値
PVB 物理量推定値
R1 第一制約
R2 第二制約
R3 第三制約
Claims (8)
- 第一観測系で観測された第一観測値と、第二観測系で観測された第二観測値と、の各観測値の時系列データから、第一制約内のデータである制約内データを判定する観測系制約判定部と、
前記各観測系のモデルである観測モデルと、前記各観測系が設けられる機器内のモデルである物理モデルと、を含む複数のモデルのパラメータを、前記制約内データに基づいて推定するモデル推定部と、
推定された前記パラメータに基づき前記第二観測系から予測した第一予測観測値と前記第一観測値との偏差から、前記モデルの整合性を判定する整合性判定部と、
を備える推定装置。 - 前記パラメータに基づき推定される前記機器内の物理量である物理量推定値が、第二制約内か否かを判定する物理量制約判定部をさらに備える請求項1に記載の推定装置。
- 前記各パラメータが、第三制約内か否かを判定するモデル制約判定部をさらに備える請求項1又は2に記載の推定装置。
- 前記モデル推定部が、前記複数のモデルを含むネットワークモデルにおける3以上の各系統から、前記パラメータに基づき推定される前記機器内の物理量である物理量推定値どうしの偏差を求める請求項1に記載の推定装置。
- 前記物理モデルへの介入によって、前記パラメータを変更可能な介入施策部をさらに備える請求項1から4のいずれか一項に記載の推定装置。
- 前記介入施策部が、前記第一観測値を前記物理モデルにフィードバックして、前記パラメータを変更するフィードバック制御部を備える請求項5に記載の推定装置。
- 第一観測系で観測された第一観測値と、第二観測系で観測された第二観測値と、の各観測値の時系列データから、第一制約内のデータである制約内データを判定するステップと、
前記各観測系のモデルである観測モデルと、前記各観測系が設けられる機器内のモデルである物理モデルと、を含む複数のモデルのパラメータを、前記制約内データに基づいて推定するステップと、
推定された前記パラメータに基づき前記第二観測系から予測した第一予測観測値と前記第一観測値との偏差から、前記モデルの整合性を判定するステップと、
を含む推定方法。 - 推定装置のコンピュータに、
第一観測系で観測された第一観測値と、第二観測系で観測された第二観測値と、の各観測値の時系列データから、第一制約内のデータである制約内データを判定するステップと、
前記各観測系のモデルである観測モデルと、前記各観測系が設けられる機器内のモデルである物理モデルと、を含む複数のモデルのパラメータを、前記制約内データに基づいて推定するステップと、
推定された前記パラメータに基づき前記第二観測系から予測した第一予測観測値と前記第一観測値との偏差から、前記モデルの整合性を判定するステップと、
を実行させるプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020130787A JP2022027029A (ja) | 2020-07-31 | 2020-07-31 | 推定装置、推定方法、及びプログラム |
CN202180060492.1A CN116171412A (zh) | 2020-07-31 | 2021-07-29 | 推定装置、推定方法以及程序 |
PCT/JP2021/027996 WO2022025145A1 (ja) | 2020-07-31 | 2021-07-29 | 推定装置、推定方法、及びプログラム |
US18/017,535 US20230315028A1 (en) | 2020-07-31 | 2021-07-29 | Estimation device and estimation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020130787A JP2022027029A (ja) | 2020-07-31 | 2020-07-31 | 推定装置、推定方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022027029A true JP2022027029A (ja) | 2022-02-10 |
Family
ID=80035739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020130787A Pending JP2022027029A (ja) | 2020-07-31 | 2020-07-31 | 推定装置、推定方法、及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230315028A1 (ja) |
JP (1) | JP2022027029A (ja) |
CN (1) | CN116171412A (ja) |
WO (1) | WO2022025145A1 (ja) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060074598A1 (en) * | 2004-09-10 | 2006-04-06 | Emigholz Kenneth F | Application of abnormal event detection technology to hydrocracking units |
JP7015108B2 (ja) * | 2016-12-07 | 2022-02-02 | 三菱重工業株式会社 | 運用支援装置、機器運用システム、運用方法、制御方法及びプログラム |
-
2020
- 2020-07-31 JP JP2020130787A patent/JP2022027029A/ja active Pending
-
2021
- 2021-07-29 US US18/017,535 patent/US20230315028A1/en active Pending
- 2021-07-29 WO PCT/JP2021/027996 patent/WO2022025145A1/ja active Application Filing
- 2021-07-29 CN CN202180060492.1A patent/CN116171412A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022025145A1 (ja) | 2022-02-03 |
CN116171412A (zh) | 2023-05-26 |
US20230315028A1 (en) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7571057B2 (en) | System and method for monitoring degradation | |
US8094706B2 (en) | Frequency-based, active monitoring of reliability of a digital system | |
US20120296605A1 (en) | Method, computer program, and system for performing interpolation on sensor data for high system availability | |
WO2022025162A1 (ja) | 異常診断装置、異常診断方法、及びプログラム | |
KR102073537B1 (ko) | 리스크 평가 장치, 리스크 평가 시스템, 리스크 평가 방법 및 리스크 평가 프로그램 | |
JP5939439B2 (ja) | 異常診断装置 | |
WO2022025145A1 (ja) | 推定装置、推定方法、及びプログラム | |
US10429828B2 (en) | Plant simulation device and plant simulation method with first parameter adjustable at start and second parameter adjustable during operation of the plant | |
CA3035669A1 (en) | Systems and methods for real-time steam quality estimation | |
JP6803788B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN117455242A (zh) | 一种基于数字孪生的水利管理系统 | |
JP2009163507A (ja) | 熱交換機器診断システム | |
WO2016174958A1 (ja) | 漏水発生位置推定装置、システムおよび方法 | |
TWI617788B (zh) | 即時預檢填料塔液泛現象的方法 | |
CN111443602A (zh) | 一种基于隐马尔可夫的阀门健康度估计与寿命预测方法 | |
US10394255B2 (en) | Diagnostic device and method for monitoring frictional behavior in a control loop | |
KR102569945B1 (ko) | 유량 제어 장치, 진단 방법, 및 유량 제어 장치용 프로그램이 저장된 기록매체 | |
JP7451154B2 (ja) | 水質推定装置、方法、およびプログラム | |
JP6874847B2 (ja) | 状態分析装置、状態分析方法及びプログラム | |
WO2023135876A1 (ja) | 計器不確かさ評価システム、および、計器不確かさ評価方法 | |
WO2023139927A1 (ja) | プラント計装装置およびそれを備えた設備劣化監視システムとプラント保全最適化システム | |
CN116738859B (zh) | 一种铜管在线无损寿命评估方法及系统 | |
CN117313014B (zh) | 一种窑炉运转能耗异常数据实时监测预警方法 | |
JP2024035740A (ja) | 系統性能監視装置、および、系統性能監視方法 | |
CN116151443A (zh) | 一种泄漏故障下气瓶剩余寿命的预测方法、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231212 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20240208 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240328 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240611 |