JP2783635B2 - プラント診断装置 - Google Patents
プラント診断装置Info
- Publication number
- JP2783635B2 JP2783635B2 JP2048672A JP4867290A JP2783635B2 JP 2783635 B2 JP2783635 B2 JP 2783635B2 JP 2048672 A JP2048672 A JP 2048672A JP 4867290 A JP4867290 A JP 4867290A JP 2783635 B2 JP2783635 B2 JP 2783635B2
- Authority
- JP
- Japan
- Prior art keywords
- statistic
- plant
- diagnosis
- state
- output
- 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.)
- Expired - Lifetime
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Devices For Executing Special Programs (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Description
【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明は、原子力発電プラント、火力発電プラント、
化学プラント等の大規模プラントの異常を早期に検知し
診断するプラント診断装置に関する。
化学プラント等の大規模プラントの異常を早期に検知し
診断するプラント診断装置に関する。
（従来の技術） 大規模プラントの異常を発生初期の段階で検知し診断
する目的で、従来よりプラントのプロセス信号に含まれ
る変動成分の特性を監視する方法が開発されている。殊
に原子力プラントを対象に、中性子束、温度、流量、圧
力等のプロセス信号の周波数解析を行って、自己パワー
スペクトル密度（APSD）、コヒーレンス、等の各種統計
量を求め、正常状態や種々のプラント状態におけるそれ
ら統計量の基準値と比較することにより、現在のプラン
ト状態を自動的に診断する技術が、たとえば特開昭54−
96692号公報、特公昭60−10279号公報等で提案されてい
る。
する目的で、従来よりプラントのプロセス信号に含まれ
る変動成分の特性を監視する方法が開発されている。殊
に原子力プラントを対象に、中性子束、温度、流量、圧
力等のプロセス信号の周波数解析を行って、自己パワー
スペクトル密度（APSD）、コヒーレンス、等の各種統計
量を求め、正常状態や種々のプラント状態におけるそれ
ら統計量の基準値と比較することにより、現在のプラン
ト状態を自動的に診断する技術が、たとえば特開昭54−
96692号公報、特公昭60−10279号公報等で提案されてい
る。
このようなプラント状態の診断において、算出された
統計量とその基準値との比較には、統計的パターン認識
手法を用いることで自動化が図られている。人間のパタ
ーン認識能力が極めて優れているにも拘らずこのように
診断の自動化が図られているのは、人間には非常に多数
の信号を同時に監視することが難しいこと、また常に緊
張状態を維持することも難しいこと、殊に統計量のパタ
ーン認識ではある程度専門的な知識を有する人間を四六
時中監視に当たらせておくと言ったことが困難なこと等
が理由となっている。
統計量とその基準値との比較には、統計的パターン認識
手法を用いることで自動化が図られている。人間のパタ
ーン認識能力が極めて優れているにも拘らずこのように
診断の自動化が図られているのは、人間には非常に多数
の信号を同時に監視することが難しいこと、また常に緊
張状態を維持することも難しいこと、殊に統計量のパタ
ーン認識ではある程度専門的な知識を有する人間を四六
時中監視に当たらせておくと言ったことが困難なこと等
が理由となっている。
パターン認識による診断では、始めて経験する異常が
発生した場合の診断結果は「未知状態」となるため、異
常状態の診断が可能なためには統計量基準値が種々のプ
ラント状態において学習されている必要がある。しかし
ながら、正常運転状態に対する基準値を除いて事前に学
習する機会は極めて少ない。
発生した場合の診断結果は「未知状態」となるため、異
常状態の診断が可能なためには統計量基準値が種々のプ
ラント状態において学習されている必要がある。しかし
ながら、正常運転状態に対する基準値を除いて事前に学
習する機会は極めて少ない。
このような事情から、一旦「未知状態」の発生が認識
された場合に、現在の統計量算出値を新たなプラント状
態に対する基準値として保存し、以後の診断に使用する
「自動学習」の機能を備えたプラント診断装置が、たと
えば特開昭58−124995号等で提案されている。
された場合に、現在の統計量算出値を新たなプラント状
態に対する基準値として保存し、以後の診断に使用する
「自動学習」の機能を備えたプラント診断装置が、たと
えば特開昭58−124995号等で提案されている。
このようなプラント診断装置においては、「自動学
習」機能により、一旦発生した「未知状態」が継続して
いるか、別の「未知状態」に変化しているかを判定する
ことが可能となる。
習」機能により、一旦発生した「未知状態」が継続して
いるか、別の「未知状態」に変化しているかを判定する
ことが可能となる。
（発明が解決しようとする課題） 上述したように、「自動学習」機能を備えた従来のプ
ラント診断装置では、一旦発生した「未知状態」が継続
しているのか、別の「未知状態」に変化しているのかを
判定することができる。
ラント診断装置では、一旦発生した「未知状態」が継続
しているのか、別の「未知状態」に変化しているのかを
判定することができる。
しかしながら、統計量パターンの変化がプラント状態
の如何なる変化によって引き起こされたのか、すなわち
「未知状態」とされたプラントの物理的状態を自動的に
判断することはできず、結局は診断システムの出力情報
を基に専門家が診断を下すことになり、迅速な対応処置
の決定が困難であった。
の如何なる変化によって引き起こされたのか、すなわち
「未知状態」とされたプラントの物理的状態を自動的に
判断することはできず、結局は診断システムの出力情報
を基に専門家が診断を下すことになり、迅速な対応処置
の決定が困難であった。
本発明は、かかる従来の事情に対処してなされたもの
で、統計量の基準値が予め用意されていないプラント状
態が発生した場合にも、発生した物理現象を推定して必
要な対応処置の決定を行うことのできるプラント診断装
置を提供しようとするものである。
で、統計量の基準値が予め用意されていないプラント状
態が発生した場合にも、発生した物理現象を推定して必
要な対応処置の決定を行うことのできるプラント診断装
置を提供しようとするものである。
［発明の効果］ （課題を解決するための手段） すなわち、本発明のプラント診断装置は、プラントか
ら入力されたプロセス信号に関するデータを保存するデ
ータ保存手段と、前記データ保存手段のデータを読み出
して周波数解析し各種統計量に変換する統計量計算手段
と、各種既知のプラント状態において予め学習した統計
量の基準値を保存する統計量基準値保存手段と、前記統
計量計算手段の出力と前記統計量の基準値とを比較照合
してプラント状態を診断する第１の診断手段と、前記第
１の診断手段による診断の結果、前記統計量計算手段の
出力が何れかの前記統計量の基準値とも合致しない場
合、前記統計量計算手段の出力と正常状態における前記
統計量の基準値とを入力し、正常状態からの変化の特徴
を抽出する特徴抽出手段と、種々の想定事象に対して前
記統計量の正常状態からの変化の特徴を記述した診断知
識を保存する診断知識保存手段と、前記特徴抽出手段の
出力と前記診断知識とを照合することによりプラント状
態を診断する第２の診断手段とを具備したことを特徴と
するプラント診断装置。
ら入力されたプロセス信号に関するデータを保存するデ
ータ保存手段と、前記データ保存手段のデータを読み出
して周波数解析し各種統計量に変換する統計量計算手段
と、各種既知のプラント状態において予め学習した統計
量の基準値を保存する統計量基準値保存手段と、前記統
計量計算手段の出力と前記統計量の基準値とを比較照合
してプラント状態を診断する第１の診断手段と、前記第
１の診断手段による診断の結果、前記統計量計算手段の
出力が何れかの前記統計量の基準値とも合致しない場
合、前記統計量計算手段の出力と正常状態における前記
統計量の基準値とを入力し、正常状態からの変化の特徴
を抽出する特徴抽出手段と、種々の想定事象に対して前
記統計量の正常状態からの変化の特徴を記述した診断知
識を保存する診断知識保存手段と、前記特徴抽出手段の
出力と前記診断知識とを照合することによりプラント状
態を診断する第２の診断手段とを具備したことを特徴と
するプラント診断装置。
（作 用） 上記構成の本発明のプラント診断装置では、第１の診
断手段による診断の結果、統計量計算手段の出力が何れ
の統計量の基準値とも合致しない場合、特徴抽出手段に
おいて、統計量計算手段の出力と正常状態における統計
量の基準値とから、正常状態からの変化の特徴を抽出す
る。
断手段による診断の結果、統計量計算手段の出力が何れ
の統計量の基準値とも合致しない場合、特徴抽出手段に
おいて、統計量計算手段の出力と正常状態における統計
量の基準値とから、正常状態からの変化の特徴を抽出す
る。
そして、この特徴抽出手段の出力と、種々の想定事象
に対して統計量の正常状態からの変化の特徴を記述した
診断知識とを第２の診断手段において照合することによ
りプラント状態を診断する。
に対して統計量の正常状態からの変化の特徴を記述した
診断知識とを第２の診断手段において照合することによ
りプラント状態を診断する。
したがって、統計量の基準値が予め用意されていない
プラント状態が発生した場合にも、発生した物理現象を
推定して必要な対応処置の決定を行うことができる。
プラント状態が発生した場合にも、発生した物理現象を
推定して必要な対応処置の決定を行うことができる。
（実施例） 以下、本発明のプラント診断装置を、一実施例につい
て図面を参照して詳細に説明する。
て図面を参照して詳細に説明する。
第１図は本発明の一実施例のプラント診断装置の構成
を示すもので、図において符号１は、プラントの診断実
行指令を発する制御装置を示している。
を示すもので、図において符号１は、プラントの診断実
行指令を発する制御装置を示している。
この制御装置１からプラントの診断実行指令が発せら
れると、プラントの状態を診断するのに必要な温度、流
量、圧力、等の各種プロセス信号が信号入力装置２に入
力され、時系列データとして収集される。
れると、プラントの状態を診断するのに必要な温度、流
量、圧力、等の各種プロセス信号が信号入力装置２に入
力され、時系列データとして収集される。
収集されたデータは統計量計算のために、たとえば磁
気ディスク装置等のデータ保存装置３に一時記憶保存さ
れる。
気ディスク装置等のデータ保存装置３に一時記憶保存さ
れる。
上記データ保存装置３は統計量計算装置４に時系列デ
ータを与え、統計量計算装置４は例えば高速フーリエ変
換法を用いてこのデータの周波数解析を行い、APSD、コ
ヒーレンス、等の各種統計量を算出する。
ータを与え、統計量計算装置４は例えば高速フーリエ変
換法を用いてこのデータの周波数解析を行い、APSD、コ
ヒーレンス、等の各種統計量を算出する。
診断装置I5では、統計量計算装置４において算出され
た各種統計量を、統計量基準値保存装置６に保存されて
いる各種の既知のプラント状態において学習された各々
の統計量の基準値と比較することにより診断を行う。
た各種統計量を、統計量基準値保存装置６に保存されて
いる各種の既知のプラント状態において学習された各々
の統計量の基準値と比較することにより診断を行う。
すなわち、算出された統計量パターンが、どのプラン
ト状態に対応するパターンに類似しているかを識別する
ことにより現在のプラント状態が診断されるが、この比
較照合には既存の統計的パターン認識技術を適用するこ
とができる。
ト状態に対応するパターンに類似しているかを識別する
ことにより現在のプラント状態が診断されるが、この比
較照合には既存の統計的パターン認識技術を適用するこ
とができる。
診断装置I5による診断の結果、現在のプラント状態が
何れかの既知状態と同じであると判定された場合には、
必要であれば対応処置のガイドと共にその結果が診断結
果出力装置７に出力表示される。
何れかの既知状態と同じであると判定された場合には、
必要であれば対応処置のガイドと共にその結果が診断結
果出力装置７に出力表示される。
一方、上記診断の結果が「未知状態」となった場合に
は、その結果が制御装置１に入力され、制御装置１は特
徴抽出装置８を起動する。
は、その結果が制御装置１に入力され、制御装置１は特
徴抽出装置８を起動する。
特徴抽出装置８は、たとえば第２図に示すように入力
層（第１層）21、中間層（第２層）22、出力層（第３
層）23の３層からなるいわゆるニューラルネットワーク
により構成される計算装置である。
層（第１層）21、中間層（第２層）22、出力層（第３
層）23の３層からなるいわゆるニューラルネットワーク
により構成される計算装置である。
これらの各入力層21、中間層22、出力層23は、図中円
で示すよう複数のユニットを含み、各ユニットの出力
は、以下に示す式で表されるように、入力信号に重み付
けした値の総和の関数として与えられる。また、結合係
数と呼ばれる重みは、事前の訓練により学習される。
で示すよう複数のユニットを含み、各ユニットの出力
は、以下に示す式で表されるように、入力信号に重み付
けした値の総和の関数として与えられる。また、結合係
数と呼ばれる重みは、事前の訓練により学習される。
すなわち第ｋ層の第ｉユニットの出力をOk iと表す
と、 により算出される。ここでnkは第ｋ層のユニット数、W
k-i j k iは第（ｋ−１）層の第ｊユニットの出力から第ｋ
層第ｉユニットへの結合係数、ｆ（ｘ）は段階状のしき
い値関数あるいはＳ字状のシグモイド（sigmoid）関数
（１＋e-CX）-1、hk iはしきい値を表す。
と、 により算出される。ここでnkは第ｋ層のユニット数、W
k-i j k iは第（ｋ−１）層の第ｊユニットの出力から第ｋ
層第ｉユニットへの結合係数、ｆ（ｘ）は段階状のしき
い値関数あるいはＳ字状のシグモイド（sigmoid）関数
（１＋e-CX）-1、hk iはしきい値を表す。
この中で、結合係数Wk-i j k iと、しきい値hk iは、事前
に典型的な特徴量パターンを与えることによって学習さ
せる。学習は次のようにして行う。
に典型的な特徴量パターンを与えることによって学習さ
せる。学習は次のようにして行う。
統計量パターンが正常状態の基準パターンから変化し
た時に人間がその原因を推察する場合、たとえば、 「もし（プロセス量ＸのAPSD）の低周波領域のレベルが
増加したならば、（制御系Ｃが手動モードに設定され
た）と考えられる」 と言った具合いに正常状態の基準値からの相対的な変化
の特徴を見て判断を下している。すなわち、「もし（統
計量…）について特徴Siが真ならば、（原因は〜）であ
る」 という、いわゆるプロダクション形式の判断基準を適用
して診断を行っている。
た時に人間がその原因を推察する場合、たとえば、 「もし（プロセス量ＸのAPSD）の低周波領域のレベルが
増加したならば、（制御系Ｃが手動モードに設定され
た）と考えられる」 と言った具合いに正常状態の基準値からの相対的な変化
の特徴を見て判断を下している。すなわち、「もし（統
計量…）について特徴Siが真ならば、（原因は〜）であ
る」 という、いわゆるプロダクション形式の判断基準を適用
して診断を行っている。
このように、事前に統計量基準値を学習することはで
きないが、想定される事象の発生による統計量の変化の
特徴的傾向を予測できるならば、前述した判断基準に従
って診断が可能となる。特徴抽出装置８は、判断基準の
条件部にある特徴Siが真か否かを評価するものである。
きないが、想定される事象の発生による統計量の変化の
特徴的傾向を予測できるならば、前述した判断基準に従
って診断が可能となる。特徴抽出装置８は、判断基準の
条件部にある特徴Siが真か否かを評価するものである。
このため、出力層23のユニット数は、想定される特徴
的変化の数だけとしておいて、種々の典型的な基準パタ
ーンとそれから変化したパターンとを組み合せて特徴抽
出装置８に入力し、期待される特徴に該当する出力層23
ユニットの出力が「１」となるように結合係数Wk-i j k i
と、しきい値hk iを学習する。
的変化の数だけとしておいて、種々の典型的な基準パタ
ーンとそれから変化したパターンとを組み合せて特徴抽
出装置８に入力し、期待される特徴に該当する出力層23
ユニットの出力が「１」となるように結合係数Wk-i j k i
と、しきい値hk iを学習する。
このような学習は、たとえば「ニューラルネットワー
ク情報処理 −コネクショニズム入門、あるいは柔らか
な記号に向けて−、麻生英樹著、産業図書、1988」等記
述されている誤差逆伝播法等により行う。
ク情報処理 −コネクショニズム入門、あるいは柔らか
な記号に向けて−、麻生英樹著、産業図書、1988」等記
述されている誤差逆伝播法等により行う。
入力層21のユニット数は、統計量の計算値と基準値と
で同数とし、特徴抽出の周波数分解能の必要性に応じて
決定する。
で同数とし、特徴抽出の周波数分解能の必要性に応じて
決定する。
このようにして学習を行った特徴抽出装置８による特
徴評価結果は、診断装置II9に入力される。診断装置II9
は、診断知識保存装置10に保存されたプロダクション形
式の判断基準の条件部を検索し、特徴抽出結果と合致す
る判断基準を適用して、プラント状態を判定する。診断
の結果は、必要であれば対応処置のガイドと共に診断結
果出力装置７に出力表示される。
徴評価結果は、診断装置II9に入力される。診断装置II9
は、診断知識保存装置10に保存されたプロダクション形
式の判断基準の条件部を検索し、特徴抽出結果と合致す
る判断基準を適用して、プラント状態を判定する。診断
の結果は、必要であれば対応処置のガイドと共に診断結
果出力装置７に出力表示される。
なお、診断装置I5あるいは診断装置II9による診断の
結果、プラントが異常と診断された場合、制御装置１に
より診断実行間隔を短縮することも可能である。
結果、プラントが異常と診断された場合、制御装置１に
より診断実行間隔を短縮することも可能である。
このように、この実施例のプラント診断装置によれ
ば、一度経験したプラント状態の診断が可能なばかりで
なく、プロセス信号の各種統計量に現れる変化が予め予
想できる種々の異常事象の診断も可能となる。
ば、一度経験したプラント状態の診断が可能なばかりで
なく、プロセス信号の各種統計量に現れる変化が予め予
想できる種々の異常事象の診断も可能となる。
［発明の効果］ 以上詳細に説明したように、本発明のプラント診断装
置によれば、統計量の基準値が予め用意されていないプ
ラント状態が発生した場合にも、発生した物理現象を推
定して必要な対応処置の決定を行うことができ、プラン
トの運転信頼性の向上に大きな効果を奏する。
置によれば、統計量の基準値が予め用意されていないプ
ラント状態が発生した場合にも、発生した物理現象を推
定して必要な対応処置の決定を行うことができ、プラン
トの運転信頼性の向上に大きな効果を奏する。
【図面の簡単な説明】 第１図は本発明の一実施例のプラント診断装置の構成を
示す図、第２図は第１図に示すプラント診断装置の特徴
抽出装置の構成を示す図である。 １……制御装置 ２……信号入力装置 ３……データ保存装置 ４……統計量計算装置 ５……診断装置Ｉ ６……統計量基準値保存装置 ７……診断結果出力装置 ８……特徴抽出装置 ９……診断装置II 10……診断知識保存装置
示す図、第２図は第１図に示すプラント診断装置の特徴
抽出装置の構成を示す図である。 １……制御装置 ２……信号入力装置 ３……データ保存装置 ４……統計量計算装置 ５……診断装置Ｉ ６……統計量基準値保存装置 ７……診断結果出力装置 ８……特徴抽出装置 ９……診断装置II 10……診断知識保存装置
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) G01D 21/00 G06F 15/18 G21C 17/00 G06F 9/44
Claims (1)
- 【請求項１】プラントから入力されたプロセス信号に関
するデータを保存するデータ保存手段と、 前記データ保存手段のデータを読み出して周波数解析し
各種統計量に変換する統計量計算手段と、 各種既知のプラント状態において予め学習した統計量の
基準値を保存する統計量基準値保存手段と、 前記統計量計算手段の出力と前記統計量の基準値とを比
較照合してプラント状態を診断する第１の診断手段と、 前記第１の診断手段による診断の結果、前記統計量計算
手段の出力が何れかの前記統計量の基準値とも合致しな
い場合、前記統計量計算手段の出力と正常状態における
前記統計量の基準値とを入力し、正常状態からの変化の
特徴を抽出する特徴抽出手段と、 種々の想定事象に対して前記統計量の正常状態からの変
化の特徴を記述した診断知識を保存する診断知識保存手
段と、 前記特徴抽出手段の出力と前記診断知識とを照合するこ
とによりプラント状態を診断する第２の診断手段とを具
備したことを特徴とするプラント診断装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2048672A JP2783635B2 (ja) | 1990-02-27 | 1990-02-27 | プラント診断装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2048672A JP2783635B2 (ja) | 1990-02-27 | 1990-02-27 | プラント診断装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03248015A JPH03248015A (ja) | 1991-11-06 |
| JP2783635B2 true JP2783635B2 (ja) | 1998-08-06 |
Family
ID=12809816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2048672A Expired - Lifetime JP2783635B2 (ja) | 1990-02-27 | 1990-02-27 | プラント診断装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2783635B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008046678A (ja) * | 2006-08-10 | 2008-02-28 | Matsushita Electric Works Ltd | 異常監視装置 |
-
1990
- 1990-02-27 JP JP2048672A patent/JP2783635B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH03248015A (ja) | 1991-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5745382A (en) | Neural network based system for equipment surveillance | |
| US5761090A (en) | Expert system for testing industrial processes and determining sensor status | |
| Famili et al. | Data preprocessing and intelligent data analysis | |
| Javadpour et al. | A fuzzy neural network approach to machine condition monitoring | |
| US5737519A (en) | System and method for early disc drive fault detection | |
| JPH0660826B2 (ja) | プラントの異常診断方法 | |
| CN110533294B (zh) | 一种基于人工智能技术的核电厂运行故障报警方法 | |
| CN113657454A (zh) | 基于自回归BiGRU的核电旋转机械状态监测方法 | |
| JPH0392795A (ja) | 原子力発電プラントの診断方法 | |
| JP2783635B2 (ja) | プラント診断装置 | |
| Park et al. | Fusion-based sensor fault detection | |
| JP2758976B2 (ja) | 特性変化予測方法およびシステム | |
| CN108415819A (zh) | 一种硬盘故障追踪方法和装置 | |
| CN116793666A (zh) | 一种基于lstm-mlp-lsgan模型的风电机组齿轮箱故障诊断方法 | |
| JPH10143343A (ja) | 連想型プラント異常診断装置 | |
| Ikonomopoulos et al. | Gaussian processes for state identification in pressurized water reactors | |
| Erbay et al. | A personal computer-based on-line signal validation system for nuclear power plants | |
| Bartal et al. | Nuclear power plants transient diagnostics using LVQ or some networks don't know that they don't know | |
| JP2645017B2 (ja) | プラント診断方法及びその装置 | |
| Koshijima et al. | Neural network approach to fault detection under unsteady state operation | |
| Feng et al. | Degradation State Assessment Modeling Using Causality Discovery | |
| Kurooka et al. | Mind state estimation in logical thinking jobs | |
| CN117361256B (zh) | 一种基于人工智能的电梯安全管理方法及系统 | |
| CN117056814B (zh) | 一种变压器声纹振动故障诊断方法 | |
| Upadhyaya et al. | Signature monitoring of nuclear power plant dynamics-stochastic modeling and case studies |