JP3190185B2 - システムの異常監視装置 - Google Patents
システムの異常監視装置Info
- Publication number
- JP3190185B2 JP3190185B2 JP23379493A JP23379493A JP3190185B2 JP 3190185 B2 JP3190185 B2 JP 3190185B2 JP 23379493 A JP23379493 A JP 23379493A JP 23379493 A JP23379493 A JP 23379493A JP 3190185 B2 JP3190185 B2 JP 3190185B2
- Authority
- JP
- Japan
- Prior art keywords
- qualitative
- value
- inference
- abnormality
- model
- 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 - Fee Related
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、システムの異常監視装
置に係り、とりわけ定性モデルに基づく異常監視装置に
関する。
置に係り、とりわけ定性モデルに基づく異常監視装置に
関する。
【０００２】
【従来の技術】システムの重要因子に対して、その状態
量をしきい値比較などにより正常、異常を判定する異常
監視方法が知られている。このような定量的な異常監視
方法は、実用レベルの観点から考えると有効な方法であ
り、計算機の処理能力の向上に伴い、システムの定量モ
デルの解析が可能になり、モデルベースに基づく異常監
視も行われるようになってきた。
量をしきい値比較などにより正常、異常を判定する異常
監視方法が知られている。このような定量的な異常監視
方法は、実用レベルの観点から考えると有効な方法であ
り、計算機の処理能力の向上に伴い、システムの定量モ
デルの解析が可能になり、モデルベースに基づく異常監
視も行われるようになってきた。
【０００３】
【発明が解決しようとする課題】しかしながら、上述の
ような定量モデルによる異常監視には、次のような問題
点がある。すなわち、システム同定が十分でないと正確
な異常検知ができず、高精度化が難しいという問題があ
る。また非線形モデルの定量解析が困難であり、定量的
な処理プロセスが定量モデルに埋もれて、ブラックボッ
クスとなり、異常判定理由の説明が十分出来ないという
問題もある。
ような定量モデルによる異常監視には、次のような問題
点がある。すなわち、システム同定が十分でないと正確
な異常検知ができず、高精度化が難しいという問題があ
る。また非線形モデルの定量解析が困難であり、定量的
な処理プロセスが定量モデルに埋もれて、ブラックボッ
クスとなり、異常判定理由の説明が十分出来ないという
問題もある。
【０００４】他方、定量モデルに対して、定性モデルを
用いた場合は高精度が要求されず、非線形モデルの挙動
解析も容易となる。しかしながら定性モデルに基づく定
性推論を行なう場合は、状態爆発（推論状態数が爆発的
に増加する現象）という欠点があり、実用性に乏しいと
いわれている。
用いた場合は高精度が要求されず、非線形モデルの挙動
解析も容易となる。しかしながら定性モデルに基づく定
性推論を行なう場合は、状態爆発（推論状態数が爆発的
に増加する現象）という欠点があり、実用性に乏しいと
いわれている。
【０００５】本発明は、このような点を考慮してなされ
たものであり、定性モデルに基づく定性推論を行なう場
合の状態爆発を抑制することができるシステムの異常監
視装置を提供することを目的とする。
たものであり、定性モデルに基づく定性推論を行なう場
合の状態爆発を抑制することができるシステムの異常監
視装置を提供することを目的とする。
【０００６】
【課題を解決するための手段】本発明は、状態観測点に
おいてシステムの状態量をサンプリングするサンプリン
グ手段と、サンプリング手段でサンプリングした状態量
を観測定性値に変換する定性化手段と、所定初期値を用
いて推論定性値を複数推論し、推論された複数の推論定
性値と観測定性値を照合するとともに、観測定性値が推
論定性値と一致した場合に正常と判定して推論定性値を
次回推論初期値とし、観測定性値が推論定性値と一致し
ない場合に異常と判定して観測定性値を次回推論の初期
値とする逐次的定性推論手段と、定性化手段で定性化し
た観測定性値がシステムの定性モデルを満足するか否か
判定するモデル判定手段と、モデル判定手段の判定結果
および逐次的定性推論手段の照合結果が入力されて異常
判定を行なう異常判定手段と、を備えたことを特徴とす
るシステムの異常監視装置である。
おいてシステムの状態量をサンプリングするサンプリン
グ手段と、サンプリング手段でサンプリングした状態量
を観測定性値に変換する定性化手段と、所定初期値を用
いて推論定性値を複数推論し、推論された複数の推論定
性値と観測定性値を照合するとともに、観測定性値が推
論定性値と一致した場合に正常と判定して推論定性値を
次回推論初期値とし、観測定性値が推論定性値と一致し
ない場合に異常と判定して観測定性値を次回推論の初期
値とする逐次的定性推論手段と、定性化手段で定性化し
た観測定性値がシステムの定性モデルを満足するか否か
判定するモデル判定手段と、モデル判定手段の判定結果
および逐次的定性推論手段の照合結果が入力されて異常
判定を行なう異常判定手段と、を備えたことを特徴とす
るシステムの異常監視装置である。
【０００７】
【作用】システムの状態量がサンプリング手段によりサ
ンプリングされ、この状態量が定性化手段により観測定
性値に定性化される。逐次的定性推論手段において所定
初期値を用いて推論定性値が複数推論され、推論定性値
と観測定性値とが照合される。両者が一致した場合は、
正常と判定され推論定性値が次回の推論の初期値として
用いられ、一致しない場合は、異常と判定され観測定性
値が次回の推論の初期値として用いられる。
ンプリングされ、この状態量が定性化手段により観測定
性値に定性化される。逐次的定性推論手段において所定
初期値を用いて推論定性値が複数推論され、推論定性値
と観測定性値とが照合される。両者が一致した場合は、
正常と判定され推論定性値が次回の推論の初期値として
用いられ、一致しない場合は、異常と判定され観測定性
値が次回の推論の初期値として用いられる。
【０００８】
【実施例】以下、図面を参照して本発明の実施例につい
て説明する。図１は本発明によるシステムの異常監視装
置の一実施例を示す機能ブロック図である。図１におい
て、本発明によるシステムの異常監視装置は、定性推論
の量子化時間である瞬間点または時区間をシステムの観
測状態量（ａ）の時系列データ上で判断し、この瞬間点
または時区間に相当する実時間点を状態観測点としてサ
ンプリングするサンプリング手段１と、サンプリング手
段１でサンプリングされた観測状態量（ｂ）を入力し、
観測状態量（ｂ）を定性値に変換する定性化手段２とを
備えている。
て説明する。図１は本発明によるシステムの異常監視装
置の一実施例を示す機能ブロック図である。図１におい
て、本発明によるシステムの異常監視装置は、定性推論
の量子化時間である瞬間点または時区間をシステムの観
測状態量（ａ）の時系列データ上で判断し、この瞬間点
または時区間に相当する実時間点を状態観測点としてサ
ンプリングするサンプリング手段１と、サンプリング手
段１でサンプリングされた観測状態量（ｂ）を入力し、
観測状態量（ｂ）を定性値に変換する定性化手段２とを
備えている。
【０００９】ここで瞬間点とは、サンプリング手段１で
サンプリングされた観察状態量（ａ）の時系列データの
微分値が０の点をいい、時区間とは時系列データの微分
値が０以外の区間をいう。（共立出版株式会社「定性推
論」淵一博監修１９８９年出版による。）また、観測状
態量を定性値に変換するとは、例えば図９に示すよう
に、流量（観測状態量）を５ｍ3 ／min 毎に区分して
−，０，＋という定性値に変換することをいう。
サンプリングされた観察状態量（ａ）の時系列データの
微分値が０の点をいい、時区間とは時系列データの微分
値が０以外の区間をいう。（共立出版株式会社「定性推
論」淵一博監修１９８９年出版による。）また、観測状
態量を定性値に変換するとは、例えば図９に示すよう
に、流量（観測状態量）を５ｍ3 ／min 毎に区分して
−，０，＋という定性値に変換することをいう。
【００１０】またシステムの定性モデルを格納した定性
モデルデータベース３が設けられ、定性化手段２には、
定性化手段２で得られた観測定性値（ｃ）と定性モデル
データベース３に格納されている定性モデル（ｆ）が入
力されるモデル判定手段４が接続され、このモデル判定
手段４で観測定性値（ｃ）が定性モデル（ｆ）のモデル
式を満足するか否か判定される。そして、モデル判定手
段４の判定結果（ｅ）と前記定性化手段２の観測定性値
（ｃ）は、逐次的定性推論を行う逐次的定性推論手段５
に入力される。
モデルデータベース３が設けられ、定性化手段２には、
定性化手段２で得られた観測定性値（ｃ）と定性モデル
データベース３に格納されている定性モデル（ｆ）が入
力されるモデル判定手段４が接続され、このモデル判定
手段４で観測定性値（ｃ）が定性モデル（ｆ）のモデル
式を満足するか否か判定される。そして、モデル判定手
段４の判定結果（ｅ）と前記定性化手段２の観測定性値
（ｃ）は、逐次的定性推論を行う逐次的定性推論手段５
に入力される。
【００１１】また逐次的定性推論手段５の推論結果
（ｈ）とモデル判定手段４の判定結果（ｅ）は、異常判
定を行う異常判定手段７に入力され、さらに逐次的定性
推論手段５の照合結果（ｈ）と前記異常判定手段７の判
定結果（ｊ）は異常判定データベース６に格納され、こ
の異常判定データベース６から逐次的定性推論５に推論
初期値（ｇ）が与えられるようになっている。
（ｈ）とモデル判定手段４の判定結果（ｅ）は、異常判
定を行う異常判定手段７に入力され、さらに逐次的定性
推論手段５の照合結果（ｈ）と前記異常判定手段７の判
定結果（ｊ）は異常判定データベース６に格納され、こ
の異常判定データベース６から逐次的定性推論５に推論
初期値（ｇ）が与えられるようになっている。
【００１２】さらに異常判定データベース６から評価手
段８に異常判定データ（ｋ）が入力され、この評価手段
８において異常のトレンド評価が行なわれ、この評価結
果（１）が外部へ出力されるようになっている。
段８に異常判定データ（ｋ）が入力され、この評価手段
８において異常のトレンド評価が行なわれ、この評価結
果（１）が外部へ出力されるようになっている。
【００１３】次にこのような構成からなる本実施例の作
用について図２により説明する。
用について図２により説明する。
【００１４】サンプリング手段１は定性推論の量子化時
間である瞬間点、時区間を観測状態量（ａ）の時系列デ
ータ上で瞬間点または時区間に相当する実時間点を状態
観測点としてシステムの観測状態量をサンプリングす
る。時系列データ上で瞬間点、時区間を判断する方法と
して、時系列データの微分値を常時監視する方法が考え
られる。定性推論における定性区分点（境界標と呼ぶ）
を考えないなら、瞬間点、時区間は単に時系列データの
微分値から判断（瞬間点：微分値＝０、時区間：微分値
≠０）できる。（ステップＳ１，Ｓ２） サンプリング手段１でサンプリングされた観測状態量
（ｂ）は、定性化手段２において観測定性値（ｃ）に変
換される。通常、定性値は＋，０，−の３段階である
が、定量空間をどのように分割するかで、定性化の詳細
度が異なる。例えば４段階に分割して、Ａ，Ｂ，Ｃ，Ｄ
と定性化してもよい。（ステップＳ３） 定性化手段２で定性化した観測定性値（ｃ）がシステム
の定性モデル（ｆ）を満足するか否か、まずモデル判定
手段４で判定される。（ステップＳ４） この判定結果（ｅ）は、逐次的定性推論手段５と異常判
定手段７へ各々出力される。
間である瞬間点、時区間を観測状態量（ａ）の時系列デ
ータ上で瞬間点または時区間に相当する実時間点を状態
観測点としてシステムの観測状態量をサンプリングす
る。時系列データ上で瞬間点、時区間を判断する方法と
して、時系列データの微分値を常時監視する方法が考え
られる。定性推論における定性区分点（境界標と呼ぶ）
を考えないなら、瞬間点、時区間は単に時系列データの
微分値から判断（瞬間点：微分値＝０、時区間：微分値
≠０）できる。（ステップＳ１，Ｓ２） サンプリング手段１でサンプリングされた観測状態量
（ｂ）は、定性化手段２において観測定性値（ｃ）に変
換される。通常、定性値は＋，０，−の３段階である
が、定量空間をどのように分割するかで、定性化の詳細
度が異なる。例えば４段階に分割して、Ａ，Ｂ，Ｃ，Ｄ
と定性化してもよい。（ステップＳ３） 定性化手段２で定性化した観測定性値（ｃ）がシステム
の定性モデル（ｆ）を満足するか否か、まずモデル判定
手段４で判定される。（ステップＳ４） この判定結果（ｅ）は、逐次的定性推論手段５と異常判
定手段７へ各々出力される。
【００１５】逐次的定性推論手段５で用いられる逐次的
定性推論方法の概略を図３に示す。図３に示すように、
逐次的定性推論方法は、現在の状態（観測定性値）と
「過去の状態から因果的に遷移」する現在の状態（推論
定性値）と照合し、この観測値と推論値が一致しなけれ
ば過去の状態から予測されうる状態に現在なっていない
ので、異常の可能性があると見なすものである。具体的
には、まずモデル判定手段４の判定結果（ｅ）が“モデ
ルを満足する”であった場合、逐次的定性推論手段５に
定性モデルを満足した過去の観測定性値が推論初期値
（ｇ）として判定データベース６から入力される。（ス
テップＳ５） 次に逐次的定性推論手段５において、推論初期値に基づ
いて推論ステップ１だけ定性推論が行なわれる。（ステ
ップＳ６） この時、推論される推論解は通常、複数解である。定性
推論は実際には起こり得ない挙動も推論してしまうが、
物理的構造から起こり得るすべての挙動を予測するの
で、前記複数の推論解の中に、必ず実際に起こった挙動
（現在の状態（観測定性値））が含まれている。そこ
で、現在の状態（観測定性値）と複数解（過去から現在
への推論定性値）を照合することにより、複数解を一つ
の解にしぼり込む。複数解を一つの解にしぼり込めた場
合は、後述のように正常と判定される。（ステップＳ
７） 次に、このしぼり込まれた解を次推論ステップにおける
定性推論の推論初期値とする。このことにより、推論状
態数が爆発的に増加する状態爆発の状態を抑制できる。
（ステップＳ８） 以上に示すステップＳ５〜ステップＳ８を繰り返すこと
により、状態爆発を抑制した定性推論による状態監視が
可能になる。
定性推論方法の概略を図３に示す。図３に示すように、
逐次的定性推論方法は、現在の状態（観測定性値）と
「過去の状態から因果的に遷移」する現在の状態（推論
定性値）と照合し、この観測値と推論値が一致しなけれ
ば過去の状態から予測されうる状態に現在なっていない
ので、異常の可能性があると見なすものである。具体的
には、まずモデル判定手段４の判定結果（ｅ）が“モデ
ルを満足する”であった場合、逐次的定性推論手段５に
定性モデルを満足した過去の観測定性値が推論初期値
（ｇ）として判定データベース６から入力される。（ス
テップＳ５） 次に逐次的定性推論手段５において、推論初期値に基づ
いて推論ステップ１だけ定性推論が行なわれる。（ステ
ップＳ６） この時、推論される推論解は通常、複数解である。定性
推論は実際には起こり得ない挙動も推論してしまうが、
物理的構造から起こり得るすべての挙動を予測するの
で、前記複数の推論解の中に、必ず実際に起こった挙動
（現在の状態（観測定性値））が含まれている。そこ
で、現在の状態（観測定性値）と複数解（過去から現在
への推論定性値）を照合することにより、複数解を一つ
の解にしぼり込む。複数解を一つの解にしぼり込めた場
合は、後述のように正常と判定される。（ステップＳ
７） 次に、このしぼり込まれた解を次推論ステップにおける
定性推論の推論初期値とする。このことにより、推論状
態数が爆発的に増加する状態爆発の状態を抑制できる。
（ステップＳ８） 以上に示すステップＳ５〜ステップＳ８を繰り返すこと
により、状態爆発を抑制した定性推論による状態監視が
可能になる。
【００１６】次に逐次的定性推論手段５の照合結果
（ｈ）が異常判定手段７に入力され、異常判定が行わ
れ、その異常判定結果（ｊ）が異常判定データベース６
へ出力される。異常判定手段７における異常判定フロー
を図４に示す。
（ｈ）が異常判定手段７に入力され、異常判定が行わ
れ、その異常判定結果（ｊ）が異常判定データベース６
へ出力される。異常判定手段７における異常判定フロー
を図４に示す。
【００１７】図４に示すように異常判定手段７ではモデ
ル判定手段４からの判定結果と逐次的定性推論手段５か
らの照合結果に基づいて、以下の様に異常判定が行なわ
れる。
ル判定手段４からの判定結果と逐次的定性推論手段５か
らの照合結果に基づいて、以下の様に異常判定が行なわ
れる。
【００１８】
【数１】 ここで、モデル判定手段４において観測定性値が定性モ
デルを満足する：Ａ， 逐次的定性推論手段５において、現在の観測定性値と一
致する推論解がある
デルを満足する：Ａ， 逐次的定性推論手段５において、現在の観測定性値と一
致する推論解がある
【００１９】異常判定手段７の異常判定結果（ｊ）は、
図５に示す異常判定表の形式で異常判定データベース６
に格納される。図５において、
図５に示す異常判定表の形式で異常判定データベース６
に格納される。図５において、
【００２０】
【数２】 で表示されている。
【００２１】次に異常判定表（ｋ）が評価判定手段８に
入力され、異常のトレンド評価が行われ、その評価結果
（ｌ）が異常監視情報として外部へ出力される。評価判
定手段８におけるトレンド評価の方法としては、異常判
定表（ｋ）の○，△，×の出現回数にしきい値を設定す
るか、または○，△，×の出現パターンを入力値とし
て、エキスパートの異常判断モデルをベースに異常を診
断させるなどの方法がある。
入力され、異常のトレンド評価が行われ、その評価結果
（ｌ）が異常監視情報として外部へ出力される。評価判
定手段８におけるトレンド評価の方法としては、異常判
定表（ｋ）の○，△，×の出現回数にしきい値を設定す
るか、または○，△，×の出現パターンを入力値とし
て、エキスパートの異常判断モデルをベースに異常を診
断させるなどの方法がある。
【００２２】次に本発明の具体例について図６により説
明する。図６に示すように、異常監視の対象となるシス
テムは、水を送るポンプ１１と、このポンプ１１から送
り出された水を一時的に貯蔵するタンク１３と、このタ
ンク１３の貯蔵水の水位レベルを検出するレベル検出器
１５と、タンク１３から水を下方に放出する水量を測定
する流量計１４とかなるタンク系となっている。
明する。図６に示すように、異常監視の対象となるシス
テムは、水を送るポンプ１１と、このポンプ１１から送
り出された水を一時的に貯蔵するタンク１３と、このタ
ンク１３の貯蔵水の水位レベルを検出するレベル検出器
１５と、タンク１３から水を下方に放出する水量を測定
する流量計１４とかなるタンク系となっている。
【００２３】図６において、観測状態量は流量計１２で
測定される水量ＶＱｉ、レベル検出器１５で検出される
水位レベルＶＬ、および流量計１４で測定される水量Ｖ
Ｑｏである。
測定される水量ＶＱｉ、レベル検出器１５で検出される
水位レベルＶＬ、および流量計１４で測定される水量Ｖ
Ｑｏである。
【００２４】ここでは、「ポンプ１１の出力レベルが低
下した場合」と「流量計１２とタンク１３との間に位置
するＤ点で、配管が破損した場合」について、異常監視
の作用を説明する。以下に図６に示すタンク系の定性モ
デルを示す。
下した場合」と「流量計１２とタンク１３との間に位置
するＤ点で、配管が破損した場合」について、異常監視
の作用を説明する。以下に図６に示すタンク系の定性モ
デルを示す。
【００２５】
【数３】 （１）、（２）式において、Ｋは定数であり、Ａはタン
ク断面積である。（１）、（２）式を定性化すると
ク断面積である。（１）、（２）式を定性化すると
【００２６】
【数４】 の定性化モデルが得られる。（３），（４），（５）式
において、
において、
【００２７】
【数５】 である。
【００２８】次に図７（ａ），（ｂ），（ｃ）に、観測
状態量ＶＱｉと、ＶＬと、ＶＱｏの時系列データを各々
示す。図７において、ｔ１はポンプ１１のレベル低下時
点、ｔ２はＤ点の配管破損時点である。
状態量ＶＱｉと、ＶＬと、ＶＱｏの時系列データを各々
示す。図７において、ｔ１はポンプ１１のレベル低下時
点、ｔ２はＤ点の配管破損時点である。
【００２９】また図７において、時系列データの量子化
時間（瞬間観測点Ｐｉ，時区間観測点Ｉｉ）が示されて
いる。以下、異常監視の作用を説明する。 （時間Ｐ１）タンク系に異常はない。従って各観測状態
量ＶＱｉと、ＶＬと、ＶＱｏは定常状態にあり、観測定
性値が（３）〜（５）式の定性モデルを満たし、逐次的
定性推論の推論解の中に一致解がある。 （時間ｔ１）ポンプ１１の出力レベル低下（ステップ状
に変化）により、観測状態量ＶＱｉもステップ状に低下
する。これはポンプ１１と流量計１２がシリアルに接続
されているためである。
時間（瞬間観測点Ｐｉ，時区間観測点Ｉｉ）が示されて
いる。以下、異常監視の作用を説明する。 （時間Ｐ１）タンク系に異常はない。従って各観測状態
量ＶＱｉと、ＶＬと、ＶＱｏは定常状態にあり、観測定
性値が（３）〜（５）式の定性モデルを満たし、逐次的
定性推論の推論解の中に一致解がある。 （時間ｔ１）ポンプ１１の出力レベル低下（ステップ状
に変化）により、観測状態量ＶＱｉもステップ状に低下
する。これはポンプ１１と流量計１２がシリアルに接続
されているためである。
【００３０】
【数６】 （時間ｔ２）Ｄ点で配管破損発生。流量計１２の出力値
ＶＱｉは一定であるが、タンク１３に流入する水量が０
になるのでＶＬとＶＱｏは減少していく。 （時間Ｉ２）［ＶＱｉ］と［ＶＬ］と［ＶＱｏ］は
（３）〜（５）式の定性モデル式を満足しない。これは
Ｄ点の配管破損により、モデル構造が変化したためであ
る。 （時間Ｐ３）［ＶＱｉ］と［ＶＬ］と［ＶＱｏ］は
（３）〜（５）式の定性モデル式を満足しない。これは
Ｄ点の配管破損により、モデル構造が変化したためであ
る。
ＶＱｉは一定であるが、タンク１３に流入する水量が０
になるのでＶＬとＶＱｏは減少していく。 （時間Ｉ２）［ＶＱｉ］と［ＶＬ］と［ＶＱｏ］は
（３）〜（５）式の定性モデル式を満足しない。これは
Ｄ点の配管破損により、モデル構造が変化したためであ
る。 （時間Ｐ３）［ＶＱｉ］と［ＶＬ］と［ＶＱｏ］は
（３）〜（５）式の定性モデル式を満足しない。これは
Ｄ点の配管破損により、モデル構造が変化したためであ
る。
【００３１】次に図６に示すシステムの異常監視におけ
る異常判定表を図８に示す。上述のようにポンプ１１は
定性モデルに考慮されていないので、ポンプ１１の出力
は正常と見なされる。このためタンク１３への入力水量
ＶＱｉも正常と仮定する。
る異常判定表を図８に示す。上述のようにポンプ１１は
定性モデルに考慮されていないので、ポンプ１１の出力
は正常と見なされる。このためタンク１３への入力水量
ＶＱｉも正常と仮定する。
【００３２】図８に示す異常判定表において、時間
Ｉ１，Ｉ２，Ｐ２で異常兆候が判定されていることが分
かる。
Ｉ１，Ｉ２，Ｐ２で異常兆候が判定されていることが分
かる。
【００３３】なお、本発明によるシステムの異常監視装
置は、タンク系に限らずタンク系モデルに類似する冷却
塔、ヒートポンプや蓄熱槽などにも適用できる。
置は、タンク系に限らずタンク系モデルに類似する冷却
塔、ヒートポンプや蓄熱槽などにも適用できる。
【００３４】
【発明の効果】以上説明したように、本発明によれば、
逐次的定性推論手段によって推論定性値と観測定性値と
を照合し、この照合結果によって次回推論の初期値を設
定しながら逐次的に定性推論を行なうので、推論状態が
爆発的に増加することはない。このため精度良くシステ
ムの異常監視を行なうことができる。
逐次的定性推論手段によって推論定性値と観測定性値と
を照合し、この照合結果によって次回推論の初期値を設
定しながら逐次的に定性推論を行なうので、推論状態が
爆発的に増加することはない。このため精度良くシステ
ムの異常監視を行なうことができる。
【図１】本発明によるシステムの異常監視装置の一実施
例を示す機能ブロック図。
例を示す機能ブロック図。
【図２】逐次的定性推論手段の作用を示すフロー図。
【図３】逐次的定性推論方法の概念図。
【図４】異常判定手段の作用を示すフロー図。
【図５】異常判定判定手段で得られる異常判定表を示す
図。
図。
【図６】本発明の具体例を示すシステムとしてのタンク
系を示す図。
系を示す図。
【図７】タンク系における観測状態量の時系列データを
示す図。
示す図。
【図８】タンク系における異常判定表を示す図。
【図９】定性化して観測定性値を求める作用を示す図。
１ サンプリング手段 ２ 定性化手段 ３ 定性モデルデータベース ４ モデル判定手段 ５ 逐次的定性推論手段 ６ 異常判定データベース ７ 異常判定手段 ８ 評価手段
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G05B 23/02 G05B 23/02 302 G05B 21/02 G05B 13/02
Claims (2)
- 【請求項１】状態観測点においてシステムの状態量をサ
ンプリングするサンプリング手段と、 サンプリング手段でサンプリングした状態量を観測定性
値に変換する定性化手段と、 所定初期値を用いて推論定性値を複数推論し、推論され
た複数の推論定性値と観測定性値を照合するとともに、
観測定性値が推論定性値と一致した場合に正常と判定し
て推論定性値を次回推論初期値とし、観測定性値が推論
定性値と一致しない場合に異常と判定して観測定性値を
次回推論の初期値とする逐次的定性推論手段と、 定性化手段で定性化した観測定性値がシステムの定性モ
デルを満足するか否か判定するモデル判定手段と、 モデル判定手段の判定結果および逐次的定性推論手段の
照合結果が入力されて異常判定を行なう異常判定手段
と、を備えたことを特徴とするシステムの異常監視装
置。 - 【請求項２】異常判定手段による異常判定結果に基い
て、異常のトレンド評価を行なう評価判定手段を更に備
えたことを特徴とする請求項１記載のシステムの異常監
視装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23379493A JP3190185B2 (ja) | 1993-09-20 | 1993-09-20 | システムの異常監視装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23379493A JP3190185B2 (ja) | 1993-09-20 | 1993-09-20 | システムの異常監視装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0793019A JPH0793019A (ja) | 1995-04-07 |
| JP3190185B2 true JP3190185B2 (ja) | 2001-07-23 |
Family
ID=16960679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23379493A Expired - Fee Related JP3190185B2 (ja) | 1993-09-20 | 1993-09-20 | システムの異常監視装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3190185B2 (ja) |
-
1993
- 1993-09-20 JP JP23379493A patent/JP3190185B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0793019A (ja) | 1995-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| US6477471B1 (en) | Product defect predictive engine | |
| JP6871877B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| CN109858140B (zh) | 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法 | |
| Sohn et al. | Statistical damage classification using sequential probability ratio tests | |
| CN112085621B (zh) | 一种基于K-Means-HMM模型的分布式光伏电站故障预警算法 | |
| JPH08234832A (ja) | プラント監視診断装置および方法 | |
| CN112581719B (zh) | 基于时序生成对抗网络的半导体封装过程预警方法和装置 | |
| CN116450399A (zh) | 微服务系统故障诊断及根因定位方法 | |
| CN115392782A (zh) | 一种核电厂工艺系统健康状态监测和诊断方法及系统 | |
| CN117824588A (zh) | 一种建筑安全监测倾斜传感器采样优化与预警方法 | |
| JP3190185B2 (ja) | システムの異常監視装置 | |
| Geara et al. | Hybrid inspection-monitoring approach for optimal maintenance planning | |
| CN115452089A (zh) | 一种用于水利水电工程的水位检测装置 | |
| JPH07261838A (ja) | プラント機器または系統の性能監視方法と性能監視装置 | |
| JPH1020925A (ja) | プラント診断装置 | |
| CN113095567A (zh) | 一种贷款收益率预测方法、装置、设备及存储介质 | |
| JP3053902B2 (ja) | 異常原因診断方法 | |
| CN111160454B (zh) | 一种速变信号检测方法和装置 | |
| CN116090708B (zh) | 一种可视化的碳排放量管理方法及系统 | |
| CN118244190B (zh) | 一种电能表自动检定装置在线质量评估方法及系统 | |
| JP3923773B2 (ja) | プラント異常事象診断装置とその診断方法、ならびに記録媒体 | |
| CN118536089A (zh) | 水电站设备可视化故障诊断方法、装置、设备及存储介质 | |
| CN116681356A (zh) | 一种电厂设备状态资料库系统处理数据的方法 | |
| CN117831026A (zh) | 基于机器学习的食品质量检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090518 Year of fee payment: 8 |
|
| LAPS | Cancellation because of no payment of annual fees |