JP4150322B2 - 高炉操業における操業監視方法、装置、及びコンピュータプログラム - Google Patents
高炉操業における操業監視方法、装置、及びコンピュータプログラム Download PDFInfo
- Publication number
- JP4150322B2 JP4150322B2 JP2003367780A JP2003367780A JP4150322B2 JP 4150322 B2 JP4150322 B2 JP 4150322B2 JP 2003367780 A JP2003367780 A JP 2003367780A JP 2003367780 A JP2003367780 A JP 2003367780A JP 4150322 B2 JP4150322 B2 JP 4150322B2
- Authority
- JP
- Japan
- Prior art keywords
- image information
- independent component
- signal vector
- measurement data
- blast furnace
- 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
- 238000000034 method Methods 0.000 title claims description 95
- 238000012544 monitoring process Methods 0.000 title claims description 33
- 238000004590 computer program Methods 0.000 title claims description 6
- 239000013598 vector Substances 0.000 claims description 177
- 238000005259 measurement Methods 0.000 claims description 80
- 239000011159 matrix material Substances 0.000 claims description 74
- 238000000926 separation method Methods 0.000 claims description 66
- 238000012880 independent component analysis Methods 0.000 claims description 59
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 claims description 38
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 34
- 238000009434 installation Methods 0.000 claims description 33
- 230000002123 temporal effect Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000010365 information processing Effects 0.000 claims description 23
- 230000007704 transition Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000013480 data collection Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 4
- 230000014509 gene expression Effects 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 18
- 230000005540 biological transmission Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 14
- 239000007787 solid Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000002087 whitening effect Effects 0.000 description 5
- 238000013144 data compression Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 238000002940 Newton-Raphson method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 240000001549 Ipomoea eriocarpa Species 0.000 description 1
- 235000005146 Ipomoea eriocarpa Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Landscapes
- Manufacture Of Iron (AREA)
Description
本発明は、高炉の操業状態の監視方法、装置、及びコンピュータプログラムに関し、例えば、高炉の操業中において、炉体の圧力や温度等の計測データの空間的分布や時間的変化を画像情報化し、画像情報化した計測データの独立成分分析を実施することによって、該画像情報の特徴情報である独立成分及び分離行列を逐次算出し、算出した独立成分を基に類似度指標を定義して現在の操業状態と類似な過去の操業状態を検索して、過去の類似操業事例における高炉の操業状態の推移や過去の操業条件を確認し、以後の操業状態の推移を予測して操業条件を決定するようにし、加えて、算出した独立成分の時系列推移を逐次監視するようにしたものに関する。
従来、高炉の操業異常等の監視並びに予測方法に関するものとしては、特許文献１や特許文献２等に開示されているものがある。これらの監視並び予測方法は、いずれも、各センサの高炉設備上の設置位置情報を反映することなく各センサからの計測データを収集し、予め設定しておく設定値又は簡易的な物理モデルによる閾価との比較により操業状態の監視並びに操業異常を予測するものである。
しかしながら、本発明が対象とする高炉というプロセスは、時間的変化（動特性）を有する分布定数系のプロセスとして取り扱うべき対象である。したがって、高炉設備上に空間的分布をもって設置されている複数の各種センサの計測データは互いに独立して収集し、評価してよいものではなく、各々のセンサが取り付けられている高炉設備上の設置位置に関連づけられて収集し、評価されるべきものである。
従来の方式では、このような各センサの設置位置を計測データに関連づけて収集し、評価しておらず、その結果、高炉の操業状態の監視並びに予測の精度が低いという問題があった。
加えて、従来の方式では、計測データの中に潜在化している高炉操業の特徴情報を具体的な数値として定量的に顕在化することが困難であり、さらに、大量に蓄積される計測データの中から、予め指定する操業状態と類似な操業状態を検索して、過去の類似操業事例における高炉の操業状態の推移や過去の操業条件を確認して以後の操業状態の推移を予測し、操業条件を決定することができないという問題があった。
本発明はかかる事情に鑑みてなされたものであり、上記問題を解決し、高炉の操業状態の監視並び予測、操業条件の決定を可能とすることを目的として、炉体の圧力や温度等の計測データの空間的分布情報や時間的変化情報を画像情報化し、独立成分分析によって該画像情報の特徴情報である独立成分及び分離行列を逐次算出し、算出した独立成分を基に類似度指標を定義して現在の操業状態と類似な過去の操業状態を検索し、また、算出した独立成分の時系列推移を逐次監視を行うものである。
本発明の高炉操業における操業監視方法は、高炉設備上に複数設置されたセンサから出力される測定対象量の計測データを、各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面であり、複数の座標軸を有する所定の面に配置し、計測データの空間的分布状態や時間的変化に基づいて高炉の操業状態を監視する操業監視方法であって、
（ア）前記複数設置されたセンサそれぞれから出力される計測データを所定のサンプリング周期で収集するデータ収集手順と、
（イ）予め設定されている前記センサそれぞれの設置位置情報に基づき、各センサによる計測データ又はその時間的変化データを、前記センサの設置位置に対応する所定の面上の地点に配置する手順と、
（ウ）所定の面上において、前記各地点に配置した計測データ又はその時間的変化データを基に空間的に補間し、該データが同値な任意の等値線を算出して、該等値線からなる画像情報を導出する手順と、
（エ）前記（ア）〜（ウ）の手順を所定の期間Ｔにおいて逐次実行して、時々刻々の画像情報を生成・収集して画像情報のデータベースとする手順と、
（オ）該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗを算出する手順と、
（カ）新たな画像情報に対して、該画像情報の観測信号ベクトルｘｓを算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓを算出する手順と、
（キ）前記新たな画像情報の独立成分信号ベクトルｙｓと前記独立成分信号ベクトルｙ（ｔ）の、前記所定の期間Ｔ内の各時刻ｔにおける誤差２乗和（ノルム）||ｙ（ｔ）−ｙｓ||を計算し、該誤差２乗和||ｙ（ｔ）−ｙｓ||に基づいて独立成分信号ベクトルｙｓと独立成分信号ベクトルｙ（ｔ）の各成分の値が類似することを示す類似度指標ｆ１（ｔ）を所定の式で算出し、該類似度指標の大小を基に、前記新たな画像情報と類似な画像情報、及び該類似な画像情報が得られた時刻ｔ１のいずれか一方又は両方を前記画像情報のデータベースについて検索する手順と、からなることを特徴とする。
（ア）前記複数設置されたセンサそれぞれから出力される計測データを所定のサンプリング周期で収集するデータ収集手順と、
（イ）予め設定されている前記センサそれぞれの設置位置情報に基づき、各センサによる計測データ又はその時間的変化データを、前記センサの設置位置に対応する所定の面上の地点に配置する手順と、
（ウ）所定の面上において、前記各地点に配置した計測データ又はその時間的変化データを基に空間的に補間し、該データが同値な任意の等値線を算出して、該等値線からなる画像情報を導出する手順と、
（エ）前記（ア）〜（ウ）の手順を所定の期間Ｔにおいて逐次実行して、時々刻々の画像情報を生成・収集して画像情報のデータベースとする手順と、
（オ）該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗを算出する手順と、
（カ）新たな画像情報に対して、該画像情報の観測信号ベクトルｘｓを算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓを算出する手順と、
（キ）前記新たな画像情報の独立成分信号ベクトルｙｓと前記独立成分信号ベクトルｙ（ｔ）の、前記所定の期間Ｔ内の各時刻ｔにおける誤差２乗和（ノルム）||ｙ（ｔ）−ｙｓ||を計算し、該誤差２乗和||ｙ（ｔ）−ｙｓ||に基づいて独立成分信号ベクトルｙｓと独立成分信号ベクトルｙ（ｔ）の各成分の値が類似することを示す類似度指標ｆ１（ｔ）を所定の式で算出し、該類似度指標の大小を基に、前記新たな画像情報と類似な画像情報、及び該類似な画像情報が得られた時刻ｔ１のいずれか一方又は両方を前記画像情報のデータベースについて検索する手順と、からなることを特徴とする。
本発明の他の高炉操業における操業監視方法は、高炉設備上に複数設置されたセンサから出力される測定対象量の計測データを、各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面であり、複数の座標軸を有する所定の面に配置し、計測データの空間的分布状態や時間的変化に基づいて高炉の操業状態を監視する操業監視方法であって、
（ア）前記複数設置されたセンサそれぞれから出力される計測データを所定のサンプリング周期で収集するデータ収集手順と、
（イ）予め設定されている前記センサそれぞれの設置位置情報に基づき、各センサによる計測データ又はその時間的変化データを、前記センサの設置位置に対応する所定の面上の地点に配置する手順と、
（ウ）所定の面上において、前記各地点に配置した計測データ又はその時間的変化データを基に空間的に補間して、該データが同値な任意の等値線を算出して、該等値線からなる画像情報を導出する手順と、
（エ）前記（ア）〜（ウ）の手順を所定の期間Ｔにおいて逐次実行して、時々刻々の画像情報を生成・収集して画像情報のデータベースとする手順と、
（オ）該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗを算出する手順と、
（ク）新たに、ある時刻ｔ２の画像情報に対して、該画像情報の観測信号ベクトルｘｓを算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓを算出する手順と、
（ケ）前記時刻ｔ２画像情報の独立成分信号ベクトルｙｓと前記独立成分信号ベクトルｙ（ｔ）の、前記所定の期間Ｔ内の各時刻ｔにおける誤差２乗和（ノルム）||ｙ（ｔ）−ｙｓ||を計算し、該誤差２乗和||ｙ（ｔ）−ｙｓ||に基づいて独立成分信号ベクトルｙｓと独立成分信号ベクトルｙ（ｔ）の各成分の値が類似することを示す類似度指標ｆ１（ｔ）を所定の式で算出し、該類似度指標の大小を基に、前記時刻ｔ２の画像情報と類似な画像情報及びその時刻ｔ３を前記画像情報のデータベースについて検索する手順と、
（コ）予め設定された所定の期間Ｔにおける計測データ及び操業日誌記録のデータベースから、前記時刻ｔ３の操業状態、操業条件の事例を出力する手順と、からなることを特徴とする。
（ア）前記複数設置されたセンサそれぞれから出力される計測データを所定のサンプリング周期で収集するデータ収集手順と、
（イ）予め設定されている前記センサそれぞれの設置位置情報に基づき、各センサによる計測データ又はその時間的変化データを、前記センサの設置位置に対応する所定の面上の地点に配置する手順と、
（ウ）所定の面上において、前記各地点に配置した計測データ又はその時間的変化データを基に空間的に補間して、該データが同値な任意の等値線を算出して、該等値線からなる画像情報を導出する手順と、
（エ）前記（ア）〜（ウ）の手順を所定の期間Ｔにおいて逐次実行して、時々刻々の画像情報を生成・収集して画像情報のデータベースとする手順と、
（オ）該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗを算出する手順と、
（ク）新たに、ある時刻ｔ２の画像情報に対して、該画像情報の観測信号ベクトルｘｓを算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓを算出する手順と、
（ケ）前記時刻ｔ２画像情報の独立成分信号ベクトルｙｓと前記独立成分信号ベクトルｙ（ｔ）の、前記所定の期間Ｔ内の各時刻ｔにおける誤差２乗和（ノルム）||ｙ（ｔ）−ｙｓ||を計算し、該誤差２乗和||ｙ（ｔ）−ｙｓ||に基づいて独立成分信号ベクトルｙｓと独立成分信号ベクトルｙ（ｔ）の各成分の値が類似することを示す類似度指標ｆ１（ｔ）を所定の式で算出し、該類似度指標の大小を基に、前記時刻ｔ２の画像情報と類似な画像情報及びその時刻ｔ３を前記画像情報のデータベースについて検索する手順と、
（コ）予め設定された所定の期間Ｔにおける計測データ及び操業日誌記録のデータベースから、前記時刻ｔ３の操業状態、操業条件の事例を出力する手順と、からなることを特徴とする。
本発明の他の高炉操業における操業監視方法は、上記のいずれかの高炉操業における操業監視方法であって、高炉に複数設置されたセンサから逐次収集される計測データを用いて、前記独立成分ベクトルｙ（ｔ）及び分離行列Ｗを逐次更新することを特徴とする。
本発明の高炉操業における操業監視装置は、高炉設備上に複数設置されたセンサから出力される測定対象量の計測データを、各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面であり、複数の座標軸を有する所定の面に配置し、計測データの空間的分布状態や時間的変化に基づいて高炉の操業状態を監視する操業監視装置であって、前記複数設置されたセンサで計測される計測データを所定のサンプリング周期で収集するデータ収集手段と、予め設定されている前記センサそれぞれの設置位置情報に基づき、前記計測データ又はその時間的変化データを前記所定の面上の地点に配置し、該データを基に空間的に補間して同値な任意の等値線を得て、該画像情報を算出する画像情報化処理手段と、該画像情報を所定の期間Ｔにおいて収集して画像情報のデータベースとし、該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗとを算出する独立成分分析手段と、新たな画像情報に対して、該画像情報の観測信号ベクトルｘｓを算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓを算出する独立成分・分離行列評価手段と、前記新たな画像情報の独立成分信号ベクトルｙｓと前記独立成分信号ベクトルｙ（ｔ）の、前記所定の期間Ｔ内の各時刻ｔにおける誤差２乗和（ノルム）||ｙ（ｔ）−ｙｓ||を計算し、該誤差２乗和||ｙ（ｔ）−ｙｓ||に基づいて独立成分信号ベクトルｙｓと独立成分信号ベクトルｙ（ｔ）の各成分の値が類似することを示す類似度指標ｆ１（ｔ）を所定の式で算出し、該類似度指標の大小を基に、前記新たな画像情報と類似な画像情報、及び該類似な画像情報の時刻ｔ１のいずれか一方又は両方を前記画像情報のデータベースについて検索して得る類似操業事例検索手段と、前記画像情報化処理手段、独立成分分析手段、及び類似操業事例検索手段におけるそれぞれの算出結果、並びに、計測データ及び操業条件を記載した操業日誌を逐次記録する記録手段と、前記画像情報化処理手段、独立成分分析手段、及び類似操業事例検索手段におけるそれぞれの算出結果を出力する出力手段と、を具備することを特徴とする。
本発明の他の高炉操業における操業監視装置は、高炉設備上に複数設置されたセンサから出力される測定対象量の計測データを、各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面であり、複数の座標軸を有する所定の面に配置し、計測データの空間的分布状態や時間的変化に基づいて高炉の操業状態を監視する操業監視装置であって、前記複数設置されたセンサで計測される計測データを所定のサンプリング周期で収集するデータ収集手段と、予め設定されている前記センサそれぞれの設置位置情報に基づき、前記計測データ又はその時間的変化データを前記所定の面上の地点に配置し、該データを基に空間的に補間して同値な任意の等値線を得て、該画像情報を算出する画像情報化処理手段と、該画像情報を所定の期間Ｔにおいて収集して画像情報のデータベースとし、該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗとを算出する独立成分分析手段と、新たに逐次得られる画像情報に対して、該画像情報の観測信号ベクトルｘｓ’を算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓ’を逐次算出して、該独立成分信号ベクトルｙｓ’の予め設定した独立成分のｙｉの時間的推移を、予め設定した管理値の大小と比較する独立成分・分離行列時系列評価手段と、前記画像情報化処理手段、独立成分分析手段、及び独立成分・分離行列時系列評価手段におけるそれぞれの算出結果、並びに、計測データ及び操業条件を記載した操業日誌を逐次記録する記録手段と、前記画像情報化処理手段、独立成分分析手段、及び独立成分・分離行列時系列評価手段におけるそれぞれの算出結果を出力する出力手段と、を具備することを特徴とする。
本発明のコンピュータプログラムは、上記いずれかの高炉操業における操業監視方法の各手順をコンピュータに実行させる点に特徴を有する。また、上記の高炉操業における操業監視装置の各手段としてコンピュータを機能させる点に特徴を有する。
本発明の手法は、高炉設備上に複数設置された各種のセンサが測定する計測データを、各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面に配置し、各データの空間的分布状態を、これらが形成する画像情報として表わすとき、該画像情報の独立成分と分離行列を計算して類似度指標を定義し、蓄積した画像情報群の中から指定した画像と類似な画像を逐次検索することで、類似性の高い画像をもつ事例を逐次特定し、該事例における各種の計測データ、操業日誌記録から、該事例時の操業状態の推移や該事例時に実行した操業条件を確認して、現時点の高炉の操業状態や今後の操業状態の推移を予測することができる。さらにこれらの情報を参考にした今後の操業条件の決定が可能となる。加えて、逐次計算する独立成分の時系列推移を逐次監視することにより、高炉の操業状態の監視を正確に実施することを可能とする。
以下、図面を参照して、本発明の高炉操業における操業監視方法、装置、及びコンピュータプログラムの実施の形態について説明する。図１は、本実施の形態の高炉操業における操業監視装置の構成を示すブロック図である。
（１．高炉設備と２．高炉設備上の複数の各種センサ）
高炉設備１上の複数の各種センサ２においては、温度又は圧力、流量、流速、粒径、密度、組成等の物理量が計測される。図１は、ステーブ温度センサや炉床壁温度センサ、シャフト圧力センサを例にとり、高炉設備の外形面上に複数設置してあるセンサ位置を示す。なお、本発明においては、各センサの高炉設備上の配置は不等間隔で構わないものである。各種の物理量の計測センサのうち、圧力センサを例にとり、以下説明する。
高炉設備１上の複数の各種センサ２においては、温度又は圧力、流量、流速、粒径、密度、組成等の物理量が計測される。図１は、ステーブ温度センサや炉床壁温度センサ、シャフト圧力センサを例にとり、高炉設備の外形面上に複数設置してあるセンサ位置を示す。なお、本発明においては、各センサの高炉設備上の配置は不等間隔で構わないものである。各種の物理量の計測センサのうち、圧力センサを例にとり、以下説明する。
（３．データ収集装置）
データ収集装置３においては、高炉設備上に配置された複数の圧力センサから出力される計測データが、予め設定されたサンプリング周期Δｔでサンプリングされ、収集される。サンプリング周期Δｔは、データ収集装置３の処理能力及びデータ処理装置４の処理能力と操業監視及び操業予測に要求される時間間隔に対応して数ms以上の時間間隔で任意に設定できる。データ収集装置３で収集された圧力データは、データ処理装置４にリアルタイムで送られる。
データ収集装置３においては、高炉設備上に配置された複数の圧力センサから出力される計測データが、予め設定されたサンプリング周期Δｔでサンプリングされ、収集される。サンプリング周期Δｔは、データ収集装置３の処理能力及びデータ処理装置４の処理能力と操業監視及び操業予測に要求される時間間隔に対応して数ms以上の時間間隔で任意に設定できる。データ収集装置３で収集された圧力データは、データ処理装置４にリアルタイムで送られる。
この場合に、本発明においては、データ処理装置４への計測データの伝送形態及び伝送方法について限定する必要はなく、例えば、信号線による電流又は電圧のアナログ信号としてデータ処理装置４へ伝送してもよいし、また、データ収集装置３において前記電流又は電圧のアナログ信号をデジタル信号化し、該デジタル信号をデータ処理装置４へ伝送してもよいし、さらに、該デジタル信号を各種のデータ圧縮手法によって圧縮することによって伝送データ量を小さくしてデータ処理装置４へ伝送し、伝送後、データ処理装置４において該圧縮伝送データを圧縮前のデジタル信号に復元してもよいし、加えて、例えば、LAN、イーサネット(R)、無線LAN、インターネット等の情報伝送ネットワークを介して、前記デジタル信号を高炉設備から離れた遠隔地点に設置したデータ処理装置４へ伝送しても構わない。
（４．データ処理装置）
（５．画像情報化処理部）
画像情報化処理部５においては、データ収集装置３から入力された圧力データを、高炉設備上の各圧力センサ設置位置情報を反映させた２次元平面又は２次元平面で構成される３次元立体の表面に配置し、圧力データが同値な任意の等値線を算出して該等値線によって形成される図形を算出して画像情報化する。
（５．画像情報化処理部）
画像情報化処理部５においては、データ収集装置３から入力された圧力データを、高炉設備上の各圧力センサ設置位置情報を反映させた２次元平面又は２次元平面で構成される３次元立体の表面に配置し、圧力データが同値な任意の等値線を算出して該等値線によって形成される図形を算出して画像情報化する。
図２は、高炉に設定した座標系と高炉設備に設置された複数の圧力センサ設置位置との関係を例示するものである。図２では、高炉の炉高方向にh軸を、炉半径方向にr軸を、炉周角度方向にθ軸を定義し、●印は高炉設備上に配置された複数の圧力センサ設置位置を、各座標軸にしたがって配置したものである。各々の圧力センサの設置位置座標は、予めわかっている。
このとき、座標（h(i), r(i), θ(i)）に設置された圧力センサの時刻tにおける計測データをP（h(i), r(i), θ(i), t）で表現するものとする。
ここでは、データ収集装置３から入力された圧力データを、高炉設備上の各圧力センサの設置位置情報を反映させた複数の四角形平面要素で構成される３次元立体の表面に配置し、該表面において圧力データの等値線を算出して画像情報化する方法を示す。
●印の地点に配置した圧力データをもとに、●印の相互空間における圧力データを空間的に補間し等値線を探索する。ここで等値線とは、空間的に分布している圧力データの中から同じ値を示している地点を線で結ぶことによって得られるものである。このとき、●印の相互間隔は、後述する等値線探索手法によって、空間的に不均等な間隔であって構わなく、空間的に等間隔である必要はない。
空間的に分布した圧力データに対して等値線を探索するには、圧力センサ設置地点で構成される三角形要素を用いる方法が確実であるが、空間上に三角形要素を構成させるときの組み合わせには膨大な自由度がある。また、三角形要素の選択いかんによって、得られる等値線の形状が異なってしまう問題が生じる。
そこで、要素選択の自由度を下げて選択を容易にするとともに、要素選択による等値線形状の誤差を少なくする手法として、「四角形平面要素四頂点平均を頂点に用いる三角形要素を用いた等値線探索手法」を例示する。
図３を用いて本等値線探索手法を説明する。図２の高炉設備上の圧力センサ設置位置●印の地点全てについて、内角の一つが１８０度を越えない四角形平面要素で構成されるよう予め各地点を関連づけておく。この四角形平面要素に対する要素選択条件により、要素選択の自由度は低減し、要素選択を容易にすることが可能となる。高炉設備の場合、各圧力センサ位置座標は既知であるので一度関連付けを行えばよい。
なお、高炉設備は、シャフト角度、ボッシュ角度（朝顔角度）等を有する円錐形が部分的に組み合わせた３次元形状を有するが、その外形面は内角の一つが１８０度を越えない四角形平面要素を立体的に組み合わせた形状として表現することが可能であり、以下に説明する手法が実施可能である。
図３は、高炉のシャフト部を例に、その外形面が内角の一つが１８０度を越えない四角形平面要素を立体的に組み合わせた形状で表現できることを示した図である。
図３はシャフト部を例とした図の意味するところがわかりやすいように、内角の一つが１８０度を越えない四角形平面要素の４頂点a、b、c、dの配置について、点aと点dが同一炉断面円上に、また点bと点cが同一炉断面円上に配置された例を示し、４頂点に位置する圧力センサが測定する圧力データが、それぞれP(h1,r1,θ1,t)、P(h2,r2,θ1,t)、P(h2,r2,θ2,t)、P(h1,r1,θ2,t)である例を示しているが、本等値線探索手法においては、４頂点の配置について、４頂点は四角形平面要素を構成するものであれば、これ以外に特別な条件を必要としないものである。
したがって、以後、Pa=P(h1,r1,θ1,t)、Pb=P(h2,r2,θ1,t)、Pc=P(h2,r2,θ2,t)、Pd= P(h1,r1,θ2,t)と置き換えて、説明を続ける。
ここで、この四角形平面要素の対角線の交点、すなわち図３中の○印地点eの圧力をPeとする。Peは、Pa、Pb、Pc、Pdから演算される平均値とし、例えば、相加平均として定義するものとする。
Pe=（Pa+Pb+Pc+Pd）÷4 ・・・式(1)
Pe=（Pa+Pb+Pc+Pd）÷4 ・・・式(1)
次に、この対角線上の交点○印地点eを頂点にもつ４つの三角形要素をこの四角形平面要素内部に定義する。このとき、各三角形要素の辺上の圧力データは、その辺の両端を構成する頂点の圧力データによって空間的に補間することによって得られるものとする。補間にあたっては、１次補間法等、任意の手法であって構わない。
図３に示す如く、仮に、今、探索したい等値線の値をP1とし、
Pa ＜ P1 ＜ Pd ・・・式(2)
なる関係をもって、P1の等値線が四角形平面要素abcdを構成する三角形要素ade内部に辺adを横切る形で侵入してきたものとする。このとき、式(２)の条件により、P1 は、辺ad上に空間的に補間された圧力データ地点として存在し、図３の辺ad上に△印で示す。
Pa ＜ P1 ＜ Pd ・・・式(2)
なる関係をもって、P1の等値線が四角形平面要素abcdを構成する三角形要素ade内部に辺adを横切る形で侵入してきたものとする。このとき、式(２)の条件により、P1 は、辺ad上に空間的に補間された圧力データ地点として存在し、図３の辺ad上に△印で示す。
次にP1と三角形要素adeの残る頂点eの圧力Peの大小関係を比較する。
ここで、仮に、
Pa ＜ P1 ＜ Pe ・・・式(3)
であるとすると、P1は、辺ae上に空間的に補間された圧力データ地点として存在し、図３の辺ae上に△印で示す。
ここで、仮に、
Pa ＜ P1 ＜ Pe ・・・式(3)
であるとすると、P1は、辺ae上に空間的に補間された圧力データ地点として存在し、図３の辺ae上に△印で示す。
続いて、探索したい等値線P1が三角形要素abe内部に辺aeを横切る形で侵入したものと考え、P1と三角形要素abeの残る頂点bの圧力Pbの大小関係を比較する。ここで、仮に、
Pa ＜ P1 ＜ Pb ・・・式(4)
であるとすると、P1は、辺ab上に空間的に補間された圧力データ地点として存在し、図３の辺ab上に△印で示す。
Pa ＜ P1 ＜ Pb ・・・式(4)
であるとすると、P1は、辺ab上に空間的に補間された圧力データ地点として存在し、図３の辺ab上に△印で示す。
以上によって得られた辺ad、辺ae、辺ab上の△印を直線で結ぶことにより、四角形平面要素abcd内のP1の等値線を探索することができる。
上記の例で、式(4)の代わりに
Pb ＜ P1 ＜ Pe ・・・式(5)
Pb ＜ P1 ＜ Pc ・・・式(6)
である場合を例にとれば、このときの圧力データ地点は図３に◇印で示す如くであり、これらを直線で結ぶことにより、四角形平面要素abcd内のP1の等値線を破線で示すことができる。
Pb ＜ P1 ＜ Pe ・・・式(5)
Pb ＜ P1 ＜ Pc ・・・式(6)
である場合を例にとれば、このときの圧力データ地点は図３に◇印で示す如くであり、これらを直線で結ぶことにより、四角形平面要素abcd内のP1の等値線を破線で示すことができる。
また、上記の例で、式(3)、(4)の代わりに
Pd ＜ P1 ＜ Pe ・・・式(7)
Pd ＜ P1 ＜ Pc ・・・式(8)
である場合を例にとれば、このときの圧力データ地点は図３に□印で示す如くであり、これらを直線で結ぶことにより、四角形平面要素abcd内のP1の等値線を破線で示すことができる。
Pd ＜ P1 ＜ Pe ・・・式(7)
Pd ＜ P1 ＜ Pc ・・・式(8)
である場合を例にとれば、このときの圧力データ地点は図３に□印で示す如くであり、これらを直線で結ぶことにより、四角形平面要素abcd内のP1の等値線を破線で示すことができる。
以上のように、四角形平面要素の４頂点に位置する圧力データの値Pa、Pb、Pc、Pdと探索したい等値線P1がどのような大小関係にあっても、これまでに説明してきた「四角形平面要素四頂点平均を頂点に用いる三角形要素を用いた等値線探索手法」によって、図３に示す如く四角形平面要素abcd内におけるP1の等値線を探索することができる。
同様にして、図３の四角形平面要素abcdに隣接する、内角の一つが１８０度を越えない四角形平面要素について、その対角線の交点を頂点とする４つの三角形要素を定義して同じ手法による等値線探索を繰り返すことによって、P1の等値線を図３の四角形平面要素abcdの隣接領域に連続して探索していくことができる。
さらに以上の処理を高炉設備上に予め設定しておく全ての四角形平面要素に繰り返すことにより、高炉設備上における等値線の探索及び描画が完了し、得られた等値線によって圧力データは高炉設備上に、ある図形（以後、コンタ図形と呼ぶ）を形成する。図４では、高炉設備上の点a近傍における圧力値P1、P2、P3の等値線を実線で示し、このうちP1の等値線で囲まれるコンタ図形をハッチングで示した例である。
以上のように、高炉設備上に空間的に複数配置される圧力センサが計測する圧力データに対して、内角の一つが１８０度を越えない四角形平面要素を選択し、その対角線の交点に４頂点のデータの平均値を設定して、この交点を頂点にもつ三角形要素を用いて等値線を探索し描画する手法は、三角形要素のみを用いて等値線を探索する手法に比べて、要素選択の自由度を減らし選択を容易にするとともに、四角形平面要素の各頂点の平均値を頂点とする三角形要素を用いるため、要素選択に依存する等値線の探索誤差を低減できる有効な方法である。探索の最終段階で三角形要素を用いるので、探索する等値線が途中で他の等値線と交差したり、また途中で等値線が途切れたりするといった問題を発生することがないのは言うまでもない。
また、ここでは、２次元平面で構成される３次元立体の表面を例に説明したが、本等値線探索手法は、３次元立体の表面を展開した２次元平面についても実施可能かつ有効な手法であることは言うまでもない。例えば、図５は、上記の方法で探索したシャフト圧力の等値線を、炉高方向・炉周方向の２次元展開平面に写像した例である。図５の(a)はシャフト圧力分布が良好な場合、(b)はシャフト圧力分布が不良な場合の事例である。なお、本発明においては、等値線の探索手法を限定する必要はなく、他の手法を用いて等値線を探索しても構わない。
以上説明した如く、画像情報化処理部５において、データ収集装置３から入力された圧力データを、高炉設備上の圧力センサ設置位置情報を反映させた四角形平面要素で構成される３次元立体の表面に配置し、等値線を描画することができる。
なお、ここでは、シャフト圧力データを例に説明したが、本発明においては、温度や流速等の他の物理量の計測データや計測データの時間的変化（時間変化率）データを用いて、高炉設備上の各種センサ設置位置情報を反映させた四角形平面要素で構成される３次元立体の表面又は３次元立体の表面を展開した２次元平面に配置し、等値線を描画することができる。
（６．独立成分分析部）
次に、独立成分分析部６において、画像情報化処理部５で画像情報化した計測データの独立成分分析を実施する。独立成分分析（Independent Component Analysis、以後、ICAと略称する）とは、観測信号がいくつかの統計的に独立な原信号の線形和からなり、原信号及びその混合状態が共に未知である場合でも、該原信号を推定する手法である。
次に、独立成分分析部６において、画像情報化処理部５で画像情報化した計測データの独立成分分析を実施する。独立成分分析（Independent Component Analysis、以後、ICAと略称する）とは、観測信号がいくつかの統計的に独立な原信号の線形和からなり、原信号及びその混合状態が共に未知である場合でも、該原信号を推定する手法である。
すなわち、画像情報化処理部５で画像情報化した計測データは、炉内状態を反映したいくつかの統計的に独立な画像情報成分の原信号が線形に混合されることで構成されていると仮定し、本発明は、高炉の操業状態の監視にあたって、画像情報化した計測データの統計的に独立な画像情報成分の原信号、すなわち画像情報の独立成分を算出し、類似度指数を定義して該類似度を定量的に評価し、過去の類似操業事例を効率よく検索する。また、該独立成分の時系列推移を監視する。
ここで、ICAアルゴリズムについて説明する。ICAアルゴリズムには、独立成分を計算するための評価関数の違い、収束計算方法の選び方により、いくつかのアルゴリズムが提案されている。ここでは、その中から、Aapo Hyvarianらが論文（非特許文献１）で、Aapo Hyvarien、Juha Karhunen及びErikki Ojaが著作の書籍（非特許文献２）で提案しているFastICAと呼ばれるアルゴリズムを例に説明する。なお、以後に示す各式において、各変数は、行列は大文字の太字書体、ベクトルは小文字の太字書体、スカラーは斜自体で示す。
まず、ICAが解くべき問題について整理する。ある時刻ｔにおいて観測されるｍ次元入力信号をベクトルｘ(t)とし、ベクトルｘ(t)は統計的に独立でｎ次元の原信号ベクトルｓ(t)の線形結合であると仮定する。すなわち、下式(9)〜(11)で表される。ここで、Tは転置を表わす。行列Ａは、ｍ行×ｎ列の実数行列であり、混合行列と呼ぶ。
このとき、ICAは、原信号ベクトルｓ(t)及び混合行列Ａに関する知識を一切持たずに、観測信号ベクトルｘ(t)の非ガウス性（非正規性）を定量的に算出し評価することによって、混合行列Ａとｎ個の統計的に独立な成分を持つベクトルｙ(t)を同時に推定する手法である。以後、ベクトルｙ(t)を復元信号ベクトルと呼ぶ。
このとき、ｎ≦ｍならば、解が存在する。すなわち、あるｎ行×ｍ列の実数行列Ｗが存在し、下式(12)によって互いに統計的に独立なｎ次元の復元信号ベクトルｙ(t)を再構成できる。このとき、実数行列Ｗを分離行列と呼ぶ。
そして、下式(13)であれば、（Ｉは、ｎ行×ｎ列の単位行列である）、復元信号ベクトルｙ(t)と原信号ベクトルｓ(t)は一致する。
しかし、復元信号ベクトルｙ(t)の成分の順番を入れ替えても独立性は保たれ、また、各成分の大きさも独立性には影響を与えないことから、実際には、下式(14)を満足すればよい。このとき、Ｐは各列、各行に一つだけ１を持つｎ行×ｎ列の行列で各成分の順番を入れ替える順列行列と呼び、Ｄは各成分の大きさを決めるｎ行×ｎ列の対角行列でスケーリング行列と呼ぶ。
すなわち、ICAが解くべき問題は、成分の順序と大きさの２つの任意性を許容した上で、統計的に独立な復元信号ベクトルｙ(t)と分離行列Ｗを求めることである。
次に、ICAの解法について、具体的に順を追って説明する。まず、観測信号ベクトルｘ(t)に対して、中心化(centering)及び白色化(whitening)と呼ばれる前処理を実施する。
中心化(centering)とは、観測信号ベクトルｘ(t)の平均値ベクトル（下記(15)）を引き算することで観測信号ベクトルの平均を零とすることである。すなわち、中心化後の観測信号ベクトルをｘ＾(t)とすると、下式(16)、(17)である。
このことは、式(11)の両辺の期待値をとって両辺から引き算することにより、原信号ベクトルｓ(t)も零平均化することを意味している。すなわち、原信号ベクトルｓ(t)の平均値ベクトルを下式(18)とし、中心化後の原信号ベクトルをｓ＾(t)とすると、式(11)は、下式(19)、(20)となる。
このとき、下式(21)となる。式(11)の代わりに式(20)を用いても一般性は失われない。
白色化（whitening）とは、信号の分散を正規化し、それらの相互間を無相関する処理で、FastICAアルゴリズムでは主成分分析（Principal Component Analysis）を用いて、以下のように実施される。
中心化された観測信号ベクトルｘ＾(t)の共分散行列（下式(22)）の固有値分解を下式(23)として、観測信号ベクトルｘ＾(t)は、下式(24)と変換される。
ここで、Ｄは共分散行列Σx^の固有値を降順に対角成分とする対角行列（下式(25)）であり、Ｅは下式(26)の固有ベクトルの直交行列である。ｚ(t)は白色化された観測信号であり、下式(27)となる。
このとき、式(24)に式(20)を代入すると下式(28)となり、下式(29)とおくと、式(28)は下式(30)となり、中心化され白色化された観測信号ベクトルｚ(t)は、中心化された原信号ベクトルｓ＾(t)が式(29)で変換された混合行列Ａ〜による線形結合であることがわかる。式(11)又は式(20)の代わりに式(30)を用いても一般性は失われない。
なお、このとき、白色化後の復元信号ベクトルｙ(t)を求める式は、分離行列Ｗを用いて、下式(31)となる。
中心化と白色化は、ICAに必ずしも必要な前処理ではないが、観測信号ベクトルの次元を縮小し、計算量を削減できること、ICAの最適化を行う空間を直交空間に限定することにより、収束性を向上させることができる。
確率理論における中心極限定理（The Center Limit Theorem）によって、任意の同一分布特性をもつ独立な確率変数ｙ1(t)、ｙ2(t)の和ｙ1(t)＋ｙ2(t)の分布特性は、もとの２つの変数ｙ1(t)、ｙ2(t)の分布特性よりもガウス分布に近づき、和ｙ1(t)＋ｙ1(t)＋・・・＋ｙN(t)は個数Ｎが大きくなるにつれてガウス分布則に従うことが保証されている。
換言すると、復元信号ベクトルｙ(t)の分布がガウス分布から離れていればいるほど、すなわち非ガウス性が大きければ大きいほど、復元信号ｙ(t)は独立に近づいていく。復元信号ベクトルｙ(t)の非ガウス性は、下式(32)に示すように、ｙ(t)の各成分ｙi(t)の４次の統計量である尖度（kurtosis）で評価できる。
したがって、尖度を最大もしくは最小にするような分離行列Ｗを求めれば、復元信号ベクトルｙ(t)の各成分は互いに独立となる。なお、観測信号ベクトルの白色化（whitening）を行い、直交空間上での最適化を考えた場合、式(32)の右辺第２項は定数項になる。
したがって、復元信号ベクトルｙ(t)の独立性の評価関数は、下式(34)のようになる。
Hyvarinenらが提案するFastICAアルゴリズムでは、尖度を用いて独立成分ｙi(t)を一つずつバッチ方式で抽出する。この解法は、収束性がよく、かつ高速であるとされている。
このとき、復元信号ベクトルｙ(t)の独立性の評価式(34)は、下式(35)のようにベクトル標記になる。式(35)をｗiで偏微分をして、下式(36)としてｗiを変化させたとき、その変化特性から第ｉ番目の独立成分ｙi(t)を抽出する分離ベクトルｗiを計算する。
式(36)で、ｇは４次式の勾配であるので３次式となるが、アルゴリズムの安定性等を考慮して、例えば下式(37)に示すように、シグモイド関数tanhを用いることが提案されている。
FastICAが解くべき問題は、最終的に下式(38)なる制限条件のもとで、式(35)の左辺を最大化又は最小化する分離ベクトルｗiを求めることに帰着する。
そこで、この問題を、Newton-Raphson法で解くとすると、第ｉ番目の独立成分ｙi(t)を抽出する分離ベクトルｗiの更新式は、下式(39)、(40)となる。
ここで、ｗ〜iは更新後の分離ベクトルである。μは学習係数でありμ＝１と設定するが，収束性に問題がある場合、例えば０．１又は０．０１といった１より小さい値に設定する。
Newton-Raphson法における収束計算は、分離ベクトルｗiの初期値として、例えば乱数を設定し、式(39)と式(40)を繰り返し実行する。
そして、下式(43)で示すように更新後の分離ベクトルｗ〜iと更新前の分離ベクトルｗiの差又は和の大きさ（ノルム）がある大きさ以下になった場合、収束したと判定し、このときの分離ベクトルｗ〜iを求める分離ベクトルｗiとする。
式(43)で和を考えるのは、式(14)を用いて説明したように、更新の前後で分離ベクトルが一致する場合はｗ〜i＝ｗiだけでなく、方向が反対の分離ベクトルに更新された場合、すなわちｗ〜i＝−ｗiの場合も解となりうるからである。
FastICAは、分離行列Ｗの要素であるｍ次元の分離ベクトルｗiを一つずつｎ個まで求めていく。まず最初にｉ＝１として、第１番目の独立成分ｙ1(t)を抽出する分離ベクトルｗ1が求められたら、同様にして、第２独立成分ｙ2(t)を抽出する分離ベクトルｗ2を求め、最終的に第ｎ独立成分ｙn(t)を抽出する分離ベクトルｗnを求めていく。
このとき、観測信号ベクトルｘ(t)に対して、白色化の前処理を行った場合、第２独立成分以降の計算では、第ｉ独立成分の分離ベクトルｗiの更新において、下式(44)の各行ベクトルを直交化することにより、既に復元されたｉ−１個の分離ベクトルと重複して抽出されることを防ぐことができる。
第ｉ独立成分の分離ベクトルｗiの直交化は、例えば、下式(45)で行う。
そして、第ｎ番目の分離ベクトルｗnの計算が完了すると、求めるべきｎ行×ｍ列の分離行列Ｗが決定される。このとき、求めるべき統計的に独立な復元信号ベクトルｙ(t)は、式(31)で得られる。
これまでにICAアルゴリズムの例として説明してきたHyvarianらが提案したFastICAアルゴリズムの処理を示すフローチャートを図６に示す。本発明は、図６で例示したFastICAアルゴリズムを高炉に複数設置された各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面上で画像情報化した計測データに適用する。本発明においては、FastICA以外のICAアルゴリズムを用いても構わないことは言うまでもない。
（高炉操業における画像情報化計測データへのICAの適用）
高炉操業における画像情報化した計測データのなかから、図５で例示したシャフト圧力の炉高・炉周方向２次元平面展開画像を例に、本発明におけるICAの実施方法を以下に説明する。
高炉操業における画像情報化した計測データのなかから、図５で例示したシャフト圧力の炉高・炉周方向２次元平面展開画像を例に、本発明におけるICAの実施方法を以下に説明する。
まず、図５で例示した画像情報化処理部５で生成するシャフト圧力の炉高方向・炉周方向２次元平面展開画像に対し、図７で例示するような炉高座標軸に１４点、炉周角度座標軸に１４点の基準座標を設け、これらの基準座標で構成される格子上のシャフト圧力データを取り出す。
このとき、各格子には図７に例示する格子番号を付与しておき、取り出されたシャフト圧力データを格子番号と対応させて、１４×１４=１９６次元のベクトルｘ(t)に格納する。このとき、ベクトルｘ(t)は、ICAにおける観測信号ベクトルｘ(t)に対応し、ｍ＝１９６である。
ここでは、画像情報化した計測データへのICAの適用にあたり、１４×１４の等間隔格子で画像情報を取り出す例を示したが、本発明においては、格子は等間隔格子である必要はなく、さらに格子数、すなわち観測信号ベクトルｘ(t)の次元数ｍは他の値であって構わない。
ここで、ｔは時間である。すなわち、シャフト圧力データをデータ収集装置３で時系列に収集し、画像情報化処理部５で逐次画像情報化を実行することで、ある量の画像データを生成、収集できる。
例えば、一つの実施例として、ある高炉において１年間連続して時間間隔ΔＴ＝５[min]でシャフト圧力の画像データを生成すると、１２ヶ月×３０日×２４時間×６０分÷５分＝１０３,６８０枚の画像データが収集でき、独立成分分析部６は、収集した画像データに対して図７で例示する基準座標を用いて画像データベクトルｘ(t)を生成する。
さらに、独立成分分析部６は、ICAアルゴリズムを用いて、画像データベクトルｘ(t)の分離行列Ｗと独立成分信号ベクトルｙ(t)を計算する。
独立成分分析部６の実施例として、図８及び図９を例示する。図８は、ある高炉の２００１年１月１日００時００分から２００１年１２月３１日２３時５５分までの一年分のシャフト圧力データを画像情報化処理部５において時間間隔Δｔ＝５[min]で画像情報化し、独立成分分析部６で計算した分離行列Ｗを示している。このとき、シャフト圧力の独立成分信号ベクトルｙ(t)の次元数ｎは、ｎ＝１０と設定した。したがって、分離行列Ｗはｎ×ｍ＝１０行×１９６列の行列である。
図９は、このときの独立成分信号ベクトルｙ(t)を示している。図９は、独立成分信号ベクトルｙ(t)の第１番目の成分ｙ1(t)から第１０番目の成分ｙ10(t)を時系列に示したものである。図９の横軸は時間ｔ[min]であり、０[min]が２００１年１月１日００時００分に、５．２５６×１０5[min]が２００１年１２月３１日２３時５５分に対応する。
ここでは、独立成分信号ベクトルｙ(t)の次元数ｎをｎ＝１０と設定した例を示したが、本発明においては、他の値であっても構わない。
なお、ここでは、実施例の一例として、ある高炉の過去一年分のシャフト圧力データに対して画像データベクトルｘ(t)を生成し、その分離行列Ｗと独立成分信号ベクトルｙ(t)を求める例を説明したが、本発明においては、データ収集装置３で時々刻々収集されるシャフト圧力データを逐次画像データベクトルｘ(t)化して過去のシャフト圧力データと共に蓄積し、時間の推移に対応しながら逐次分離行列Ｗを再計算し、逐次独立成分信号ベクトルｙ(t)を求めても構わない。
（７．類似操業事例検索部）
本発明における高炉操業の操業監視方法は、現時点での操業状態がどのような特徴を有しているかを明確にし、それが過去のどの時期の操業状態と類似しているかを正確に検索し、そして、そのときの操業状態の推移やそのときに実行した操業条件を参考にして、今後の操業条件を決定していく。
本発明における高炉操業の操業監視方法は、現時点での操業状態がどのような特徴を有しているかを明確にし、それが過去のどの時期の操業状態と類似しているかを正確に検索し、そして、そのときの操業状態の推移やそのときに実行した操業条件を参考にして、今後の操業条件を決定していく。
すなわち、本発明は、独立成分分析部６で計算した独立成分信号ベクトルｙ(t)と分離行列Ｗを独立成分・分離行列評価部７で評価し、その結果を用いて現時点での操業状態がどのような特徴を有しているかを明確にする。
さらに、類似操業事例検索部８でそれが過去のどの時期の操業状態と類似しているかを正確に検索することにより、そのとき操業状態の推移やそのときに実行した操業条件を参考にして、今後の操業条件を決定する。
ここで、独立成分・分離行列評価部７及び類似操業事例検索部８で実施する独立成分信号ベクトルｙ(t)を用いた類似画像データの検索方法について説明する。
独立成分分析部６でｎ次元の独立成分信号ベクトルｙ(t)を計算する。ここで、時間ｔは、適切な時間周期で離散化された離散化時間ｔ＝１，２，３，・・・，Ｔとする。
ｎ次元の独立成分信号ベクトルｙ(t)とｎ行×ｍ列の分離行列Ｗ、及びこれらの算出に用いたｍ次元の画像データベクトルｘ(t)の間には、式(12)の関係が成立する。式(12)は、画像データベクトルｘ(t)と独立成分信号ベクトルｙ(t)は分離行列Ｗを介して一対一対応であることを示しており、同じ画像の独立成分信号ベクトルｙ(t)は互いに一致する。
すなわち、検索したい画像（以後、教師画像と呼ぶ）の画像データベクトルｘsに対応する独立成分信号ベクトルを下式(46)とすると、同じ画像の画像データベクトルｘ(t)の独立成分信号ベクトルｙ(t)は、下式(47)となることが必要十分条件である。
そして、教師画像と類似性の高い画像の関係は、その類似性が高ければ高いほど、独立成分信号ベクトル相互の類似性が高く、すなわち下式(48)であると考えることができる。
そこで、教師画像と類似性の高い画像を効率よく検索する方法として、独立成分信号ベクトルの類似性に着目し、同じ画像であれば１となるような類似度指数を定義し、この類似度指数を用いて教師画像の類似画像を検索する方法を以下に例示する。ここでは、類似度指数を教師画像と類似画像が満足するいくつかの必要条件を複数組み合わせた形態で定義することにより、類似度指数の値が大きく１に近ければ近いほど類似性が高いことと対応させる。
（必要条件１）
教師画像と類似画像の関係における必要条件は、教師画像の独立成分信号ベクトルｙsと類似画像の独立成分信号ベクトルｙ(t)の誤差２乗和（ノルム）が小さいことである。必要条件１に対応する類似度指標ｆ* 1(t)の定義及び計算方法を、式(49)及び式(50)に例示する。
教師画像と類似画像の関係における必要条件は、教師画像の独立成分信号ベクトルｙsと類似画像の独立成分信号ベクトルｙ(t)の誤差２乗和（ノルム）が小さいことである。必要条件１に対応する類似度指標ｆ* 1(t)の定義及び計算方法を、式(49)及び式(50)に例示する。
この定義から画像が教師画像に類似であればあるほど類似度指標ｆ* 1(t)は１に近づき、類似でなければないほど類似度指標ｆ* 1(t)は０に近づく。
（必要条件２）
教師画像と類似画像の関係の必要条件は、下記の数２５に示す関係があることである。
（必要条件２）
教師画像と類似画像の関係の必要条件は、下記の数２５に示す関係があることである。
分離行列Ｗは逆行列を持つので、式(12)より下式(51)となる。
画像データベクトルｘ(t)は統計的に独立なｎ次元の独立成分信号ベクトルｙ(t)の線形結合であることがわかる。必要条件２は画像データベクトルｘ(t)を独立成分信号ベクトルｙ(t)の線形結合で構成するとき、最も支配的となる独立成分の一致度合いに着目した条件である。必要条件２に対応する類似度指標ｆ* 2(t)の定義及び計算方法を、式(52)〜式(55)に例示する。
この定義から画像が教師画像データを類似であればあるほど類似度指標ｆ* 2(t)は１に近づき、類似でなければないほど類似度指標ｆ* 2(t)は０に近づく。
そして、本発明では、必要条件１に対応する類似度指標ｆ* 1(t)と必要条件２に対応する類似度指標ｆ* 2(t)を組み合わせた類似度指標として、式(56)で例示する類似度指数ｆ* (t)を定義し、計算する。
この定義から、必要条件１と必要条件２を同時に考慮して、画像が教師画像に類似であればあるほど類似度指標ｆ* (t)は１に近づき、類似でなければないほど類似度指標ｆ* (t)は０に近づく。
さらに、本発明における類似画像データの検索方法は、教師画像の独立成分信号ベクトルｙsが与えられたとき、検索対象範囲の画像データの独立成分信号ベクトルｙ(t)から類似度指標ｆ* (t)を計算し、該類似度指標ｆ* (t)の値の大小にしたがって独立成分信号ベクトルｙ(t)を離散化時間について並びかえる。その結果、検索対象範囲の独立成分信号ベクトルｙ(t)を教師画像と類似性の高い順番に並びかえて、その時間を特定することができ、その時間から類似画像を特定することができる。
これまでに説明してきた類似画像データの検索方法のフローチャートを図１０に示す。
次に、図１０で示した類似画像データの検索方法による類似画像の検索実施例を示す。図５の(a)で例示したシャフト圧力分布が良好な場合（２００１年１２月２０日０９時５０分）のシャフト圧力画像を教師画像とし、前記実施例の一年分の画像データから類似画像を検索する。すなわち、前記実施例で例示した一年分の画像データの独立成分信号ベクトルｙ(t)から類似度指数ｆ* (t)を計算し、類似度指数ｆ* (t)の値が１に近い時間の画像から順に３つを類似画像の第１候補、第２候補、第３候補とする。このときの類似度指数ｆ* (t)による並びかえ結果を図１１に、また、各候補の時間から特定される３つの類似画像を図１２に示す。図１２において、検索された３つの類似画像は検索候補の順に教師画像と類似しており、本検索方法は有効である。
同様にして、図５の(b)で例示したシャフト圧力が不良な場合(２００１年１２月１５日０６時５０分)のシャフト圧力画像を教師画像とし、前記実施例の一年分の画像データから類似画像を検索する。すなわち、前記実施例で例示した一年分の画像データの独立成分信号ベクトルｙ(t)から類似度指数ｆ* (t)を計算し、類似度指数ｆ* (t)の値が１に近い時間の画像から順に３つを類似画像の第１候補、第２候補、第３候補とする。このときの類似度指数ｆ* (t)による並びかえ結果を図１３に、また、各候補の時間から特定される３つの類似画像を図１４に示す。図１４において、検索された３つの類似画像は検索候補の順に教師画像と類似しており、本検索方法は有効である。
図１０〜図１４の結果から、本発明による類似画像データの検索方法は、シャフト圧力の展開画像の特徴的な２つの画像事例を区別し、かつ各々画像の類似画像が検索できる。
本発明による類似画像データの検索方法は、各々の画像の膨大な情報量を少ない次元数の特徴量である独立成分信号ベクトルｙ(t)として抽出してどのような特徴を有しているかを明確にし、大量の画像データの中から教師画像と類似な画像を効率よく検索することを可能とするだけでなく、その類似度を類似度指数ｆ* (t)として定量的に評価することができることに特徴を有する。
このとき、分離行列Ｗは、例えば、Hyvarianらが提案したFastICAアルゴリズムを用いれば、短時間で計算することができる。また、検索対象の画像データの独立成分信号ベクトルｙ(t)から類似度指数ｆ* (t)を計算し、該類似度指標ｆ* (t)の値の大小にしたがって、独立成分信号ベクトルｙ(t)を離散化時間について並びかえ、類似度指数ｆ* (t)の値が１に近い時間の画像から順に類似画像の候補を探索する処理も短時間で完了する。
したがって、本発明においては、データ収集装置３で時々刻々収集されるシャフト圧力データを逐次画像データベクトルｘ(t)化して過去のシャフト圧力データと共に蓄積し、時間の推移に対応しながら逐次分離行列Ｗを再計算し、逐次独立成分信号ベクトルｙ(t)を求め、逐次類似度指数ｆ* (t)を計算して独立成分信号ベクトルｙ(t)の並べかえを実施し、蓄積した画像データのなかから逐次類似画像を検索することが可能である。
このとき、例えば、現時刻における高炉操業状態の画像データを教師画像とし、現時点と類似性の高い画像の時間を特定すれば、該時間における各種の計測データ、操業日誌記録から、該時間の操業状態の推移や該時間に実行した操業条件を確認することができ、現時点の高炉の操業状態や今後の操業状態の推移を予測することができる。
さらにこれらの情報を参考にして、今後の操業条件を決定していくことが可能である。
なお、図１０では必要条件２として教師画像の独立成分信号ベクトルｙsの最大成分の絶対値ｙsmax、注目したが、必要条件２を拡張して、下記の数２９に示す関係があるに着目して、式(59)及び式(60)のように類似度指数ｆ* k+1(t)を定義し、これらを必要に応じて組み合わせて、式(61)のように類似度指数ｆ* (t)を定義して用いても有効であることは言うまでもない。
なお、本発明においては、類似度指数の定義及びその算出手順は、式(49)から式(61)及び図１０で例示した以外の方法であっても構わない。
（８．独立成分・分離行列時系列推移評価部）
独立成分分析部６で計算されたｎ次元の独立成分信号ベクトルｙ(t)を独立成分・分離行列時系列評価部９で評価し、操業監視部１０で高炉の操業状態を監視する。
独立成分分析部６で計算されたｎ次元の独立成分信号ベクトルｙ(t)を独立成分・分離行列時系列評価部９で評価し、操業監視部１０で高炉の操業状態を監視する。
前記実施例の例で、図９はある高炉の２００１年１月１日００時００分から２００１年１２月３１日２３時５５分までの一年分のシャフト圧力データ画像の独立成分信号ベクトルｙ(t)の第１番目の成分ｙ1(t)から第１０番目の成分ｙ10(t)を時系列に示したものである。
各独立成分は、シャフト圧力データ画像に潜在化している統計的に独立な信号成分を表現している。例えば、第５番目の独立成分ｙ5(t)で表現される矩形の波形は、その時刻から高炉の休風を示すものである。
また、高炉の通気性が不良で操業が良くなかった時期(ｔ＝０．８２×１０5〜１．５５×１０5[min]：２００１年２月２６日２２時４０分〜４月２０日１７時２０分)においては、第２番目の独立成分ｙ2(t)の波形が大きく変動している。
したがって、図１５で例示するように、第２番目の独立成分ｙ2(t)の時系列推移を監視し、予め設定しておく管理値を超えたら、高炉の通気性が不良となっている操業状態であると監視することができる。図１５では、説明のため、第２番目の独立成分ｙ2(t)の時系列推移を例に、予め設定しておく管理値として、上管理値ｙ2u＝１．０及び下管理値値ｙ2l＝−１．０である場合を例示したが、本発明においては、管理値に他の値を用いても構わない。また、第２番目以外の独立成分の時系列推移を監視しても構わない。さらに、複数の独立成分を組み合わせた変数の時系列推移を監視しても構わない。
（９．記録部）
記録部９において、画像情報化処理部５、独立成分分析部６、類似操業時事例検索部７及び独立成分・分離行列時系列評価部８における算出結果、計測データ及び操業条件を記載した操業日誌をテキスト形式等のファイルとして記録し、データベース化する。
記録部９において、画像情報化処理部５、独立成分分析部６、類似操業時事例検索部７及び独立成分・分離行列時系列評価部８における算出結果、計測データ及び操業条件を記載した操業日誌をテキスト形式等のファイルとして記録し、データベース化する。
本発明においては、データベース形式を限定する必要はなく、XML形式等、他のデータベース形式を用いて構成しても構わない。そして、記録部９で記録した情報を、例えば、ファイル入力して、オフラインで高炉の操業状態を評価することも可能である。本発明においては、オフラインでのデータ入力形態を限定する必要はなく、XML形式等のデータベースから入力しても構わない。
加えて、本発明においては、該算出結果の記録部９への伝送形態及び伝送方法について限定する必要はなく、例えば、該算出結果をデジタル信号化し、該デジタル信号を記録部９へ伝送して記録してもよいし、さらに、該デジタル信号を各種のデータ圧縮手法によって圧縮することによって伝送データ量を小さくして記録部９へ伝送して記録してもよいし、さらに、例えば、LAN、イーサネット(R)、無線LAN、インターネット等の情報伝送ネットワークを介して前記デジタル信号を高炉設備から離れた遠隔地点に設置した記録部９へ伝送して記録しても構わない。
（１０．出力部）
また、出力部１０において、画像情報化処理部５、独立成分分析部６、類似操業事例検索部７及び独立成分・分離行列時系列評価部８の算出結果、例えば、図５、図８、図９、図１１、図１２、図１３、図１４、図１５で例示した内容を、モニタ等によって画面出力する。
また、出力部１０において、画像情報化処理部５、独立成分分析部６、類似操業事例検索部７及び独立成分・分離行列時系列評価部８の算出結果、例えば、図５、図８、図９、図１１、図１２、図１３、図１４、図１５で例示した内容を、モニタ等によって画面出力する。
このとき、本発明においては、前記算出結果の出力部１０への伝送形態及び伝送方法について限定する必要はなく、例えば、該算出結果をデジタル信号化し、該デジタル信号を出力部１０へ伝送して出力してもよいし、さらに、該デジタル信号を各種のデータ圧縮手法によって圧縮することによって伝送データ量を小さくして出力部１０へ伝送し、伝送後、出力部１０において該圧縮伝送データを圧縮前のデジタル信号に復元して出力してもよいし、さらに、例えば、LAN、イーサネット(R)、無線LAN、インターネット等の情報伝送ネットワークを介して、前記デジタル信号を高炉設備から離れた遠隔地点に設置した出力部１０へ伝送して出力しても構わない。そのさい、本発明の手法においては、そのデータ圧縮手法を限定する必要はない。
以上述べた実施の形態のデータ処理装置４は、コンピュータのＣＰＵ或いはＭＰＵ、ＲＡＭ、ＲＯＭ等で構成されるものであり、ＲＡＭやＲＯＭに記録されたプログラムが動作することによって実現できる。従って、コンピュータが上記機能を果たすように動作させるプログラムを記憶媒体に記録し、コンピュータに読み取らせることによって実現できるものである。記憶媒体としては、ＣＤ−ＲＯＭ、ＤＶＤ、フレキシブルディスク、ハードディスク、磁気テープ、光磁気テープ、不揮発性のメモリカード等を用いることができる。
また、コンピュータが供給されたプログラムを実行することにより上述の実施形態の機能が実現されるだけでなく、そのプログラムコードがコンピュータにおいて稼働しているＯＳ（オペレーティングシステム）或いは他のアプリケーションソフト等と共同して上述の実施形態の機能が実現される場合にもかかるプログラムコードは本発明の実施形態に含まれることは言うまでもない。
なお、これまで各種の計測データの中からシャフト圧力データを例に、本発明を説明したが、本発明においては、他の部位の他の物理量の計測データや該計測データの時間的変化（時間変化率）用いても構わない。
さらに、上記実施例においては監視対象を高炉としているが、本発明における操業監視方法は、内部の状態量を直接検出できない反応器（ビール等の醸造槽、石油精製塔、原子炉、熱交換器等）に対しても適用可能である。
１ 高炉設備
２ 高炉設備上の複数の各種センサ
３ データ収集装置
４ データ処理装置
５ 画像情報化処理部
６ 独立成分分析部
７ 類似操業事例検索部
８ 独立成分・分離行列時系列評価部
９ 記録部
１０ 出力部
２ 高炉設備上の複数の各種センサ
３ データ収集装置
４ データ処理装置
５ 画像情報化処理部
６ 独立成分分析部
７ 類似操業事例検索部
８ 独立成分・分離行列時系列評価部
９ 記録部
１０ 出力部
Claims (7)
- 高炉設備上に複数設置されたセンサから出力される測定対象量の計測データを、各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面であり、複数の座標軸を有する所定の面に配置し、計測データの空間的分布状態や時間的変化に基づいて高炉の操業状態を監視する操業監視方法であって、
（ア）前記複数設置されたセンサそれぞれから出力される計測データを所定のサンプリング周期で収集するデータ収集手順と、
（イ）予め設定されている前記センサそれぞれの設置位置情報に基づき、各センサによる計測データ又はその時間的変化データを、前記センサの設置位置に対応する所定の面上の地点に配置する手順と、
（ウ）所定の面上において、前記各地点に配置した計測データ又はその時間的変化データを基に空間的に補間し、該データが同値な任意の等値線を算出して、該等値線からなる画像情報を導出する手順と、
（エ）前記（ア）〜（ウ）の手順を所定の期間Ｔにおいて逐次実行して、時々刻々の画像情報を生成・収集して画像情報のデータベースとする手順と、
（オ）該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗを算出する手順と、
（カ）新たな画像情報に対して、該画像情報の観測信号ベクトルｘｓを算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓを算出する手順と、
（キ）前記新たな画像情報の独立成分信号ベクトルｙｓと前記独立成分信号ベクトルｙ（ｔ）の、前記所定の期間Ｔ内の各時刻ｔにおける誤差２乗和（ノルム）||ｙ（ｔ）−ｙｓ||を計算し、該誤差２乗和||ｙ（ｔ）−ｙｓ||に基づいて独立成分信号ベクトルｙｓと独立成分信号ベクトルｙ（ｔ）の各成分の値が類似することを示す類似度指標ｆ１（ｔ）を所定の式で算出し、該類似度指標の大小を基に、前記新たな画像情報と類似な画像情報、及び該類似な画像情報が得られた時刻ｔ１のいずれか一方又は両方を前記画像情報のデータベースについて検索する手順と、
からなることを特徴とする高炉操業における操業監視方法。 - 高炉設備上に複数設置されたセンサから出力される測定対象量の計測データを、各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面であり、複数の座標軸を有する所定の面に配置し、計測データの空間的分布状態や時間的変化に基づいて高炉の操業状態を監視する操業監視方法であって、
（ア）前記複数設置されたセンサそれぞれから出力される計測データを所定のサンプリング周期で収集するデータ収集手順と、
（イ）予め設定されている前記センサそれぞれの設置位置情報に基づき、各センサによる計測データ又はその時間的変化データを、前記センサの設置位置に対応する所定の面上の地点に配置する手順と、
（ウ）所定の面上において、前記各地点に配置した計測データ又はその時間的変化データを基に空間的に補間して、該データが同値な任意の等値線を算出して、該等値線からなる画像情報を導出する手順と、
（エ）前記（ア）〜（ウ）の手順を所定の期間Ｔにおいて逐次実行して、時々刻々の画像情報を生成・収集して画像情報のデータベースとする手順と、
（オ）該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗを算出する手順と、
（ク）新たに、ある時刻ｔ２の画像情報に対して、該画像情報の観測信号ベクトルｘｓを算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓを算出する手順と、
（ケ）前記時刻ｔ２画像情報の独立成分信号ベクトルｙｓと前記独立成分信号ベクトルｙ（ｔ）の、前記所定の期間Ｔ内の各時刻ｔにおける誤差２乗和（ノルム）||ｙ（ｔ）−ｙｓ||を計算し、該誤差２乗和||ｙ（ｔ）−ｙｓ||に基づいて独立成分信号ベクトルｙｓと独立成分信号ベクトルｙ（ｔ）の各成分の値が類似することを示す類似度指標ｆ１（ｔ）を所定の式で算出し、該類似度指標の大小を基に、前記時刻ｔ２の画像情報と類似な画像情報及びその時刻ｔ３を前記画像情報のデータベースについて検索する手順と、
（コ）予め設定された所定の期間Ｔにおける計測データ及び操業日誌記録のデータベースから、前記時刻ｔ３の操業状態、操業条件の事例を出力する手順と、
からなることを特徴とする高炉操業における操業監視方法。 - 請求項１又は２に記載の高炉操業における操業監視方法であって、
高炉に複数設置されたセンサから逐次収集される計測データを用いて、前記独立成分ベクトルｙ（ｔ）及び分離行列Ｗを逐次更新することを特徴とする高炉操業における操業監視方法。 - 高炉設備上に複数設置されたセンサから出力される測定対象量の計測データを、各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面であり、複数の座標軸を有する所定の面に配置し、計測データの空間的分布状態や時間的変化に基づいて高炉の操業状態を監視する操業監視装置であって、
前記複数設置されたセンサで計測される計測データを所定のサンプリング周期で収集するデータ収集手段と、
予め設定されている前記センサそれぞれの設置位置情報に基づき、前記計測データ又はその時間的変化データを前記所定の面上の地点に配置し、該データを基に空間的に補間して同値な任意の等値線を得て、該画像情報を算出する画像情報化処理手段と、
該画像情報を所定の期間Ｔにおいて収集して画像情報のデータベースとし、該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗとを算出する独立成分分析手段と、
新たな画像情報に対して、該画像情報の観測信号ベクトルｘｓを算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓを算出する独立成分・分離行列評価手段と、
前記新たな画像情報の独立成分信号ベクトルｙｓと前記独立成分信号ベクトルｙ（ｔ）の、前記所定の期間Ｔ内の各時刻ｔにおける誤差２乗和（ノルム）||ｙ（ｔ）−ｙｓ||を計算し、該誤差２乗和||ｙ（ｔ）−ｙｓ||に基づいて独立成分信号ベクトルｙｓと独立成分信号ベクトルｙ（ｔ）の各成分の値が類似することを示す類似度指標ｆ１（ｔ）を所定の式で算出し、該類似度指標の大小を基に、前記新たな画像情報と類似な画像情報、及び該類似な画像情報の時刻ｔ１のいずれか一方又は両方を前記画像情報のデータベースについて検索して得る類似操業事例検索手段と、
前記画像情報化処理手段、独立成分分析手段、及び類似操業事例検索手段におけるそれぞれの算出結果、並びに、計測データ及び操業条件を記載した操業日誌を逐次記録する記録手段と、
前記画像情報化処理手段、独立成分分析手段、及び類似操業事例検索手段におけるそれぞれの算出結果を出力する出力手段と、
を具備することを特徴とする高炉操業における操業監視装置。 - 高炉設備上に複数設置されたセンサから出力される測定対象量の計測データを、各センサの設置位置を反映させた２次元平面又は２次元平面で構成される３次元立体の表面であり、複数の座標軸を有する所定の面に配置し、計測データの空間的分布状態や時間的変化に基づいて高炉の操業状態を監視する操業監視装置であって、
前記複数設置されたセンサで計測される計測データを所定のサンプリング周期で収集するデータ収集手段と、
予め設定されている前記センサそれぞれの設置位置情報に基づき、前記計測データ又はその時間的変化データを前記所定の面上の地点に配置し、該データを基に空間的に補間して同値な任意の等値線を得て、該画像情報を算出する画像情報化処理手段と、
該画像情報を所定の期間Ｔにおいて収集して画像情報のデータベースとし、該画像情報のデータベースについて、該所定の面上において複数ｍの格子点を設け、各格子点での計測データ又はその時間的変化データの値を成分とする観測信号ベクトルｘ（ｔ）を取り出し、所定の期間Ｔにおける該観測信号ベクトルｘ（ｔ）について、独立成分分析を実施して独立成分信号ベクトルｙ（ｔ）と分離行列Ｗとを算出する独立成分分析手段と、
新たに逐次得られる画像情報に対して、該画像情報の観測信号ベクトルｘｓ'を算出し、前記分離行列Ｗによって変換して該画像情報の独立成分信号ベクトルｙｓ'を逐次算出して、該独立成分信号ベクトルｙｓ'の予め設定した独立成分のｙｉの時間的推移を、予め設定した管理値の大小と比較する独立成分・分離行列時系列評価手段と、
前記画像情報化処理手段、独立成分分析手段、及び独立成分・分離行列時系列評価手段におけるそれぞれの算出結果、並びに、計測データ及び操業条件を記載した操業日誌を逐次記録する記録手段と、
前記画像情報化処理手段、独立成分分析手段、及び独立成分・分離行列時系列評価手段におけるそれぞれの算出結果を出力する出力手段と、
を具備することを特徴とする高炉操業における操業監視装置。 - 請求項１〜３のうちのいずれか１項に記載の高炉操業における操業監視方法の各手順をコンピュータに実行させるためのコンピュータプログラム。
- 請求項４又は５に記載の高炉操業における操業監視装置の各手段としてコンピュータを機能させるためのコンピュータプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003367780A JP4150322B2 (ja) | 2003-10-28 | 2003-10-28 | 高炉操業における操業監視方法、装置、及びコンピュータプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003367780A JP4150322B2 (ja) | 2003-10-28 | 2003-10-28 | 高炉操業における操業監視方法、装置、及びコンピュータプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2005133115A JP2005133115A (ja) | 2005-05-26 |
| JP4150322B2 true JP4150322B2 (ja) | 2008-09-17 |
Family
ID=34645687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003367780A Expired - Lifetime JP4150322B2 (ja) | 2003-10-28 | 2003-10-28 | 高炉操業における操業監視方法、装置、及びコンピュータプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4150322B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008001421A1 (fr) * | 2006-06-26 | 2008-01-03 | Panasonic Corporation | Procédé de mesure de la qualité de réception |
| JP4901462B2 (ja) * | 2006-12-27 | 2012-03-21 | 新日本製鐵株式会社 | 炉頂部のガス流状態監視方法、監視装置、及びコンピュータプログラム |
| JP5845945B2 (ja) * | 2011-04-06 | 2016-01-20 | 新日鐵住金株式会社 | 操業予測装置、操業予測方法、及びコンピュータプログラム |
| JP2017128805A (ja) * | 2016-01-19 | 2017-07-27 | Ｊｆｅスチール株式会社 | 高炉の操業方法 |
| KR102261941B1 (ko) * | 2019-11-29 | 2021-06-08 | 한국생산기술연구원 | 생산 제품 불량 검출을 위한 시계열 데이터 지문화 및 이미지 딥러닝 분석 방법 및 분석 시스템 |
-
2003
- 2003-10-28 JP JP2003367780A patent/JP4150322B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2005133115A (ja) | 2005-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5538597B2 (ja) | 異常検知方法及び異常検知システム | |
| CN107292023B (zh) | 一种基于损伤指标体系窄域特性的桥梁结构状态诊断方法 | |
| Sullivan et al. | Change-point detection of mean vector or covariance matrix shifts using multivariate individual observations | |
| JP5301717B1 (ja) | 設備状態監視方法およびその装置 | |
| JP5342708B1 (ja) | 異常検知方法及びその装置 | |
| JP6362808B1 (ja) | 情報処理装置および情報処理方法 | |
| US20120041575A1 (en) | Anomaly Detection Method and Anomaly Detection System | |
| JP7126256B2 (ja) | 異常診断装置、異常診断方法、及びプログラム | |
| CN116167668A (zh) | 基于bim的绿色节能建筑施工质量评价方法及系统 | |
| US11954923B2 (en) | Method for rating a state of a three-dimensional test object, and corresponding rating system | |
| CN112507861A (zh) | 一种多层卷积特征融合的行人检测方法 | |
| CN116448419A (zh) | 基于深度模型高维参数多目标高效寻优的零样本轴承故障诊断方法 | |
| CN111274543A (zh) | 一种基于高维空间映射的航天器系统异常检测方法 | |
| JP4150322B2 (ja) | 高炉操業における操業監視方法、装置、及びコンピュータプログラム | |
| CN116894180B (zh) | 一种基于异构图注意力网络的产品制造质量预测方法 | |
| Wang et al. | A multivariate sign chart for monitoring dependence among mixed-type data | |
| Li et al. | Structural health monitoring data anomaly detection by transformer enhanced densely connected neural networks | |
| CN116975581B (zh) | 一种基于step格式的钣金件快速识别方法 | |
| Eltouny et al. | A nonparametric unsupervised learning approach for structural damage detection | |
| CN116644593A (zh) | 一种不确定噪声的非高斯性检测判别方法及装置 | |
| CN114880954A (zh) | 一种基于机器学习的滑坡敏感性的评估方法 | |
| JP7233258B2 (ja) | 異常診断装置 | |
| CN113139247A (zh) | 一种机械结构不确定性参数量化与相关性分析方法 | |
| CN116050120B (zh) | 一种滑坡隐患活动性遥感评价建模方法、系统和存储介质 | |
| Ceccarelli et al. | Semantic segmentation through Artificial Intelligence from raw point clouds to H-BIM representation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050914 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070607 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070619 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070820 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080226 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080428 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080624 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080627 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110704 Year of fee payment: 3 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 4150322 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110704 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120704 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130704 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130704 Year of fee payment: 5 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130704 Year of fee payment: 5 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130704 Year of fee payment: 5 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130704 Year of fee payment: 5 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |