JP6344158B2 - 故障検出装置 - Google Patents

故障検出装置 Download PDF

Info

Publication number
JP6344158B2
JP6344158B2 JP2014176840A JP2014176840A JP6344158B2 JP 6344158 B2 JP6344158 B2 JP 6344158B2 JP 2014176840 A JP2014176840 A JP 2014176840A JP 2014176840 A JP2014176840 A JP 2014176840A JP 6344158 B2 JP6344158 B2 JP 6344158B2
Authority
JP
Japan
Prior art keywords
sensor
value
input
values
accumulated 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.)
Active
Application number
JP2014176840A
Other languages
English (en)
Other versions
JP2016051360A (ja
Inventor
康一 増田
康一 増田
洋之 古川
洋之 古川
萌 木下
萌 木下
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IHI Corp
Original Assignee
IHI Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by IHI Corp filed Critical IHI Corp
Priority to JP2014176840A priority Critical patent/JP6344158B2/ja
Priority to EP15837331.6A priority patent/EP3130976B1/en
Priority to PCT/JP2015/068691 priority patent/WO2016035433A1/ja
Publication of JP2016051360A publication Critical patent/JP2016051360A/ja
Priority to US15/287,918 priority patent/US10113443B2/en
Application granted granted Critical
Publication of JP6344158B2 publication Critical patent/JP6344158B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F01D21/003—Arrangements for testing or measuring
    • 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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D25/00—Component parts, details, or accessories, not provided for in, or of interest apart from, other groups
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C7/00—Features, components parts, details or accessories, not provided for in, or of interest apart form groups F02C1/00 - F02C6/00; Air intakes for jet-propulsion plants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C7/00—Features, components parts, details or accessories, not provided for in, or of interest apart form groups F02C1/00 - F02C6/00; Air intakes for jet-propulsion plants
    • F02C7/04—Air intakes for gas-turbine plants or jet-propulsion plants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C3/00—Gas-turbine plants characterised by the use of combustion products as the working fluid
    • F02C3/04—Gas-turbine plants characterised by the use of combustion products as the working fluid having a turbine driving a compressor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2220/00—Application
    • F05D2220/30—Application in turbines
    • F05D2220/32—Application in turbines in gas turbines
    • F05D2220/323—Application in turbines in gas turbines for aircraft propulsion, e.g. jet engines
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/303—Temperature
    • 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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks

Description

本発明は、センサのドリフト故障を検出する故障検出装置に関する。
異常検出に、品質工学の総合体系であるＭＴシステム（例えば、ＭＴ法（マハラノビス・タグチ法）や誤圧法を含む）やニューラルネットワーク等の技術が利用されている。これらの技術は、様々な機械システム等の故障検出にも利用することができる。例えば、航空機のガスタービンエンジンの制御に利用する複数のセンサの故障検出にも、ＭＴシステムやニューラルネットワークを利用することができる（例えば、特許文献１及び２参照）。
ＭＴ法を利用してセンサ故障を検出する場合、各センサの正常なデータで構成される単位空間と、各センサの検査対象のデータで構成される信号空間との関係を表すマハラノビス距離を算出し、このマハラノビス距離を予め定められる閾値と比較し、各センサの故障の有無を検出する。また、誤圧法を利用してセンサ故障を検出する場合、同様の単位空間と信号空間との関係を表す誤圧距離を算出し、この誤圧距離を予め定められる閾値と比較し、各センサの故障の有無を検出する。さらに、ニューラルネットワークを利用してセンサ故障を検出する場合、各センサの正常なデータ及び異常なデータを教師データとして学習処理を実行し、またこの教師データを使用して検査対象のデータについて異常判定処理を実行し、故障を検出する。
航空機のガスタービンエンジンの制御に利用される各センサ値は、飛行条件（例えば、高度や飛行速度）や外気温度等の環境による影響を受けやすい。したがって、各センサ値は、正常であったとしても、データの分散が大きくなる。この場合、程度の小さな値の変化によって現れるセンサドリフト故障については、センサ値の変化が正常値の分散の範囲に埋もれ、検出されにくい。
特許第４８２４５１８号公報 特開２０１１−１０６４６７号公報
上述したように、従来の故障検出の方法では、環境変化の影響を受けることにより、程度の小さなセンサのドリフト故障については検出がされにくく、センサの故障検出が低減するおそれがあった。
上記課題に鑑み、本発明は、環境変化の影響を受けることなく、故障検出の精度を向上させる故障検出装置を提供することを目的とする。
上記目的を達成するために、第１の発明は、故障の検出対象である複数のセンサで計測された値が入力される入力手段と、過去に取得された複数のセンサ値を蓄積データとして記憶する蓄積データ記憶部と、前記蓄積データ記憶部からＭＴシステムで利用する単位空間のセンサ値を抽出し、抽出されたセンサ値のうち、他のセンサ値に影響を与えるセンサ値として定義される条件センサ値及び前記条件センサ値によって影響が与えられないセンサ値についてはそのまま使用し、前記条件センサ値によって影響が与えられる前記他のセンサ値については前記条件センサ値によって無次元化した値又は前記条件センサ値によって補正した値を使用して、単位空間を生成する単位空間生成手段と、前記入力手段に故障の検出対象である複数のセンサ値が入力されると、入力されたセンサ値のうち、前記条件センサ値及び前記条件センサ値に影響が与えられないセンサ値についてはそのまま使用し、前記他のセンサ値については前記条件センサ値によって無次元化した値又は前記条件センサ値によって補正した値を使用して、ＭＴシステムで利用する診断用データの集合である信号空間とする信号空間生成手段と、前記単位空間生成手段が生成した単位空間と前記信号空間生成手段が生成した信号空間との関係を表す距離を所定の閾値と比較し、いずれかのセンサの故障の可能性の有無を判定する判定手段とを備える。
第２の発明は、航空機のガスタービンエンジンに備えられる複数のセンサで計測された値が入力される入力手段と、前記航空機の離陸の瞬間に前記複数のセンサで計測された値を蓄積データとして記憶する蓄積データ記憶部と、前記蓄積データ記憶部に記憶される前記ガスタービンエンジンの入口温度を計測する第１センサの値と、前記ガスタービンエンジンが有するコンプレッサの入口温度を計測する第２センサの値との相関式を特定する相関式特定手段と、前記蓄積データ記憶部に記憶される前記第２センサの値を、前記相関式特定手段で特定された相関式で無次元化する蓄積データ無次元化手段と、前記蓄積データ記憶部に記憶される各センサ値のうち、前記第１センサの値に影響されるセンサの値を、同時に計測された第１センサの値でそれぞれ補正する蓄積データ補正手段と、前記蓄積データ記憶部で記憶される各値とともに、前記蓄積データ無次元化手段で無次元化された各第２センサの値と、前記蓄積データ補正手段で補正された各センサの値とを利用して、ＭＴシステムで利用する単位空間を算出する単位空間算出手段と、前記入力手段に新たに入力された前記第２センサの値を、前記相関式特定手段で特定された相関式で無次元化する入力データ無次元化手段と、前記入力手段に新たに入力された各センサ値のうち、前記第１センサの値に影響されるセンサの値を、新たに入力された第１センサの値で補正する入力データ補正手段と、前記入力手段に新たに入力された各値とともに、前記入力データ無次元化手段で無次元化された第２センサの値と、前記入力データ補正手段で補正された各センサの値とを利用して、ＭＴシステムで利用する診断用のデータの集合である信号空間を算出する信号空間算出手段と、前記単位空間算出手段が算出した単位空間と前記信号空間算出手段が算出した信号空間との関係を表す距離を所定の閾値と比較し、いずれかのセンサの故障の可能性の有無を判定する判定手段とを備える。
第３の発明は、故障の検出対象である複数のセンサで計測された値が入力される入力手段と、過去に取得された複数のセンサ値を蓄積データとして記憶する蓄積データ記憶部と、前記蓄積データ記憶部からニューラルネットワークの教師データとして抽出されたセンサ値のうち、他のセンサ値に影響を与えるセンサ値として定義される条件センサ値に及び前記条件センサ値によって影響が与えられないセンサ値についてはそのまま使用し、前記条件センサ値によって影響が与えられる前記他のセンサ値については前記条件センサ値によって無次元化した値又は前記条件センサ値によって補正した値を利用して、ニューラルネットワークの学習プログラムにより複数のセンサの値と各センサの状態とを含む教師データを求める学習手段と、前記入力手段に故障の検出対象である複数のセンサ値が入力されると、入力されたセンサ値のうち、前記条件センサ値及び前記条件センサ値に影響が与えられないセンサ値についてはそのまま使用し、前記他のセンサ値については前記条件センサ値によって無次元化した値又は前記条件センサ値によって補正した値を利用して、診断対象のデータの集合である信号空間を生成し、生成した信号空間の各センサの値が、前記学習手段で求められた関係に該当するか否かに応じて、いずれかのセンサの故障の可能性の有無を判定する判定手段とを備える。
第４の発明は、航空機のガスタービンエンジンに備えられる複数のセンサで計測された値が入力される入力手段と、前記航空機の離陸の瞬間に前記複数のセンサで計測された値を蓄積データとして記憶する蓄積データ記憶部と、前記蓄積データ記憶部に記憶される前記ガスタービンエンジンの入口温度を計測する第１センサの値と、前記ガスタービンエンジンが有するコンプレッサの入口温度を計測する第２センサの値との相関式を特定する相関式特定手段と、前記蓄積データ記憶部に記憶される前記第２センサの値を、前記相関式特定手段で特定された相関式で無次元化する蓄積データ無次元化手段と、前記蓄積データ記憶部に記憶される各センサ値のうち、前記第１センサの値に影響されるセンサの値を、同時に計測された第１センサの値でそれぞれ補正するとともに、第１センサの値と各センサの値との関係をそれぞれ求める蓄積データ補正手段と、前記蓄積データ記憶部に記憶される各センサの値と、前記蓄積データ無次元化手段で無次元化された各第２センサの値と、前記蓄積データ補正手段で補正された各センサの値とを利用して、ニューラルネットワークの学習プログラムにより複数のセンサの値と各センサの状態とを含む教師データを生成する学習手段と、前記入力手段に新たに入力された前記第２センサの値を、前記相関式特定手段で特定された相関式で無次元化する入力データ無次元化手段と、前記入力手段に新たに入力された各センサ値のうち、前記第１センサの値に影響されるセンサの値を、新たに入力された第１センサの値で補正する入力データ補正手段と、前記入力手段に新たに入力された各値とともに、前記入力データ無次元化手段で無次元化された第２センサの値と、前記入力データ補正手段で補正された各センサの値とを利用して、診断用のデータの集合である信号空間を算出する信号空間算出手段と、前記信号空間算出手段で算出された信号空間の各センサの値が、前記学習手段で求められた関係に該当するか否かに応じて、いずれかのセンサの故障の可能性の有無を判定する判定手段とを備える。
第５の発明は、前記判定手段の判定結果を通知する通知手段を備える。
第６の発明は、前記入力手段に入力された新たなセンサの値を前記蓄積データ記憶部の蓄積データに追加する入力データ記憶処理手段を備える。
本発明によれば、環境変化の影響を低減し、センサの故障検出の精度を向上させることができる。
図１は、第１実施形態に係る故障検出装置を説明するブロック図である。 図２は、図１の故障検出装置が検査対象とするセンサを有するガスタービンを説明する概略図である。 図３は、図１の故障検出装置で記憶される蓄積データの構成を説明する図である。 図４は、図１の故障検出装置が入力する各センサ値の一例である。 図５は、図１の故障検出装置において、図４の各センサ値を無限化又は修正した一例である。 図６は、図１の故障検出装置で実行される処理を説明するフローチャートである。 図７は、図１の故障検出装置が求める誤圧距離を説明する図である。 図８は、第２実施形態に係る故障検出装置を説明するブロック図である。 図９は、図８の故障検出装置で実行される処理を説明するフローチャートである。
以下に、図面を用いて本発明の各実施形態に係る故障検出装置について説明する。各実施形態に係る故障検出装置は、部品、装置、システム等の種々のパラメータ値を計測する複数のセンサを診断対象とし、これらのセンサの故障を、計測される各値を利用して検出する。以下では、航空機に備えられるガスタービンエンジンの各値を計測するセンサを診断対象として説明する。
〈第１実施形態〉
図１に示すように、第１実施形態に係る故障検出装置１Ａは、航空機のガスタービンエンジンにおいて、各値を計測する複数のセンサ２ａ〜２ｎと、航空機でガスタービンエンジンの制御や航空機の他の装置の制御に利用される電子制御部３と接続され、各センサ２ａ〜２ｎ及び電子制御部３から入力するデータを利用し、ＭＴシステムの誤圧法によって、各センサ２ａ〜２ｎの故障の有無を検出するとともに、故障がある場合にはいずれのセンサ２ａ〜２ｎが故障の可能性があるかを検出する。
故障検出装置１Ａに接続されるセンサの数は限定されない。例えば、センサ２ａ〜２ｎには、ガスタービンエンジンの入口温度を計測するセンサ、ガスタービンエンジンが有するコンプレッサの入口温度を計測するセンサ、ガスタービンエンジンの入口圧力を計測するセンサ、ガスタービンエンジンが有するタービン翼面の温度を計測するセンサ、ガスタービンエンジンが排気するガスの温度を計測するセンサ、ガスタービンエンジンが有するコンプレッサ出口圧力を計測するセンサ、ガスタービンエンジンが有する低圧タービンの回転数を計測するセンサ、ガスタービンエンジンが有する高圧タービンの回転数を計測するセンサ、ガスタービンエンジンが有する可変静翼の角度を計測するセンサ、ガスタービンエンジンが有する抽気バルブ開度を計測するセンサ、ガスタービンエンジンの燃料流量を計測するセンサ等が考えられる。
以下では、「ガスタービンエンジンの入口温度を計測するセンサ」を第１センサ２ａ、「ガスタービンエンジンが有するコンプレッサの入口温度を計測するセンサ」を第２センサ２ｂ、「ガスタービンエンジンの入口圧力を計測するセンサ」を第３センサ２ｃとして説明する。図２は、ガスタービンエンジン４の側面図であって、上半分を断面とした図である。各センサ２ａ〜２ｎは、このガスタービンエンジン４の各部に備えられるが、図２では、一部のセンサ（２ａ、２ｂ、２ｍ１〜２ｍ４）のみを図示する。
図１に示すように、故障検出装置１Ａは、センサ２ａ〜２ｎ及び電子制御部３との間でのデータの入出力を実行するインタフェースである入出力手段４０と、新たに計測された各センサ２ａ〜２ｎの値を記憶装置３０に記憶させる入力データ記憶処理手段１１と、第１センサ２ａの値と第２センサ２ｂの値との相関式を特定する相関式特定手段１２とを備える。また、故障検出装置１Ａは、過去に計測された各センサ２ａ〜２ｎ値のうち、他のセンサの値に影響を与えるセンサとして定義される条件センサの値及び条件センサの値に影響が与えられないセンサの値についてはそのまま使用し、条件センサの値に他のセンサの値については、条件センサの値を用いて無次元化した値又は条件センサの値を用いて補正した値を利用してＭＴシステムで利用する正常データの単位空間を生成する単位空間生成処理部１３を備える。さらに、故障検出装置１Ａは、前記入出力手段４０に入力されたセンサ２ａ〜２ｎの値のうち、条件センサの値及び条件センサの値に影響が与えられないセンサの値についてはそのまま使用し、条件センサの値に影響が与えられる他のセンサの値については、条件センサの値を用いて無次元化した値又は条件センサの値を用いて補正した値を利用してＭＴシステムで利用する診断用データの集合である信号空間を生成する信号空間生成処理部１４を備える。また、故障検出装置１Ａは、単位空間と信号空間との関係を表す距離を算出する距離算出手段１５と、距離算出手段１５が算出した距離を利用してガスタービンエンジンの故障の可能性の有無を判定する判定手段１６と、判定結果を記憶装置３０に記憶させる結果データ記憶処理手段１７とを備える。
また、故障検出装置１Ａは、蓄積データＤ１、結果データＤ２及び故障検出プログラムＰを記憶する記憶装置３０を備える。例えば、故障検出装置１Ａは、ＣＰＵ（中央処理装置）１０、記憶装置３０、入出力手段４０等を有する情報処理装置であって、記憶装置３０に記憶される故障検出プログラムＰが実行されることで、ＣＰＵ１０が入力データ記憶処理手段１１、相関式特定手段１２、単位空間生成処理部１３、信号空間生成処理部１４、距離算出手段１５、判定手段１６、結果データ記憶処理手段１７及び通知手段１８として処理を実行する。
入力データ記憶処理手段１１は、所定の条件が得られたタイミングで入出力手段４０に新たに入力された各センサ２ａ〜２ｎの値を関連付けて記憶装置３０に記憶される蓄積データＤ１に追加する。所定の条件が得られたタイミングとは、検査対象について、同一又は類似の条件を確保することができるタイミングである。航空機のガスタービンエンジン４では、航空機が飛行中には飛行状況に応じて外気温度、高度、機体の速度等、種々の条件が異なり、センサ２ａ〜２ｎで計測される値もこれらの条件に左右される。これに対し、離陸の瞬間は、外気温度、高度、機体の速度等の条件の差は飛行中と比較すると小さく、センサ２ａ〜２ｎの値もこれらの条件に依存しにくい。したがって、ここでは、離陸の瞬間を「所定の条件が得られたタイミング」とする。また、入力データ記憶処理手段１１は、離陸の瞬間に入力されたセンサ値を利用するものとして説明する。
蓄積データＤ１は、図３に一例を示すように、取得日時と、各センサ２ａ〜２ｎで計測された値とが関連付けられるデータである。また、蓄積データＤ１は、同時に取得された各センサ値から故障が検出されたか否かの判定結果である故障フラグを関連付ける。例えば、図３に示す例では、故障フラグが「１」である取得日時「Ｔ３」に取得されたセンサ値から故障が検出されたことがわかる。
例えば、入力データ記憶処理手段１１は、新たなセンサ値が入出力手段４０に入力されたタイミングでセンサ値及び故障フラグを蓄積データＤ１に追加するのではなく、先にセンサ値のみを追加し、その後の判定結果が得られたタイミングで故障フラグを追加する。もちろん、入力データ記憶手段１１は、判定結果が得られた後、各センサ値を故障フラグとともに、蓄積データＤ１に追加してもよい。
相関式特定手段１２は、所定期間に計測された第１センサ２ａの値と第２センサ２ｂの値との相関式を特定する。上述したように、第１センサ２ａの値は、「ガスタービンエンジン４の入口温度」であって、第２センサ２ｂの値は、「コンプレッサの入口温度の値」である。
具体的には、第１センサ２ａの値（ガスタービンエンジン４の入口温度）をＴ２ａsigとし、第２センサ２ｂの値（コンプレッサの入口温度）をＴ２ｂsigとするとき、相関式特定手段１２は、式（１）の係数ａ、ｂを特定した相関式を求める。
Ｔ２ｂsig＝ａ・Ｔ２ａsig＋ｂ …（１）
単位空間生成処理部１３は、図１に示すように、蓄積データ無次元化手段１３ａ、蓄積データ補正手段１３ｂ及び単位空間算出手段１３ｃを有する。
蓄積データ無次元化手段１３ａは、記憶装置３０に記憶される蓄積データＤ１から、所定期間に計測された第２センサ２ｂの値（コンプレッサの入口温度）のうち正常なデータを抽出し、第１センサ２ａの値（ガスタービンエンジン４の入口温度）で無次元化する。
ここで、所定期間に計測されたデータとは、例えば、蓄積データＤ１に含まれる検査対象のデータを除いた所定回数分（例えば、５０回分）のデータである。図３に示す例において、時刻Ｔｎのセンサ値が最新のデータであって、この時刻Ｔｎに取得したセンサ値が検査対象である場合、時刻Ｔｎより前に取得された所定回数分のデータを利用する。ここで、最新のデータのうち所定回数分のデータを利用するのは、古いデータについては、センサ２ａ〜２ｎ等の経年劣化や季節変動等の変化の影響による変化を受けることがあるため、このような変化の影響を除くために最新のデータを利用するのが好ましいことによる。
また、正常なデータとは、図３に示す例では、故障フラグ「０」と関連付けられるデータである。
なお、無次元化の対象となるセンサ値は、条件センサの値と同一の単位の値であって、条件センサ値に計測値が影響を受けるセンサ値である。
具体的には、無次元化された第２センサ２ｂの値（コンプレッサの入口温度）をＴ２ｂnomとするとき、蓄積データ無次元化手段１３ａは、相関式特定手段１２が特定した係数ａ、ｂを用いた式（２−１）及び（２−２）により、抽出した第２センサ２ｂの値を無次元化する。
Ｔ２ｂsyn＝ａ・Ｔ２ａsig＋ｂ …（２−１）
Ｔ２ｂnom＝Ｔ２ｂsig /Ｔ２ｂsyn …（２−２）
蓄積データ補正手段１３ｂは、記憶装置３０に記憶される蓄積データＤ１から、所定期間に計測された各センサ２ａ〜２ｎの値のうち正常なデータを抽出し、第１センサ２ａ〜第３センサ２ｃ以外のセンサの値のうち、第１センサ２ａの値（ガスタービンエンジン４の入口温度）または第３センサ２ｃの値（ガスタービンエンジン４の入口圧力）に影響を受ける値を、第１センサ２ａの値、第３センサ２ｃの値、または、第１センサ２ａ及び第３センサ２ｃの値で補正する。
また、所定期間に計測された正常なデータとは、蓄積データ無次元化手段１３ａで抽出したデータと同様の条件で抽出したデータである。
なお、補正の対象となるセンサ値は、条件センサの値と異なる単位の値であって、条件センサ値に計測値が影響を受けるセンサ値である。
具体的には、抽出したタービン翼面の温度（ＴＴＢsig）、排気ガスの温度（ＴＧsig）、コンプレッサ出口圧力（ＰＣsig）、低圧タービンの回転数（Ｎ１sig）、高圧タービンの回転数（Ｎ２sig）、燃料流量（ＦＦsig）を用いて、それぞれ式（３−１）〜（３−６）により、補正されたタービン翼面の温度（ＴＴＢc）、補正された排気するガスの温度（ＴＧc）、補正されたコンプレッサ出口圧力（ＰＣc）、補正された低圧タービンの回転数（Ｎ１c）、補正された高圧タービンの回転数（Ｎ２c）、補正された燃料流量（ＦＦc）を求める。
ＴＴＢｃ＝ＴＴＢsig/θ …（３−１）
ＴＧｃ＝ＴＧsig/θ …（３−２）
ＰＣｃ＝ＰＣsig/δ …（３−３）
Ｎ１c＝Ｎ１sig/√θ …（３−４）
Ｎ２c＝Ｎ２sig/√θ …（３−５）
ＦＦｃ＝ＦＦsig/（δ/√θ） …（３−６）
ここで、各係数は、下記により求められる。
θ＝Ｔ２ａsig/２８８．１５
δ＝ＰＡ/１０１．３
ＰＡ＝１０１．３・（１＋０．２Ｍｎ2）3.5
Ｍｎ：航空機の速度（Mach Number）
具体的には、式（３−１）〜（３−６）に関し、タービン翼面の温度（ＴＴＢsig）、排気ガスの温度（ＴＧsig）、低圧タービンの回転数（Ｎ１sig）、高圧タービンの回転数（Ｎ２sig）については、第１センサ２ａの値（ガスタービンエンジン４の入口温度）により補正される。また、コンプレッサ出口圧力（ＰＣsig）については、第３センサ２ｃの値（ガスタービンエンジン４の入口圧力）により補正される。さらに、燃料流量（ＦＦsig）については、第１センサ２ａの値及び第３センサ２ｃの値により補正される。
ここで、δは、第３センサ２ｃの値自体ではなく、第３センサ２ｃの値を用いて求められる値である。具体的には、δは、物体の静止した状態での圧力である「静圧（周囲大気静圧）」と、移動する物体が正面に受ける圧力である「全圧（総圧）」とで、「全圧/静圧」により得られる。なお、全圧は、「静圧＋物体が動くことによって生じる圧力」により得られる。したがって、δは、ガスタービンエンジン４の入口圧力と静圧の比によって得られる値である。
なお、蓄積データ補正手段１３ｂは、可変静翼の角度及び抽気バルブの開度等、ガスタービンエンジン４の入口温度やガスタービンエンジン４の入口圧力に影響を受けないセンサ値については、補正する必要はない。上述した例では、可変静翼の角度（ＸＶ）及び抽気バルブの開度（ＸＢ）が、補正の必要がないセンサ値である。
図４に示すのは、無次元化前又は修正前の各センサ値と、第１センサ２ａの値（ガスタービンエンジン４の入口温度）を表すグラフである。図４において、第１センサ２ａの値であり、縦軸は各センサの値である。具体的には、図４（ａ）は、コンプレッサの入口温度（Ｔ２ｂsig）、図４（ｂ）は、タービン翼面の温度（ＴＴＢsig）、図４（ｃ）は、排気ガスの温度（ＴＧsig）、図４（ｄ）は、コンプレッサ出口圧力（ＰＣsig）、図４（ｅ）は、低圧タービンの回転数（Ｎ１sig）、図４（ｆ）は、高圧タービンの回転数（Ｎ２sig）、図４（ｇ）は、燃料流量（ＦＦsig）に関するグラフである。
図５（ａ）は、図４（ａ）に示すコンプレッサの入口温度（Ｔ２ｂsig）を、蓄積データ無次元化手段１３ａによって無次元化したコンプレッサの入口温度（Ｔ２ｂnom）のグラフである。図５（ａ）に示す無次元化された第２センサ２ｂの値（コンプレッサの入口温度：Ｔ２ｂnom）のグラフは、図４（ａ）に示すグラフと比較し、第１センサ２ａの値（ガスタービンエンジン４の入口温度）による影響が除かれ、第１センサ２ａの値と無相関になり、ばらつきが軽減されたものである。
図５（ｂ）〜図５（ｆ）は、図４（ｂ）〜図４（ｇ）に示す各センサ値を、蓄積データ補正手段１３ｂによって補正した値（ＴＴＢc、ＴＧc、ＰＣc、Ｎ１c、Ｎ２c、ＦＦc）のグラフである。図５（ｂ）〜図５（ｇ）に示すガスタービンエンジン４の入口温度又は入口圧力で修正後の各センサ値は、図４（ｂ）〜図４（ｇ）に示す修正前のセンサ値と比較し、入口温度又は入口圧力による影響が除かれ、入口温度又は入口圧力と無相関になり、ばらつきが軽減されたものである。
単位空間算出手段１３ｃは、必要な処理がされた各センサ２ａ〜２ｎの値を用いて、単位空間を求める。上述した例では、コンプレッサの入口温度（Ｔ２ｂ）については無次元化された値を利用する。また、タービン翼面の温度（ＴＴＢ）、排気ガスの温度（ＴＧ）、コンプレッサ出口圧力（ＰＣ）、低圧タービンの回転数（Ｎ１）、高圧タービンの回転数（Ｎ２）、燃料流量（ＦＦ）については補正された値を利用する。さらに、ガスタービンエンジン４の入口温度（Ｔ２ａ）、可変静翼の角度（ＸＶ）、抽気バルブの開度（ＸＢ）については、取得したセンサ値を利用する。
信号空間生成処理部１４は、図１に示すように、入力データ無次元化手段１４ａ、入力データ補正手段１４ｂ及び信号空間算出手段１４ｃを有する。
入力データ無次元化手段１４ａは、所定のタイミングで入出力手段４０に新たに入力された第２センサ２ｂの値（コンプレッサの入口温度）を、第１センサ２ａの値（ガスタービンエンジン４の入口温度）で無次元化する。具体的には、入力データ無次元化手段１４ａは、蓄積データ無次元化手段１３ａが使用した式（２−１）及び（２−２）を利用して、新たに入力した第２センサ２ｂの値を無次元化する。所定のタイミングは、上述した検査対象について同一又は類似の条件を確保することができるタイミングであって、上述したように、ガスタービンエンジン４のセンサの場合、離陸の瞬間である。
入力データ補正手段１４ｂは、所定のタイミングで入出力手段４０に新たに入力された各センサ２ａ〜２ｎの値のうち第１センサ２ａ〜第３センサ２ｃ以外のセンサの値のうち、第１センサ２ａの値（ガスタービンエンジン４の入口温度）に影響を受ける値を、第１センサ２ａの値及び第３センサ２ｃの値（ガスタービンエンジン４の圧力）で補正する。具体的には、入力データ補正手段１４ｂは、蓄積データ補正手段１３ｂが使用した式（３−１）〜（３−６）を利用して、新たに入力した各センサ値を補正する。この場合も、所定のタイミングは、上述した検査対象について同一又は類似の条件を確保することができるタイミングであって、上述したように、ガスタービンエンジン４のセンサの場合、離陸の瞬間である。
なお、入力データ補正手段１４ｂも蓄積データ補正手段１３ｂと同様、可変静翼の角度及び抽気バルブの開度等の温度や圧力に影響を受けないセンサ値については、補正する必要はない。
信号空間算出手段１４ｃは、必要な処理がされた各センサ２ａ〜２ｎの値を用いて、信号空間を求める。この信号空間とは、故障検出装置１Ａで検査対象とする各センサ値の集合である。
上述した例では、コンプレッサの入口温度については無次元化された値を利用する。また、タービン翼面の温度、排気ガスの温度、コンプレッサ出口圧力、低圧タービンの回転数、高圧タービンの回転数、燃料流量については補正された値を利用する。さらに、ガスタービンエンジン４の入口温度、可変静翼の角度、抽気バルブの開度については、取得したセンサ値を利用する。
距離算出手段１５は、誤圧法に規定される式を用いて、単位空間算出手段１３ｃが求めた単位空間と、信号空間算出手段１４ｃが求めた信号空間との誤圧距離を算出する。
図７（ａ）は、図４で示した無次元化前のセンサ値及び修正前のセンサ値を利用して求めた誤圧距離の一例である。図７（ａ）は、横軸が誤圧距離であり、縦軸がガスタービンエンジン４の入口温度である。ここで、図７（ａ）は、全て故障のない正常なセンサ２ａ〜２ｎを利用して計測された値から求めた誤圧距離の一例である。図７（ａ）に示すように、無次元化前のセンサ値及び修正前のセンサ値を利用して求めた誤圧距離は、その範囲が約２〜２７と広い範囲で求められ、閾値を大きな値に設定せざるを得ない。そのため、ドリフト故障等の程度の低い故障を検出しにくい状況であった。
これに対し、図７（ｂ）は、図５で示した図７（ａ）で用いた各センサ値を無次元化又は修正して求めた誤圧距離の一例である。図７（ｂ）も、横軸が誤圧距離であり、縦軸がガスタービンエンジン４の入口温度である。図７（ｂ）によると、無次元化又は修正したセンサ値を利用して求めた誤圧距離は、その範囲が約１〜６と狭くなるため、閾値を大きな値に設定する必要がない。したがって、ドリフト故障等の程度の低い故障であっても、検出しやすくなることが分かる。
判定手段１６は、距離算出手段１５が算出した誤圧距離を予め定められる閾値と比較し、いずれかのセンサに故障が発生しているか否かを判定する。
結果データ記憶処理手段１７は、記憶装置３０に記憶される蓄積データＤ１の対象の故障フラグを追加するとともに、判定手段１６の判定結果を記憶装置３０に記憶される結果データＤ２に記憶させる。
通知手段１８は、判定手段１６の判定結果を航空機の電子制御部３に送信する。例えば、判定結果を受信した電子制御部３は、出力装置（図示せず）に判定結果を出力することで、航空機の乗員や航空機を整備する者は、センサの故障の可能性を把握することができる。ここで、通知手段１８は、故障の可能性がある場合にのみ判定結果を出力してもよい。
《故障判定処理》
図６を用いて、故障検出装置１Ａにおける処理の流れを説明する。故障検出装置１Ａには、図６に示すように、始めに、離陸時瞬間の各センサ２ａ〜２ｎで計測されたデータが入力される（Ｓ０１）。
ステップＳ０１でデータが入力されると、故障検出装置１Ａは、入力されたデータを追加して蓄積データＤ１を更新する（Ｓ０２）。
また、故障検出装置１Ａは、所定期間のガスタービンエンジン４の入口温度（第１センサ２ａの値）と、コンプレッサの入口温度（第２センサ２ｂの値）との相関式を特定する（Ｓ０３）。
故障検出装置１Ａは、ステップＳ０１でデータが入力されると、これを故障検出の処理を開始するタイミングとし、蓄積データＤ１に含まれる所定期間に計測された正常なコンプレッサの入口温度（第２センサ２ｂの値）をステップＳ０３で特定された相関式を利用して無次元化する（Ｓ０４）。
また、故障検出装置１Ａは、蓄積データＤ１に含まれるデータのうち、所定期間に計測された正常なデータをガスタービンエンジン４の入口温度（第１センサ２ａの値）又は入口圧力（第３センサ２ｃの値）で修正する（Ｓ０５）。
続いて、故障検出装置１Ａは、ステップＳ０４で無次元化されたセンサ値と、ステップＳ０５で修正されたセンサ値を利用して、ＭＴシステムで利用される単位空間を生成する（Ｓ０６）。ここで、ステップＳ０４〜Ｓ０６の一連の処理は、単位空間を算出するための処理である。
また、故障検出装置１Ａは、ステップＳ０１で入力されたコンプレッサの入口温度（第２センサ２ｂの値）をステップＳ０３で特定された相関式を利用して無次元化する（Ｓ０７）。
さらに、故障検出装置１Ａは、ステップＳ０１で入力されたデータをガスタービンエンジン４の入口温度（第１センサ２ａの値）又は入口圧力（第３センサ２ｃの値）で修正する（Ｓ０８）。
続いて、故障検出装置１Ａは、ステップＳ０７及びステップＳ０８で必要な処理がされたセンサ値を利用して、ＭＴシステムで利用される信号空間を生成する（Ｓ０９）。ここで、ステップＳ０７〜Ｓ０９の一連の処理は、信号空間を算出するための処理である。
なお、図６に示すフローチャートでは、単位空間の算出（Ｓ０４〜Ｓ０６）の後、信号空間の算出（Ｓ０７〜Ｓ０９）を実行するものとして説明するがこの順序に限られない。具体的には、信号空間の算出の後に単位空間の算出を実行してもよいし、単位空間の算出と信号空間の算出を同時に実行してもよい。
単位空間及び信号空間が算出されると、故障検出装置１Ａは、ステップＳ０６で求められた単位空間とステップＳ０９で求められた信号空間との誤圧距離を算出する（Ｓ１０）。
ステップＳ１０で誤圧距離を算出すると、故障検出装置１Ａは、算出した誤圧距離を予め定められる閾値と比較し、故障の有無を判定する（Ｓ１１）。
いずれかのセンサ２ａ〜２ｎに故障の可能性があるとき（Ｓ１１でＹＥＳ）、故障検出装置１Ａは、故障の可能性を電子制御部３に通知する（Ｓ１２）。
一方、いずれのセンサ２ａ〜２ｎにも故障の可能性がないとき（Ｓ１１でＮＯ）又はステップＳ１２で通知をした後、故障検出装置１Ａは、判定結果に関するフラグを追加して蓄積データＤ１を更新する（Ｓ１３）。
なお、ここでは、ＭＴシステムの誤圧法を利用して距離算出手段１５が誤圧距離を算出し、判定手段１６が誤圧距離を利用して判定するものとして説明するがこれに限られない。例えば、誤圧法に代えてＭＴ法を利用し、マハラノビス距離を算出して判定に利用してもよい。
上述したように、上述した故障検出装置１Ａによれば、ＭＴ法を利用してセンサ故障を検出する際、環境によって生じる影響を除くことができるため、程度の小さな値の変化によって現れるセンサドリフト故障であっても検出することができる。これにより、センサ故障の検出精度を向上させることができる。
〈第２実施形態〉
図８に示すように、第２実施形態に係る故障検出装置１Ｂも、複数のセンサ２ａ〜２ｎと、電子制御部３と接続される。この故障検出装置１Ｂは、ＭＴシステムではなく、ニューラルネットワークを利用して各センサ２ａ〜２ｎの故障の有無を検出するとともに、故障がある場合にはいずれのセンサ２ａ〜２ｎが故障の可能性があるかを検出する。
故障検出装置１Ｂは、図１を用いて上述した故障検出装置１Ａと比較して、単位空間生成処理部１３、信号空間生成処理部１４、距離算出手段１５及び判定手段１６を備えず、学習処理部１９及び異常判定処理部２０を備える点で異なる。また、故障検出装置１Ｂの記憶装置３０は、学習処理部１９で生成される教師データＤ３を記憶する。
学習処理部１９は、図８に示すように、蓄積データ無次元化手段１９ａ、蓄積データ補正手段１９ｂ及び学習手段１９ｃを有する。
蓄積データ無次元化手段１９ａは、図１を用いて上述した蓄積データ無次元化手段１３ａと同様に、記憶装置３０に記憶される蓄積データＤ１から、所定期間に計測された第２センサ２ｂの値（コンプレッサの入口温度）のうち正常なデータを抽出し、第１センサ２ａの値（ガスタービンエンジン４の入口温度）で無次元化する。
蓄積データ補正手段１９ｂは、図１を用いて上述した蓄積データ無次元化手段１３ａと同様に、記憶装置３０に記憶される蓄積データＤ１から、所定期間に計測された各センサ２ａ〜２ｎの値のうち正常なデータを抽出し、第１センサ２ａ〜第３センサ２ｃ以外のセンサの値のうち、第１センサ２ａの値（ガスタービンエンジン４の入口温度）に影響を受ける値を、第１センサ２ａの値及び第３センサ２ｃの値（ガスタービンエンジンの圧力）で補正する。また、蓄積データ補正手段１９ｂは、第１センサ２ａの値（ガスタービンエンジン４の入口温度）に対する他のセンサ２ｂ〜２ｎの値の関係を求める。
学習手段１９ｃは、ニューラルネットワークの学習プログラムに従い、必要な処理がされた各センサ２ａ〜２ｎの値を用いて教師データＤ３を生成し、記憶装置３０に記憶させる。具体的には、学習手段１９ｃは、蓄積データ補正手段１９ｂで補正された各センサ値及び求められた各センサ２ｂ〜２ｎの関係の利用し、センサ値として得られていない要素のパラメータ値を求めることができる。また、各センサ値及び求めたパラメータ値について、各要素（センサ値又はパラメータ値）の値と、各要素の状態（正常であるか、異常であるか、劣化しているか）とを関連付けて教師データＤ３として記憶装置３０に記憶させる。
例えば、教師データＤ３は、以下の（１）〜（３）のような複数の関係を含むデータである。
（１）Ａ値「２０」、Ｂ値「１８」及びＣ値「２９０」の場合「正常」
（２）Ａ値「３５」、Ｂ値「１２」及びＣ値「１７５」の場合「正常」
（３）Ａ値「１８」、Ｂ値「２３」及びＣ値「２２５」の場合「異常」
このとき、Ａ値及びＢ値がセンサ値であって、Ｃ値が学習処理によって求めたパラメータ値であってもよい。
なお、学習手段１９ｃは、『学習時』に、過去に取得されたデータを利用して、教師データＤ３を生成する。このとき、各要素と関連付けられる状態は、過去のデータに基づいて特定される。また、学習時に学習手段１９ｃで生成された教師データＤ３は、飛行中の『診断時』において、異常判定処理部２０がセンサの故障の可能性の判定に利用する。
教師データＤ３を利用して「異常」と判定された場合、いずれかのセンサで故障が発生したことのみを特定可能であって、いずれのセンサが故障したかは、故障したセンサを特定するアルゴリズムが必要である。
異常判定処理部２０は、図８に示すように、入力データ無次元化手段２０ａ、入力データ補正手段２０ｂ、信号空間算出手段２０ｃ及び判定手段２０ｄを有する。
入力データ無次元化手段２０ａは、入力データ無次元化手段１４ａと同様に、所定のタイミングで入出力手段４０に新たに入力された第２センサ２ｂの値（コンプレッサの入口温度）を、第１センサ２ａの値（ガスタービンエンジン４の入口温度）で無次元化する。
入力データ補正手段２０ｂは、図１を用いて上述した入力データ補正手段１４ｂと同様に、所定のタイミングで入出力手段４０に新たに入力された各センサ２ａ〜２ｎの値のうち、第１センサ２ａの値（ガスタービンエンジン４の入口温度）または第３センサ２ｃの値（ガスタービンエンジン４の入口圧力）に影響を受ける値を、第１センサ２ａの値、第３センサ２ｃの値、または、第１センサ２ａ及び第３センサ２ｃの値で補正する。
信号空間算出手段２０ｃは、図１を用いて上述した信号空間算出手段１４ｃと同様に、必要な処理がされた各センサ２ａ〜２ｎの値を用いて、信号空間を求める。この信号空間とは、故障検出装置１Ｂで検査対象とする各センサ値の集合である。
判定手段２０ｄは、ニューラルネットワークの異常判定プログラムに従い、学習手段１９ｃで得られた教師データＤ３を利用して、信号空間算出手段２０ｃが求めた信号空間が異常であるかに応じてセンサ２ａ〜２ｎの故障の可能性を判定する。具体的には、Ａ値「２８」、Ｂ値「４０」及びＣ値「１６０」が入力されたとき、記憶装置３０に記憶される教師データＤ３を利用してその状態を判定する。
《故障判定処理》
図９を用いて、故障検出装置１Ｂにおける処理の流れを説明する。故障検出装置１Ｂには、図９に示すように、始めに、離陸時瞬間の各センサ２ａ〜２ｎで計測されたデータが入力される（Ｓ２１）。
ステップＳ２１でデータが入力されると、故障検出装置１Ｂは、入力されたデータを追加して蓄積データＤ１を更新する（Ｓ２２）。
また、故障検出装置１Ｂは、所定期間のガスタービンエンジン４の入口温度（第１センサ２ａの値）と。コンプレッサの入口温度（第２センサ２ｂの値）との相関式を特定する（Ｓ２３）。
故障検出装置１Ｂは、ステップＳ２１でデータが入力されると、これを故障検出の処理を開始するタイミングとし、蓄積データＤ１に含まれる所定期間に計測された正常なコンプレッサの入口温度（第２センサ２ｂの値）をステップＳ２３で特定された相関式を利用して無次元化する（Ｓ２４）。
また、故障検出装置１Ｂは、蓄積データＤ１に含まれるデータのうち、所定期間に計測された正常なデータをガスタービンエンジン４の入口温度（第１センサ２ａの値）又は入口圧力（第３センサ２ｃの値）で修正する（Ｓ２５）。
続いて、故障検出装置１Ｂは、ステップＳ２４で無次元化されたセンサ値と、ステップＳ２５で修正されたセンサ値により学習処理を実行し、教師データを生成する（Ｓ２６）。ここで、ステップＳ２４〜Ｓ２６の一連の処理は、学習処理を実行するための処理である。
その後、故障検出装置１Ｂは、ステップＳ２１で入力されたコンプレッサの入口温度（第２センサ２ｂの値）をステップＳ２３で特定された相関式を利用して無次元化する（Ｓ２７）。
また、故障検出装置１Ｂは、ステップＳ２１で入力されたデータをガスタービンエンジン４の入口温度（第１センサ２ａの値）又は入口圧力（第３センサ２ｃの値）で修正する（Ｓ２８）。
さらに、故障検出装置１Ｂは、ステップＳ２７で無次元化されたセンサ値と、ステップＳ２８で修正されたセンサ値を利用して、信号空間を生成する（Ｓ２９）。
続いて、故障検出装置１Ｂは、ステップＳ２６の学習処理で得られた教師データＤ３に含まれる各値の場合の状態を利用し、ステップＳ２９で求めた信号空間の異常判定を実行する（Ｓ３０）。ここで、ステップＳ２７〜Ｓ３０の一連の処理は、ニューラルネットワークで異常判定を実行するための処理である。
ステップＳ３０における異常判定でいずれかのセンサ２ａ〜２ｎに故障の可能性があるとき（Ｓ３１でＹＥＳ）、故障検出装置１Ｂは、故障の可能性を電子制御部３に通知する（Ｓ３２）。
一方、いずれのセンサ２ａ〜２ｎにも故障の可能性がないとき（Ｓ３１でＮＯ）又はステップＳ３２で通知をした後、故障検出装置１Ｂは、判定結果に関するフラグを追加して蓄積データＤ１を更新する（Ｓ３３）。
上述したように、上述した故障検出装置１Ｂによれば、ニューラルネットワークを利用してセンサ故障を検出する際、環境によって生じる影響を除くことができるため、程度の小さな値の変化によって現れるセンサドリフト故障であっても検出することができる。これにより、センサ故障の精度を向上させることができる。
以上、各実施形態を用いて本発明を詳細に説明したが、本発明は本明細書中に説明した実施形態に限定されるものではない。本発明の範囲は、特許請求の範囲の記載及び特許請求の範囲の記載と均等の範囲により決定されるものである。
１Ａ、１Ｂ 故障検出装置
２ａ〜２ｎ センサ
３ 電子制御部
４ ガスタービンエンジン
１０ 中央処理装置（ＣＰＵ）
１１ 入力データ記憶処理手段
１２ 相関式特定手段
１３ 単位空間生成処理部
１３ａ 蓄積データ無次元化手段
１３ｂ 蓄積データ補正手段
１３ｃ 単位空間算出手段
１４ 信号空間生成処理部
１４ａ 入力データ無次元化手段
１４ｂ 入力データ補正手段
１４ｃ 信号空間算出手段
１５ 距離算出手段
１６ 判定手段
１７ 結果データ記憶処理手段
１８ 通知手段
１９ 学習処理部
１９ａ 蓄積データ無次元化手段
１９ｂ 蓄積データ補正手段
１９ｃ 学習手段
２０ 異常判定処理部
２０ａ 入力データ無次元化手段
２０ｂ 入力データ補正手段
２０ｃ 信号空間算出手段
２０ｄ 判定手段
３０ 記憶装置
Ｄ１ 蓄積データ
Ｄ２ 結果データ
Ｄ３ 教師データ
Ｐ 故障検出プログラム
４０ 入出力手段

Claims (6)

  1. 故障の検出対象である複数のセンサで計測された値が入力される入力手段と、
    過去に取得された複数のセンサ値を蓄積データとして記憶する蓄積データ記憶部と、
    前記蓄積データ記憶部からＭＴシステムで利用する単位空間のセンサ値を抽出し、抽出されたセンサ値のうち、他のセンサ値に影響を与えるセンサ値として定義される条件センサ値及び前記条件センサ値によって影響が与えられないセンサ値についてはそのまま使用し、前記条件センサ値によって影響が与えられる前記他のセンサ値については前記条件センサ値によって無次元化した値又は前記条件センサ値によって補正した値を使用して、単位空間を生成する単位空間生成手段と、
    前記入力手段に故障の検出対象である複数のセンサ値が入力されると、入力されたセンサ値のうち、前記条件センサ値及び前記条件センサ値に影響が与えられないセンサ値についてはそのまま使用し、前記他のセンサ値については前記条件センサ値によって無次元化した値又は前記条件センサ値によって補正した値を使用して、ＭＴシステムで利用する診断用データの集合である信号空間とする信号空間生成手段と、
    前記単位空間生成手段が生成した単位空間と前記信号空間生成手段が生成した信号空間との関係を表す距離を所定の閾値と比較し、いずれかのセンサの故障の可能性の有無を判定する判定手段と、
    を備えることを特徴とする故障検出装置。
  2. 航空機のガスタービンエンジンに備えられる複数のセンサで計測された値が入力される入力手段と、
    前記航空機の離陸の瞬間に前記複数のセンサで計測された値を蓄積データとして記憶する蓄積データ記憶部と、
    前記蓄積データ記憶部に記憶される前記ガスタービンエンジンの入口温度を計測する第１センサの値と、前記ガスタービンエンジンが有するコンプレッサの入口温度を計測する第２センサの値との相関式を特定する相関式特定手段と、
    前記蓄積データ記憶部に記憶される前記第２センサの値を、前記相関式特定手段で特定された相関式で無次元化する蓄積データ無次元化手段と、
    前記蓄積データ記憶部に記憶される各センサ値のうち、前記第１センサの値に影響されるセンサの値を、同時に計測された第１センサの値でそれぞれ補正する蓄積データ補正手段と、
    前記蓄積データ記憶部で記憶される各値とともに、前記蓄積データ無次元化手段で無次元化された各第２センサの値と、前記蓄積データ補正手段で補正された各センサの値とを利用して、ＭＴシステムで利用する単位空間を算出する単位空間算出手段と、
    前記入力手段に新たに入力された前記第２センサの値を、前記相関式特定手段で特定された相関式で無次元化する入力データ無次元化手段と、
    前記入力手段に新たに入力された各センサ値のうち、前記第１センサの値に影響されるセンサの値を、新たに入力された第１センサの値で補正する入力データ補正手段と、
    前記入力手段に新たに入力された各値とともに、前記入力データ無次元化手段で無次元化された第２センサの値と、前記入力データ補正手段で補正された各センサの値とを利用して、ＭＴシステムで利用する診断用のデータの集合である信号空間を算出する信号空間算出手段と、
    前記単位空間算出手段が算出した単位空間と前記信号空間算出手段が算出した信号空間との関係を表す距離を所定の閾値と比較し、いずれかのセンサの故障の可能性の有無を判定する判定手段と、
    を備えることを特徴とする故障検出装置。
  3. 故障の検出対象である複数のセンサで計測された値が入力される入力手段と、
    過去に取得された複数のセンサ値を蓄積データとして記憶する蓄積データ記憶部と、
    前記蓄積データ記憶部からニューラルネットワークの教師データとして抽出されたセンサ値のうち、他のセンサ値に影響を与えるセンサ値として定義される条件センサ値に及び前記条件センサ値によって影響が与えられないセンサ値についてはそのまま使用し、前記条件センサ値によって影響が与えられる前記他のセンサ値については前記条件センサ値によって無次元化した値又は前記条件センサ値によって補正した値を利用して、ニューラルネットワークの学習プログラムにより複数のセンサの値と各センサの状態とを含む教師データを求める学習手段と、
    前記入力手段に故障の検出対象である複数のセンサ値が入力されると、入力されたセンサ値のうち、前記条件センサ値及び前記条件センサ値に影響が与えられないセンサ値についてはそのまま使用し、前記他のセンサ値については前記条件センサ値によって無次元化した値又は前記条件センサ値によって補正した値を利用して、診断対象のデータの集合である信号空間を生成し、生成した信号空間の各センサの値が、前記学習手段で求められた関係に該当するか否かに応じて、いずれかのセンサの故障の可能性の有無を判定する判定手段と、
    を備えることを特徴とする故障検出装置。
  4. 航空機のガスタービンエンジンに備えられる複数のセンサで計測された値が入力される入力手段と、
    前記航空機の離陸の瞬間に前記複数のセンサで計測された値を蓄積データとして記憶する蓄積データ記憶部と、
    前記蓄積データ記憶部に記憶される前記ガスタービンエンジンの入口温度を計測する第１センサの値と、前記ガスタービンエンジンが有するコンプレッサの入口温度を計測する第２センサの値との相関式を特定する相関式特定手段と、
    前記蓄積データ記憶部に記憶される前記第２センサの値を、前記相関式特定手段で特定された相関式で無次元化する蓄積データ無次元化手段と、
    前記蓄積データ記憶部に記憶される各センサ値のうち、前記第１センサの値に影響されるセンサの値を、同時に計測された第１センサの値でそれぞれ補正するとともに、第１センサの値と各センサの値との関係をそれぞれ求める蓄積データ補正手段と、
    前記蓄積データ記憶部に記憶される各センサの値と、前記蓄積データ無次元化手段で無次元化された各第２センサの値と、前記蓄積データ補正手段で補正された各センサの値とを利用して、ニューラルネットワークの学習プログラムにより複数のセンサの値と各センサの状態とを含む教師データを生成する学習手段と、
    前記入力手段に新たに入力された前記第２センサの値を、前記相関式特定手段で特定された相関式で無次元化する入力データ無次元化手段と、
    前記入力手段に新たに入力された各センサ値のうち、前記第１センサの値に影響されるセンサの値を、新たに入力された第１センサの値で補正する入力データ補正手段と、
    前記入力手段に新たに入力された各値とともに、前記入力データ無次元化手段で無次元化された第２センサの値と、前記入力データ補正手段で補正された各センサの値とを利用して、診断用のデータの集合である信号空間を算出する信号空間算出手段と、
    前記信号空間算出手段で算出された信号空間の各センサの値を、前記学習手段で求められた教師データと比較して、いずれかのセンサの故障の可能性の有無を判定する判定手段と、
    を備えることを特徴とする故障検出装置。
  5. 前記判定手段の判定結果を通知する通知手段をさらに備えることを特徴とする請求項１乃至４のいずれか１に記載の故障検出装置。
  6. 前記入力手段に入力された新たなセンサの値を前記蓄積データ記憶部の蓄積データに追加する入力データ記憶処理手段をさらに備えることを特徴とする請求項１乃至５のいずれか１に記載の故障検出装置。
JP2014176840A 2014-09-01 2014-09-01 故障検出装置 Active JP6344158B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2014176840A JP6344158B2 (ja) 2014-09-01 2014-09-01 故障検出装置
EP15837331.6A EP3130976B1 (en) 2014-09-01 2015-06-29 Failure detection device
PCT/JP2015/068691 WO2016035433A1 (ja) 2014-09-01 2015-06-29 故障検出装置
US15/287,918 US10113443B2 (en) 2014-09-01 2016-10-07 Failure detection device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014176840A JP6344158B2 (ja) 2014-09-01 2014-09-01 故障検出装置

Publications (2)

Publication Number Publication Date
JP2016051360A JP2016051360A (ja) 2016-04-11
JP6344158B2 true JP6344158B2 (ja) 2018-06-20

Family

ID=55439504

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014176840A Active JP6344158B2 (ja) 2014-09-01 2014-09-01 故障検出装置

Country Status (4)

Country Link
US (1) US10113443B2 (ja)
EP (1) EP3130976B1 (ja)
JP (1) JP6344158B2 (ja)
WO (1) WO2016035433A1 (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7179444B2 (ja) * 2017-03-29 2022-11-29 三菱重工業株式会社 予兆検知システム及び予兆検知方法
DE102018122411A1 (de) * 2018-09-13 2020-03-19 Endress+Hauser SE+Co. KG Verfahren zur Verbesserung der Messperformance von Feldgeräten der Automatisierungstechnik
JP7214417B2 (ja) * 2018-09-20 2023-01-30 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
JP2020082827A (ja) * 2018-11-16 2020-06-04 三菱重工業株式会社 航空機の状態判定装置及び航空機の状態判定方法
GB201908494D0 (en) * 2019-06-13 2019-07-31 Rolls Royce Plc Computer-implemented methods for training a machine learning algorithm
CN110702948B (zh) * 2019-10-25 2021-07-06 中国科学院工程热物理研究所 燃气轮机双转速传感器信号故障处理方法及装置
JP6973544B2 (ja) * 2020-03-31 2021-12-01 株式会社Sumco 状態判定装置、状態判定方法、及び状態判定プログラム
CN111414011B (zh) * 2020-04-09 2023-06-30 中北大学 考虑执行机构故障的高超声速飞行器保性能容错控制方法
CN113715758B (zh) * 2021-09-02 2024-04-16 潍柴动力股份有限公司 线束故障检测方法、装置及系统
US20240067350A1 (en) * 2022-08-30 2024-02-29 Pratt & Whitney Canada Corp. Engine control system and method with artificial intelligence sensor training

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3221184B2 (ja) 1993-10-13 2001-10-22 株式会社日立製作所 故障診断装置および方法
JP2000018983A (ja) * 1998-07-01 2000-01-21 Nissin Electric Co Ltd 計器異常検出装置
US6356857B1 (en) 1998-08-17 2002-03-12 Aspen Technology, Inc. Sensor validation apparatus and method
JP2002214185A (ja) * 2001-01-16 2002-07-31 Nissin Electric Co Ltd センサ異常の検出方法及び検出装置
JP4071449B2 (ja) * 2001-03-27 2008-04-02 株式会社東芝 センサ異常検出方法及びセンサ異常検出装置
US20020183971A1 (en) 2001-04-10 2002-12-05 Wegerich Stephan W. Diagnostic systems and methods for predictive condition monitoring
JP4592235B2 (ja) * 2001-08-31 2010-12-01 株式会社東芝 生産装置の故障診断方法及び生産装置の故障診断システム
US7603222B2 (en) * 2005-11-18 2009-10-13 General Electric Company Sensor diagnostics using embedded model quality parameters
US7499842B2 (en) 2005-11-18 2009-03-03 Caterpillar Inc. Process model based virtual sensor and method
JP4824518B2 (ja) 2006-10-05 2011-11-30 株式会社日立製作所 ガスタービンの性能診断システムと診断方法及び表示画面
JP4875661B2 (ja) 2008-05-14 2012-02-15 三菱重工業株式会社 航空機の健全性診断装置及び方法並びにプログラム
JP5183369B2 (ja) * 2008-08-28 2013-04-17 株式会社総合車両製作所 レーザ溶接システムの異常検出方法
JP5260343B2 (ja) * 2009-02-03 2013-08-14 三菱重工業株式会社 プラント運転状態監視方法
JP2010276339A (ja) * 2009-05-26 2010-12-09 Hitachi-Ge Nuclear Energy Ltd センサ診断方法およびセンサ診断装置
JP5364530B2 (ja) * 2009-10-09 2013-12-11 株式会社日立製作所 設備状態監視方法、監視システム及び監視プログラム
JP2011106467A (ja) 2011-02-28 2011-06-02 Hitachi Ltd ガスタービンの性能診断システムにおける表示画面の表示方法
JP5345180B2 (ja) 2011-06-03 2013-11-20 三菱重工業株式会社 プラント監視装置、プラント監視プログラム及びプラント監視方法
JP5939439B2 (ja) 2012-08-09 2016-06-22 株式会社Ihi 異常診断装置
JP6304767B2 (ja) * 2012-12-14 2018-04-04 日本電気株式会社 センサ監視装置、センサ監視方法、及びセンサ監視プログラム
JP2014056598A (ja) * 2013-11-14 2014-03-27 Hitachi Ltd 異常検知方法及びそのシステム

Also Published As

Publication number Publication date
EP3130976A4 (en) 2018-05-30
EP3130976A1 (en) 2017-02-15
EP3130976B1 (en) 2019-08-07
US20170298759A1 (en) 2017-10-19
US10113443B2 (en) 2018-10-30
JP2016051360A (ja) 2016-04-11
WO2016035433A1 (ja) 2016-03-10

Similar Documents

Publication Publication Date Title
JP6344158B2 (ja) 故障検出装置
US10060831B2 (en) Method for assessing whether or not a measured value of a physical parameter of an aircraft engine is normal
US6898554B2 (en) Fault detection in a physical system
US8417432B2 (en) Method for calculating confidence on prediction in fault diagnosis systems
WO2016133121A1 (ja) 異常診断方法及び異常診断システム
JP2006105142A (ja) 装置の障害検出方法および障害検出／切離しシステム
US20090228230A1 (en) System and method for real-time detection of gas turbine or aircraft engine blade problems
JP7029362B2 (ja) 異常検出装置、異常検出方法、及びプログラム
EP3173890B1 (en) Fault detection methods and systems
US11472568B2 (en) Prognostic monitoring of complementary air data system sensors
CN113727913B (zh) 用于监测直升机的健康的系统
US20180157249A1 (en) Abnormality Detecting Apparatus
KR20180137513A (ko) 감시 장치, 대상 장치의 감시 방법 및 프로그램
CN110582626B (zh) 用由磨损因子校正的异常检测来监视涡轮机的系统和方法
JP6415335B2 (ja) 不具合診断方法及び不具合診断システム
EP2944822B1 (en) Rotating stall detection through ratiometric measure of the sub-synchronous band spectrum
US20140222310A1 (en) Engine monitor for a multi-engine system
CN112146904A (zh) 异常检测装置、异常检测方法、以及存储介质
US10337410B2 (en) Analysis method for measurement error of operating parameters of gas turbine and control apparatus
US20230152149A1 (en) Sign detection device and sign detection method
US10013814B2 (en) Diagnosis of aircraft gas turbine engines
US10316690B2 (en) Method for validation of an investigated sensor and corresponding machine
US20150198627A1 (en) System and method for speed sensor position detection in a multiple channel control system
RU2781738C2 (ru) Способ функционального диагностирования жидкостного ракетного двигателя при огневом испытании
US20240118171A1 (en) Plant monitoring method, plant monitoring device, and plant monitoring program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170720

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: 20180424

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180507

R151 Written notification of patent or utility model registration

Ref document number: 6344158

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151