JP7106413B2 - 異常監視装置、及びその異常監視方法並びに異常監視プログラム - Google Patents

Description

本発明は、異常監視装置、及びその異常監視方法並びに異常監視プログラムに関するものである。

長期間運用される試験装置（例えば、発電プラントや疲労試験用装置等）や、メンテナンス期間可能な期間が限られている構造体（例えば、水中航走体等）では、想定外の機器故障等が発生すると重大な事故が発生する可能性が高い。

特許文献１では、予測された時系列値と予め設定した許容値を比較し、許容値を超えた場合に予測アラームを発生することが開示されている。

特開２００５－３３２３６０号公報

しかしながら、予測アラームの発生判定を行う許容値を予め設定するものとすると、対象装置の動作状況によって正確に異常判定を行うことが難しい。例えば、対象装置の動作状況が静的な場合と動的な場合とで変動量が変化するため、許容値を予め固定とすると詳細な判定を行うことが困難となる。

本発明は、このような事情に鑑みてなされたものであって、より正確に異常の有無を判定することのできる異常監視装置、及びその異常監視方法並びに異常監視プログラムを提供することを目的とする。

本発明の第１態様は、対象装置における所定の状態パラメータの推定値を、前記対象装置の固有パラメータの少なくとも一部を変動値として扱う推定モデルに基づいて算出する推定値算出部と、前記対象装置の前記状態パラメータの基準値を、前記推定値算出部にて変動値として扱う前記固有パラメータを固定値として扱う推定モデルに基づいて算出する基準値算出部と、前記基準値に基づいて前記状態パラメータの推定値の上限値又は下限値を設定し、前記状態パラメータの推定値が前記上限値又は下限値の範囲内でない場合に、前記対象装置を異常と判定する判定部と、を備える異常監視装置である。

上記のような構成によれば、対象装置の運転状態に対応した状態パラメータの基準値を推定し、推定した基準値に基づいて異常判定の基準となる上限値又は下限値を設定することとしたため、対象装置の運転状態に応じて異常判定の基準をより正確に設定することが可能となる。このため、異常判定の基準を固定値とする場合と比較して、より正確に異常の有無を判定することができる。

また、更新された推定モデルによって対象装置における所定のパラメータ（例えば圧力等）の推定値を推定することした。このため、例えば異常監視用のセンサ等を別途設けることなく、対象装置の状態値をより正確に推定することが可能となるため、異常判定の精度を向上させることが可能となる。

上記異常監視装置において、前記判定部は、前記基準値に対して所定の許容値を加算又は減算した値を前記推定値の上限値又は下限値として設定することとしてもよい。

上記のような構成によれば、推定した基準値に基づいて上限値又は下限値を容易に設定することが可能となる。この場合には、上限値又は下限値は、基準値に対して許容値を加算した値が上限値となり、初期値に対して許容値を減算した値が下限値となる。

上記異常監視装置において、前記判定部は、前記推定値の算出の尤度に基づいて前記推定値の上限値又は下限値を設定することとしてもよい。

上記のような構成によれば、推定モデルを用いた推定値の算出の尤度を用いて上限値又は下限値を設定することとしたため、より適切に上限値又は下限値を設定することが可能となり、異常判定の精度を向上させることが可能となる。

上記異常監視装置において、前記判定部は、前記尤度に対して正の相関関係となるように前記上限値又は前記下限値と前記基準値との幅を設定することとしてもよい。

上記のような構成によれば、尤度が高くなると、幅が広くなるように上限値又は前記下限値を設定することが可能となる。このため、尤度が高く、推定された状態値が不確かである場合には、上限値又は下限値と基準値との幅を広く設定することによって、異常でない状態値を異常と判定する誤判定を抑制することができる。

上記異常監視装置において、前記判定部は、前記尤度として前記推定値の誤差共分散を用い、前記誤差共分散に基づいて前記上限値又は前記下限値を設定することとしてもよい。

上記のような構成によれば、推定値の誤差共分散を尤度として用いることで、推定値の分散度合（尤度）を容易に上下限範囲に反映させることができる。

上記異常監視装置において、過去所定期間について算出された複数の前記推定値に基づいて、前記推定値の経時変化の傾向を特定し、該傾向に基づいて前記状態パラメータの将来の予測値を算出する予測値算出部を備えることとしてもよい。

上記のような構成によれば、状態パラメータにおいて、推定された複数の推定値を用いることで、経時変化の傾向を特定することが可能となるため、将来の予測値を推定することが可能となる。このため、未然に異常発生を判定することが可能となる。

本発明の第２態様は、対象装置における所定の状態パラメータの推定値を、前記対象装置の固有パラメータの少なくとも一部を変動値として扱う推定モデルに基づいて算出する推定値算出工程と、前記対象装置の前記状態パラメータの基準値を、前記推定値算出工程にて変動値として扱う前記固有パラメータを固定値として扱う推定モデルに基づいて算出する基準値算出工程と、前記基準値に基づいて前記状態パラメータの推定値の上限値又は下限値を設定し、前記状態パラメータの推定値が前記上限値又は下限値の範囲内でない場合に、前記対象装置を異常と判定する判定工程と、を含む異常監視方法である。

本発明の第３態様は、対象装置における所定の状態パラメータの推定値を、前記対象装置の固有パラメータの少なくとも一部を変動値として扱う推定モデルに基づいて算出する推定値算出処理と、前記対象装置の前記状態パラメータの基準値を、前記推定値算出処理にて変動値として扱う前記固有パラメータを固定値として扱う推定モデルに基づいて算出する基準値算出処理と、前記基準値に基づいて前記状態パラメータの推定値の上限値又は下限値を設定し、前記状態パラメータの推定値が前記上限値又は下限値の範囲内でない場合に、前記対象装置を異常と判定する判定処理と、をコンピュータに実行させるための異常監視プログラムである。

本発明によれば、より正確に異常の有無を判定することができるという効果を奏する。

本発明の第１実施形態に係る異常監視システムの概略構成を示す図である。 本発明の第１実施形態に係る異常監視システムにおける異常判定処理のフローチャートを示した図である。 本発明の第１実施形態に係る異常監視システムによる上下限範囲の設定例を示した図である。

〔第１実施形態〕
以下に、本発明に係る異常監視装置、及びその異常監視方法並びに異常監視プログラムの第１実施形態について、図面を参照して説明する。以下の説明では、異常監視装置がプラントに適用される場合を例示して説明するが、異常監視装置は様々な構造体や装置等に幅広く適用できるものであって、以下に説明するようなプラントのみに限定されるものではない。例えば、異常監視装置は、長期間運用される装置（例えば、疲労試験装置）や、航空機、艦艇、水中航走体等の構造体等に幅広く適用可能である。異常監視装置は、特に、長期間運用され、またはメンテナンスが可能な期間が限られるような、容易に運用を停止して管理を行うことができないような装置等に適用することが可能である。

図１は、本発明の第１実施形態に係る異常監視システム（異常監視装置）１の概略構成を示す図である。図１に示すように、本実施形態に係る異常監視システム１は、推定値算出部３と、基準値算出部４と、判定部５と、第１表示部６と、第２表示部７と、予測値算出部８とを主な構成として備えている。なお、図１では、プラントを対象装置１０としており、プラントの状態がセンサによって検出され、異常監視システム１へ入力される。なお、本実施形態では、プラントに用いられる油圧アクチュエータの異常判定を行う場合を例として説明する。このため、以下の説明では、対象装置１０から、観測量としてＦｔ及びｘｃをセンサ等によって検出し、状態量（所定の状態パラメータの状態値）としてＰｂ、Ｐｒ、ｘｃ、ｄｘｃ／ｄｔ、Ｃｖ、Ｆｓを推定する場合について説明する。

異常監視システム１は、例えば、図示しないＣＰＵ（中央演算装置）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等のメモリ、及びコンピュータ読み取り可能な記録媒体等から構成されている。後述の各種機能を実現するための一連の処理の過程は、プログラムの形式で記録媒体等に記録されており、このプログラムをＣＰＵがＲＡＭ等に読み出して、情報の加工・演算処理を実行することにより、後述の各種機能が実現される。なお、プログラムは、ＲＯＭやその他の記憶媒体に予めインストールしておく形態や、コンピュータ読み取り可能な記憶媒体に記憶された状態で提供される形態、有線又は無線による通信手段を介して配信される形態等が適用されてもよい。コンピュータ読み取り可能な記憶媒体とは、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等である。そして、演算処理等の結果は、後述する第１表示部６や第２表示部７に表示される。

推定値算出部３は、対象装置１０における所定の状態パラメータの推定値を、対象装置１０の固有パラメータの少なくとも一部を変動値として扱う推定モデルに基づいて算出する。すなわち、推定値算出部３は、対象装置１０における所定の状態パラメータの状態値を、対象装置１０より検出した情報に基づいて更新した推定モデルを用いて推定する。具体的には、推定値算出部３は、対象装置１０における所定の状態パラメータの状態値を演算することが可能な推定モデルを有している。推定モデルは、例えば所定の状態パラメータの状態値（例えば、Ｐｂの状態値）が演算可能な運動方程式等の数理的なモデルであって、仮想的に対象装置１０の状態を演算可能なものである。推定モデルとしては、運動方程式に限られず、仮想的に対象装置１０の状態を演算可能なものであれば適用することが可能である。

推定値算出部３には、上位制御装置（対象装置１０における上位の制御装置）から、対象装置１０に出力される指令値と同様の信号が入力される。指令値とは、例えば、運転員等によって入力され、対象装置１０の運転状態を指示する信号である。対象装置１０は、入力された指令値に基づいて運転している。推定値算出部３では、指令値に基づいて推定モデルを仮想的に対象装置１０と等しい運転状態とし、制御対象の状態の推定を行う。

具体的には、推定値算出部３では、カルマンフィルタを適用して、観測量ｙに基づいて状態量ｘを高精度に推定する。以下に、観測量ｙと状態量ｘの一例を示す。なお、状態量とは対象装置１０の状態を表す情報であり、観測量とはセンサ等によって対象装置１０から検出された情報である。

（１）式において、Ｐｂはボア側圧力、Ｐｒはロッド側圧力、ｘｃは油圧アクチュエータのシリンダ変位、ｄｘｃ／ｄｔはｘｃの時間微分であり、Ｃｖは流量係数であり、Ｆｓは摩擦力（ここでは動作方向に対して抵抗する向きに一定の抗力が作用する、動摩擦とする）である。また、（２）式において、Ｆｔは油圧アクチュエータの発生力、Ａｂはボア側受圧面積、Ａｒはロッド側受圧面積である。なお、（２）式において、ｓｇｎは符号関数である。すなわち、本実施形態において、（１）式の状態量ｘは、所定の状態パラメータを各要素に持つ行列であり、推定値算出部３では、（１）式に示される各状態パラメータの現状の値である状態値を推定する。

なお、（１）式において、Ｐｂ、Ｐｒ、ｘｃ、及びｄｘｃ／ｄｔは、対象装置１０の状態を示す内部状態量である。なお、内部状態量とは、対象装置１０の運動状況に応じて変動する状態を表す値であり、対象装置１０の異常が反映されやすい状態パラメータとして予め設定される。また、（１）式において、Ｃｖ、及びＦｓは、対象装置１０における物理パラメータ（固有パラメータ）である。物理パラメータ（固有パラメータ）とは、理想的には経時的に変化しない装置特有の固定値であるが、経年劣化等によって微小に変化する値である。物理パラメータについても、対象装置１０の異常が反映されやすい状態パラメータとして予め設定される。

推定モデルでは、物理パラメータを更新することによって対象装置１０における現在の経年変化（劣化等）を反映することができる。すなわち、推定モデルにおいて物理パラメータを更新することによって、対象装置１０の現在の状態を推定することができ、物理パラメータを更新せず、初期（例えば、竣工時）の値を用いることによって、初期状態における対象装置１０の状態を推定することができる。

推定値算出部３では、推定モデルを用いて、状態量ｘを推定する。推定モデルの一例は、以下に示すような運動方程式である。なお、以下の（３）式は、対象装置１０であるプラントにおいて用いられる油圧アクチュエータに対応した推定モデルを示している。

（３）式において、Ｋνは体積弾性係数であり、ｘｂ０はシリンダ変位の初期位置（ボア側端点）であり、ｘｒ０はシリンダ変位の初期位置（ロッド側端点）であり、Ｐ１はボア側圧力であり、Ｐ２はロッド側圧力である。また、（３）式において、ｕは制御入力であり、指令値（スプール弁開度）に対応する。

すなわち、推定モデルでは、物理パラメータが更新されることによって、現在の対象装置１０の状態が反映され、（３）式に示す運動方程式を解くことによって、状態量ｘにおける状態量（Ｐｂ、Ｐｒ、ｘｃ、ｄｘｃ／ｄｔ）を推定することができる。

推定値算出部３における状態量ｘ（Ｐｂ、Ｐｒ、ｘｃ、ｄｘｃ／ｄｔ、Ｃｖ、Ｆｓ）の推定処理について説明する。推定値算出部３では、センサ等による観測量ｙの誤差（ノイズ）及び推定モデルにおける推定の誤差を考慮するために、カルマンフィルタを適用して、より最適な状態量ｘ（Ｐｂ、Ｐｒ、ｘｃ、ｄｘｃ／ｄｔ、Ｃｖ、Ｆｓ）を推定する。具体的には、推定値算出部３は、予測ステップと、フィルタリングステップとを介してより最適な状態量ｘを推定する。

なお、カルマンフィルタでは、センサによる観測量の検出タイミング毎（サンプリング毎）に予測ステップ及びフィルタリングステップが実行される。以下の説明では、あるサンプリングタイミングをｋとし、前後のサンプリングタイミングをｋ－１、ｋ＋１として示す。

まず、予測ステップでは、１つ前のサンプリングタイミング（サンプリングタイミングｋの直前）における状態量ｘ（ｋ－１）を推定モデルを用いて演算する。推定モデルの物理パラメータは、１つ前のサンプリングタイミングにおいて推定した状態量における物理パラメータに更新されており、物理パラメータの変化が反映されている。この状態において、指令値に基づいて推定モデルを演算（運動方程式を解く）ことによって、内部状態量が推定される。そして、推定した内部状態量及び推定モデルにおいて更新された（前回推定された）物理パラメータを合わせて状態量ｘ（ｋ－１）とする。

そして、予測ステップでは、推定した状態量ｘ（ｋ－１）及び事後誤差共分散Ｐ（ｋ－１）（１つ前のサンプリングタイミングにおいて算出した事後誤差共分散）を用いて、以下の式によって事前状態推定ｘ´（ｋ）及び事前誤差共分散Ｐ´（ｋ）を算出する。なお、事前状態推定ｘ´（ｋ）及び事前誤差共分散Ｐ´（ｋ）とは、状態量ｘ（ｋ－１）を用いて状態量ｘ（ｋ）を算出するための中間変数である。

（４）式及び（５）式において、Ａは１つ前のサンプリングタイミングで推定した状態量ｘ（ｋ－１）と事前状態推定ｘ´（ｋ）を関連付けるマトリクス（物理特性などによってきまる線形時不変のマトリクス）であり、Ｂは指令値ｕ（ｋ）と事前状態推定ｘ´（ｋ）を関連付けるマトリクス（物理特性などによってきまる線形時不変のマトリクス）であり、σｖはシステム雑音（σｖの２乗がシステム雑音の分散）である。

そして、推定値算出部３は、フィルタリングステップにおいて、予測ステップで推定した事前状態推定ｘ´（ｋ）を観測量ｙを用いて修正する。具体的には、フィルタリングステップでは、以下の式によってカルマンゲインｇ（ｋ）、及び事後誤差共分散Ｐ（ｋ）を算出する。

（６）式及び（７）式において、Ｃは観測係数ベクトルであって、事前状態推定ｘ´（ｋ）と観測量ｙ（ｋ）を関連付けるマトリクス（物理特性などによってきまる線形時不変のマトリクス）でり、σωは観測雑音（σωの２乗が観測雑音の分散）であり、Ｉは、単位行列である。そして、以下の式を用いて、事後状態推定としてｘ（ｋ）を算出する。

このように、推定値算出部３では、事後状態推定として、状態量ｘ（Ｐｂ、Ｐｒ、ｘｃ、ｄｘｃ／ｄｔ、Ｃｖ、Ｆｓ）が算出され、出力される。すなわち、推定値算出部３では、物理パラメータが更新された推定モデルを用いて内部状態量を推定し、内部状態量及び物理パラメータを、観測量及び雑音を考慮して修正する（カルマンフィルタ）。このため、より正確に、状態量ｘ（内部状態量及び物理パラメータ）を推定することが可能となる。物理パラメータについては理想的には経時変化しない固有なパラメータであるが、観測量等を考慮することによって微小な変化を発見することができる。内部状態量については、後述する判定部５において異常判定が行われる。また、内部状態量及び物理パラメータについては、後述する第１表示部６及び第２表示部７において用いられる。

なお、サンプリングタイミングｋにおいて推定された物理パラメータは、次回のサンプリングタイミングのために、推定モデルにおいて用いられる。すなわち、各サンプリングタイミングにおいて物理パラメータが推定されると、推定モデルの物理パラメータが新たに推定された物理パラメータへ更新される。このようにして推定モデルは、物理パラメータが更新されることによって対象装置１０の経時変化等が反映され、より詳細に状態を演算することが可能なモデルとなる。

なお、上記説明では、推定値算出部３において線形カルマンフィルタを適用した場合について説明したが、非線形カルマンフィルタを適用することとしてもよい。また、上記の説明では推定値算出部３においてカルマンフィルタを適用する場合について例示して説明したが、状態量ｘを推定するためにカルマンフィルタ以外の推定手法を用いることも可能である。

基準値算出部４は、対象装置１０の状態パラメータの基準値を、推定値算出部３にて変動値として扱う固有パラメータを固定値として扱う推定モデルに基づいて算出する。すなわち、基準値算出部４は、対象装置１０の運転状態に対応した状態パラメータの初期値を推定する。具体的には、基準値算出部４は、推定値算出部３と同様に、対象装置１０に対応した推定モデルを有している。しかしながら、基準値算出部４における推定モデルは、物理パラメータ（固有パラメータ）の更新が行われない。すなわち、基準値算出部４における推定モデルは、初期状態における物理パラメータを用いており、対象装置１０の初期状態（例えば、竣工後の正常状態）を示した初期状態推定モデルである。このため、基準値算出部４では、指令値に基づいて初期状態推定モデルを演算することによって、初期状態の対象装置１０を、現在の対象装置１０の運転状態で運転した場合における状態パラメータの状態値（状態パラメータの基準値）を推定する。換言すると、基準値算出部４は、劣化等の経時変化が生じていない竣工当初の理想的な状態の対象装置１０を、指令値に基づいて運転した場合の状態を仮想的に演算している。

すなわち、基準値算出部４から算出された状態パラメータの基準値は、理想的に正常な値を示しているため、後述する判定部５において閾値算出に用いられる。

判定部５は、基準値に基づいて状態パラメータの推定値の上限値又は下限値を設定し、状態パラメータの推定値が上限値又は下限値の範囲内でない場合に、対象装置１０を異常と判定する。また、判定部５は、基準値に対して所定の許容値を加算又は減算した値を推定値の上限値又は下限値として設定する。具体的には、判定部５は、基準値算出部４から各状態パラメータの初期値を基準値として取得する。そして、取得した基準値に対して許容値を加算した値を上限値とし、基準値に対して許容値を減算した値を下限値として上下限範囲を設定する。なお、上限値及び下限値の少なくともいずれか１方としてもよい。許容値とは、特定の状態パラメータにおいて、基準値に対して許容可能な乖離度合として予め設定される。すなわち、状態パラメータの推定値が上下限範囲外である場合には、対象装置１０が何等かの要因で初期状態から乖離し、事故が発生する可能性が高くなっている状態を示している。

このため、判定部５では、推定値算出部３において推定された状態パラメータの推定値が、設定した上下限範囲内であるか否かを判定し、推定値が上下限範囲内でない場合に対象装置１０に異常が発生していると判定する。

なお、判定部５においては、各状態パラメータに対して異常判定処置が行われるため、異常が判定された状態パラメータに応じて、対象装置１０における異常の発生箇所や発生原因を特定することも可能である。なお、対象装置１０における異常の発生箇所や発生原因した場合には、後述する第１表示部６や第２表示部７において、詳細を表示することとしてもよい。

また、判定部５は、推定された状態量ｘにおける各状態パラメータ（内部状態及び物理パラメータ）に対して、予め設定した閾値と比較することによって異常判定を行うこととしてもよい。

第１表示部６は、推定された推定値のうち、内部状態量の推定結果を表示する。内部状態量は、対象装置１０における現在の運転状態を示す値である。例えば、第１表示部６は、推定された内部状態量の異常度を色等で分けて表示する。例えば、対象装置１０の３次元ＣＡＤデータ上において、推定された状態量が正常と推定される場合には正常を示す色（例えば、青）、推定された状態量が異常と推定される場合には異常を示す色（例えば、赤）、推定された状態量が異常ではないものの異常に近い状態と推定される場合には注意を示す色（例えば、黄）を付すことによって表示する。すなわち、専用のセンサ等を用いることなく推定モデルによって推定した状態を、運転員等に視認しやすいように表示することで、運転員等は、容易かつ一義的に異常を認識することが可能となる。

第２表示部７は、推定された推定値のうち、物理パラメータの推定結果を表示する。物理パラメータは、対象装置１０における現在の運転状態を示している値であり、理想的には初期値から変化しない値である。しかしながら、経時変化（劣化）等によって、物理パラメータが少しずつ変化することがあり、第２表示部７は、物理パラメータの経時変化を表示する。具体的には、第２表示部７は、過去所定期間内に推定された複数の物理パラメータを時系列で表示し、例えば近似曲線等によって経時変化の傾向を表示する。第２表示部７の表示によって、運転員等は、物理パラメータの時間推移を容易に認識することが可能となる。運転員等は、傾向を認識することによって、次回のメンテナンス時期を効率的に計画することが可能となる。

予測値算出部８は、過去所定期間について算出された複数の推定値に基づいて、推定値の経時変化の傾向を特定し、該傾向に基づいて状態パラメータの将来の予測値を算出する。予測値算出部８では、過去所定期間において推定された状態パラメータにおける複数の推定値がデータベース化されている。そして、予測値算出部８では、過去に推定した複数の推定値を用いて、状態パラメータがどのように変動しているのか（経時変化の傾向）を特定する。例えば、複数の推定値に対して近似曲線を設定することで過去における経時変化の傾向を特定し、設定した近似曲線に基づいて、将来どのように経時変化するかを推定する。なお、推定した状態パラメータの将来の経時変化の傾向は、第２表示部７等に表示される。

次に、上述の判定部５による異常判定処理について図２を参照して説明する。図２に示すフローは、例えば、対象装置１０が稼働している場合に、所定の制御周期で繰り返し実行される。なお、図２のフローは、運転人等による異常判定処理の開始指示等によって開始することとしてもよい。

まず、推定された内部状態量の基準値を取得する（Ｓ１０１）。

次に、取得した内部状態量の基準値に基づいて、上下限範囲を設定する（Ｓ１０２）。

次に、推定された内部状態量が、設定した上下限範囲内であるか否かを判定する（Ｓ１０３）。

推定された内部状態量が設定した上下限範囲内である場合（Ｓ１０３のＹＥＳ判定）には、正常判定を行う（Ｓ１０４）。また、推定された内部状態量が設定した上下限範囲内でない場合（Ｓ１０３のＮＯ判定）には、異常判定を行う（Ｓ１０５）。

対象装置１０の運転状態に対応した内部状態量の基準値（初期状態における制御対象の内部状態量）に基づいて上下限範囲を設定するため、対象装置１０の現在の運転状態に応じて、より適切な異常判定の上下限範囲を設定することができる。このため、対象装置１０の運転状態に応じてより正確に異常判定を行うことが可能となる。

なお、推定した状態量ｘにおける内部状態量については、予め設定した閾値と比較することによって異常判定を行うこととしてもよい。また、推定した状態量ｘにおける物理パラメータについても、予め設定した閾値と比較することによって異常判定を行うこととしてもよい。

次に、上述の異常監視システム１による上下限範囲の設定例について図３を参照して説明する。図３には、推定されたボア側圧力Ｐｂにおける内部状態量の時間変化と、上下限範囲とが示されている。

図３では、点線Ｌ１が推定されたボア側圧力Ｐｂの基準値（基準値算出部４の出力）を示しており、一点鎖線Ｌ２が推定されたボア側圧力Ｐｂの基準値に基づいて設定された上下限範囲の概略を示している。また、線Ｌ３（連続線）は、ボア側圧力Ｐｂの推定値（推定値算出部３の出力）を示している。図３に示すように、ボア側圧力Ｐｂの基準値に応じて上下限範囲が設定されることで、対象装置１０の運転状態に応じて柔軟に上下限範囲が設定される。このため、上下限範囲は、ボア側圧力Ｐｂの推定値に対してより近傍に設定することができ、ボア側圧力Ｐｂの推定値の異常をより敏感に判定することが可能となる。すなわち、ボア側圧力Ｐｂの基準値に基づいて上下限範囲が設定されることで、異常判定の精度を向上させることが可能となる。

以上説明したように、本実施形態に係る異常監視装置、及びその異常監視方法並びに異常監視プログラムによれば、対象装置１０の運転状態に対応した状態パラメータの基準値を推定し、推定した基準値に基づいて異常判定の基準となる上下限範囲を設定することとしたため、対象装置１０の運転状態に応じて異常判定の基準をより正確に設定することが可能となる。このため、異常判定の基準を固定値とする場合と比較して、より正確に異常の有無を判定することができる。

また、更新された推定モデルによって対象装置１０における所定のパラメータ（例えば圧力等）の状態値を推定することした。このため、例えば異常監視用のセンサ等を別途設けることなく、対象装置１０の状態値をより正確に推定することが可能となるため、異常判定の精度を向上させることが可能となる。

また、状態パラメータにおいて、推定された複数の状態値を用いることで、経時変化の傾向を特定することが可能となるため、将来の予測値を推定することが可能となる。このため、未然に異常発生を判定することが可能となる。

〔第２実施形態〕
次に、本発明の第２実施形態に係る異常監視装置、及びその異常監視方法並びに異常監視プログラムについて説明する。
上述した第１実施形態では、上下限範囲を設定する場合の許容値を予め設定した固定値とする場合について説明したが、本実施形態では、上下限範囲を設定する場合の許容値を尤度によって設定する場合について説明する。以下、本実施形態に係る異常監視装置、及びその異常監視方法並びに異常監視プログラムについて、第１実施形態と異なる点について主に説明する。

本実施形態における判定部５では、推定値の算出の尤度に基づいて推定値の上限値又は下限値を設定する。具体的には、判定部５は、尤度に対して正の相関関係となるように上下限範囲の幅を設定する。

（８）式に示すように、事後状態推定はｘ（ｋ）、事前状態推定ｘ´（ｋ）をカルマンゲインｇ（ｋ）による項を用いて補正することによって算出される。すなわち、カルマンゲインが大きい場合には、事後状態推定はｘ（ｋ）に対して事前状態推定ｘ´（ｋ）が弱く反映され、カルマンゲインが小さい場合には、事前状態推定ｘ´（ｋ）が強く反映される。すなわち、カルマンゲインの大きさによって、事後状態推定はｘ（ｋ）に対して事前状態推定ｘ´（ｋ）を反映させる度合が変化する。すなわち、カルマンゲインの大きさは、事前状態推定ｘ´（ｋ）の信頼度を表している。

カルマンゲインについては、（６）式に示すように、事前誤差共分散Ｐ´（ｋ）の関数となる。事前誤差共分散Ｐ´（ｋ）が雑音に対して大きいと、カルマンゲインはＣの転置行列の逆数に近づき、事前誤差共分散Ｐ´（ｋ）が雑音に対して小さいと、カルマンゲインは０に近づく。すなわち、事前誤差共分散Ｐ´（ｋ）が大きくなるとカルマンゲインも大きくなり、事前誤差共分散Ｐ´（ｋ）が小さくなるとカルマンゲインも小さくなる。このように、事前誤差共分散Ｐ´（ｋ）とカルマンゲインとは正の相関関係を有する。つまり、事前誤差共分散Ｐ´（ｋ）も、カルマンゲインと同様に事前状態推定ｘ´（ｋ）の信頼度を表している。つまり、事前誤差共分散Ｐ´（ｋ）は、事前状態推定ｘ´（ｋ）の尤度を示している。尤度とは、推定した状態量の尤もらしさ（確かさ）を表す指標である。なお、尤度とは、統計学上における尤度関数の算出結果に限定されず、推定した状態量の尤もらしさ（正確度や信頼度）の度合を示す指標として用いる。

事前誤差共分散Ｐ´（ｋ）が大きい場合（尤度が大きい場合）には、推定した事前状態推定ｘ´（ｋ）は不確かなもの（分散が大きい）となっているため、上下限範囲が狭いと、異常となっていないにも関わらず異常と誤判定される可能性が高くなる。そこで、判定部５は、尤度を用いて上下限範囲を設定する。具体的には、尤度（誤差共分散）が高い場合には、幅が広くなるように上下限範囲を設定する。例えば、尤度（誤差共分散）が高い場合には許容値を多く設定し、基準値に許容値を加減算して上下限範囲を設定することで上下限範囲の幅を広くすることができる。なお、上下限範囲の幅の設定については、尤度と正の相関関係を有していれば設定方法は限定されない。例えば、尤度と上下限範囲の幅とを正の一次関数で対応付けておき、尤度に基づいて上下限範囲の幅を算出してもよい。また、尤度と上下限範囲の幅とを対応付けたテーブル等を容易しておき、尤度に基づいて上下限範囲の幅を読み出すこととしてもよい。

なお、尤度としては、事前誤差共分散Ｐ´（ｋ）を用いる場合に限らず、カルマンゲインを用いてもよい。また、例えばカルマンゲイン以外の推定手法を用いた場合には、推定した状態量の尤もらしさ（分散の度合）を表す指標があれば尤度として用いることが可能である。

以上説明したように、本実施形態に係る異常監視装置、及びその異常監視方法並びに異常監視プログラムによれば、推定モデルを用いた状態値の推定の尤度を用いて上下限範囲を設定することとしたため、より適切に上下限範囲を設定することが可能となり、異常判定の精度を向上させることが可能となる。例えば、尤度が高くなると、幅が広くなるように上下限範囲を設定することが可能となる。このため、尤度が高く、推定された状態値が不確かである場合には、上下限範囲を広く設定することによって、異常でない状態値を異常と判定する誤判定を抑制することができる。

本発明は、上述の実施形態のみに限定されるものではなく、発明の要旨を逸脱しない範囲において、種々変形実施が可能である。なお、各実施形態を組み合わせることも可能である。

例えば、推定値算出部３においてカルマンゲインを適用する場合について説明したが、対象装置１０の稼働中の場合には、リアルタイム演算が可能なカルマンフィルタを用い、対象装置１０が停止中などリアルタイム演算を行う必要性が低い場合には、精度が高い粒子フィルタやアジョイント法等の他の推定方法を適用することとしてもよい。

また、推定値算出部３においてカルマンゲインを適用する場合について説明したが、状態量ｘを推定することが可能なものであればカルマンゲインに限らず適用することができる。

１ ：異常監視システム
３ ：推定値算出部
４ ：基準値算出部
５ ：判定部
６ ：第１表示部
７ ：第２表示部
８ ：予測値算出部
１０ ：対象装置

Claims (6)

1. 対象装置における所定の状態パラメータの推定値を、前記対象装置の固有パラメータの少なくとも一部を変動値として扱う推定モデルに基づいて算出する推定値算出部と、
   前記対象装置の前記状態パラメータの基準値を、前記推定値算出部にて変動値として扱う前記固有パラメータを固定値として扱う推定モデルに基づいて算出する基準値算出部と、
   前記基準値に基づいて前記状態パラメータの推定値の上限値又は下限値を設定し、前記状態パラメータの推定値が前記上限値又は下限値の範囲内でない場合に、前記対象装置を異常と判定する判定部と、
   を備え、
   前記判定部は、前記推定値の算出の尤度に対して正の相関関係となるように前記上限値又は前記下限値と前記基準値との幅を設定する異常監視装置。
2. 前記判定部は、前記基準値に対して所定の許容値を加算又は減算した値を前記推定値の上限値又は下限値として設定する請求項１に記載の異常監視装置。
3. 前記判定部は、前記尤度として前記推定値の誤差共分散を用い、前記誤差共分散に基づいて前記上限値又は前記下限値を設定する請求項１または２に記載の異常監視装置。
4. 過去所定期間について算出された複数の前記推定値に基づいて、前記推定値の経時変化の傾向を特定し、該傾向に基づいて前記状態パラメータの将来の予測値を算出する予測値算出部を備える請求項１から３のいずれか１項に記載の異常監視装置。
5. 対象装置における所定の状態パラメータの推定値を、前記対象装置の固有パラメータの少なくとも一部を変動値として扱う推定モデルに基づいて算出する推定値算出工程と、
   前記対象装置の前記状態パラメータの基準値を、前記推定値算出工程にて変動値として扱う前記固有パラメータを固定値として扱う推定モデルに基づいて算出する基準値算出工程と、
   前記基準値に基づいて前記状態パラメータの推定値の上限値又は下限値を設定し、前記状態パラメータの推定値が前記上限値又は下限値の範囲内でない場合に、前記対象装置を異常と判定する判定工程と、
   を有し、
   前記判定工程では、前記推定値の算出の尤度に対して正の相関関係となるように前記上限値又は前記下限値と前記基準値との幅を設定する異常監視方法。
6. 対象装置における所定の状態パラメータの推定値を、前記対象装置の固有パラメータの少なくとも一部を変動値として扱う推定モデルに基づいて算出する推定値算出処理と、
   前記対象装置の前記状態パラメータの基準値を、前記推定値算出処理にて変動値として扱う前記固有パラメータを固定値として扱う推定モデルに基づいて算出する基準値算出処理と、
   前記基準値に基づいて前記状態パラメータの推定値の上限値又は下限値を設定し、前記状態パラメータの推定値が前記上限値又は下限値の範囲内でない場合に、前記対象装置を異常と判定する判定処理と、
   をコンピュータに実行させるための異常監視プログラムであり、
   前記判定処理では、前記推定値の算出の尤度に対して正の相関関係となるように前記上限値又は前記下限値と前記基準値との幅を設定する異常監視プログラム。

Images