JPH08221117A - 異常診断支援用解析装置 - Google Patents

Abstract

(57)【要約】 【目的】 プラントの保守員等の実際の設備機器に対す
る知識を有する人間が状況に応じて劣化診断及び異常診
断することを支援する異常診断支援用解析装置を得る。 【構成】 データベース１０からセンサ等からの信号を
読み出し、信号の信号特徴量を抽出する信号特徴抽出部
６と、得られた信号の信号特徴量並びにマンマシンイン
タフェース部９を介したユーザの選択に応じて信号に対
して有効な解析手法を選択する解析選択部７と、解析の
手順の知識を参照して選択された解析手法を用いて解析
する解析実行部８とを備えている。信号の信号特徴量と
しては、例えば信号波形の複雑度を示すピークに関する
信号特徴量、フラクタル次元又は基本統計量が使用され
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、プラント設備におけ
る種々の機器及び装置から発生する観測可能な信号を用
いて、異常や劣化具合を解析又は診断してプラント設備
の保守員等のする異常診断及び劣化診断を支援する異常
診断支援用解析装置に関するものである。

【０００２】

【従来の技術】図１５は、例えば「信号処理に基づくエ
キスパートシステム構築ツール −信号解釈システム
−」（電気学会論文誌Ｃ，ＶＯＬ．１１０‐Ｃ，Ｎｏ．
８ ８月，１９９０年）に開示された従来の異常診断支
援用解析装置の構成を示すブロック図であり、図におい
て、１はＣＲＴ、２は推論部、３はグラフ表示部、４は
信号処理部、５は信号データベース部である。

【０００３】次に動作について説明する。プラント設備
などにおける設備診断は予防保全という観点からも重要
な技術であり、特に故障に至る前に検出する劣化診断及
び異常診断には大きな要請がある。これらの劣化現象は
検出器で検出された信号の雑音成分にその情報が重畳さ
れている場合が多い。しかしながら、雑音を計測し、解
釈する技術は特殊なエキスパートが必要なことから、劣
化診断に有効な技術であることが知られているにもかか
わらず、実際に適用されていないことが多かった。従っ
て、劣化診断及び異常診断においては、対象となる機器
の劣化、異常現象と対象機器から得られた信号とをどの
ように結びつけていくかが重要とされている。

【０００４】そこで、従来の異常診断支援用解析装置
は、図１５に示すような信号解釈システムを用いて、対
象システムで観察される信号を解析処理すると共に、知
識処理技術を用いてその特徴を明らかにすることが可能
であり、信号の総合的な解釈を行うことを可能にしてい
る。

【０００５】信号データベース部５は、信号の生データ
や生データを信号処理部４が処理した結果である解析結
果のデータを格納し管理する。信号処理部４は、信号デ
ータベース部５に格納された生データに、スペクトル計
算、ピーク検出、雑音除去などの信号処理アルゴリズム
を適用して各種の信号処理を実行し、その解析結果を信
号データベース部５に送出する。推論部２は、信号処理
部４による信号処理を指示し解析する解析手順を決定し
たり、装置全体の制御を行う。グラフ表示部３は、信号
データベース部５に格納された生データや解析結果をＣ
ＲＴ１上にグラフ表示する。

【０００６】このような従来の異常診断支援用解析装置
は、信号処理部４に各種の解析手法がライブラリとして
用意されている。これらのライブラリの組み合わせであ
るスペクトル計算、ピーク検出、雑音除去などの信号処
理アルゴリズムを組み込むことにより、信号の解析を行
うことが可能となり、劣化診断及び異常診断を行うこと
を可能にしている。しかし、この信号処理アルゴリズム
を開発するには、各ライブラリ及びその組み合わせ方法
を含む高度な解析手法に関する知識が必要である。

【０００７】

【発明が解決しようとする課題】従来の異常診断支援用
解析装置は以上のように構成されているので、実際の設
備機器に対する知識は有しているが解析知識を持たない
プラントの保守員には取り扱えず、状況に応じた劣化診
断や異常診断ができないなどの問題点があった。

【０００８】この発明は上記のような問題点を解消する
ためになされたもので、信号の解析に高度な知識を必要
とせず、プラントの保守員等の実際の設備機器に対する
知識を有する人間が状況に応じた劣化診断及び異常診断
のアルゴリズムを選択して劣化診断及び異常診断するこ
とを支援する異常診断支援用解析装置を得ることを目的
とする。

【０００９】

【課題を解決するための手段】請求項１の発明に係る異
常診断支援用解析装置は、データベース手段から信号を
読み出し、前記信号の特徴を示す信号特徴量を抽出する
信号特徴抽出手段と、前記信号特徴抽出手段により得ら
れた前記信号の特徴を示す少なくとも１つの信号特徴量
並びにマンマシンインタフェース手段を介した前記ユー
ザの選択に応じて前記信号に対して有効な解析手法を選
択して実行する解析手段とを備えたものである。

【００１０】請求項２の発明に係る異常診断支援用解析
装置は、信号特徴抽出手段が、信号の波形の複雑度を示
す前記信号のピークに関する信号特徴量を前記信号の信
号特徴量として計算する手段を含むものである。

【００１１】請求項３の発明に係る異常診断支援用解析
装置は、信号特徴抽出手段が、信号の波形の複雑度を示
す前記信号のフラクタル次元を前記信号の信号特徴量と
して計算する手段を含むものである。

【００１２】請求項４の発明に係る異常診断支援用解析
装置は、信号特徴抽出手段が、信号の波形の複雑度を示
す前記信号の基本統計量を前記信号の信号特徴量として
計算する手段を含むものである。

【００１３】請求項５の発明に係る異常診断支援用解析
装置は、信号特徴抽出手段が、ユーザの選択に応じて、
前記信号の波形の複雑度を示す前記信号のピークに関す
る信号特徴量、フラクタル次元及び基本統計量のうちの
いずれか１つを選択して計算する手段を含むものであ
る。

【００１４】

【作用】請求項１の発明における異常診断支援用解析装
置は、プラント設備等の機器又は装置に設けられた各種
測定手段により得られた信号を用いる。解析時に、この
信号は内部のデータベース手段に保存され、信号の特徴
を抽出する信号特徴抽出手段に送られる。この信号特徴
抽出手段により得られた信号の信号特徴量をもとに、有
効な解析手法が解析手段により半自動的に選択される。
従って、信号解析に必要な知識を特に必要としないこと
と、解析のノウハウを組み込むことが可能となる特徴が
ある。この選択された解析は解析の手順の知識に従って
実行される。マンマシンインタフェース手段は、解析手
段とユーザとの間の対話的な入出力の管理を実行し、ユ
ーザに解析を行うための最適な環境を堤供する。

【００１５】講求項２の発明における異常診断支援用解
析装置は、信号特徴抽出時に、信号特徴抽出手段が波形
ピークの信号特徴量を計算し信号の信号特徴量として抽
出する。その信号特徴量により有効な解析が選択され、
信号解析が行われる。信号の波形ピークの特徴は、信号
に含まれる波形パターンに依存しており、その信号特徴
量を判定することにより、人間の視覚的な直感に近い感
覚でパターンを捉えることが可能となる。

【００１６】講求項３の発明における異常診断支援用解
析装置は、信号特徴抽出時に、信号特徴抽出手段が信号
の信号特徴量としてフラクタル次元の計算を行う。その
フラクタル次元により有効な解析が選択され、信号解析
が行われる。フラクタル次元は信号の自己相似性に依存
しており、その信号特徴量を判定することにより、人工
的な波形を有する制御信号等のような自己相似性の高い
信号の特徴抽出を捉えることが可能となる。

【００１７】請求項４の発明における異常診断支援用解
析装置は、信号特徴抽出時に、信号特徴抽出手段が信号
の信号特徴量として基本統計量の計算を行う。その統計
量より有効な解析が選択され、信号解析が行われる。信
号の特徴が信号の基本統計量に依存しており統計的な性
質に変化がみられるゆらぎ成分を含む信号の性質の抽出
を捉えることが可能となる。

【００１８】請求項５の発明における異常診断支援用解
析装置は、信号特徴抽出時に、ユーザの選択に応じて特
徴抽出手段が信号の信号特徴量としてピーク波形の信号
特徴量、フラクタル次元及び基本統計量のうちのいずれ
か１つを選択して計算を行う。これにより、信号特徴の
抽出において最適な信号特徴量を選択して解析を実行す
ることが可能となる。

【００１９】

【実施例】

実施例１．以下、この発明の一実施例を図について説明
する。図１はこの発明の一実施例による異常診断支援用
解析装置の構成を示すブロック図であり、図において、
６は信号特徴抽出部（信号特徴抽出手段）、７は解析選
択部、８は解析実行部、９はマンマシンインタフェース
部（マンマシンインタフェース手段）、１０は原子力プ
ラント等のプラント設備に設けられたセンサから内部に
信号データを取り込み保存するデータベース（データベ
ース手段）、１１はデータベース１０に格納された信号
データを基に、信号特徴抽出部６、解析選択部７及び解
析実行部８により信号の解析を行いマンマシンインタフ
ェース部９を通してユーザが最適な信号解析を行える環
境を堤供する異常診断支援用解析装置である。尚、解析
手段は解析選択部７及び解析実行部８により実現され
る。

【００２０】次に動作について説明する。信号データ
は、原子力プラント等のプラント設備の機器又は装置に
設けられたセンサによって得られ、記憶媒体例えばフロ
ッピーディスク、又はネットワーク例えばイーサーネッ
トなどで外部から異常診断支援用解析装置１１上のデー
タベース１０、例えば異常診断支援用解析装置１１を構
成するワークステーションのハードディスク上に論理的
に構成されたファイル構造に保存される。

【００２１】信号特徴抽出部６は、データベース１０に
格納された信号データから信号の特徴を抽出して、その
信号特徴を解析選択部７に伝える。解析選択部７は、信
号特徴抽出部６から与えられた信号特徴を基に判定処理
を行い、信号に適用可能な解析の選択を行う。この時、
解析選択は後述する解析選択の知識から成る解析選択抽
出アルゴリズムに従って実行される。解析実行部８は、
解析選択部７により選択された解析を実行する。この
時、解析は後述する解析実行アルゴリズムに従って実行
される。

【００２２】マンマシンインタフェース部９は、信号特
徴抽出部６、解析選択部７及び解析実行部８とユーザと
の対話形式の入出力の通信を介在するとともに、結果の
グラフ表示を行う。

【００２３】図２は異常診断支援用解析装置１１の信号
特徴抽出部６の処理概要及び構成を示すブロック図であ
り、図において、１２は信号属性抽出処理部、１３は波
形複雑度抽出処理部（信号特徴抽出手段）、１４は前処
理用ガイダンス処理部、１５はこれらの処理部１２〜１
４によって抽出された各種の信号特徴としての信号特徴
量、１６はデータベース１０に格納されている信号デー
タ構造体、１７は信号データ構造体１６を構成する一要
素である信号ヘッダ、１８は信号データ構造体１６を構
成する一要素である信号データである。

【００２４】図２を参照しながら、信号特徴抽出部６の
処理について説明する。まず、データベース１０上に保
存されている信号データ構造体１６の信号へッダ１７と
信号データ１８とは、例えば”＃”記号により区別が行
われている。信号へッダ１７には、信号データ１８に関
する諸条件が記述されている。信号特徴抽出部６は、ま
ず、信号属性抽出処理部１２により、信号属性例えばサ
ンプリング周期、データ点数などを取り出す。また、波
形複雑度抽出処理部１３により、信号の波形的な特徴と
して例えば波形複雑度処理を行い、信号データ１８から
波形複雑度の計算を行う。そして、前処理用ガイダンス
処理部１４により、解析処理前に必要な前処理のための
特徴抽出を、ユーザとの対話形式により実行する。信号
特徴抽出部６はこれらの特徴を信号特徴量１５として取
り出す。

【００２５】図３はこの実施例による異常診断支援用解
析装置における信号特徴抽出部６の信号属性抽出処理部
１２の処理を示すフローチャートである。図３に示すよ
うに、まずステップＳＴ１において、信号特徴抽出部６
が信号データ構造体１６を読み込んだ後、ステップＳＴ
２において、ファイルの終わりか否かを判定しファイル
の終わりであれば処理を終了する。ファイルの終わりで
はない場合、ステップＳＴ３において、信号へッダ１７
を意味する”＃”記号がある場合のみ、ステップＳＴ４
において、属性識別子例えば、サンプル周期を意味す
る”ＳＡＭＰＬＥ”、データ数を意味する”ＬＥＮＧＴ
Ｈ”、データ採集日時を意味する”ｄａｔｅ”、データ
の種類を意味する”ｎａｔｕｒｅ”などによる属性の識
別が可能であるならば、ステップＳＴ５において、各信
号属性としてデータの読み込みを行う。次に、ステップ
ＳＴ６において、ファイルの信号データを読み取る行を
１つ進めてステップＳＴ２に戻る。

【００２６】図４はこの実施例による異常診断支援用解
析装置における信号特徴抽出部６の前処理用ガイダンス
処理部１４の処理を示すフローチャートである。図４に
示すように、まずステップＳＴ１１において、ユーザに
信号の波形が堤示される。次に、ステップＳＴ１２にお
いて、信号波形にトレンド（単調な信号レベルの増減）
があるかどうかの質問をユーザに対してする。トレンド
がある場合は、ステップＳＴ１３において、そのトレン
ドが何次のトレンドであるか否かを質問し、ステップＳ
Ｔ１４において、トレンドフラグをユーザが選択した次
数に設定し信号データ構造体１６の信号へッダ１７に付
加し、トレンドがない場合は、ステップＳＴ１５におい
て、トレンドフラグをー１に設定して信号データ構造体
１６の信号へッダ１７に付加する。続いて、ステップＳ
Ｔ１６において、信号波形にサージノイズが乗っている
か否かを質問し、サージノイズが存在する場合は、ステ
ップＳＴ１７において、サージフラグを１に設定し信号
データ構造体１６の信号へッダ１７に付加し、存在しな
い場合は、ステップＳＴ１８において、サージフラグを
−１に設定して信号データ構造体１６の信号へッダ１７
に付加する。

【００２７】図５はこの実施例による異常診断支援用解
析装置における解析選択部７の解析選択部の処理を示す
フローチャートである。図５に示すように、まずステッ
プＳＴ２１において、信号属性であるサンプル周期、デ
ータ点数による解析手法の選択を行い、例えばサンプル
周期が長い等の条件を満たすと、ステップＳＴ２２にお
いて、基本統計量を解析手法として選択する。

【００２８】ステップＳＴ２１において基本統計量を解
析手法として用いるのは望ましくないと判定したなら
ば、ステップＳＴ２３において、波形信号複雑度による
判定を行う。例えば複雑度フラグにより、パターンマッ
チングを選択するか否かの判定を行い、パターンマッチ
ングが望ましい波形信号複雑度ならば、ステップＳＴ２
４においてパターンマッチングを解析手法として採用す
る。さらに、ステップＳＴ２３においてパターンマッチ
ングを解析手法として用いるのは望ましくないと判定し
たならば、ステップＳＴ２５において、信号の性質が定
常か非定常かの判定をユーザとの対話により行い、定常
ならばステップＳＴ２６においてＦＦＴを解析手法とし
て採用し、非定常ならばステップＳＴ２７においてウェ
ーブレット変換を解析手法として採用する。

【００２９】図６はこの実施例による異常診断支援用解
析装置における解析実行部８の解析処理を示すフローチ
ャートである。図６に示すように、まずステップＳＴ３
１において、データベース１０から信号データを取り出
す。次に、ステップＳＴ３２において、信号データを構
成する信号データ構造体１６の信号へッダ１７に含まれ
るトレンドフラグによりトレンド除去処理を行うか否か
を判定し、トレンドフラグが立っているならば、ステッ
プＳＴ３３において、信号データのトレンド除去処理を
実行し、引き続くステップＳＴ３４において、このトレ
ンド除去後の信号データをデータベース１０に登録す
る。

【００３０】次に、ステップＳＴ３５において、信号デ
ータ構造体１６の信号へッダ１７に含まれるサージフラ
グによりサージノイズ除去処理を行うか否かを判定し、
サージフラグが立っているならば、ステップＳＴ３６に
おいて、信号データのサージノイズ除去処理を実行し、
引き続くステップＳＴ３７において、サージノイズ除去
の信号データをデータベース１０に登録する。これらの
前処理を実行した後、ステップＳＴ３８において、図５
に示したフローチャートに従って解析選択部８によって
選ばれた解析の手続きに従い解析処理を行う。

【００３１】従って、この実施例によれば、半自動的な
解析を行うことができ、解析に関する専門家の知識を必
要としない解析が行える。また、高度なマンマシンイン
タフェース部９を設けることにより、より使いやすい解
析環境を堤供できる。これらにより、信号処理ライブラ
リの組み合わせに必要な高度な信号処理技術に関する知
識及び解析を行うためのノウハウが不要になり、プラン
ト設備の保守員を含めた解析専門家以外のユーザにも解
析を行うことができ、劣化診断及び異常診断のアルゴリ
ズムの効率的な開発を行うことができる。また、ユーザ
の意図を解析に反映させることでユーザの解析の知識レ
ベルや使用目的の相違にも対応できる。

【００３２】実施例２．図７はこの発明の他の実施例に
よる異常診断支援用解析装置における信号特徴抽出部６
の波形複雑度抽出処理部１３の処理を示すフローチャー
トである。この実施例による異常診断支援用解析装置は
図１及び図２に示す上記実施例１のものと同様に構成さ
れており、また、この実施例による信号属性抽出処理、
前処理用ガイダンス処理、解析手法選択処理及び解析処
理は、図３から図６のフローチャートに示した上記実施
例１における処理と同様に実行される。

【００３３】この実施例による信号特徴抽出部６は、図
７のフローチャートに示されたピーク特徴抽出処理アル
ゴリズムを基に処理を実行する波形複雑度抽出処理部１
３と、信号属性抽出処理部１２と、前処理用ガイダンス
処理部１４とから構成される。

【００３４】次に動作について説明する。図１及び図２
に示したように、ピーク特徴抽出処理アルゴリズムに基
づき、波形複雑度の特徴を抽出する信号特徴抽出部６
は、データベース１０に信号データの要求を出し、信号
データ構造体１６を入力として受け取り内部データとし
て取り込む。信号特徴抽出部６は、さらに、信号属性抽
出処理部１２及び前処理用ガイダンス処理部１４を用い
て、上記実施例１と同様に、信号属性例えばサンプリン
グ周期、データ点数などを取り出し、解析処理前に必要
な前処理のための特徴抽出を、ユーザとの対話形式によ
り実行する。信号特徴抽出部６はこれらの特徴を信号特
徴量１５として取り出す。これらの処理は実施例１のも
のと同様であるので、詳細な説明についてはここでは省
略する。

【００３５】波形複雑度抽出処理部１３は図７に示した
ピーク特徴抽出処理アルゴリズムにより、波形複雑度の
判定処理を行い、その結果を信号特徴量として解析選択
部７に引き渡す。まず、ステップＳＴ４１において、デ
ータベース１０から信号データ構造体１６を読み込み、
ステップＳＴ４２において、読みとった信号データ構造
体１６の”＃”記号で始まっていない信号データ１８の
部分を探しだし、ステップＳＴ４３において、”＃”記
号で始まっていない信号データ１８をファイルの終わり
まで読み込み、ステップＳＴ４４において、信号データ
１８に対して平滑化微分を行う。次に、ステップＳＴ４
５において、微分した値の正負の符号反転がみられるか
否かにより信号データ１８のピーク点を探索し、ステッ
プＳＴ４６において、正負の符号反転があるところをピ
ーク点として位置を求める。そして、ステップＳＴ４７
において、これらピーク点のそれぞれにおいてピーク位
置の近傍で最大又は最小の値になっているか否かを調
べ、ピーク位置修正を行うかどうかを判定する。最大で
もなく最小でもない場合は、ステップＳＴ４８におい
て、ピーク位置を修正して、ステップＳＴ４９におい
て、更に各ピークについてピーク高さ及び半値幅の計算
を行い、ステップＳＴ５０において、信号複雑度判定処
理を行う。

【００３６】図８は図７に示したフローチャートにおけ
るステップＳＴ５０のピーク特徴による波形複雑度判定
処理を詳細に示すフローチャートである。図８に示すよ
うに、まずステップＳＴ５１において、ピーク点数のカ
ウントを行いピークの個数を求める。そして、ステップ
ＳＴ５２において、各ピークの面積を計算する。次に、
ステップＳＴ５３において、全信号波形の面積Ｓ２を求
める。さらに、ステップＳＴ５４において、ステップＳ
Ｔ５２にて計算したピークの面積の最大値である最大ピ
ーク面積Ｓ１と全信号波形の面積Ｓ２との比（Ｓ１／Ｓ
２）を計算する。

【００３７】次に、ステップＳＴ５５及びＳＴ５６にお
いてそれぞれ、ピークの個数を所定数より大きいか否か
をもって十分多いか否かを判定し、面積比（Ｓ１／Ｓ
２）は十分小さいか否かを判定し、これらのピーク信号
特徴量のうちピークの個数が十分多く上記面積比が十分
小さい場合、ステップＳＴ５７において、波形が複雑で
あるとして複雑度フラグを１とする。一方、ピーク数が
不十分である場合、ステップＳＴ５８において、波形は
複雑ではないとして複雑度フラグを−１とする。また、
ピーク数は十分であるが面積比は大きい場合、同様にス
テップＳＴ５９において、波形は複雑ではないとして複
雑度フラグを−１とする。

【００３８】図９はこの実施例による異常診断支援用解
析装置における信号特徴抽出処理を放射線検出器の出力
信号に適用した場合の信号波形の一例を示す図である。
図に示す信号波形において、縦軸が放射線検出器の出力
信号である放射線パルスの強さに比例する電圧、横軸は
時間を表している。図の左側は放射線パルスの正常波形
を表しており、右側は放射線パルスに溶接等の外部要因
により振動ノイズが畳重した波形を表している。これら
の波形を示すグラフの下に、ピーク点数、面積比、及び
波形復雑度判定処理結果による複雑度フラグの値を示し
ている。左側の正常波形には大きなピークが一個しかな
いので最大ピークの面積Ｓ１と全信号波形の面積Ｓ２と
の面積比（Ｓ１／Ｓ２）が大きく１に近い。従って、こ
のような正常波形の信号データには複雑フラグ−１が付
加される。他方、右側の振動ノイズを含む信号波形には
多くのピークが出現しているので、最大ピークの面積Ｓ
１が小さくなり、面積比も小さくなっている。従って、
このような振動ノイズを含む信号波形の信号データには
複雑フラグ１が付加される。このように、ピーク信号特
徴量により信号の複雑度を定量的に判定している。

【００３９】以上述べたように、信号の波形ピークの特
徴は信号に含まれる波形パターンに依存しており、その
信号特徴量を判定することにより人間の視覚的な直感に
近い感覚でパターンを捉えることが可能となる。そし
て、波形ピークを定量的に捉えることにより、正常波形
パターンが一定である信号と異常パターンである信号と
の特徴弁別を可能にした特徴抽出を実行できる。

【００４０】実施例３．図１０はこの発明の他の実施例
による異常診断支援用解析装置における信号特徴抽出部
６の波形複雑度抽出処理部１３の処理を示すフローチャ
ートである。この実施例による異常診断支援用解析装置
は図１及び図２に示す上記実施例１のものと同様に構成
されており、また、この実施例による信号属性抽出処
理、前処理特徴ガイダンス処理、解析手法選択処理及び
解析処理は、図３から図６のフローチャートに示した上
記実施例１における処理と同様に実行される。

【００４１】信号特徴抽出部６は、図１０に示されるフ
ラクタル次元による波形複雑度判定アルゴリズムに基づ
いて処理を実行する波形複雑度抽出処理部１３と、信号
属性抽出処理部１２と、前処理用ガイダンス処理部１４
とから構成される。

【００４２】次に、動作について説明する。図１及び図
２に示したように、フラクタル次元による波形複雑度判
定アルゴリズムに基づき、波形複雑度の特徴を抽出する
信号特徴抽出部６は、データベース１０に信号データの
要求を出し、信号データ構造体１６を入力として受け取
り内部データとして取り込む。信号特徴抽出部６は、さ
らに、信号属性抽出処理部１２及び前処理用ガイダンス
処理部１４を用いて、上記実施例１と同様に、信号属性
例えばサンプリング周期、データ点数などを取り出し、
解析処理前に必要な前処理のための特徴抽出を、ユーザ
との対話形式により実行する。信号特徴抽出部６はこれ
らの特徴を信号特徴量１５として取り出す。これらの処
理は実施例１のものと同様であるので、詳細な説明につ
いてはここでは省略する。

【００４３】波形複雑度の特徴を抽出する波形複雑度抽
出処理部１３は、図１０のフローチャートに示すフラク
タル次元による波形複雑度判定アルゴリズムにより、波
形複雑度の判定処理を行いその結果を信号特徴量として
解析選択部７に引き渡す。図１０に示すように、まずス
テップＳＴ６１において、データベース１０から信号デ
ータ構造体１６を取り出しこの時の信号データ１８をＸ
（ｔ）（０≦ｔ≦Ｎ−１）とする。次に、ステップＳＴ
６２において、時刻ｍから最終時刻Ｎ−１までの間にお
ける、時間間隔ｋにある２つのデータ間の傾きｄｉ＝
（｜Ｘ（ｍ＋ｉｋ）−Ｘ（ｍ＋（ｉ−１）ｋ）｜／ｋ）
（但しｉ＝１から｛（Ｎ−１−ｍ）／ｋ｝以下の正整
数）を求める。そして、これらの個々の傾きから傾きの
総計Ｌｍ（ｋ）を求め平均する。Ｌｍ（ｋ）の算術平均
は次式で定義される。

【００４４】

【数１】

【００４５】次に、ステップＳＴ６４において、この算
術平均から次式に従ってフラクタル次元Ｄを計算する。

【００４６】

【数２】

【００４７】時系列データはフラクタル次元Ｄが１から
２の値になるため、この間に閾値Ｄｓを設定し、ステッ
プＳＴ６５において、この閾値ＤｓとステップＳＴ６４
において算出したフラクタル次元Ｄとを比較し、算出し
たフラクタル次元Ｄが閾値Ｄｓより大きいならば、ステ
ップＳＴ６６において、信号波形は複雑であるとみなし
複雑度フラグを１に設定し、信号データ構造体１６の信
号ヘッダ１７にこのフラグを付加する。逆に小さい場合
は、ステップＳＴ６７において、信号波形は複雑ではな
いとみなし複雑度フラグを−１に設定し、信号データ構
造体１６の信号ヘッダ１７にこのフラグを付加する。

【００４８】図１１はこの実施例による異常診断支援用
解析装置における信号特徴抽出処理を原子力プラントの
制御棒駆動装置の制御信号に適用した場合の信号波形の
一例を示す図である。図に示す信号波形においては、縦
軸が電圧、横軸は時間を表している。図の左側は制御信
号の正常波形を表しており、右側は外部要因によりノイ
ズが正常波形の信号に畳重した場合の信号波形を示す。
信号波形を示すグラフの下に、フラクタル次元及び波形
複雑度判定処理結果による複雑度フラグの値を示してい
る。左側に示す正常波形の場合は、信号波形は矩形波で
あり直線で構成されてるのでフラクタル次元Ｄは１に近
く、右側に示すノイズを含む信号波形の場合は、複雑な
形を有しているのでフラクタル次元Ｄは１より大きくな
っている。このように、フラクタル次元Ｄにより信号の
複雑度を定量的に判定することが可能となる。

【００４９】以上述べたように、フラクタル次元は信号
の自己相似性に依存しており、その信号特徴量を判定す
ることにより、人工的な波形を有する制御信号等のよう
な自己相似性の高い信号の特徴抽出を捉えることが可能
となる。

【００５０】実施例４．図１２はこの発明の他の実施例
による異常診断支援用解析装置における信号特徴抽出部
６の波形複雑度抽出処理部の処理を示すフローチャート
である。この実施例による異常診断支援用解析装置は図
１及び図２に示す上記実施例１のものと同様に構成され
ており、また、この実施例による信号属性抽出処理、前
処理特徴ガイダンス処理、解析手法選択処理及び解析処
理は、図３から図６のフローチャートに示した上記実施
例１における処理と同様に実行される。

【００５１】信号特徴抽出部６は、図１２に示される統
計量を用いた波形複雑度判定アルゴリズムを基に処理を
実行する波形複雑度抽出処理部１３と、信号属性抽出処
理部１２と、前処理用ガイダンス処理部１４とから構成
される。

【００５２】次に、動作について説明する。図１及び図
２に示したように、統計量を用いた波形複雑度判定アル
ゴリズムに基づき、波形複雑度の特徴を抽出する信号特
徴抽出部６は、データベース１０に信号データの要求を
出し、信号データ構造体１６を入力として受け取り内部
データとして取り込む。信号特徴抽出部６は、さらに、
信号属性抽出処理部１２及び前処理用ガイダンス処理部
１４を用いて、上記実施例１と同様に、信号属性例えば
サンプリング周期、データ点数などを取り出し、解析処
理前に必要な前処理のための特徴抽出を、ユーザとの対
話形式により実行する。信号特徴抽出部６はこれらの特
徴を信号特徴量１５として取り出す。これらの処理は実
施例１のものと同様であるので、詳細な説明については
ここでは省略する。

【００５３】波形複雑度の特徴を抽出する波形複雑度抽
出処理部１３は、図１２のフローチャートに示す統計量
を用いた波形複雑度判定アルゴリズムにより、波形複雑
度の判定処理を行いその結果を信号特徴量として解析選
択部７に引き渡す。図１２に示すように、まずステップ
ＳＴ７１において、データベース１０から信号データ構
造体１６を取り出しこの時の信号データ１８をＸ（ｔ）
＝Ｘｉ（０≦ｔ≦Ｎ−１、ｉ＝１、２、…、Ｎ）とす
る。そして、ステップＳＴ７２において、平均値Ｘmean
を次式により求める。

【００５４】

【数３】

【００５５】次に、ステップＳＴ７３からＳＴ７５にお
いて、次式に従って分散値ν、標準偏差σ及び歪度αを
順次算出する。

【００５６】

【数４】

【００５７】歪度αは信号データが正規分布になるよう
な場合は０になることから、ステップＳＴ７６におい
て、歪度αの絶対値が０に十分近いか否かを判定し、十
分に近い場合は、ステップＳＴ７７において、信号波形
は複雑ではないとみなし複雑度フラグを−１に設定し、
信号データ構造体１６の信号ヘッダ１７にこのフラグを
付加する。歪度αの絶対値が０に十分近くない場合は、
ステップＳＴ７８において、複雑度フラグを１に設定
し、信号データ構造体１６の信号ヘッダ１７にこのフラ
グを付加する。

【００５８】図１３はこの実施例による異常診断支援用
解析装置における信号特徴抽出処理をヒータ加熱近傍に
おける温度信号に適用した場合の信号波形の一例を示す
図である。図に示す信号波形においては、縦軸は温度振
幅、横軸は時間を表している。図の左側の信号波形は未
沸騰状態における温度信号波形を表しており、右側の信
号波形は沸騰状態における温度信号波形を表している。
信号波形のグラフの下に、歪度α及び波形複雑度判定処
理結果による複雑度フラグの値を示している。未沸騰状
態の信号波形においては、歪度αが０に近く、統計的な
歪みがなく正規分布に近い状態になっているが、沸騰状
態では信号波形に統計的な歪みが生じるので歪度αが０
から大きくずれている。このように、歪度αにより信号
の複雑差を定量的に判定することができる。

【００５９】以上述べたように、この実施例によれば、
信号の特徴が信号の基本統計量に依存しており統計的な
性質に変化がみられるゆらぎ成分を含む信号の性質の抽
出を捉えることが可能となる。

【００６０】実施例５．図１４はこの発明の他の実施例
による異常診断支援用解析装置における信号特徴抽出部
６の波形複雑度抽出処理部１３の処理を示すフローチャ
ートである。この実施例による異常診断支援用解析装置
は図１及び図２に示す上記実施例１のものと同様に構成
されており、また、この実施例による信号属性抽出処
理、前処理用ガイダンス処理、解析手法選択処理及び解
析処理は、図３から図６のフローチャートに示した上記
実施例１における処理と同様に実行される。

【００６１】信号特徴抽出部６は、上記実施例２から実
施例４で述べたピーク信号特徴量、フラクタル次元及び
基本統計量のいずれか１つの波形複雑度判定アルゴリズ
ムを用いて信号波形の複雑度を求める波形複雑度抽出処
理部１３と、信号属性抽出処理部１２と、前処理用ガイ
ダンス処理部１４とから構成される。

【００６２】次に動作について説明する。図１及び図２
に示したように、ピーク信号特徴量、フラクタル次元及
び基本統計量のいずれか１つを用いた波形複雑度判定ア
ルゴリズムに基づき、波形複雑度の特徴を抽出する信号
特徴抽出部６は、データベース１０に信号データの要求
を出し、信号データ構造体１６を入力として受け取り内
部データとして取り込む。信号特徴抽出部６は、さら
に、信号属性抽出処理部１２及び前処理用ガイダンス処
理部１４を用いて、上記実施例１と同様に、信号属性例
えばサンプリング周期、データ点数などを取り出し、解
析処理前に必要な前処理のための特徴抽出を、ユーザと
の対話形式により実行する。信号特徴抽出部６はこれら
の特徴を信号特徴量１５として取り出す。これらの処理
は実施例１のものと同様であるので、詳細な説明につい
てはここでは省略する。また、ピーク信号特徴量、フラ
クタル次元及び基本統計量のいずれか１つを用いた波形
複雑度判定アルゴリズムについては、上記実施例におい
て説明した通りであるので、以下、これらの波形複雑度
判定アルゴリズムを選択する処理について説明する。

【００６３】図１４に示すように、まずステップＳＴ８
１において、データベース１０から信号データ構造体１
６を取り出し信号データ１８を抽出する。次に、ステッ
プＳＴ８２において、ユーザに対してピーク信号特徴
量、フラクタル次元及び基本統計量の信号特徴量のいず
れかを選択するかを対話形式で質問し、ユーザの選択に
より、ピーク信号特徴量、フラクタル次元及び基本統計
量のうちのいずれか一つが選択される。選択された信号
特徴量がピーク信号特徴量の場合には、ステップＳＴ８
３及びＳＴ８６において、図７及び図８に示したフロー
チャートのステップＳＴ４４からＳＴ５９の処理に従っ
て波形複雑度判定処理を実行する。また、選択された信
号特徴量がフラクタル次元の場合には、ステップＳＴ８
４及びＳＴ８６において、図１０に示したフローチャー
トのステップＳＴ６２からＳＴ６７の処理に従って波形
複雑度判定処理を実行する。さらに、選択された信号特
徴量が基本統計量の場合には、ステップＳＴ８５及びＳ
Ｔ８６において、図１２に示したフローチャートのステ
ップＳＴ７２からＳＴ７８の処理に従って波形複雑度判
定処理を実行する。

【００６４】従って、この実施例によれば、信号特徴の
抽出に対して最も適した信号特徴量の選択を行うことが
でき、より最適な学習を行える効果がある。

【００６５】

【発明の効果】以上のように、請求項１の発明によれ
ば、データベース手段から信号を読み出し、前記信号の
特徴を抽出する信号特徴抽出手段と、前記信号特徴抽出
手段により得られた前記信号の特徴を示す少なくとも１
つの信号特徴量並びにマンマシンインタフェース手段を
介した前記ユーザの選択に応じて前記信号に対して有効
な解析手法を選択して実行する解析手段とを備えるよう
に構成したので、信号処理ライブラリの組み合わせに必
要な高度な信号処理技術に関する知識、解析を行うため
のノウハウが不要になり、解析の専門家でない一般のユ
ーザにも使用することができる効果がある。また、解析
の半自動化も可能になり且つ自動的な解析ばかりではな
くユーザの意図を解析に反映させることで、ユーザの解
析の知識レベルや使用目的の相違にも対応できる効果が
ある。

【００６６】請求項２の発明によれば、信号特徴抽出手
段が、信号の波形の複雑度を示す前記信号のピークに関
する信号特徴量を前記信号の信号特徴量として計算する
手段を含むように構成したので、波形ピークを定量的に
捉えることができ、正常波形パターンが一定である信号
と異常パターンである信号との特徴弁別を可能にした特
徴抽出を実行できる効果がある。

【００６７】請求項３の発明によれば、信号特徴抽出手
段が、信号の波形の複雑度を示す前記信号のフラクタル
次元を前記信号の信号特徴量として計算する手段を含む
ように構成したので、自己相似的なパターンを捉えるこ
とができ、制御信号波形等の人工的なものとの特徴弁別
を可能にする特徴抽出を実行できる効果がある。

【００６８】請求項４の発明によれば、信号特徴抽出手
段が、信号の波形の複雑度を示す前記信号の基本統計量
を前記信号の信号特徴量として計算する手段を含むよう
に構成したので、信号のゆらぎ成分などの統計的な性質
を捉えることができる効果がある。

【００６９】請求項５の発明によれば、信号特徴抽出手
段が、ユーザの選択に応じて、前記信号の波形の複雑度
を示す前記信号のピークに関する信号特徴量、フラクタ
ル次元及び基本統計量のうちのいずれか１つを選択して
計算する手段を含むように構成したので、信号特徴の抽
出に対して最も適した信号特徴量の選択を行うことがで
き、より最適な学習を行える効果がある。

【図面の簡単な説明】

【図１】 この発明の一実施例による異常診断支援用解
析装置の構成を示すブロック図である。

【図２】 図１に示す異常診断支援用解析装置の信号特
徴抽出部の構成を示すブロック図である。

【図３】 図１に示す異常診断支援用解析装置の信号特
徴抽出部の信号属性抽出処理を示すフローチャートであ
る。

【図４】 図１に示す異常診断支援用解析装置の信号特
徴抽出部の前処理用ガイダンス処理を示すフローチャー
トである。

【図５】 図１に示す異常診断支援用解析装置の解析選
択部の処理を示すフローチャートである。

【図６】 図１に示す異常診断支援用解析装置の解析実
行部の処理を示すフローチャートである。

【図７】 この発明の他の実施例による異常診断支援用
解析装置の波形複雑度抽出処理部のピーク特徴抽出処理
を示すフローチャートである。

【図８】 図７に示すフローチャートにおける波形複雑
度判定処理の詳細を示すフローチャートである。

【図９】 図７及び図８に示すピーク信号特徴量による
波形複雑度判定処理の一適用例を示す図である。

【図１０】 この発明の他の実施例による異常診断支援
用解析装置の波形複雑度抽出処理部のフラクタル次元に
よる波形複雑度判定処理を示すフローチャートである。

【図１１】 図１０に示すフラクタル次元による波形複
雑度判定処理の一適用例を示す図である。

【図１２】 この発明の他の実施例による異常診断支援
用解析装置の波形複雑度抽出処理部の基本統計量による
波形複雑度判定処理を示すフローチャートである。

【図１３】 図１２に示す基本統計量による波形複雑度
判定処理の一適用例を示す図である。

【図１４】 この発明の他の実施例による異常診断支援
用解析装置の波形複雑度抽出処理部の波形複雑度判定処
理を示すフローチャートである。

【図１５】 従来の異常診断支援用解析装置の構成を示
すブロック図である。

【符号の説明】

６ 信号特徴抽出部（信号特徴抽出手段）、７ 解析選
択部（解析手段）、８解析実行部（解析手段）、９ マ
ンマシンインタフェース部（マンマシンインタフェース
手段）、１０ データベース（データベース手段）、１
３ 波形複雑度抽出処理部（信号特徴抽出手段）。

Claims (5)

【特許請求の範囲】
1. 【請求項１】 プラント設備等の機器又は装置に設けら
   れた各種の測定手段から発生する信号に基づいて異常現
   象を解析し、ユーザが行う異常診断及び劣化診断を支援
   する異常診断支援用解析装置において、前記信号を取り
   込み保存するデータベース手段と、前記データベース手
   段から前記信号を読み出し、前記信号の特徴を示す信号
   特徴量を抽出する信号特徴抽出手段と、前記信号特徴抽
   出手段により得られた前記信号の特徴を示す少なくとも
   １つの信号特徴量並びに前記ユーザの選択に応じて前記
   信号に対して有効な解析手法を選択して実行する解析手
   段と、少なくとも前記解析手段と前記ユーザとの間の前
   記選択において対話式の入出力を実現するマンマシンイ
   ンタフェース手段とを備えたことを特徴とする異常診断
   支援用解析装置。
2. 【請求項２】 前記信号特徴抽出手段は、前記信号の波
   形の複雑度を示す前記信号のピークに関する信号特徴量
   を前記信号の信号特徴量として計算する手段を含むこと
   を特徴とする請求項１に記載の異常診断支援用解析装
   置。
3. 【請求項３】 前記信号特徴抽出手段は、前記信号の波
   形の複雑度を示す前記信号のフラクタル次元を前記信号
   の信号特徴量として計算する手段を含むことを特徴とす
   る請求項１に記載の異常診断支援用解析装置。
4. 【請求項４】 前記信号特徴抽出手段は、前記信号の波
   形の複雑度を示す前記信号の基本統計量を前記信号の信
   号特徴量として計算する手段を含むことを特徴とする請
   求項１に記載の異常診断支援用解析装置。
5. 【請求項５】 前記信号特徴抽出手段は、前記ユーザの
   選択に応じて、前記信号の波形の複雑度を示す前記信号
   のピークに関する信号特徴量、フラクタル次元及び基本
   統計量のうちのいずれか１つを選択して計算する手段を
   含むことを特徴とする請求項１に記載の異常診断支援用
   解析装置。