JPH08320726A - 制御システムの診断・解析方法および装置 - Google Patents

Abstract

(57)【要約】 【目的】制御対象または制御装置から得られるデータを
有効に利用した高信頼かつ定量的な診断を行う制御シス
テムの診断・解析装置を提供する。 【構成】制御対象１５０または制御装置であるコントロ
ーラ１３１〜１３３から得られるデータを信号解析手段
１０２により解析しスラクタル次元，リヤプノフ指数な
どを求めて予めデータベース１０７に蓄えられている制
御対象１５０などの正常時のデータと照合診断手段１１
０で照合することにより第１の診断手段１０４にて動的
異常を求め、第２の診断手段１０５では第１の診断手段
の診断結果から制御対象１５０などの経年変化を診断す
る。そして第３の診断手段１０６では第１の診断手段及
び第２の診断手段の診断結果に基づいて総合的な診断を
行う。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は鉄鋼，電力，一般産業等
における制御システム（センサ，アクチュエータ，入出
力装置，コントローラ等の制御機器およびこれらにより
制御される制御対象の総称）の診断・解析方法に関す
る。

【０００２】

【従来の技術】制御システムの解析や診断を行う例とし
て、従来、以下の装置や方法があった。まず解析手法と
して特開平6−96055号には時系列データに対して埋め込
み処理を施した後、軌道表示解析，次元解析，エントロ
ピ解析等の多面解析を行う手法が記載されている。さら
に特開平6−208568 号には、故障時に得られていたパラ
メータから主成分分析により特徴抽出し、知識ベースの
構築を支援する手法が記載されている。

【０００３】また診断手法として特開平5−35329号で
は、センサ間の相関をあらかじめ設定しておき、センサ
の出力がこの相関に合致しているかどうかを基に、異常
なセンサを特定する方法が記載されている。さらに特開
平6−161761 号には、得られた情報をベクトルに加工
し、事例ベクトルとの照合により異常診断を行うこと
で、専門家により行われていた診断を機械化する方法が
記載されている。

【０００４】診断システムのアーキテクチャとして特開
平6−208465 号では、データ駆動型のエキスパートシス
テムと知識セットを分離したアーキテクチャで故障診断
を行う方法が記載されている。さらに特開平6−19531号
にはデータベースに記述されている電気信号値とプラン
トから検出した電気信号値の比較から、異常の発生を認
識し、これへの対処方法をデータベースを検索すること
により抽出し、異常処理する方法が記載されている。

【０００５】

【発明が解決しようとする課題】上記従来技術には、以
下の問題点があった。

【０００６】特開平6−96055号記載の手法は、総合的な
判定により時系列データの特性変化等の動的故障の診断
は行えるが、センサの経年変化等の静的な故障は検知で
きなかった。さらに特開平6−208568 号の手法では、得
られた信号から主成分分析のみで特徴抽出するため、主
成分分析で抽出できない特徴量が診断に反映できない問
題があった。

【０００７】また特開平5−35329号記載の手法では、セ
ンサ間の大小関係や相関関係があらかじめ定義できる単
純な制御システムの場合には有効な方法となり得るが、
各センサが陽には特定できない複雑な相関を有してお
り、大小関係や相関関係が容易に抽出できない場合には
適用できない問題があった。さらに特開平6−161761 号
記載の手法では、得られた情報のベクトルと事例ベクト
ルを類似度のみにしたがって照合するため、診断の確度
を高めるためには多数の事例ベクトルが必要となる。し
かしこのとき照合時間が多大となることがトレードオフ
となるため、効率的な診断システムを構築できなかっ
た。また実プラントから膨大な情報が得られる場合に、
これらをどのように圧縮して事例ベクトルを構築するか
についても、明らかにされていない。

【０００８】特開平6−208465 号記載の手法では、診断
部（エキスパートシステム）と知識セットは分離されて
いるものの、診断部については一体構造となっているた
め、簡単な信号の照合で診断できる対象や診断に知識を
必要とする対象，知識として容易に記述できない場合
等、種々の場合に対処できる汎用的な診断装置として有
効な構造になっていなかった。さらに特開平6−208465
号，特開平6−19531 号の両公報では、プラントから得
られた情報の加工方法について明らかにされていないた
め、これらの情報に対して適当な特徴抽出を行った後に
診断に供した方が診断性能を高められる場合でも、この
ような構成を実現することはできなかった。本発明の第
１の目的は、プラントから入力したデータに対して、多
面的な手法を用いた解析を行うことで、診断のためのデ
ータを多様な形で生成する信号解析手段を備えると同時
に、得られた解析データに対し、免疫処理，ルールベー
ス推論等の適切な情報処理手法を必要に応じて選択的に
用いて得た診断結果を総合的に判断して結論を導くこと
で、解析データを最大限有効に用いた高信頼かつ定量的
な診断を行う制御システムの診断・解析装置を提供する
ことにある。

【０００９】さらに第２の目的として、診断部を診断レ
ベル毎にモジュール構成とすることにより、多様な診断
を単一の装置で行える環境を提供することによる診断性
能の向上，診断レベルの組み合わせの任意性向上，診断
システムの汎用化を実現し、診断対象に対して必要十分
な診断システムを容易に構築可能とすることにある。ま
た第３の目的として、プラント診断に用いる情報を事例
ベクトルとしてデータベースに蓄え、診断データに対応
したベクトルとの照合による診断データの正常／異常を
判断する場合に、単なる類似度のみを指標にするのでな
く、判断に適した他の指標を導入することにより診断シ
ステムの高性能化を実現することにある。さらに実プラ
ントから膨大な情報が得られる場合に、これらを母集団
の情報を平等に保存した形で圧縮して事例ベクトルを構
築する手段を提供することにある。

【００１０】

【課題を解決するための手段】上記目的は、制御対象ま
たは制御装置から取り込んだ信号を基に該制御対象また
は該制御装置の異常を診断する診断手段を複数備えた制
御システムの診断・解析装置であって、該制御対象また
は該制御装置から得られた信号の良否を判定するための
情報を蓄えるデータベースと、前記制御対象または前記
制御装置から取り込んだ信号と該データベースに蓄えら
れた該情報に基づいて該制御対象または該制御装置の異
常度を判定する判定手段とを備えた第１の診断手段と、
前記第１の診断手段の該判定手段の結果を少なくとも一
の入力として前記制御対象または前記制御装置の異常の
有無を判定するとともに前記制御対象または前記制御装
置の異常箇所を特定する判定手段とを備えた第２の診断
手段とを前記複数の診断手段の中に少なくとも一つ有す
ることにより達成される。

【００１１】また、上記目的は複数の制御対象から取り
込んだ信号を基に該複数の制御対象の異常を診断する診
断手段を複数備えた制御システムの診断・解析装置であ
って、他の診断手段の診断結果を少なくとも入力の一つ
として出力される診断結果を選択的に用いて該制御対象
の異常の有無を判定する判定手段と、該判定手段から得
られた前記複数の判定結果の相互の関係から前記複数の
制御対象の中から異常状態である制御対象を特定する異
常箇所検出手段と、前記判定手段及び前記異常箇所検出
手段の結果に基づいてユーザへの報知または該制御装置
の操業変更を行う手段とを具備したことにより達成され
る。

【００１２】また、上記目的は制御対象または制御装置
から取り込んだ信号を基に該制御対象または該制御装置
の異常を診断する診断手段を複数備えた制御システムの
診断・解析装置であって、該制御対象または該制御装置
から得られた信号の良否を判定するための情報を蓄える
データベースと、前記制御対象または前記制御装置から
取り込んだ信号と該データベースに蓄えられた該情報に
基づいて該制御対象または該制御装置の異常度を判定す
る判定手段とを備えた第１の診断手段と、前記第１の診
断手段の該判定手段の結果を少なくとも一の入力として
前記制御対象または前記制御装置の異常の有無を判定す
るとともに前記制御対象または前記制御装置の異常箇所
を特定する判定手段とを備えた第２の診断手段と、前記
第１の診断手段および前記第２の診断手段の出力と対応
する診断の結論とを蓄えた知識ベースと、該知識ベース
を検索するとともに該当する診断結果を導く推論部を備
えた第３の診断手段とを前記複数の診断手段の中に少な
くとも一つ有することにより達成される。

【００１３】好ましくは上記制御システムの診断・解析
装置において、前記データベースは、前記制御対象また
は前記制御装置から得られた信号を入力毎に蓄える自己
相関データベースと入力のペア単位の事例ベクトルとし
て蓄える相互相関データベースとを備え、前記第１の診
断手段の前記判定手段は前記制御対象または前記制御装
置から取り込んだ信号を該自己相関データベース及び該
相互相関データベースと照合し、該取り込んだ信号と該
自己相関データベースの不一致の度合いおよび該取り込
んだ信号と該相互相関データベースの不一致の度合いに
基づいて前記制御対象または前記制御装置の異常の有無
を判定し、さらに異常箇所を特定することにより上記目
的を達成することができる。

【００１４】また好ましくは上記制御システムの診断・
解析装置において、前記第２の診断手段は、前記第１の
診断手段の出力に対応したユニットを該ユニットのペア
における互いの動作の異常度を荷重値とするシナプスに
より該ユニットを結合する診断ネットワークと、あらか
じめ定義された該診断ネットワークの評価関数を最小化
したときの各ユニットの値を用いて前記制御対象または
前記制御装置から取り込んだ信号の信頼性を算出する免
疫診断手段とを備えていることにより上記目的を達成す
ることができる。

【００１５】また、好ましくは上記制御システムの診断
・解析装置において、前記第１の診断手段は、前記制御
対象または前記制御装置から取り込んだ信号から少なく
ともフラクタル次元かつ／またはウェーブレット係数か
つ／またはリアプノフ指数かつ／または周波数成分を抽
出する信号解析手段を備え、該信号解析手段の出力を前
記データベースに蓄えることにより上記目的を達成する
ことができる。

【００１６】また、好ましくは上記制御システムの診断
・解析装置において、前記データベースに格納されてい
る事例ベクトルを抽出し、少数の事例ベクトルに変換し
た後これをデータベースに書き込む量子化手段を備えた
ことにより上記目的を達成することができる。

【００１７】また、好ましくは上記制御システムの診断
・解析装置において、前記第１の診断手段は、前記制御
対象または前記制御装置から取り込んだ信号を前記デー
タベースの事例ベクトルと照合し、この結果得られた両
者の不一致の度合いに加え、事例ベクトル空間における
診断データ近傍の事例ベクトルの密度に相当する値を指
標にして、前記制御対象または前記制御装置の異常の有
無を判定し、さらに異常箇所を特定することにより上記
目的を達成することができる。

【００１８】また、好ましくは上記制御システムの診断
・解析装置において、前記第１の診断手段は、前記事例
ベクトル空間における診断データ近傍の事例ベクトルの
密度に相当する値を、事例ベクトルからの距離に対応し
た関数を各事例ベクトルに対して定義し、前記診断デー
タと各事例ベクトルについて計算された該関数の値の総
和を基に算出することにより上記目的を達成することが
できる。

【００１９】また、好ましくは上記制御システムの診断
・解析装置において、前記関数の値の総和は、前記診断
データ近傍のあらかじめ定められた適当数の事例ベクト
ルについて算出することにより上記目的を達成すること
ができる。

【００２０】また上記目的は、複数の制御対象から取り
込んだ信号を予め定めた手段により処理する処理手段
と、該処理手段の結果に基づいて該複数の制御対象の状
態を表示する表示装置とを備えたシステムの診断・解析
装置において、前記処理手段は複数種類の診断手段を格
納する記憶手段と、該記憶手段に記憶された前記複数の
診断手段を外部からの入力に基づいて選択するとともに
該選択された診断手段の入出力関係を定義し、該定義に
基づいて前記複数の制御対象から取り込んだ信号を処理
することにより達成することができる。

【００２１】また、上記目的は複数の制御対象または制
御装置から取り込んだ信号を基に該複数の制御対象また
は該制御装置の異常を診断する制御システムの診断・解
析装置であって、前記複数の診断手段は各々入力された
データに基づいて異なったアルゴリズムで異なった診断
を行う診断手段であるとともに、該複数の診断手段が夫
々他の診断手段の診断結果を入力データとするよう階層
構造をなし、前記複数の制御対象または制御装置の異常
の判定を行うことにより上記目的を達成することができ
る。

【００２２】また上記目的は熱間圧延プラントの連鋳機
のモールドに埋め込まれた複数の熱電対から帰還される
信号を取り込み、予め蓄えた該複数の熱電対の自己相関
のデータと該取り込んだ信号の自己相関のデータ及び予
め蓄えた該熱電対の相互相関のデータと該取り込んだ相
互相関のデータとを照合し、照合した結果得られた該取
り込んだ信号の自己相関のデータと該予め蓄えた該自己
相関のデータとの不一致の度合いおよび該取り込んだ信
号の相互相関のデータと該予め蓄えた相互相関のデータ
との不一致の度合いに基づいて該連鋳機におけるブレー
クアウトが生じる可能性を判定し、さらにブレークアウ
トが発生する可能性がある箇所を特定することにより達
成することができる。

【００２３】また上記目的は制御対象または制御装置が
正常に動作している時の該制御対象または該制御装置か
ら得られる情報を予め入力毎に蓄えるとともに該情報を
予め入力のペア単位の事例ベクトルとして蓄え、該制御
対象または該制御装置から取り込んだ情報について前記
予め入力毎に蓄えた前記情報と予め入力のペア単位の事
例ベクトルとして蓄えた前記情報との一致度を求め、該
求めた一致度に基づいて前記制御対象または前記制御装
置の異常の有無を判定するとともに異常箇所を特定する
ことにより達成される。

【００２４】また上記目的は制御対象や制御装置が正常
に動作しているときの情報を事例ベクトルとして蓄え、
該制御対象または該制御装置から取り込んだ情報を該蓄
えた事例ベクトルと照合し、該照合した結果得られた両
者の一致度と前記事例ベクトル空間における前記取り込
んだ情報近傍の事例ベクトルの密度に相当する値を指標
にして、前記制御対象または前記制御装置の異常の有無
を判定し、異常箇所を特定することにより達成される。

【００２５】

【作用】制御対象または制御装置から得られた信号を様
々な処理形態で処理しデータとしてデータベースに予め
蓄え、制御対象または制御装置から取り込んだ信号とこ
のデータベースに蓄たデータに基づいて制御対象または
制御装置の現在の状態を求めることができる。更にここ
で求めた制御対象または制御装置の現在の状態を夫々入
力として、この入力された制御対象または制御装置の状
態の情報を相互に比較等することにより制御対象または
制御装置単体では判断できない変化を抽出することがで
き、異常状態であるかを判定することができる。そし
て、制御対象または制御装置の現在の状態と相互に比較
した結果からこれらの制御対象または制御装置が異常状
態であるかを総合的に判断することにより高精度な異常
診断を行うことができる。

【００２６】更に、制御対象または制御装置から得られ
た信号により求まるフラクタル次元，リヤプノフ指数，
ウエーブレット関数，自己相関関数を診断に利用するこ
とにより特定の異常状態を判定しやすくなる等、様々な
異常状態に対応した診断を行うことができる。

【００２７】また、複数の診断手段の組合せを自由に行
えるようにすることにより診断結果を選択的に利用で
き、制御対象に合った診断を行うことができる。

【００２８】また、異なったアルゴリズムで異なった診
断を行う複数の診断手段を階層的に構築して診断を行う
ことによりより高精度な診断を行うことができる。

【００２９】

【実施例】以下、本発明の実施例を図にしたがって詳細
に説明する。

【００３０】図１に本発明により実現された制御システ
ムの診断・解析装置の構成を示す。制御システムの診断
・解析装置１００は、ネットワーク１３０と接続され、
コントローラ１３１〜１３３，Ｉ／Ｏ１４１〜１４３と
信号の授受を行う。コントローラ１３１〜１３３はリレ
ー１５１〜１５３，アクチュエータ１５４〜１５６等、
種々の入出力機器を含む制御対象１５０から信号を取り
込み、あらかじめプログラミングされた制御演算を行っ
た後、結果をネットワーク１３０，Ｉ／Ｏ141〜１４３
を介して、制御対象１５０に出力する。制御システムの
診断・解析装置１００は、一例として、通信インタフェ
ース１０１，信号解析手段１０２，量子化手段１０３，
自己相関データベース１０８と相互相関データベース１
０９からなるデータベース１０７と照合診断手段１１０
を備えた第１の診断手段１０４，信頼性算出関数群１１
１と免疫診断手段１１２からなる第２の診断手段１０
５，知識ベース１１３と知識診断手段１１４からなる第
３の診断手段１０６，出力手段１２０，入力手段１２１
からなる。

【００３１】まず装置全体の動作を簡単に説明する。通
信インタフェース１０１は、ネットワーク１３０を介し
て得た信号を信号解析手段に転送したり、診断の結果得
られた操業条件の変更仕様に対応した信号を、ネットワ
ーク１３０を介してコントローラ１３１〜１３３へ転送
する。制御システムの診断・解析装置１００には、プラ
ントが正常に稼働しているときのデータや異常が生じた
ときのデータをもとにデータベース１０７を構築するデ
ータベース構築モードと、診断用のデータを取り込み診
断・解析を行う診断モードがある。最初にデータベース
構築モードの動作を説明する。制御対象１５０から通信
インタフェース１０１を介して得たデータに対して、信
号解析手段１０２は後述する解析手法を適用し、その結
果をデータベース１０７に出力する。さらに相互相関デ
ータベース１０９の内容は、量子化手段１０３により必
要に応じて、情報喪失を最小化することに配慮しつつ圧
縮される。圧縮の手法としては後述するベクトル量子化
アルゴリズムを応用した手法が考えられる。

【００３２】次に診断モードの動作を説明する。診断モ
ードにおいて、信号解析手段１０２は解析結果を、第１
の診断手段１０４の照合診断手段１１０に出力する。同
時に、パス１６０を介して解析結果を出力手段１２０に
送信し、表示する。さらに必要に応じて、通信インタフ
ェース１０１を介してコントローラ１３１〜１３３に送
信する。照合診断手段１１０は入力された解析結果を、
データベース１０７の内容と照合し、解析結果が正常時
のデータと一致しているかどうか、不一致の場合はどの
解析結果がどの程度不一致であったかを、第２の診断手
段１０５の免疫診断手段１１２および第３の診断手段１
０６の知識診断手段１１４に出力する。同時に、パス１
６１を介して照合診断結果を出力手段１２０に送信し、
表示する。さらに必要に応じて、通信インタフェース１
０１を介してコントローラ１３１〜１３３に送信する。
本実施例では、以下、自己相関データベース１０８との
照合結果を免疫診断手段１１２に、また相互相関データ
ベース１０９との照合結果を知識診断手段１１４に出力
する例を示すが、診断手段のリンケージの形態は、種々
考えられる。免疫診断手段１１２は信頼性算出関数群１
１１からあらかじめ定められた信頼性算出関数を抽出
し、照合診断手段１１０の出力値を代入した収れん計算
により、診断結果を導出する。診断結果は第３の診断手
段１０６の知識診断手段１１４に送信される。同時に、
パス１６２を介して診断結果を出力手段１２０に送信
し、表示する。さらに必要に応じて、通信インタフェー
ス１０１を介してコントローラ１３１〜１３３に送信す
る。第３の診断手段１０６の知識診断手段１１４は、第
１の診断手段１０４，第２の診断手段１０５から得られ
た信号を基に、知識ベース１１３を検索して診断の結論
を導く。導かれた診断結果は、パス１６３を介して出力
手段１２０に送信し、表示され、内容がユーザに報知さ
れる。さらに必要に応じて、通信インタフェース１０１
を介してコントローラ１３１〜１３３に送信され、診断
結果に対応したライン停止，コントローラの縮退運転等
の処置がとられる。

【００３３】次に各部の動作を詳細に説明する。図２に
信号解析手段１０２の構成を示す。信号解析手段１０２
は第１の信号解析部２０１〜第ｎの信号解析部２０３
と、相互データ抽出手段２０４，解析結果出力手段２０
５からなる。第１の信号解析部２０１〜第ｎの信号解析
部２０３は、通信インタフェース１０１から送られてく
る診断の対象となる出力信号に対して信号解析を行う。
通常、出力は各センサやアクチュエータに対応して複数
存在するため、ここでは出力数をｍとする。相互データ
抽出手段は、ｍ個の出力信号のうち相関を有しているも
の同士をペアにする処理を行う。ペアの組み合わせは、
ユーザが入力手段１２１からあらかじめ設定しておく。
解析結果出力手段２０５は、入力手段１２１からの切り
換え信号にしたがって、制御システムの診断・解析装置
１００のモードが、データベース構築モードなのか診断
モードなのかを判定し、データベース構築モードの場合
には、各出力信号に対応した解析結果をデータベース１
０７の自己相関データベース１０８に、また相互データ
抽出手段で抽出されたペア毎に解析結果をグループ化し
て、相互相関データベース１０９に出力する。また診断
モードの場合には第１の診断手段１０４の照合診断手段
１１０に出力する。また制御システムの診断・解析装置
１００がデータベース構築モードと診断モードの区別を
有していない場合、すなわち診断を行いながらデータを
蓄え、徐々にデータベース１０７をアップグレードして
いくことで診断の精度を高めていく場合には、解析結果
出力手段２０５は各解析結果を自己相関データベース１
０８と相互相関データベース109、さらに照合診断手段
１１０の両方に出力する。

【００３４】図３に第ｉの信号解析手段２０２がフラク
タル次元解析を行う場合のアルゴリズムを示す。本実施
例では、

【００３５】

【数１】 Ｘ₁，Ｘ₂，Ｘ₃，……，Ｘ_j，……，Ｘ_N …（数１） の時系列信号を解析する場合を例に説明する。まずＳ３
−１で解析に用いる信号数をＮ，フラクタル次元を計算
する上で必要なパラメータである最大信号間隔Ｋを設定
する。ＫはＳ３−３の処理で用いられる。Ｓ３−２で信
号間隔ｋを１とし、Ｓ３−３でＸ_kiとＸ_k(i-1)の差分の
絶対値を計算し、得られた値を１〜Ｎの全域に亘って加
算する。たとえばｋ＝１であれば、隣接する信号の差分
の絶対値を、

【００３６】

【数２】 Ｄ(１)＝｜Ｘ₂−Ｘ₁｜＋｜Ｘ₃−Ｘ₂｜＋……＋｜Ｘ_N−Ｘ_N-1｜ …（数２） のように足し合わせればよいし、ｋ＝２であれば、

【００３７】

【数３】 Ｄ(２)＝｜Ｘ₃−Ｘ₁｜＋｜Ｘ₅−Ｘ₃｜＋……＋｜Ｘ_N−Ｘ_N-2｜ …（数３） の計算を行えばよい。Ｓ３−４でｋが最大値Ｋに達した
かどうか判定し、ｋ＜ＫであればＳ３−５でｋの値を１
だけ増分し、Ｓ２−３の処理を繰り返す。ｋ＝Ｋであれ
ばＳ３−６で、log(ｋ)に対するlog{Ｄ(ｋ)／ｋ}の変化
率を算出し、この値をフラクタル次元ＤＩＭとする。す
なわちＤＩＭは

【００３８】

【数４】 ＤＩＭ＝log{Ｄ(ｋ)／ｋ}／log(ｋ) …（数４） で与えられる。フラクタル次元の求め方としては種々の
方法が提案されている。本実施例ではこれらのうちの一
つとして、樋口の方法を適用した例を示したが、他の手
法を用いることも考えられる。樋口の方法の詳細は、電
子情報通信学会論文誌ＤＩＩ，Ｖol.Ｊ７３−Ｄ−Ｉ
Ｉ，Ｎo.４ に記載されている。またＳ３−３の処理で
Ｎがｋの倍数でないとき、時系列信号のうち解析対象と
ならない部分が生じるが、これを補正するため適当な処
理を図３のアルゴリズムに追加してもよい。たとえばＮ
＝２０，ｋ＝７のとき、

【００３９】

【数５】 Ｄ(７)＝｜Ｘ₈−Ｘ₁｜＋｜Ｘ₁₅−Ｘ₈｜ …（数５） となり、Ｘ₁₆〜Ｘ₂₀の信号が解析対象から外れるが、こ
の補正として真のＤ(７)を、

【００４０】

【数６】 Ｄ(７)＝(全信号数)＊Ｄ(７)／(解析対象とした信号数） ＝２０＊Ｄ(７)／１５ …（数６） のように再計算して、補正してもよい。

【００４１】図４に、この場合の第ｉの信号解析部２０
２の入出力信号を示す。信号解析部ｉは時系列信号Ｘ₁
〜Ｘ_n を入力され、ＤＩＭの値をフラクラル次元とし
て、例えば“フラクタル次元＝１.８” の形式で、解析
結果出力手段２０５へ出力する。

【００４２】図５に第ｉの信号解析部２０２が、ウェー
ブレット解析を行う場合のアルゴリズムを示す。本実施
例では数（１）と同様の時系列信号を解析する場合を例
に説明する。まず時系列信号が非線形の連続関数ｆ(ｔ)
であると考え、Ｓ５−１でこれを、基底関数Ψ_jk(ｔ)
の線形結合で近似する。αｊｋは各基底関数Ψ_jk(ｔ)に
対応した定係数である。次にＳ５−２での値を解析結果
出力手段２０４へ出力する。基底関数は、一般に以下の
形をしている。

【００４３】

【数７】

【００４４】

【数８】 １ （０≦ｔ＜１／２） Ψ(ｔ)＝−１ （１／２≦ｔ＜１） …（数８） ０ （else） およびａ₀ ＝２，ｂ₀ ＝１として得られる。ｆ(ｔ)をこ
のような基底関数の線形結合で表現した後、Ｓ５−２で
ａ_jkの値を解析結果出力手段２０４へ出力する。図６
に、この場合の第ｉの信号解析部２０２の入出力信号を
示す。信号解析部ｉは時系列信号Ｘ₁〜Ｘ_nを入力され、
ａ₁₁〜ａ_nmの値をウェーブレット係数として、解析結果
出力手段２０４へ出力する。

【００４５】図７に、第ｉの信号解析手段２０２が、リ
アプノフ指数を求める解析を行う場合のアルゴリズムを
示す。本実施例では数（１）と同様の時系列信号を解析
する場合を例に説明する。まずＳ７−１で時系列信号に
対して埋め込み処理を施し、再構成ベクトル列を生成す
る。一般に埋め込みとは、取り込んだ（数１）の時系列
信号に対して、

【００４６】

【数９】 Ｘ_N＝(Ｘ_N,Ｘ_N-τ,……,Ｘ_N-jτ,……,Ｘ_N-(m-1)τ） Ｘ_N-1＝(Ｘ_(N-1),Ｘ_(N-1)-τ,……,Ｘ_(N-1)-jτ,……,Ｘ_{(N-1)-(m-1)τ}） Ｘ_N-2＝(Ｘ_(N-2),Ｘ_(N-2)-τ,……,Ｘ_(N-2)-jτ,……,Ｘ_{(N-2)-(m-1)τ}） ： ： ： Ｘ_t＝(Ｘ_t,Ｘ_t-τ,……,Ｘ_t-jτ,……,Ｘ_t-(m-1)τ） ： ： Ｘ_n＝（Ｘ_n,Ｘ_n-τ,……,Ｘ_n-jτ,……,Ｘ_n-(m-1)τ） …（数９） のようなｍ次元のベクトル（以下、再構成ベクトル）を
再構成する処理を言う。τは遅れ時間に対応した自然数
で、（数９）の場合には遅れ時間に相当するサンプル数
が設定される。τの値の設定法については種々の方法が
提案されている段階であるが、一例は「ニューラルネッ
トシステムにおけるカオス」（合原編，第３章，ｐ９１
−１２４，東京電気大学出版局，１９９３）で示されて
いる。また埋め込み次元ｍの決定法については、埋め込
み次元とｍ次元の再構成ベクトルから算出される相関次
元の関係において、ｍが小さい領域で埋め込み次元とと
もに比例的に増加する相関次元の値が、ｍの増大ととも
に飽和したときのｍの値を最終的な埋め込み次元の値に
設定する方法が提案されている。リアプノフ指数は、こ
のようにしてｍ次元に再構成されたベクトルに対して行
われる。Ｓ７−２では以下の手順でＤＦ(Ｘ_t）を算出す
る。すなわち再構成ベクトル、

【００４７】

【数１０】 Ｘ_t＝(ξ_t,ξ_t-τ,……,ξ_t-jτ,……,ξ_t-(m-1)τ） …（数１０） を、

【００４８】

【数１１】 Ｘ_t+1＝(ξ_t+1,ξ_(t+1)-τ,……,ξ_(t+1)-jτ,……,ξ_{(t+1)-(m-1)τ}) …（数１１） に写像する非線形写像をＦ_t と定義する。このときＸ_t
の微小変位をδＸ_t とし、テーラー展開を用いた線形近
似により、

【００４９】

【数１２】 δＸ_t+1＝ＤＦ(Ｘ_t)δＸ_t …（数１２） が得られる。ここでＤＦ(Ｘ_t)は、Ｘ_t におけるＦ_t の
ヤコビ行列を表す。すなわちＦ_t の第ｉ成分をＦ_i ，Ｘ
_t の第ｊ成分をＸ_j(＝ξ_t−ｊ_τ）とおくと、

【００５０】

【数１３】 ＤＦ_ij＝(δＦ_i／δＸ_j） …（数１３） である。次にＳ７−３で、

【００５１】

【数１４】 ＤＦ_N＝ＤＦ(Ｘ_N-1）ＤＦ(Ｘ_N-2）,……,ＤＦ(Ｘ₀) …（数１４） によりＤＦ_N を計算する。Ｓ５−４では、行列ＤＦ_N の
固有値σ_i(Ｎ）を用いて、

【００５２】

【数１５】 λ_i＝lim(１／Ｎ)log｜σ_i(Ｎ)｜ …（数１５） を算出し、λ_i の最大値をリアプノフ指数と対応づけ
る。算出方法の詳細は「カオス時系列解析」（池口，
“カオス理論とその応用セミナ”講習会テキスト，
（株）総合技術センタセミナ事業部主催）等の文献に記
載されている。関数Ｆ_tの定義が困難な場合のヤコビア
ンの算出法としてはSano ＆ Sawadaの方法があり、詳細
はPhys．Rev．Lett.，５５，１０８２−１０８５（１９
８５）に記載されている。

【００５３】図８に、この場合の第ｉの信号解析部２０
２の入出力信号を示す。信号解析部ｉは時系列信号Ｘ₁
〜Ｘ_n を入力され、λ_i の最大値をリアプノフ指数とし
て、“リアプノフ指数＝１.１” のような形態で、解析
結果出力手段２０４へ出力する。

【００５４】第ｉの信号解析部２０２が行う処理として
は、この他に、時系列データの最大値と最小値を抽出す
る処理，平均や分散を算出する処理，周波数成分を算出
する処理等が考えられる。

【００５５】図９に、第１の診断手段１０４の自己相関
データベース１０８の構成を示す。制御対象１５０のセ
ンサ１５１〜１５３やアクチュエータ１５４〜１５６の
出力，コントローラ１３１〜１３３の算出した操作量等
に対応した各入力に対して、信号解析手段１０２からの
出力値が、例えば図のように蓄えられている。内容とし
ては、フラクタル次元やウェーブレット係数，リアプノ
フ指数，入力として取り得る最大値や最小値，ＦＦＴに
より算出される周波数成分等が、必要に応じて蓄えられ
る。フラクタル次元等については、入力された値をその
都度蓄えてもよいが、図９に示すように、取り得る値の
変域を格納することでデータ量を圧縮するのが実用的で
ある。また本実施例では、信号解析手段１０２が時系列
データを解析する例を示したが、空間系列等の他の系列
データを解析することも可能である。

【００５６】図１０に相互相関データベース１０９の構
成を示す。相互データ抽出手段204でペアとして抽出さ
れた入力（通信インタフェース１０１の出力）毎に、正
常時に得られた入力１と入力２のフラクタル次元の組み
合わせ、異常時に得られた組み合わせ等が図の様な事例
ベクトルの形態で格納されている。正常時あるいは異常
時のデータを蓄えるのみで十分な場合には、両方を蓄え
る必要はなく、これによりメモリの節約が図れる。

【００５７】図１１に量子化手段１０３の構成を示す。
本実施例で量子化手段１０３は、相互相関データベース
１０９の入力１と２のペアの入力値の項目に蓄えられて
いるＭ個データを、これらを良好に代表するｐ個の事例
ベクトル（ｐ＜Ｍ）に圧縮する処理を行う。ここでは一
例として、量子化手段１０３が、量子化ネットワーク１
１０１と量子化アルゴリズム１１０２からなる場合の実
施例を示す。量子化ネットワーク１１０１は２つの入力
を取り込む入力ニューロン１１０５および定数を出力す
るしきい値ニューロン１１０６からなる入力層１１０３
と、ｐ個の量子化ニューロン１１０７からなる量子化ニ
ューロン層１１０４、さらに入力層1103と量子化ニュー
ロン層１１０４の間で信号を伝達するシナプス１１０８
により構成される。入力ニューロン１１０５は入力され
た信号の値をそのまま出力し、量子化ニューロン１１０
７は結合しているシナプス１１０８のシナプス荷重の値
Ｗ_ijに従って、次式に示す演算を行った結果を出力す
る。

【００５８】

【数１６】

【００５９】本実施例では入力数が２のため入力層を２
つの入力ニューロンで構成したが、入力数が多数の場合
には、対応した数の入力ニューロンを備えることにより
同様に扱うことができる。量子化アルゴリズム１１０２
は、入力値を次々と量子化ネットワーク１１０１に入力
し、出力が最大であった量子化ニューロンが、対応した
入力に対してさらに大きな値を出力する方向に、シナプ
ス荷重の重みを更新する。

【００６０】図１２に量子化アルゴリズム１１０２が実
行するアルゴリズムを示す。まずＳ１２−１で、相互相
関データベース１０９からデータを抽出し、量子化ネッ
トワーク１１０１に入力する。図１０の入力値を圧縮す
る場合であれば、(1041,１０６２４），（１.３５，１.
８７）のデータの組みが順次入力される。次にＳ１１−
２で、各量子化ニューロン１１０７について（数１６）
に基づいた演算を行い、出力値Ｏ₁ 〜Ｏ_p を算出する。
Ｓ１１−３で、Ｏ₁ 〜Ｏ_N のうち値が最大のものを検出
する。かりにＯ_j が最大であったとすると、量子化ニュ
ーロンｊと入力層１１０３のニューロンを結ぶシナプス
の荷重Ｗ_1j〜Ｗ_n+1・j を更新する。入力ニューロン１１
０５に対応したシナプス荷重であるＷ_1j〜Ｗ_nj に関し
ては（数１７）により、またしきい値ニューロン１１０
６に対応したシナプス荷重Ｗ_n+1・jに関しては（数１
８）により、新しい値が計算される。

【００６１】

【数１７】 Ｗ_ij＝Ｗ_ij＋α・（Ｉ_i−Ｗ_ij） （ｉ＝１，２） …（数１７）

【００６２】

【数１８】

【００６３】ただし、Ｗ_ij，Ｗ_3jはそれぞれ更新後の入
力ニューロン，しきい値ニューロンに対応したシナプス
荷重の値、αは定数である。シナプス荷重の更新式は、
ベクトル（Ｗ_1j，Ｗ_2j）とベクトル（Ｉ₁，Ｉ₂）の類似
度を大きくする処理と対応していればよく、このような
更新式は（数１７）（数１８）の他にもいくつか考えら
れる。Ｓ１２−５で処理の終了を判定する。終了はＳ１
２−１〜Ｓ１２−４を一定回数繰り返したことで判定し
てもよいが、相互相関データベース１０９から抽出した
データの組みに対応したシナプス荷重の更新量が、すべ
て一定値以下となったことで判定してもよい。処理が終
了していない場合にはＳ１２−１にかえり、データの組
みを次々と抽出し、同様の処理を繰り返す。以上の処理
が終了すると相互相関データベース１０９に格納されて
いたＭ個のデータのペアがｐ個の量子化ニューロンのシ
ナプス荷重で代表できたことになる。その後Ｓ１２−６
で、ｐ個の量子化ニューロンに対応したシナプス荷重、

【００６４】

【数１９】 （Ｗ₁₁，Ｗ₂₁） （Ｗ₁₂，Ｗ₂₂） ： ： （Ｗ_1p，Ｗ_2p） …（数１９） を、相互相関データベース１０９の該当箇所にコピーす
ることにより、Ｍ個のデータを、これらを代表する少数
のデータ（ｐ個）で代表することができ、内容を圧縮で
きる。これによりメモリサイズを適性に保つことができ
る。本実施例で量子化手段１０３は、相互相関データベ
ース１０９にあらかじめ蓄えられたデータを対象に量子
化を行い、その結果を、相互相関データベース１０９に
コピーすることにより内容の更新を行ったが、時系列に
得られる入力を通信インタフェース１０１から直接取り
込んで、量子化結果を相互相関データベース１０９に出
力し、内容を逐次更新する方法でも良い。

【００６５】図１３に照合診断手段１１０が実行するア
ルゴリズムを示す。本実施例では、このアルゴリズムは
制御システムの診断・解析装置１００のモードが診断モ
ードのときに実行される。まずＳ１３−１で、信号解析
手段１０２から解析結果を取り込む。Ｓ１３−２で、解
析結果のそれぞれを相互相関データベース１０９の内容
と照合し、正常データと一致していない箇所を特定す
る。絶対値に関しては、診断データとして取り込んだ入
力の組み合わせに対して、相互相関データベース１０９
に格納されているＭ個のデータの組み合わせのうち、最
も類似しているものを空間距離等による評価で抽出し、
両者の類似度が一定値以下の時、正常データと一致して
いないと判断すればよい。類似度Ｒを空間距離で判定す
るとした場合、空間距離が小さいほど類似度Ｒは大きな
値となる。そこで診断データが（ａ₁，ａ₂），相互相関
データベース１０９の中で診断データと最も類似のデー
タが（ｂ₁，ｂ₂）であるとき、これらの類似度Ｒを空間
距離に反比例する値と定義すれば、（数２０）で表され
る。

【００６６】

【数２０】 Ｒ＝１／(ａ₁−ｂ₁)²＋(ａ₂−ｂ₂)² …（数２０） ここでＲが大きいほど２つのデータが類似していること
を意味しており、診断データが正常かどうかは、Ｒの値
が一定値以上かどうかで判定できる。フラクラル次元や
ウェーブレット係数，リアプノフ指数，最大，最小値，
周波数成分等については、診断データが正常データと見
なされるレンジの範囲内か、最大値，最小値をオーバし
ていないか、周波数成分が一致しているか等により、正
常データと一致しているかどうかを容易に判定できる。
Ｓ１３−３で、診断結果を第２の診断手段１０５および
第３の診断手段１０６に出力し、次のモジュールの診断
で活用する。さらに通信インタフェース１０１を経由し
てコントローラ１３１〜１３３に送り、必要に応じて異
常処理を行う。また出力手段１２０に出力して、診断結
果の表示，ユーザへの報知を行う。

【００６７】図１４および図１５に、この場合の照合診
断手段１１０の入出力信号を示す。図１４は信号解析手
段１０２の出力を自己相関データベース１０８の内容と
照合するときの入出力信号、図１５は同様に相互相関デ
ータベース１０９の内容と照合するときの入出力信号を
示しており、本実施例では理解を容易にするために区別
して示したが、通常はすべての信号が同時に入出力され
る。また第２の診断手段１０５が相互相関データベース
１０９との照合診断結果を入力し、第３の診断手段１０
６が自己相関データベース１０８との照合診断結果を入
力する場合を示したが、診断手段の間の信号の組み合わ
せは、対象とする診断システムにより種々考えられる。
図１４において照合診断手段１１０は、信号解析手段１
０２および必要に応じて通信インタフェース１０１から
直接取り込んだ診断データを入力され、自己相関データ
ベース１０８の内容と照合した後、図に示す形態で、診
断結果を通信インタフェース１０１，出力手段１２０，
第３の診断手段１０６へ出力する。図は入力ｎは正常で
あるが、入力１ではフラクタル次元が正常時の値より
２.１ 大きく、さらにリアプノフ指数も正常時に比べ
１.１ 大きいことを示している。この結果第１の診断手
段１０４では、診断データと自己相関データベース１０
８との照合により、制御対象や制御システムの応答特性
の変化，ダイナミクスの変化等の、動的異常が検出でき
る。

【００６８】同様に図１５において照合診断手段１１０
は、信号解析手段１０２および必要に応じて通信インタ
フェース１０１から直接取り込んだ診断データを入力さ
れ、相互相関データベース１０９の内容と照合した後、
図に示す形態で、診断結果を通信インタフェース１０
１，出力手段１２０，第２の診断手段１０５へ出力す
る。図は、診断データにおける入力１と入力２の関係は
正常時の相関であるが、入力（ｎ−１）と入力ｎの関係
は、フラクラル次元の関係，絶対値の関係とも正常状態
でないことを示している。

【００６９】図１６に照合診断手段１１０で、相互相関
データベース１０９に基づいた各入力のペアに対応した
照合結果（以下、異常度）をさらに定量的なものとし、
第２の診断手段で高精度な診断を行う場合の実施例を、
入力値の照合を例に示す。この場合、図１５で単に正常
／異常で表わされていた診断結果が、中間値を用いてさ
らに厳密に診断される。入力のペアが入力１と入力２で
あるとすると、入力のペアに対応した異常度とは、入力
１から見て入力２がどの程度良好に稼働しているか、逆
に入力２から見て入力１がどの程度良好に稼働している
かを相互診断した結果を意味しており、この値を以下の
アルゴリズムで定量化する。まずＳ１６−１で、信号解
析手段１０２を介して、各入力値を取り込む。次にＳ１
６−２で、入力のペア毎に値を相互相関データベース１
０９の対応するペアのデータと照合する。Ｓ１６−３で
各ペア毎に、近接したペアを抽出する。Ｓ１６−４で抽
出されたペアと入力されたペアの距離を基に、入力の異
常度を検出する。入力１と２のペアの値を（Ｘ，Ｙ)，
(Ｘ，Ｙ）に最も近接した（Ｗ_x，Ｗ_y）とすると、異常
度Ｕの値はたとえば（数２１）で計算できる。

【００７０】

【数２１】 Ｕ＝ｆ{(Ｘ−Ｗ_x)²＋（Ｙ−Ｗ_y)²｝ …（数２１） ただし −１.０ （ｘ＞α） ｆ(ｘ)＝−２(β−ｘ)／(β−α)＋１.０ （α≧ｘ≧β） １.０ （β＞ｘ） ここで（Ｘ，Ｙ）が（Ｗ_x，Ｗ_y）から半径βの内側にあ
るとき入力１と２は互いを正常と判定し、Ｕは１.０と
なる。(Ｘ，Ｙ）が（Ｗ_x，Ｗ_y）から半径βの外側にあ
りしかも半径αの内側にあるとき、Ｕは（Ｘ，Ｙ）と
（Ｗ_x，Ｗ_y）の距離に応じて１.０〜−１.０の中間値を
とる。Ｕが−１.０ に近いほど互いを異常と判定する度
合いが大きいことに対応する。さらに（Ｘ，Ｙ）が（Ｗ
_x，Ｗ_y）から半径αの外側にあるとき入力１と２は互い
を完全に異常と判定し、Ｕは−１.０となる。Ｓ１６−
５で、すべての入力のペアに関しての処理が終了したか
どうかで、アルゴリズムの終了を判定する。処理が終了
していない場合には、未処理の入力のペアに関してＳ１
６−２〜Ｓ１６−４の処理を繰り返す。図１６のアルゴ
リズムにより、各入力のペアに対応した異常度を、Ｕの
値を用いて定量化できる。

【００７１】図１７に照合診断結果の一例を示す。１.
０が正常な関係を、−１.０は異常な関係を示してい
る。図で、診断データにおける入力１と入力２の関係は
正常であるが、入力（ｎ−１）と入力ｎの関係はやや異
常であることを示している。

【００７２】次に図１８を用いて、第２の診断手段１０
５が行う処理を詳しく説明する。免疫診断手段１１２が
行う免疫処理は、入力同士が相互相関等を基に互いが正
常に動作しているかどうかを判定した後、このような局
所的な診断情報を総合的に判断して、故障状態の入力が
あるかどうか、またあった場合は故障状態の入力はどれ
かを特定する。図１８に免疫診断手段１１２の構成を示
す。本実施例で、免疫診断手段１１２は診断ネットワー
ク１８０１と診断アルゴリズム１８０２から構成され
る。診断ネットワーク１８０１は各入力に対応したユニ
ット１８０３と、各ユニットを結合するシナプス１８０
４から構成される。各ユニットの値Ｒ_k（ｋ＝１，…
…，ｎ）は対応する入力の信頼性を示しており、たとえ
ば正常な値を出力している状態をＲ_k ＝１、異常な値を
出力している状態をＲ_k ＝０と定義する。さらにシナプ
スに割付けられたω_ijは入力ｉと入力ｊのペアに対応し
た異常度Ｕと対応する。すなわち入力ｉと入力ｊが互い
に正常に稼働していると認識しあった場合にはω_ijは１
であり、異常度の大きさに従ってω_ijは減少する。そし
て異常度がある一定値より大きい場合はω_ij＝−１の飽
和した値となる。図１８において、図１７で入力のペア
として相互相関データベースで定義されている２つの入
力に対応したユニット同士はシナプスを交換し、そうで
ないユニット間（正常状態で相互に相関を有していない
入力同士）のシナプスは省略するか、ω_ijとして０を設
定する。シナプスを交換しているユニットに対応した２
つの入力は、正常状態において相関関係を有しているこ
とと対応する。

【００７３】図１９に診断アルゴリズム１８０２が行う
処理を示す。まずＳ１９−１で、照合診断手段１１０の
演算結果であるＵの値を各センサのペアに関して取り込
み、Ｕの値にしたがってω_ijを算出し、各シナプスに割
り当てる。次にＳ１９−２でユニットのＲ_k の初期値を
算出する。すべて正常な場合を初期値とすることも可能
なので、この場合であればＲ_i ＝１（ｉ＝１，……，
ｎ）とすればよい。またランダムに１と０に値を割付け
てもよい。Ｓ１９−３では、診断ネットワークのエネル
ギが減少する方向にユニットの値を更新する処理が行わ
れる。ネットワークのエネルギＥは、図２０に示す信頼
性関数群からあらかじめ定められた関数を抽出して用い
る。図２０では対象とする診断の性格により、いくつか
エネルギ関数を準備しておく。一例としてエネルギ関数
を（数２２）で計算する場合の実施例を示す。

【００７４】

【数２２】

【００７５】Ｓ１９−３では、ユニットを一つ抽出し、
抽出したユニットの値を反転して（数２２）の値を調べ
る。そしてＥの値が減少した場合にはユニットの値の反
転したままとし、Ｅが増加した場合にはユニットの反転
を無効として元へ戻す処理を行う。Ｓ１９−４では診断
ネットワークの収れんを判断し、収れんしていた場合に
はＳ１９−５で結果を第３の診断手段１０６，通信イン
タフェース１０１，出力手段１２０に出力した後、アル
ゴリズムを終了する。収れん判定は、どのユニットを反
転してもエネルギが減少しない状態でもって判断する方
法が一般的である。また適当な試行回数で演算を打ち切
ってもよい。Ｓ１９−４でネットワークが収れんしてい
ないと判定された場合には、Ｓ１９−３の処理を繰り返
す。ユニットの値の更新方法としては（数２２）による
方法の他にこれと等価な処理として、（数２３）で表さ
れるＥ+(ｉ）の値の符号を検出してユニットｉの値を反
転するかどうかを決定する方法も考えられる。

【００７６】

【数２３】

【００７７】すなわちユニットｉを抽出して（数２３）
を計算し、Ｅ+(ｉ）が正であればＲ_i ＝１（ユニットｉ
は正常）、Ｅ+(ｉ）が負であればＲ_i ＝０と判定する。
Ｅ+(ｉ)が０であれば、現状のＥ+(ｉ)の値が踏襲され
る。免疫診断手段１１２で図１９のアルゴリズムが収れ
んした結果得られた診断結果により、入力センサの経年
変化のような、各入力を単独にチェックしていたのでは
検出することが困難な故障が検出でき、故障センサも特
定できる。本実施例ではＲ_i ＝１のユニットに対応した
入力は正常、Ｒ_i ＝０に対応した入力は異常と診断され
る。Ｓ１９−５で、診断結果を第３の診断手段１０６に
出力し、次のモジュールの診断で活用する。さらに通信
インタフェース１０１を経由してコントローラ１３１〜
１３３に送り、必要に応じて異常処理を行う。異常処理
の内容としては、たとえば入力がセンサの出力であれ
ば、該当したセンサに対応した機器の動作を停止した
り、センサの値を無効化する処理、あるいは入力値をオ
ブザーバに切り換えて制御を継続する処理等が考えられ
る。診断結果はさらに出力手段１２０に出力され、診断
結果の表示，ユーザへの報知が行われる。この結果第２
の診断手段１０５では、センサの経年変化やレベル異常
等の静的異常の診断が可能となる。

【００７８】本実施例ではＲ_i の値を１または０と定義
し、入力の信頼性を正常または異常の２通りに分類した
が、Ｒ_i を０〜１の連続的な値とし、相対的なＲ_i の大
きさを用いて最も信頼性の高いセンサや故障している可
能性の高いセンサを特定する方法も考えられる。

【００７９】図２１に第３の診断手段１０６が行う処理
を示す。知識診断手段１１４は推論部２１０１と診断結
論導出ルール２１０２から構成される。推論部２１０１
はパス１において、照合診断手段１１０で得られた診断
結果２１０３および免疫診断手段１１２で得られた診断
結果２１０４を入力し、正常時と異なっている部分に関
して、パス２で診断結論導出ルール２１０２の該当する
ＩＦ部を検索する。図では、入力１のリアプノフ指数と
フラクタル次元の値を基に、“板破断の恐れあり”との
結論を得る例を示している。板破断とは圧延プラントで
圧延中の鋼板が切れる現象で、この前兆として鋼板の張
力変動のリアプノフ指数が連続して正の値となったり、
フラクタル次元が正常時より大きくなることが予想され
る。同様にモータ電流を検出するセンサ１の値を検出し
て過電流によるモータ故障を検出したり、油圧サーボの
周波数領域および時間領域の応答変化をウェーブレット
係数を用いて正常時と照合し、サーボ弁の油リークの危
険性と対応づける。診断結論導出ルール２１０２はこれ
らをルール化して蓄えている。パス３で推論部2101は推
論結果を導き、パス４で診断の結論を出力する。診断の
結論は通信インタフェース１０１を経由してコントロー
ラ１３１〜１３３に送られ、必要に応じて異常処理を行
う。また出力手段１２０に出力して、診断結果の表示，
ユーザへの報知を行う。本実施例では第３の診断手段１
０６がルールベースの処理を実行する場合について詳細
に説明したが、照合結果を入力，診断の結論を出力とす
る多層型のニューラルネットで構成することもできる。

【００８０】図２２に出力手段１２０における診断結果
の表示例を示す。出力手段１２０はディスプレイ等で構
成され、信号解析手段１０２，第１の診断手段１０４，
第２の診断手段１０５，第３の診断手段１０６から送ら
れた診断結果を、図の形態で表示する。図では診断のレ
ベル毎に分離して結果を表示する例を示しているが、一
括して表示してもよい、また必要なものを選択的に表示
してもよい。さらに出力手段１２０がアラームランプで
ある場合には、対応したランプを点灯することが考えら
れる。

【００８１】図２３に制御システムの診断・解析装置１
００が、診断結果を基にオペレータに対して適切な操作
を提示するオペレータ操作ガイド手段２３０１、および
診断結果にしたがって操業条件を自動的に変更する操業
条件変更手段２３０２を備えた場合の実施例を示す。図
２４にオペレータ操作ガイド手段２３０１の構成を示
す。同様にルールベースの処理でガイド内容を導出する
場合の実施例を示す。オペレータ操作ガイド手段２３０
１はガイダンス導出手段２４０１とオペレータ操作ルー
ル２４０２からなる。ガイダンス導出手段２４０１は、
パス１において信号解析手段１０２および第１の診断手
段１０４〜第３の診断手段１０６から診断の結論を入力
され、パス２でオペレータ操作ルール２４０２の該当す
るＩＦ部を探す。図の場合には、“板破断の恐れあり"
に対応して、“ロール速度を下げよ"のガイダンスを得
る。パス３でガイダンス導出手段２４０１はガイダンス
結果を導き、パス４でこれを出力手段１２０に出力す
る。出力手段１２０では図のようなガイダンスをディス
プレイに表示したり、対応したアラームランプを点灯さ
せる。

【００８２】図２５に操業条件変更手段２３０２の構成
を示す。同様にルールベースの処理で操業条件の変更内
容を導出する場合の実施例を示す。操業条件変更手段23
02は操業条件変更内容決定手段２５０１と操業継続運転
ルール２５０２からなる。操業条件変更内容決定手段２
５０１はパス１において、信号解析手段１０２および第
１の診断手段１０４〜第３の診断手段１０６から診断の
結論を入力され、パス２で操業継続運転ルール２５０２
の該当するＩＦ部を探す。図の場合には、“板破断の恐
れあり”に対応して、“ロールに対する速度指令を低
下”させ、操業を継続させればよいことを知る。パス３
で操業条件変更内容決定手段２５０１は操業条件変更の
内容を導き、パス４でこれを通信インタフェース１０１
および出力手段１２０に出力する。通信インタフェース
１０１はネットワーク１３０を介して、対応するコント
ローラに操業条件変更内容に対応した信号を送信する。
本実施例の場合は、ロールの速度指令を減じることを指
示する。出力手段１２０では必要に応じて図のようなガ
イダンスをディスプレイに表示してもよい。オペレータ
操作ガイド手段１０８，操業条件変更手段１０９は同様
に、診断の結論を入力，オペレータの操作内容，操業条
件の変更内容を出力とする多層型のニューラルネットで
構成してもよい。また本実施例ではデータベース１０７
を、データ解析手段および通信インタフェースの出力か
ら自動的に構築する構成としたが、入力手段１２１から
ユーザが入力する構成としてもよい。またデータベース
１０７の内容の一部を入力手段１２１を用いてユーザが
修正する構成にもできる。さらに本実施例では各診断手
段を同一の装置で一体化して実現したが、信号の交換が
可能な別の装置に分離して実現してもよい。また第１〜
第３の診断手段に加えて、他の診断手段を備えてリンケ
ージする構成も考えられるし、診断手段のいくつかを省
略することも容易である。

【００８３】次に本発明の第２の実施例として、照合診
断手段１１０が事例ベクトルの量子化密度を指標の一つ
として診断を行う実施例を示す。本実施例では照合診断
手段１１０が、診断データを相互相関データベース１０
９と照合し、この結果を第２の診断手段に出力する場合
を例に説明する。図２６にこの場合の照合診断手段１１
０の構成を示す。新たに付加された類似度算出手段２６
０１は（数２０）の演算で、診断データとデータベース
１０７に事例ベクトルとして蓄えられているデータとの
類似度を算出する。類似度は診断データに最も近接した
事例ベクトルとの間で計算すればよい。一方事例ベクト
ル密度算出手段２６０２は、一例として以下の演算で、
診断データ近傍の事例ベクトル密度を算出する。事例ベ
クトルの次数を一般的にｎ次元とし、事例ベクトルｉの
座標をＱ_i ＝（ｑ₁ ，ｑ₂，……，ｑ_n ）とする。この
点のまわりで事例ベクトルＱ_i の確率密度関数を下式で
定義する。

【００８４】

【数２４】

【００８５】ここで ｄ_i ：Ｑ_i からの距離 σ：確率密度関数の分散 次に、事例ベクトルが張る空間の任意の点Ａ＝（ａ₁ ，
ａ₂ ，……，ａ_n ）における量子化ベクトルの密度Ａ_q
を、

【００８６】

【数２５】

【００８７】ここで ｆ_i ：ＡとＱ_i との間で算出され
たｆ値 ｎ：事例ベクトルの個数 で定義する。Ａ_q は各事例ベクトルに対応した確率密度
関数の総和と対応しており、事例ベクトル密度算出手段
２６０２はこの値を出力する。照合診断結果導出部２６
０３は、たとえば、

【００８８】

【数２６】 ω_ij＝ １ （αＵ＋βＡ_q≧Ｄ_th） −１ （αＵ＋βＡ_q＜Ｄ_th） …（数２６） ただし Ｄ_th：診断データの正常／異常を判断するしき
い値 α，β：定数 により、類似度算出手段２６０１から得た診断データと
事例ベクトルの類似度（異常度）Ｕと、事例ベクトル密
度算出手段２６０２から得た確率密度の総和Ａ_q に適当
な重み付けをした値を指標に、免疫診断手段１１２で用
いる各シナプス荷重の値ω_ijを決定する。

【００８９】次に図２７に照合診断手段１１０が、事例
ベクトルのあいまい性を総和して照合診断の結論を導出
する場合の実施例を示す。本実施例で各事例ベクトルの
あいまい性を次式で定義する。

【００９０】

【数２７】 １ （ｄ_i ²＜β） ｇ(ｄ_i）＝（β＋ε−ｄ_i ²）／ε （β≦ｄ_i ²＜α） …（数２７） ０ （α≦ｄ_i ²） ここで ε(＝α−β)：あいまい関数の勾配を表す係数 ｄ_i ²：事例ベクトルとの距離 事例ベクトル空間の任意の点Ａ＝（ａ₁ ，ａ₂ ，……，
ａ_n ）に対してあいまい性の総和Ｊ_FUZZYは、

【００９１】

【数２８】

【００９２】ここで ｇ_i ：ＡとＱ_i との間で算出され
たｇ値 となり、あいまい性の総和算出手段２７０１は、診断デ
ータを事例ベクトル空間にマッピングしたときのＪ
_FUZZY の値を出力する。照合診断結果導出部２６０３
は、たとえば、

【００９３】

【数２９】 ω_ij＝ １ （Ｊ_FUZZY≧Ｄ_th） −１ （Ｊ_FUZZY＜Ｄ_th） …（数２９） ただし Ｄ_th：診断データの正常／異常を判断するしき
い値 α，β：定数 により、Ｊ_FUZZY を指標に、免疫診断手段１１２で用い
る各シナプス荷重の値ω_ijを決定する。

【００９４】図２８に次の実施例として、第１の診断手
段１０４と第２の診断手段１０５が信号の交換を行い、
診断結果を適応的に変更する場合の実施例を示す。照合
診断手段１１０がパス２８０１を介して出力した照合結
果に対し、免疫診断手段112は診断結果が好ましくない
ときには、パス２８０２を介して照合診断手段に再照合
を指示する。図２９に一例として、故障と判断された入
力数が望ましい値より多すぎた場合に、再照合を行い、
望ましい診断結果を得る場合のアルゴリズムを示す。免
疫診断手段１１２はＳ２９−１で、故障状態にある入力
数が意味のある値より大きいかどうかを判定する。意味
のある値の一例としては、診断定理により導かれる最大
多重故障数を用いれればよい。診断定理の詳細はF.P.Pr
eparata,G. Metze，and R．T. Chien による論文、“On
the Connection AssignmentProblem of Diagnosable S
ystems”，IEEE Trans. Electronic Computers，ＥＣ−
１６，ｐｐ.８４８(１９６７）に記載されている。故障
入力数が過大な場合にはパス２８０２を介して、再度照
合診断手段１１０を起動し、Ｓ２９−２で（数２９）の
Ｄ_thを低下させた上で、照合診断を行う。そしてＳ２９
−３で照合診断結果をパス２８０１を介して免疫診断手
段に出力する処理を行う。新たな照合診断結果に対して
免疫診断手段１１２は、Ｓ２９−１で故障状態にある入
力数が意味のある値より大きいかどうかを判定する。大
きい場合には、Ｓ２９−２〜Ｓ29−３の処理を繰り返
し、意味のある多重故障数となった場合には、Ｓ２９−
４でこの結果を照合診断の結論として導出する。

【００９５】図３０に次の実施例として、本発明で実現
された制御システムの診断・解析装置１００を、熱間圧
延プラントの連鋳機のブレークアウト診断に適用した例
を示す。制御対象３０４０は本実施例では連鋳機で、溶
鋼３０４２を蓄えるタンディッシュ３０４１，溶鋼３０
４２をモールドに注ぐ量を制御するステッピングシリン
ダ３０４３，溶鋼３０４２を外側から凝固させるモール
ド３０４４，モールド３０４４に取付けられた温度測定
用の熱電対３０４８〜３０５０，外側のみが凝固した溶
鋼３０４２を引き抜くロール３０４５，溶鋼３０４２を
さらに水冷するためのスプレ３０５１，ロールを駆動す
るモータ３０５２，最終的に固まりとなった鋼材３０４
６等によりシステムが構成される。本実施例で診断・解
析の対象とするのは、熱電対３０４８〜３０５０から帰
還される温度信号で、これをもとに連鋳機のブレークア
ウトの兆候を検知する場合を例に説明する。ブレークア
ウトとは、引き抜き中に溶鋼３０４２の外側の凝固して
いる部分が破れ溶鋼3042が飛散する現象で、ブレークア
ウトがおこると連鋳機に致命的なダメージを与えるた
め、これを予知し、ロール速度を低下させ引き抜き速度
を遅くする等の適切な処置を行う必要がある。図３１に
連鋳機が正常に動作しているときに熱電対3048〜３０５
０から得られる信号と、ブレークアウトの前兆として得
られる信号の一例を示す。これらに対して信号解析手段
１０２で、各信号間の相互相関と自己相関を検出する例
を示す。通信インタフェース１０１を介して得た診断デ
ータに対して、相互相関は相互相関算出手段３００２
で、自己相関は自己相関算出手段３００１で算出する。
第１の診断手段１０４は照合診断手段１１０を含んでお
り、相互相関を基にした異常の検出は相互相関データベ
ース１０９との照合により相互照合診断手段３００６で
行われ、自己相関を基にした異常の検出は自己相関デー
タベース１０８との照合により自己照合診断手段３００
５で行われる。自己照合診断手段３００５の出力は直接
第３の診断手段に出力される。一方、相互照合診断手段
３００６の出力は第２の診断手段１０５に出力される。
第２の診断手段１０５は免疫診断手段１１２においてこ
れらを総合し、免疫処理によりブレークアウトの兆候が
検出された熱電対を特定する。第３の診断手段１０７
は、これらの結果を基に最終的な診断の結論を導出す
る。そしてブレークアウトの兆候が検知された場合に
は、オペレータ操作ガイド手段２３０１でオペレータが
どのような異常処理を行えばよいかを決定し、出力手段
１２０に出力する。同時に操業条件変更手段２３０２
で、制御システムがどのように操業条件を変更して対処
すればよいかを決定し、通信インタフェース１０１を介
してコントローラ１３１〜１３２に出力する。さらに操
業条件の変更結果を出力手段１２０に出力し、どのよう
に変更したかをユーザに報知する。

【００９６】図３２に第３の診断手段１０６に備えられ
た知識診断手段１１４の入出力情報を示し、本実施例に
おける制御システムの診断・解析装置１００の信号の流
れを説明する。知識診断手段１１４は前述したように自
己照合診断手段３００５および第２の診断手段１０５の
出力にしたがって、診断の結論を出力する。自己照合診
断手段３００５からの情報はパス１を介して入力され
る。図では、入力１の異常が時刻１から３時刻続いた後
正常に変わり、入力ｎが時刻５から異常となったことを
示している。同様に第２の診断手段１０５からの情報は
パス２を介して入力される。図では他の入力から判断さ
れた入力１の異常が時刻２から２時刻続いた後正常に変
わり、入力ｎは正常状態を維持していることを示してい
る。正常と異常の判定は、図３１に一例を示したブレー
クアウトの兆候信号を基に決定される。知識診断手段１
１４の推論部２００１はこれらの情報から診断結論導出
ルール２００２を検索し、対応するＩＦ部を抽出する。
診断結論導出ルール２００２には、同様に図３１に一例
を示したブレークアウトの兆候信号を基に、各センサお
よびセンサ相互の診断結果から具体的な故障情報を導出
する。そしてＴＨＥＮ部に記載されている内容を推論の
結論として、パス５で出力する。図では、入力１の自己
異常が３時刻以上続いたことをもとに、センサ１の近傍
でブレークアウトの兆候があることを診断する。

【００９７】図３３は、自己照合診断手段３００５およ
び第２の診断手段１０５からの入力が、正常度あるいは
異常度を連続量の場合の実施例を示す。同様に、診断結
論導出ルール２００２のＩＦ部で入力１の相互信頼度が
０.１ 以下となり、２時刻以上続いたことを抽出して、
センサ１の近傍でブレークアウトの兆候があることを診
断する。

【００９８】図３４にオペレータ操作ガイド手段２３０
１の構成の一例を示す。パス１で第３の診断手段１０６
の診断結果を入力し、ガイダンス導出手段２４０１はオ
ペレータ操作ルール２４０２のＩＦ部を検索する。診断
結果がブレークアウトの重大な兆候を結論した場合であ
れば、ロール３０４５の速度を低下させることを出力手
段１２０を介してユーザに報知する。

【００９９】図３５に操業条件変更手段２３０２の構成
の一例を示す。パス１で第３の診断手段１０６の診断結
果を入力し、操業条件変更内容導出手段２５０１操業継
続運転ルール２５０２のＩＦ部を検索する。診断結果が
ブレークアウトの重大な兆候を結論した場合であれば、
ロール３０４５の速度を低下する指令と、これに伴って
スプレ３０５１の冷却水流量を低下させる操業変更を、
通信インタフェース１０１を介して、コントローラ１３
１〜１３２に出力する。さらに操業条件の変更結果を出
力手段１２０に出力し、どのように変更したかをユーザ
に報知する。図３６に診断システムを構築するためにユ
ーザが入力手段１２１から入力する情報の一例を示す。
Ｏ₁₂₁，Ｏ₁₉₃，Ｏ₃₅は入力信号のアドレスを示してい
る。また表示１，表示２，表示３は、各診断手段の出力
を表示可能な情報として定義することを示している。各
診断手段の間は、スカラデータや必要に応じてベクトル
データ、“異常”，“正常”等の言語的データを用いた
解析結果や診断結果でリンケージする。図の様にメニュ
ー化された診断手段を入力手段１２１のウィンド上で結
線接続し、入力情報のアドレスおよび診断情報の出力先
を明らかにする操作のみで、診断システムが容易に構築
できる。

【０１００】図３７に各診断手段をメニュー形式で定義
した実施例を示す。診断メニュー３７０１に備えられた
各解析手段や診断手段には、種々の具体的な解析・診断
方法が備えられている。たとえば信号解析手段に対応し
たメニューとしてはフラクタル次元解析，周波数解析
（ＦＦＴ），自己相関解析等であり、免疫診断手段とし
ては図２０の信頼性関数を変えることにより実現され
る、あいまい診断，不完全診断，完全診断等がメニュー
として備えられる。これらを同様に図３６の形態で組み
合わせることにより、種々の組み合わせによる診断シス
テムがカスタムメイドで任意に構築できる。

【０１０１】

【発明の効果】本発明によれば、種々の診断機能を有し
た複数の診断手段と種々の信号解析手段を有したデータ
解析手段をリンケージして診断部を構成したことによ
り、診断データに対して多面的な信号解析，診断を行う
ことができ、データ解析，診断を高精度化できる。また
診断部の構成を診断手段や解析手段の追加，削除によ
り、解析・診断の対象に応じて柔軟に変更および最適化
できる。

【０１０２】さらに診断手段が、制御対象や制御システ
ムの正常動作や異常動作を事例ベクトルとして蓄え、こ
れと診断データの照合による診断データの異常診断を行
う場合に、診断データ近傍の事例ベクトル密度を診断の
指標の一つにしたことにより、診断性能を高めることが
できる。さらに量子化手段を備えたことにより、データ
ベースの事例ベクトルを、常時適正な規模に維持でき
る。

【０１０３】また本発明を連鋳機のブレークアウト予知
に適用した場合に、熱電対間の相互相関から導いた各熱
電対の異常度と、各熱電対の自己相関から導いた自身の
異常度を指標にして診断することにより、予知の確度を
向上させることができる。

【図面の簡単な説明】

【図１】本発明において実現された制御システムの診断
・解析装置の構成図。

【図２】データ解析手段の構成図。

【図３】信号解析部が実行するアルゴリズム。

【図４】信号解析部の入出力信号。

【図５】信号解析部が実行するアルゴリズム。

【図６】信号解析部の入出力信号。

【図７】信号解析部が実行するアルゴリズム。

【図８】信号解析部の入出力信号。

【図９】自己相関データベースの構成図。

【図１０】相互相関データベースの構成図。

【図１１】量子化ネットワークの構成図。

【図１２】量子化アルゴリズムの処理内容図。

【図１３】照合診断手段の処理アルゴリズム。

【図１４】照合診断手段の入出力信号。

【図１５】照合診断手段の入出力信号。

【図１６】照合診断手段の処理アルゴリズム。

【図１７】照合診断手段の出力信号。

【図１８】免疫ネットワーク構成図。

【図１９】免疫診断手段の診断アルゴリズム。

【図２０】信頼性算出関数群。

【図２１】知識診断手段の処理図。

【図２２】出力手段の表示例。

【図２３】制御システムの診断・解析装置の構成図。

【図２４】オペレータ操作ガイド手段の処理図。

【図２５】操業条件変更手段の処理図。

【図２６】照合診断手段の処理図。

【図２７】照合診断手段の処理図。

【図２８】第１の診断手段と第２の診断手段の処理図。

【図２９】免疫診断手段と照合診断手段の処理アルゴリ
ズム。

【図３０】制御システムの診断・解析装置を連鋳機の診
断に適用した場合の構成図。

【図３１】熱電対からの信号。

【図３２】知識診断手段の処理図。

【図３３】知識診断手段の処理図。

【図３４】オペレータ操作ガイド手段の処理図。

【図３５】操業条件変更手段の処理図。

【図３６】入力例。

【図３７】入力例。

【符号の説明】

１００…制御システムの診断・解析装置、１０２…信号
解析手段、１０３…量子化手段、１０４…第１の診断手
段、１０５…第２の診断手段、１０６…第３の診断手
段、１１０…照合診断手段、１１２…免疫診断手段、１
１４…知識診断手段、１２０…出力手段、１２１…入力
手段、１５０…制御対象。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 稲葉 博美 茨城県日立市大みか町七丁目１番１号 株 式会社日立製作所日立研究所内 (72)発明者 福岡 昇平 茨城県日立市大みか町五丁目２番１号 株 式会社日立製作所大みか工場内 (72)発明者 熊山 治良 茨城県日立市大みか町五丁目２番１号 株 式会社日立製作所大みか工場内 (72)発明者 河野 公生 茨城県日立市大みか町五丁目２番１号 株 式会社日立製作所大みか工場内

Claims (15)

【特許請求の範囲】
1. 【請求項１】制御対象または制御装置から取り込んだ信
   号を基に該制御対象または該制御装置の異常を診断する
   診断手段を複数備えた制御システムの診断・解析装置で
   あって、 該制御対象または該制御装置から得られた信号の良否を
   判定するための情報を蓄えるデータベースと、前記制御
   対象または前記制御装置から取り込んだ信号と該データ
   ベースに蓄えられた該情報に基づいて該制御対象または
   該制御装置の異常度を判定する判定手段とを備えた第１
   の診断手段と、 前記第１の診断手段の該判定手段の結果を少なくとも一
   の入力として前記制御対象または前記制御装置の異常の
   有無を判定するとともに前記制御対象または前記制御装
   置の異常箇所を特定する判定手段とを備えた第２の診断
   手段とを前記複数の診断手段の中に少なくとも一つ有す
   ることを特徴とする制御システムの診断・解析装置。
2. 【請求項２】複数の制御対象から取り込んだ信号を基に
   該複数の制御対象の異常を診断する診断手段を複数備え
   た制御システムの診断・解析装置であって、 他の診断手段の診断結果を少なくとも入力の一つとして
   出力される診断結果を選択的に用いて該制御対象の異常
   の有無を判定する判定手段と、該判定手段から得られた
   前記複数の判定結果の相互の関係から前記複数の制御対
   象の中から異常状態である制御対象を特定する異常箇所
   検出手段と、前記判定手段及び前記異常箇所検出手段の
   結果に基づいてユーザへの報知または該制御装置の操業
   変更を行う手段とを具備したことを特徴とする制御シス
   テムの診断・解析装置。
3. 【請求項３】制御対象または制御装置から取り込んだ信
   号を基に該制御対象または該制御装置の異常を診断する
   診断手段を複数備えた制御システムの診断・解析装置で
   あって、 該制御対象または該制御装置から得られた信号の良否を
   判定するための情報を蓄えるデータベースと、前記制御
   対象または前記制御装置から取り込んだ信号と該データ
   ベースに蓄えられた該情報に基づいて該制御対象または
   該制御装置の異常度を判定する判定手段とを備えた第１
   の診断手段と、 前記第１の診断手段の該判定手段の結果を少なくとも一
   の入力として前記制御対象または前記制御装置の異常の
   有無を判定するとともに前記制御対象または前記制御装
   置の異常箇所を特定する判定手段とを備えた第２の診断
   手段と、 前記第１の診断手段および前記第２の診断手段の出力と
   対応する診断の結論とを蓄えた知識ベースと、該知識ベ
   ースを検索するとともに該当する診断結果を導く推論部
   を備えた第３の診断手段とを前記複数の診断手段の中に
   少なくとも一つ有することを特徴とする制御システムの
   診断・解析装置。
4. 【請求項４】請求項第１項又は第３項の制御システムの
   診断・解析装置において、 前記データベースは、前記制御対象または前記制御装置
   から得られた信号を入力毎に蓄える自己相関データベー
   スと入力のペア単位の事例ベクトルとして蓄える相互相
   関データベースとを備え、 前記第１の診断手段の前記判定手段は前記制御対象また
   は前記制御装置から取り込んだ信号を該自己相関データ
   ベース及び該相互相関データベースと照合し、該取り込
   んだ信号と該自己相関データベースの不一致の度合いお
   よび該取り込んだ信号と該相互相関データベースの不一
   致の度合いに基づいて前記制御対象または前記制御装置
   の異常の有無を判定し、さらに異常箇所を特定すること
   を特徴とする制御システムの診断・解析装置。
5. 【請求項５】請求項第１項，第３項または第５項の制御
   システムの診断・解析装置において、 前記第２の診断手段は、前記第１の診断手段の出力に対
   応したユニットを該ユニットのペアにおける互いの動作
   の異常度を荷重値とするシナプスにより該ユニットを結
   合する診断ネットワークと、あらかじめ定義された該診
   断ネットワークの評価関数を最小化したときの各ユニッ
   トの値を用いて前記制御対象または前記制御装置から取
   り込んだ信号の信頼性を算出する免疫診断手段とを備え
   ていることを特徴とする制御システムの診断・解析装
   置。
6. 【請求項６】請求項第１項または第３項の制御システム
   の診断・解析装置において、 前記第１の診断手段は、前記制御対象または前記制御装
   置から取り込んだ信号から少なくともフラクタル次元か
   つ／またはウェーブレット係数かつ／またはリアプノフ
   指数かつ／または周波数成分を抽出する信号解析手段を
   備え、該信号解析手段の出力を前記データベースに蓄え
   ることを特徴とする制御システムの診断・解析装置。
7. 【請求項７】請求項第１項または第３項の制御システム
   の診断・解析装置において、 前記データベースに格納されている事例ベクトルを抽出
   し、少数の事例ベクトルに変換した後これをデータベー
   スに書き込む量子化手段を備えたことを特徴とする制御
   システムの診断・解析装置。
8. 【請求項８】請求項第７項の制御システムの診断・解析
   装置において、 前記第１の診断手段は、前記制御対象または前記制御装
   置から取り込んだ信号を前記データベースの事例ベクト
   ルと照合し、この結果得られた両者の不一致の度合いに
   加え、事例ベクトル空間における診断データ近傍の事例
   ベクトルの密度に相当する値を指標にして、前記制御対
   象または前記制御装置の異常の有無を判定し、さらに異
   常箇所を特定することを特徴とする制御システムの診断
   ・解析装置。
9. 【請求項９】請求項第８項の制御システムの診断・解析
   装置において、 前記第１の診断手段は、前記事例ベクトル空間における
   診断データ近傍の事例ベクトルの密度に相当する値を、
   事例ベクトルからの距離に対応した関数を各事例ベクト
   ルに対して定義し、前記診断データと各事例ベクトルに
   ついて計算された該関数の値の総和を基に算出すること
   を特徴とする制御システムの診断・解析装置。
10. 【請求項１０】請求項第１１項の制御システムの診断・
    解析装置において、 前記関数の値の総和は、前記診断データ近傍のあらかじ
    め定められた適当数の事例ベクトルについて算出するこ
    とを特徴とする制御システムの診断・解析装置。
11. 【請求項１１】複数の制御対象から取り込んだ信号を予
    め定めた手段により処理する処理手段と、該処理手段の
    結果に基づいて該複数の制御対象の状態を表示する表示
    装置とを備えたシステムの診断・解析装置において、 前記処理手段は複数種類の診断手段を格納する記憶手段
    と、該記憶手段に記憶された前記複数の診断手段を外部
    からの入力に基づいて選択するとともに該選択された診
    断手段の入出力関係を定義し、該定義に基づいて前記複
    数の制御対象から取り込んだ信号を処理することを特徴
    とする制御システムの診断・解析装置。
12. 【請求項１２】複数の制御対象または制御装置から取り
    込んだ信号を基に該複数の制御対象または該制御装置の
    異常を診断する制御システムの診断・解析装置であっ
    て、 前記複数の診断手段は各々入力されたデータに基づいて
    異なったアルゴリズムで異なった診断を行う診断手段で
    あるとともに、該複数の診断手段が夫々他の診断手段の
    診断結果を入力データとするよう階層構造をなし、前記
    複数の制御対象または制御装置の異常の判定を行うこと
    を特徴とする制御システムの診断・解析装置。
13. 【請求項１３】熱間圧延プラントの連鋳機のモールドに
    埋め込まれた複数の熱電対から帰還される信号を取り込
    み、予め蓄えた該複数の熱電対の自己相関のデータと該
    取り込んだ信号の自己相関のデータ及び予め蓄えた該熱
    電対の相互相関のデータと該取り込んだ相互相関のデー
    タとを照合し、照合した結果得られた該取り込んだ信号
    の自己相関のデータと該予め蓄えた該自己相関のデータ
    との不一致の度合いおよび該取り込んだ信号の相互相関
    のデータと該予め蓄えた相互相関のデータとの不一致の
    度合いに基づいて該連鋳機におけるブレークアウトが生
    じる可能性を判定し、さらにブレークアウトが発生する
    可能性がある箇所を特定することを特徴とする制御シス
    テムの診断・解析装置。
14. 【請求項１４】制御対象または制御装置が正常に動作し
    ている時の該制御対象または該制御装置から得られる情
    報を予め入力毎に蓄えるとともに該情報を予め入力のペ
    ア単位の事例ベクトルとして蓄え、 該制御対象または該制御装置から取り込んだ情報につい
    て前記予め入力毎に蓄えた前記情報と予め入力のペア単
    位の事例ベクトルとして蓄えた前記情報との一致度を求
    め、 該求めた一致度に基づいて前記制御対象または前記制御
    装置の異常の有無を判定するとともに異常箇所を特定す
    ることを特徴とする制御システムの診断・解析方法。
15. 【請求項１５】制御対象や制御装置が正常に動作してい
    るときの情報を事例ベクトルとして蓄え、 該制御対象または該制御装置から取り込んだ情報を該蓄
    えた事例ベクトルと照合し、 該照合した結果得られた両者の一致度と前記事例ベクト
    ル空間における前記取り込んだ情報近傍の事例ベクトル
    の密度に相当する値を指標にして、前記制御対象または
    前記制御装置の異常の有無を判定し、異常箇所を特定す
    ることを特徴とする制御システムの診断・解析方法。