JPH0863226A - 制御システムの診断・解析装置および方法 - Google Patents

制御システムの診断・解析装置および方法

Info

Publication number
JPH0863226A
JPH0863226A JP6198165A JP19816594A JPH0863226A JP H0863226 A JPH0863226 A JP H0863226A JP 6198165 A JP6198165 A JP 6198165A JP 19816594 A JP19816594 A JP 19816594A JP H0863226 A JPH0863226 A JP H0863226A
Authority
JP
Japan
Prior art keywords
control system
diagnostic
unit
data
diagnosis
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.)
Granted
Application number
JP6198165A
Other languages
English (en)
Other versions
JP3307095B2 (ja
Inventor
Masahiro Shikayama
昌宏 鹿山
Yasuo Morooka
泰男 諸岡
Takuro Shibagaki
琢郎 柴垣
Haruyoshi Kumayama
治良 熊山
Yutaka Saito
裕 斉藤
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.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP19816594A priority Critical patent/JP3307095B2/ja
Priority to TW084104072A priority patent/TW293888B/zh
Priority to KR1019950025521A priority patent/KR100387170B1/ko
Priority to CN95116635A priority patent/CN1140847A/zh
Publication of JPH0863226A publication Critical patent/JPH0863226A/ja
Application granted granted Critical
Publication of JP3307095B2 publication Critical patent/JP3307095B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2252—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using fault dictionaries

Abstract

(57)【要約】 【目的】静的故障診断と動的故障診断を分離して行い、
その結果を総合的に判断して異常を判定する診断・解析
装置を提供する。 【構成】データベース１０３に格納された正常データと
制御対象１５０から検出したデータとを照合し異常を判
定する診断・解析装置において、静的故障を診断するた
めの照合部１６１と診断部１６３，動的故障を診断する
ための照合部１６２と診断部１６４を別個に設ける。ま
た、制御対象から得た信号を解析する信号解析部１０２
を設ける。 【効果】故障の原因が、制御対象の応答の変化等の動的
故障によるものなのか、センサの経年変化のように静的
故障によるものなのかを特定できる。

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，鉄道，一般
産業等における制御システムの診断・解析方法に関す
る。なお、本発明において、制御システムとは、セン
サ，アクチュエータ，入出力装置，コントローラ等の制
御機器或いはこれらにより制御される制御対象を意味す
る。
【０００２】
【従来の技術】制御システムの診断や解析を行う装置の
従来例としては、多数のセンサにより構成されるシステ
ムのセンサ診断を対象としたものが大半で、文献「免疫
ネットワーク情報モデルによる故障診断」（石田，第３
回自律分散システムシンポジウム，Ｈ４年１月）に記載
されているように、センサ同士の出力の間に必然的に存
在する大小関係を基に異常なセンサを特定する方法があ
った。
【０００３】さらに特開平5−35329号公報に記載されて
いるように、センサ間の相関関係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あった。また特
開平5−266382 号公報には、検出周期が異なる２つ以上
の検出部により異常の検出を行うことにより、診断知識
データベースの作成を容易とする手法が記載されてい
る。さらに特開平6−96055 号公報には、時系列データ
に対して埋め込み処理を施した後、起動表示解析，次元
解析，エントロピー解析等の多面的解析を行い、総合処
理する手法が記載されている。
【０００４】
【発明が解決しようとする課題】上記従来技術には以下
の問題があった。文献「免疫ネットワーク情報モデルに
よる故障診断」，特開平5−35329号公報，特開平5−266
382 号公報に示されている手法では、センサの経年変化
や入力のレベル変化のように、センサや入力同士の相関
が陽に変化する静的故障の場合には、故障したセンサの
特定が可能となるが、プラントから時系列に得られた信
号に対して、プラントのダイナミクスの変化を検出した
り、システム故障の危険性を予測する動的故障を扱うこ
とはできなかった。
【０００５】また特開平6−96055号公報に記載の手法で
は、総合的な判定により時系列データの特性変化の検知
等の動的故障の診断は行えるが、逆にセンサの経年変化
等は検知できなかった。また上記手法のいずれにおいて
も、静的故障と動的故障を総合的に判定する診断，解析
はできなかった。
【０００６】本発明の目的は、制御システムから獲得し
たデータに対し、センサの経年変化等の静的故障とプラ
ントの応答変化等の動的故障とを分離した診断を行っ
て、その結果を総合的な判断に利用した制御システムの
診断・解析装置を提供することにある。
【０００７】本発明の他の目的は、静的故障と動的故障
を分離した診断を、免疫処理，ルールベース推論等の情
報処理手法を選択的に用いて行うようにした制御システ
ム診断・解析装置を提供することにある。
【０００８】本発明の他の目的は、制御システムから入
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デ
ータ解析手段を備えた制御システムの診断・解析装置を
提供することにある。
【０００９】本発明の他の目的は、制御システムが正常
に動作しているときの状態を蓄え、これと診断データを
照合して異常の検出を行う場合に、データベースの内容
を情報の喪失を最小化した形で圧縮する内容更新手段を
設けることにより、データベースのサイズを常に適正な
規模に保つことができる制御システム診断・解析装置を
提供することにある。
【００１０】
【課題を解決するための手段】本発明の目的は、制御シ
ステムが正常に動作している時にこれから検出した入力
データを蓄える正常データ格納データベースと、該制御
システムから取り込んだ診断データを該正常データ格納
データベースの内容と照合する照合手段と、照合した結
果を基に該制御システムの異常を判定する診断結論導出
手段を備えた制御システムの診断・解析装置において、
該照合手段は、該診断データを各入力毎に該正常データ
格納データベースの内容と照合する第１の照合部と、複
数の入力に対応したデータを一括して該正常データ格納
データベースの内容と照合する第２の照合部とを備え、
該診断結論導出手段は、前記第１の照合部から得られた
両者の不一致の度合いを基に応答特性の変化や制御系の
不安定性の度合いに代表される動的故障を診断する動的
故障診断部と、前記第２の照合部から得られた入力相互
の関係の変化の度合いを基にセンサの経年変化や入力の
レベル変化に代表される静的故障を診断する静的故障診
断部とを備えたことを特徴とする制御システムの診断・
解析装置によって達成される。
【００１１】従来技術の問題点を解決するためには、制
御対象或いは制御機器よりなる制御システムから得られ
た入力信号に対して種々の解析手法を適用し、さまざま
な特徴量を抽出するデータ解析手段，制御システムが良
好に稼働しているときのデータ解析手段の出力を格納す
る正常データ格納データベース，診断時に制御システム
から得られた信号に対応したデータ解析手段の出力を正
常データ格納データベースの内容と照合する照合手段，
照合結果に基づいて診断結果を導出する診断結論導出手
段を備えることが望ましい。とりわけ照合手段として、
入力毎に独立して照合を行う第１の照合手段と、複数の
入力に対応した信号を一括して照合する第２の照合手段
を設け、さらに診断結果導出手段として、第１の照合手
段の出力を用いて診断する動的故障診断部と第２の照合
手段の出力を用いて診断する静的故障診断部を設け、例
えば前者をルールベースの結論導出アルゴリズムで、ま
た後者を免疫処理を実行するアルゴリズムにより構成す
ることが望ましい。
【００１２】さらにデータ解析手段として、制御システ
ムから得た時系列信号のフラクタル次元を算出する信号
解析部，リアプノフ指数を算出する信号解析部及びウェ
ーブレット係数を算出する信号解析部の少なくとも１つ
を、周波数分析をする信号解析部，時系列信号の最大値
や最小値を算出する信号解析部等に加えて備えることは
望ましく、これらの結果を診断結果導出手段に備えた複
数の情報処理手段のそれぞれに適切に取捨選択して用い
ることにより、より多面的なデータ解析が可能となり、
診断結果の定量性も高まる。
【００１３】また正常データ格納データベースの内容を
入力し、これを適当なサイズに圧縮する内容更新手段を
備えることにより、データベースのサイズを適正な規模
に保つことができる。
【００１４】
【作用】診断結果導出手段に動的故障診断部と静的故障
診断部を設けたことにより、前者により制御対象の応答
性の変化や将来の特性変動等の検出ができ、後者により
センサの経年変化や制御対象の出力のレベル変化が高精
度に診断でき、同時に故障部位も特定できる。これらに
より診断結果を定量化できる。
【００１５】データ解析手段に備えられたフラクタル次
元を算出する信号解析部は、時系列データの自己相似性
を定量化し、照合手段により正常時の値と一致している
かどうかを判定する。一般にフラクタル次元の上昇は、
制御対象の動作のランダム性が大きくなりつつあること
を意味し、制御対象が圧延システムの場合を例にすれ
ば、板厚や板の張力変動が近い将来、許容値を逸脱する
可能性を示している。また値が通常時より小さい状態が
続いた場合、センサの追従特性低下等の理由により、検
出された信号がなまっている可能性が高い。時系列デー
タのフラクタル次元を算出することにより、上記したよ
うな制御システムの不具合が検出可能となる。
【００１６】同様にリアプノフ指数を算出する信号解析
部は、時系列データの安定性を定量化する。制御対象が
安定に推移している時、時系列データから算出したリア
プノフ指数は０または負の値である。したがって、これ
が正の値になることを検出することにより、制御対象が
不安定な状態になっていることを検知できる。制御対象
が圧延システムの場合であれば、同様に板厚や板の張力
変動が近い将来、許容値を逸脱する可能性を示してお
り、正の大きな値である場合や正の値が継続する場合
は、板破断に至る恐れがあることを示している。
【００１７】ウェーブレット指数を算出する信号解析部
は、時系列データをその周波数成分と時間成分を再現し
た形で圧縮する。したがって、正常時の指数に対応した
ベクトルと診断データから算出した指数のベクトルとを
照合することにより、制御システムの時間領域における
応答と周波数伝達特性が正常時と異なっている度合いを
定量化できる。したがって、これらに起因した異常を抽
出できる。
【００１８】さらに内容更新手段は、正常データ格納デ
ータベースの内容を入力とし、これを適当なサイズに量
子化し、量子化結果を正常データ格納データベースに出
力する。あるいは、これにより、制御システムが正常に
稼働している時のデータが時間の経過とともに膨大とな
っても、正常データ格納データベースに蓄えられている
データのサイズを、常時、適正な規模に保つことができ
る。
【００１９】
【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。
【００２０】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１２０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等の
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１２０，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は通信インタフェース１０１，デー
タ解析手段１０２，正常データ格納データベース１０
３，内容更新手段１０４，照合手段１０５，診断結論導
出手段１０６，表示データ生成手段１０７，オペレータ
操作ガイド手段１０８，操業条件変更手段１０９，出力
手段１１０及び入力手段１１１からなっている。
【００２１】まず装置全体の動作を簡単に説明する。
【００２２】通信インタフェース１０１は、ネットワー
ク１２０を介して得た信号をデータ解析手段１０２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１２０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、正常データを蓄えていく正常データ
格納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とがある。
【００２３】まず正常データ格納データベース構築モー
ドの動作を説明する。制御システムの良好な稼働時、デ
ータ解析手段１０２は通信インタフェース１０１から得
たデータに対して、後述する解析手法を適用し、その結
果を正常データ格納データベース１０３に出力する。同
様に正常データ格納データベース１０３には、通信イン
タフェース１０１を介して制御対象１５０やコントロー
ラ１３１〜１３３から直接取り込んだデータも必要に応
じて格納される。内容更新手段１０４は、必要に応じて
正常データ格納データベース１０３の内容を、情報喪失
を最小化することに配慮しつつ圧縮する。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。同様に内容更新手段１０４は、必要
に応じて通信インタフェース１０１を介して制御対象１
５０やコントローラ１３１〜133から直接取り込んだデ
ータを対象にベクトル量子化アルゴリズムを適用し、量
子化されたデータを正常データ格納データベース１０３
に出力する。
【００２４】次に診断モードの動作を説明する。診断モ
ードにおいて、データ解析手段102は解析結果を照合手
段１０５に出力する。照合手段１０５は、入力された解
析結果を正常データ格納データベースと照合し、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、診
断結論導出手段１０６に出力する。照合手段１０５は、
解析結果を複数の入力のそれぞれについて個別に正常デ
ータ格納データベース１０３の対応する内容と照合する
第１の照合部１６１と、複数の入力を用いて算出される
統計量である相互相関等の値を、正常データ格納データ
ベース１０３の内容と比較する第２の照合部１６２とか
ら構成される。
【００２５】診断結論導出手段１０６は、入力された情
報を基に制御システムの診断に関する結論を導く。具体
的には、第１の照合部１６１の照合結果を基に、制御対
象１５０のダイナミクスや応答特性の変化やコントロー
ラ１３１〜１３３が実行している制御系の不安定性等の
動的故障を診断する動的故障診断部１６３と、第２の照
合部１６２の照合結果を基に、センサの経年変化や入力
レベル変化に代表される静的故障の診断を行う静的故障
診断部１６３とからなる。導かれた診断結果は、表示デ
ータ生成手段１０７により、ディスプレイ等で構成され
る出力手段１１２で表示可能なデータに変換された後、
出力手段１１２に出力され、その内容をユーザに報知さ
れる。あるいはオペレータ操作ガイド手段１０８が、診
断結果からオペレータが行うべき操作を決定し、決定さ
れた操作を出力手段１１２に表示する。さらに操業条件
変更手段１１０が、診断の内容に応じて制御系の構成や
生産ラインのスケジューリングを変更し、その結果を通
信インタフェース101,ネットワーク１２０を介してコン
トローラ１３１〜１３３に指示することもできる。
【００２６】次に各部の動作を詳細に説明する。
【００２７】図２にデータ解析手段１０２の構成を示
す。データ解析手段１０２は第１の信号解析部２０１〜
第ｎの信号解析部２０３と、解析結果出力手段２０４か
らなる。第１の信号解析部２０１〜第ｎの信号解析部２
０３は、通信インタフェース１０１から得た信号に対し
て信号解析を行う。解析結果出力手段２０４は、入力手
段１１１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のモードが正常データ格納デ
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、正常データ格納データベース構築モードの場合に
は、各解析結果を正常データ格納データベース１０３に
出力する。また診断モードの場合には照合手段１０５に
出力する。制御システムの診断・解析装置１００が、正
常データ格納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も考えられる。すなわち診断を行
いながら、正常データを蓄え、徐々に正常データ格納デ
ータベース１０３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形で制御システムの診断・解析装置
１００が用いられる場合には、解析結果出力手段204は
各解析結果を正常データ格納データベース１０３と照合
手段１０５の両方に出力する。
【００２８】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、
【００２９】
【数１】 Ｘ1，Ｘ2，Ｘ3，……，Ｘj，……ＸN …（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とし、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ＸkiとＸk(i-1)の差
分の絶対値を計算し、得られた値を１〜Ｎの全域に渡っ
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、
【００３０】
【数２】 Ｄ(１)＝｜Ｘ2−Ｘ1｜＋｜Ｘ3−Ｘ2｜＋……＋｜ＸN−ＸN-1｜ …（数２） のように足し合わせればよいし、ｋ＝２であれば、
【００３１】
【数３】 Ｄ(２)＝｜Ｘ3−Ｘ2｜＋｜Ｘ5−Ｘ3｜＋……＋｜ＸN−ＸN-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、
【００３２】
【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−II，Ｎ
o.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＝２
０，ｋ＝７のとき、
【００３３】
【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、
【００３４】
【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。
【００３５】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ｘ
1〜ｘn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２０４へ出力する。
【００３６】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Ψjk(ｔ)の線
形結合で近似する。αjkは各基底関数Ψjk(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。
【００３７】
【数７】
【００３８】Ψ(ｔ)としては種々のものが考えられる
が、ハール基底と呼ばれる不連続関数を用いると、
【００３９】
【数８】
【００４０】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ａjk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〜ｘn
を入力され、ａ11〜ａnm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。
【００４１】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、
【００４２】
【数９】 ＸN＝(ｘN,ｘN-τ,……,ｘN-jτ,……,ｘN-(m-1)τ） ＸN-1＝(ｘ(N-1),ｘ(N-1)-τ,……,ｘ(N-1)-jτ,……,ｘ(N-1)-(m-1)τ) ＸN-2＝(ｘ(N-2),ｘ(N-2)-τ,……,ｘ(N-2)-jτ,……,ｘ(N-2)-(m-1)τ） ： ： ： Ｘt＝(ｘt,ｘt-τ,……,ｘt-jτ,……,ｘt-(m-1)τ） ： ： Ｘn＝(ｘn,ｘn-τ,……,ｘn-jτ,……,ｘn-(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(Ｘt）を算出す
る。すなわち再構成ベクトル、
【００４３】
【数１０】 Ｘt＝(ξt，ξt-τ，……，ξt-jτ，……，ξt-(m-1)τ） …（数１０） を、
【００４４】
【数１１】 Ｘt+1＝(ξt+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Ｆtと定義する。このときＸtの
微小変位をδＸt とし、テーラー展開を用いた線形近似
により、
【００４５】
【数１２】 δＸt+1＝ＤＦ(Ｘt)δＸt …（数１２） が得られる。ここでＤＦ(Ｘt)は、ＸtにおけるＦt のヤ
コビ行列を表す。すなわちＦt の第ｉ成分をＦi ，Ｘt
の第ｊ成分をＸj(＝ξt−ｊτ）とおくと、
【００４６】
【数１３】 ＤＦij＝(δＦi／δＸj） …（数１３） である。次にＳ７−３で、
【００４７】
【数１４】 ＤＦN＝ＤＦ(ｘN-1）ＤＦ(ｘN-2）……ＤＦ(ｘ0） …（数１４） によりＤＦＮを計算する。Ｓ５−４では、行列ＤＦN の
固有値σi(Ｎ）を用いて、
【００４８】
【数１５】 λi＝lim(１／Ｎ)log｜σi(Ｎ)｜ …（数１５） を算出し、λi 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Ｆt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（１９８
５）に記載されている。
【００４９】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
〜ｘnを入力され、λi 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。
【００５０】図９に、正常データ格納手段１０３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、データ解析手段１０２からの出力値および通信イン
タフェース１０１から取り込んだ値が、例えば図のよう
に蓄えられている。内容としては、生データの他に、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、データ解析手段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。
【００５１】図１０に、内容更新手段１０４の構成を示
す。内容更新手段１０４は、正常データ格納データベー
ス１０３を情報の喪失を最小化した形で定められたサイ
ズに圧縮する処理を行う。ここでは一例として、量子化
ネットワーク１００１と量子化アルゴリズム１００２か
らなる場合の実施例を示す。本実施例では、図９に示し
た正常データ格納データベース１０３の絶対値の項目に
蓄えられているＭ個のデータを、これらを良好に代表す
るｐ個のデータ（ｐ＜Ｍ）に量子化する場合を例に説明
する。量子化ネットワーク１００１は１〜ｎの入力を取
り込む入力ニューロン１００５および定数を出力するし
きい値ニューロン１００６からなる入力層１００３と、
ｐ個の量子化ニューロン１００７からなる量子化ニュー
ロン層１００４、さらに入力層１００３と量子化ニュー
ロン層１００４の間で信号を伝達するシナプス１００８
により構成される。入力ニューロン１００５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１００
７は結合しているシナプス１００８のシナプス荷重の値
Ｗijに従って、次式に示す演算を行った結果を出力す
る。
【００５２】
【数１６】
【００５３】量子化アルゴリズム１００２は、入力を次
々と量子化ネットワーク１００１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。
【００５４】図１１に量子化アルゴリズム１００２が実
行するアルゴリズムを示す。まずＳ１１−１で、正常デ
ータ格納データベース１０３からデータを抽出し、量子
化ネットワーク１００１に入力する。図９の絶対値を圧
縮する場合であれば、（０.１５８４，０.２６８１，
０.６９５１,……,０.２５４４），(０.０３６９，０.
３２８１，０.５５７７，……，０.９８５２)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１００７について（数１６）に基づいた演算
を行い、出力値Ｏ1〜Ｏpを算出する。Ｓ１１−３で、Ｏ
1〜ＯNのうち値が最大のものを検出する。仮にＯj が最
大であったとすると、量子化ニューロンｊと入力層１０
０３のニューロンを結ぶシナプスの荷重Ｗ1j〜Ｗn+1・j
を更新する。入力ニューロン１００５に対応したシナプ
ス荷重であるＷ1j〜Ｗnjに関しては（数１７）により、
またしきい値ニューロン１００６に対応したシナプス荷
重Ｗn+1・jに関しては（数１８）により、新しい値が計
算される。
【００５５】
【数１７】
【００５６】
【数１８】
【００５７】ただし、Ｗij，Ｗn+1・j 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
プス荷重の値であり、αは定数である。
【００５８】シナプス荷重の更新式は、ベクトル
（Ｗ1j，……，Ｗnj）とベクトル（Ｉ1，……，Ｉn ）
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。Ｓ１１−５で処理の終了を判定する。終了
はＳ１１−１〜Ｓ１１−４を一定回数繰り返したことで
判定してもよいが、正常データ格納データベース１０３
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Ｓ１１−１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。
【００５９】以上の処理が終了すると、正常データ格納
データベース１０３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Ｓ１１−６で、ｐ個の量子化ニ
ューロンに対応したシナプス荷重、
【００６０】
【数１９】 （Ｗ11，Ｗ21，……，Ｗn1） （Ｗ12，Ｗ22，……，Ｗn12） ： ： （Ｗ1p，Ｗ2p，……，Ｗnp） …（数１９） を、正常データ格納データベース１０３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。
【００６１】本実施例で内容更新手段１０４は、正常デ
ータ格納データベース１０３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、正常データ格
納データベース１０３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、量子化結果を正常デー
タ格納データベース１０３に出力し、内容を逐次更新す
る方法でも良い。
【００６２】図１２に照合手段１０５が実行するアルゴ
リズムを示す。
【００６３】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。まず動的故障診断部１６３に出力
する照合結果を算出する第１の照合部１６１が実行する
アルゴリズムを示す。また動的故障診断部１６３で必要
とされる照合結果が、絶対値，フラクタル次元，ウェー
ブレット係数，リアプノフ指数，周波数成分等である場
合について示す。最初にＳ１２−１で、データ解析手段
１０２から解析結果を取り込む。Ｓ１２−２で、解析結
果のそれぞれをパラメータ毎に正常データ格納データベ
ース１０３の内容と照合し、正常データと一致していな
いパラメータを特定する。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、正常デ
ータ格納データベース１０３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，……，ａm）、正常データ格納データベ
ース１０３の中で診断データと最も類似のデータが
(ｂ1，ｂ2，……，ｂm）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。
【００６４】
【数２０】 Ｒ＝１／(ａ1−ｂ1)2＋(ａ2−ｂ2)2＋……（ａm−ｂm)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。フラクタル次元や
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。
Ｓ１２−３で、診断結果を診断結論導出手段１０６に出
力する。
【００６５】図１３に、この場合の照合手段１０５の入
出力信号を示す。照合手段１０５に含まれる第１の照合
部１６１は、データ解析手段１０２および通信インタフ
ェース１０１から直接取り込んだ診断データを入力さ
れ、正常データ格納データベース１０３の内容と照合し
た後、図に示すような診断結果を、診断結論導出手段１
０６へ出力する。図の場合では、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。
【００６６】図１４に照合手段１０５に含まれる第２の
照合部１６２で、静的故障診断部１６４に出力する照合
結果を算出する場合の例について示す。第２の照合部16
2は複数の入力相互の異常度に対応する値が算出される
が、本実施例では、各入力の値を直接用いて、照合結果
（以下、異常度）を定量化する例を示す。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、この値は以下のアルゴリズムで定量化する。まずＳ
１４−１で、データ解析手段１０２を介して、各入力値
を取り込む。次にＳ１４−２で、入力のペア毎に値を正
常データ格納データベース１０３の対応するペアのデー
タと照合する。正常データ格納データベース１０３に
は、正常時の各状態における入力の絶対値が複数蓄えら
れている。Ｓ１４−３では、これらの中で、各入力のペ
アに最も類似のペアを抽出する。Ｓ１４−４で抽出され
たペアと入力されたペアの距離を基に、センサ出力の異
常度を検出する。入力１と２のペアの値を（Ｘ，Ｙ）と
し、正常データ格納データベース１０３に含まれる
（Ｘ，Ｙ）に最も類似のペアを（Ｗx，Ｗy）とすると、
異常度Ｕの値はたとえば（数２１）で計算できる。
【００６７】
【数２１】 Ｕ＝ｆ｛(Ｘ−Ｗx)2＋（Ｙ−Ｗy)2−β｝ …（数２１） ただし ｆ(ｘ)＝ｘ （ｘ≧０） ０ （ｘ＜０） ここでβはオフセット値で、（Ｘ，Ｙ）が（Ｗx，Ｗy）
から半径βの内側にあるときＵは０となり、入力１と２
は互いを正常と判定する。（Ｘ，Ｙ）が（Ｗx,Ｗy ）か
ら半径βの外側にあるときは、Ｕは（Ｘ，Ｙ）と
（Ｗx，Ｗy）の距離に応じた値になり、Ｕが大きいほど
互いを異常と判定する度合いが大きいことに対応する。
Ｓ１４−５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Ｓ１４−２〜Ｓ１４−４の処理を繰り返す。図１４
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する。図１５に、この場合の
照合手段１０５の入出力信号を示す。照合手段１０５に
含まれる第２の照合部１６２は、通信インタフェース１
０１から直接取り込んだ診断データを入力され、正常デ
ータ格納データベース１０３の内容と照合した後、図に
示すような診断結果を、診断結論導出手段１０６へ出力
する。図の場合では、入力１と２の間の関係は正常であ
るが、入力１と３の関係が正常時と異なっていることを
示している。この結果は、入力１と入力３のいずれかに
異常が生じている可能性を示している。
【００６８】図１６に診断結論導出手段１０６の動的故
障診断部１６３が、ルールベースの処理で結論を導出す
る場合の実施例を示す。診断結論導出手段１０６は、推
論部１６０１と診断結論導出ルール１６０２から構成さ
れる。推論部１６０１はパス１において、照合手段１０
５で得られた診断結果を入力され、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１６０２
の該当するＩＦ部を検索する。図の場合には、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。パス３で推論部１６０１
は推論結果を導き、パス４で診断の結論を出力する。結
論は制御システムの診断・解析装置100が適用される対
象によって、“化学反応速度が臨界値を超える恐れあ
り”（化学プラントを診断する場合）、“ガス爆発の危
険あり”（ガス生成プラントを診断する場合）等、種々
考えられる。この他に、診断データのフラクタル次元の
値が正常時より低下していることをもって、対応するセ
ンサの応答性低下を結論したり、ウェーブレット指数の
値の変化から突発的で非周期の入力変動を検出し、これ
を基に圧延材の噛み込み不良を診断結論としたり、プラ
ントの局所的ないたみを結論することも考えられる。
【００６９】診断の結論は、表示データ生成手段１０
７，オペレータ操作ガイド手段１０８，操業条件変更手
段１０９に送られる。表示データ生成手段１０７では、
診断の結論をディスプレイ等で構成される出力手段１１
０で表示できるデータに変換し、出力手段１１０で結果
を表示する。
【００７０】次に診断結論導出手段１０６の静的故障診
断部１６４が、免疫処理により故障状態にある入力の特
定を行う場合の実施例を示す。免疫処理は、各入力相互
の関係を基に、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。
【００７１】図１７に、この場合の静的故障診断部１６
４の構成を示す。本実施例において診断結論導出手段１
０６は、診断ネットワーク１７０１と診断アルゴリズム
1702から構成される。診断ネットワーク１７０１は、各
入力に対応したユニット1703と、各ユニットを結合する
シナプス１７０４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Ｒｋ＝
１，異常な値を出力している状態をＲk ＝０と定義す
る。さらにシナプスに割付けられたωijは入力ｉと入力
ｊのペアに対応した異常度Ｕを基に、たとえば（数２
２）で計算される。
【００７２】
【数２２】
【００７３】（数２２）に従った演算によると、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ωijは１であり、異常度の大きさに従ってωijは
減少する。異常度がある一定値より大きい場合はωij＝
−１の飽和した値となる。図１７において、図１５で入
力のペアとして正常データ格納データベース１０３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のシナプスは省略
するか、ωij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。
【００７４】図１８に診断アルゴリズム１７０２が行う
処理を示す。まずＳ１８−１で、第２の照合部１６２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、（数２２）に従ってωijを算出し、各シナプスに割
り当てる。次にＳ１８−２でユニットのＲｋ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Ｒi＝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。Ｓ１８−３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（数２３）で計算でき
る。
【００７５】
【数２３】
【００７６】Ｓ１８−３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２３）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。Ｓ１８−４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。Ｓ１８−４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、Ｓ１８−３の処理を
繰り返す。ネットワークが収れんした後、Ｓ１８−５で
診断の結論を出力する。ユニットの値の更新方法として
は（数２３)による方法の他にこれと等価な処理とし
て、(数２４）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。
【００７７】
【数２４】
【００７８】すなわちユニットｉを抽出して（数２４）
を計算し、Ｅ+(ｉ）が正であればＲi ＝１（ユニットｉ
は正常）、Ｅ+(ｉ）が負であればＲi ＝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。
【００７９】静的故障診断部１６４で図１８のアルゴリ
ズムが収れんした状態で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Ｒi＝１のユニッ
トに対応した入力は正常、Ｒi＝０に対応した入力は異
常と診断される。本実施例ではＲi 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、Ｒi を０〜１の連続的な値とし、相対的なＲi
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。ま
た静的故障診断部１６４を実現するその他の手法とし
て、動的故障診断部２６３を実現したのと同様にルール
ベース処理で行うことも考えられる。
【００８０】診断結論導出手段１０６の診断結果は、出
力手段１１０によりユーザに報知される。報知される内
容としては、出力手段１１０がディスプレイの場合に
は、異常のあるなし、異常を発生している入力番号等が
考えられる。また出力手段110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。入力異常の検出は、必要に応じて操業条件の変更に
反映される。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、通信インタフェース１０
１を介してコントローラ１３１〜１３３に出力される。
【００８１】以上述べた動的故障診断部１６３と静的故
障診断部１６４を併設した構成により、制御システムの
診断・解析装置１００は多様な解析を行えるとともに、
診断のために得た情報を最大限活用した結論の導出が可
能となる。
【００８２】図１９にオペレータ操作ガイド手段１０８
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１０８は、ガイダンス導出手段１９０１とオペレー
タ操作ルール１９０２からなる。ガイダンス導出手段１
９０１は、パス１において診断の結論を入力され、パス
２でオペレータ操作ルール１９０２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１９０１はガイダンス結果を導
き、パス４でこれを出力手段１１０に出力する。出力手
段１１０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。
【００８３】図２０に操業条件変更手段１０９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１０
９は、操業条件変更内容決定手段２００１と操業継続運
転ルール２００２からなる。操業条件変更内容決定手段
２００１は、パス１において診断結論導出手段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
２００２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２００１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１１０に出力する。通信インター
フェース１０１はネットワーク１２０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１１０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。
【００８４】本実施例では、診断結論導出手段１０６に
おける動的故障診断部１６３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
とし、診断の結論を出力とする多層ニューラルネット等
の手法で構成することもできる。同様にオペレータ操作
ガイド手段１０８と操業条件変更手段１０９を、診断の
結論を入力とし、オペレータの操作内容と操業条件の変
更内容を出力とする多層ニューラルネットで構成しても
よい。
【００８５】また本実施例では正常データ格納データベ
ース１０３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
111からユーザが入力する構成としてもよい。また正常
データ格納データベース103の内容の一部を入力手段１
１１を用いてユーザが修正する構成にもできる。
【００８６】
【発明の効果】本発明によれば、まず診断の結論導出を
静的故障と動的故障に分離して行うことにより、故障の
原因が、制御対象のダイナミクスの変化や状態の不安定
性等の動的故障によるものなのか、センサの経年変化や
入力値のレベル変化のように静的故障によるものなのか
を特定することが可能となり、より定量的な診断結果を
得ることが可能となる。さらに静的故障を診断する手段
として、免疫処理を実行するアルゴリズムを備えること
で、静的故障の故障部位の特定に関しても、これを行う
ことができる。
【００８７】さらに診断のためのデータを生成するデー
タ解析手段に、信号解析手段を複数備えたことで、多様
な信号解析が可能となる。とりわけ信号解析手段の内容
として、プラントから得た時系列信号のフラクタル次元
を算出する信号解析部とリアプノフ指数を算出する信号
解析部及びウェーブレット係数を算出する信号解析部の
少なくとも１つを、周波数分析をする信号解析部、時系
列信号の最大値や最小値を算出する信号解析部等に加え
て備えることにより、圧延プラントへの適用を例にする
と、板厚や板の張力変動が、近い将来、許容値を逸脱す
る可能性やセンサの追従特性低下、さらに板破断の危険
性を診断できる。さらにプラントの時間領域における応
答と周波数伝達特性の正常時からの隔たりを定量化で
き、これらに起因した異常を抽出できる。
【００８８】さらに正常データ格納データベースの内容
を、情報の喪失を最小化した形で圧縮する内容更新手段
を備えたことにより、データベースのサイズを適正な規
模に保つことができる。
【図面の簡単な説明】
【図１】本発明の実施例を示す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を示す図。
【図４】信号解析部の入出力信号を示す図。
【図５】信号解析部が実行するアルゴリズムを示す図。
【図６】信号解析部の入出力信号を示す図。
【図７】信号解析部が実行するアルゴリズムを示す図。
【図８】信号解析部の入出力信号を示す図。
【図９】正常データ格納データベースの構成図。
【図１０】内容更新手段の構成図。
【図１１】量子化アルゴリズムの処理内容図。
【図１２】照合手段の処理アルゴリズムを示す図。
【図１３】照合手段の入出力信号を示す図。
【図１４】照合手段の処理アルゴリズムを示す図。
【図１５】正常データ格納データベースの構成図。
【図１６】診断結論導出手段の入出力信号を示す図。
【図１７】診断結論導出手段で免疫処理を実行する場合
の構成図。
【図１８】免疫ネットワークによる診断アルゴリズムを
示す図。
【図１９】オペレータ操作ガイド手段の構成図。
【図２０】操業条件変更手段の構成図。
【符号の説明】
１００…制御システムの診断・解析装置、１０２…デー
タ解析手段、１０３…正常データ格納データベース、１
０４…内容更新手段、１０５…照合手段、106…診断結
論導出手段、１０８…オペレータ操作ガイド手段、１０
９…操業条件変更手段、１１０…出力手段、１１１…入
力手段、１５０…制御対象、１６１…第１の照合部、１
６２…第２の照合部、１６３…動的故障診断部、１６４
…静的故障診断部、１００１…量子化ネットワーク、１
００２…量子化アルゴリズム、１６０２…診断結論導出
ルール、１７０１…診断ネットワーク、１７０２…診断
アルゴリズム、１９０２…オペレータ操作ルール、２０
０２…操業継続運転ルール。
───────────────────────────────────────────────────── フロントページの続き (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 斉藤 裕 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 (16)

    【特許請求の範囲】
  1. 【請求項１】制御システムが正常に動作している時にこ
    れから検出した入力データを蓄える正常データ格納デー
    タベースと，該制御システムから取り込んだ診断データ
    を該正常データ格納データベースの内容と照合する照合
    手段と，照合した結果を基に該制御システムの異常を判
    定する診断結論導出手段を備えた制御システムの診断・
    解析装置において、 該照合手段は、該診断データを各入力毎に該正常データ
    格納データベースの内容と照合する第１の照合部と，複
    数の入力に対応したデータを一括して該正常データ格納
    データベースの内容と照合する第２の照合部とを備え、 該診断結論導出手段は、前記第１の照合部から得られた
    両者の不一致の度合いを基に、応答特性の変化や制御系
    の不安定性の度合いに代表される動的故障を診断する動
    的故障診断部と、前記第２の照合部から得られた入力相
    互の関係の変化の度合いを基に、センサの経年変化や入
    力のレベル変化に代表される静的故障を診断する静的故
    障診断部と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。
  2. 【請求項２】前記診断結論導出手段は、照合結果と診断
    結論の対応を蓄えた診断結論導出ルールと、該診断結論
    導出ルールを検索して診断結果を導く推論部とを備えた
    ことを特徴とする請求項１記載の制御システムの診断・
    解析装置。
  3. 【請求項３】前記診断結論導出手段は、制御システムか
    らの入力に対応したユニットが、前記第２の照合部の出
    力を用いて各ユニットのペアが互いの動作の異常度を算
    出した結果を荷重値としたシナプスにより結合された診
    断ネットワークを備え、あらかじめ定義された該診断ネ
    ットワークのエネルギーを最小化したときの各ユニット
    の値を用いて各入力の信頼性を算出する免疫診断部を備
    えたことを特徴とする請求項１記載の制御システムの診
    断・解析装置。
  4. 【請求項４】前記診断結論導出手段は、前記診断結論導
    出ルールから診断結論を導く推論部と前記免疫診断部を
    備え、該推論部の処理で前記動的故障を診断し、該免疫
    診断部の処理で前記静的故障を診断することを特徴とす
    る請求項１〜３のいずれかに記載の制御システムの診断
    ・解析装置。
  5. 【請求項５】前記診断結論導出手段の出力と該出力に対
    してオペレータが行うべき操作とを対応付けるオペレー
    タ操作ルールを含み、該オペレータ操作ルールを検索す
    ることにより該診断結論導出手段の出力からオペレータ
    が行うべき操作を決定し表示するオペレータ操作ガイド
    手段を備え、さらに該診断結論導出手段の出力と該出力
    に対応した操業条件の変更内容とを対応付ける操業継続
    運転ルールを含み、該操業継続運転ルールを検索するこ
    とにより該診断結論導出手段の出力から新たな操業条件
    を決定し、決定内容に対応して前記制御装置の処理を変
    更する操業条件変更手段を備えたことを特徴とする請求
    項１〜４項のいずれかに記載の制御システムの診断・解
    析装置。
  6. 【請求項６】前記正常データ格納データベースに格納さ
    れているデータを入力とし、これらを代表する少数のデ
    ータの組み合わせを決定し、該少数のデータの組み合わ
    せを新たに該正常データ格納データベースに格納する内
    容更新手段を備えたことを特徴とする請求項１〜５のい
    ずれかに記載の制御システムの診断・解析装置。
  7. 【請求項７】制御システムから取り込んだ信号を入力と
    し、該信号を量子化することによりこれらを代表する少
    数のデータの組み合わせを決定し、該少数のデータの組
    み合わせを前記正常データ格納データベースに格納する
    内容更新手段を備えたことを特徴とする請求項１〜６の
    いずれかに記載の制御システムの診断・解析装置。
  8. 【請求項８】制御システムから時系列に取り込んだ診断
    データをウェーブレット変換することにより係数ベクト
    ルに変換する信号解析部を備え、該正常データ格納デー
    タベースは該制御システムが正常に動作しているときの
    該係数ベクトルを格納し、該第１の照合部は診断データ
    から算出した係数ベクトルを該正常データ格納データベ
    ースに蓄えられた係数ベクトルと照合し、前記動的故障
    診断部は第１の照合部の出力から得られた不一致の度合
    いを基に該制御システムの動的故障の有無を判定するこ
    とを特徴とする請求項１〜７のいずれかに記載の制御シ
    ステムの診断・解析装置。
  9. 【請求項９】前記第１の照合部は、前記制御システムが
    正常に動作しているときの該係数ベクトルと前記正常デ
    ータ格納データベースに蓄えられた係数ベクトルの空間
    距離を検出し、前記動的故障診断部は、該空間距離があ
    らかじめ定められた値より大きいことをもって該制御シ
    ステムの動的故障の有無を判定することを特徴とする請
    求項８記載の制御システムの診断・解析装置。
  10. 【請求項１０】制御システムから時系列に取り込んだデ
    ータのリアプノフ指数を算出する信号解析部を備え、該
    正常データ格納データベースは該制御システムが正常に
    動作しているときの該リアプノフ指数を格納し、該第１
    の照合部は診断データから算出したリアプノフ指数を該
    正常データ格納データベースに蓄えられたリアプノフ指
    数と照合し、前記動的故障診断部は第１の照合部の出力
    から得られた不一致の度合いを基に該制御システムの動
    的故障の有無を判定することを特徴とする請求項１〜７
    のいずれかに記載の制御システムの診断・解析装置。
  11. 【請求項１１】前記動的故障診断部は前記診断データか
    ら算出したリアプノフ指数が前記正常データ格納データ
    ベースに蓄えられたリアプノフ指数よりも大きな値であ
    ることをもって、前記制御システムに異常の兆候がある
    ことを判定することを特徴とする請求項１０記載の制御
    システムの診断・解析装置。
  12. 【請求項１２】制御システムから時系列に取り込んだデ
    ータのフラクタル次元を算出する信号解析部を備え、該
    第１の照合部は診断データから算出したフラクタル次元
    を該正常データ格納データベースに蓄えられたフラクタ
    ル次元と照合し、前記動的故障診断部は第１の照合部の
    出力から得られた不一致の度合いを基に該制御システム
    の動的故障の有無を判定することを特徴とする請求項１
    〜７のいずれかに記載の制御システムの診断・解析装
    置。
  13. 【請求項１３】前記動的故障診断部は、前記診断データ
    から算出したフラクタル次元の値が前記正常データ格納
    データベースに蓄えられたフラクタル次元よりも大きな
    値であることをもって前記制御システムが不安定な状態
    に遷移する兆候があることを判定し、前記正常データ格
    納データベースに蓄えられたフラクタル次元よりも小さ
    な値であることをもって前記制御システムに備えられた
    センサの応答特性の低下を検出することを特徴とする請
    求項１２記載の制御システムの診断・解析装置。
  14. 【請求項１４】請求項８〜１３に記載の信号解析部を少
    なくとも１つ含む複数の信号解析部を備えたデータ解析
    手段を備え、前記正常データ格納データベースは前記制
    御システムが正常に動作している時の該データ解析手段
    の出力を該複数の信号解析部と対応させて蓄え、前記照
    合手段は診断データから算出した該データ解析手段の出
    力のそれぞれを正常データ格納データベースの対応する
    データと照合し、前記動的故障診断部と静的故障診断部
    は、照合結果のうちあらかじめ定められたものを入力情
    報にして該制御システムの異常の有無や異常箇所を総合
    的に診断することを特徴とする請求項１〜７のいずれか
    に記載の制御システムの診断・解析装置。
  15. 【請求項１５】前記信号解析手段は、請求項８〜１３に
    記載の信号解析部を少なくとも１つ含む複数の信号解析
    部を備え、これ以外に制御システムが正常に動作してい
    る時のデータの周波数成分を算出する信号解析部と平均
    値を算出する信号解析部と最大値および最小値を算出す
    る信号解析部の少なくとも１つを備え、前記正常データ
    格納データベースは前記制御システムが正常に動作して
    いる時の該データ解析手段の出力を該信号解析部と対応
    させて蓄え、前記照合手段は前記診断データから算出し
    た該データ解析手段の出力のそれぞれを正常データ格納
    データベースの対応するデータと照合し、前記動的故障
    診断部と静的故障診断部は、照合結果のうちあらかじめ
    定められたものを入力情報にして該制御システムの異常
    の有無や異常箇所を総合的に診断することを特徴とする
    請求項１４記載の制御システムの診断・解析装置。
  16. 【請求項１６】制御システムが正常に動作している時に
    これから検出した入力データを蓄え、蓄えられた入力デ
    ータと該制御システムから取り込んだ診断データとを各
    入力毎に独立して照合し、照合結果から得られた両者の
    不一致の度合いを基に応答特性の変化や制御系の不安定
    性の度合いに代表される動的故障を診断し、さらに複数
    の入力を一括して該正常データ格納データベースの内容
    と照合し、照合結果から得られた入力相互の関係の変化
    の度合いを基にセンサの経年変化や入力のレベル変化に
    代表される静的故障を診断することを特徴とする制御シ
    ステムの診断・解析方法。
JP19816594A 1994-08-23 1994-08-23 制御システムの診断・解析装置および方法 Expired - Fee Related JP3307095B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP19816594A JP3307095B2 (ja) 1994-08-23 1994-08-23 制御システムの診断・解析装置および方法
TW084104072A TW293888B (ja) 1994-08-23 1995-04-25
KR1019950025521A KR100387170B1 (ko) 1994-08-23 1995-08-19 제어시스템의진단해석장치및방법
CN95116635A CN1140847A (zh) 1994-08-23 1995-08-22 控制系统的诊断解析装置及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP19816594A JP3307095B2 (ja) 1994-08-23 1994-08-23 制御システムの診断・解析装置および方法

Publications (2)

Publication Number Publication Date
JPH0863226A true JPH0863226A (ja) 1996-03-08
JP3307095B2 JP3307095B2 (ja) 2002-07-24

Family

ID=16386552

Family Applications (1)

Application Number Title Priority Date Filing Date
JP19816594A Expired - Fee Related JP3307095B2 (ja) 1994-08-23 1994-08-23 制御システムの診断・解析装置および方法

Country Status (4)

Country Link
JP (1) JP3307095B2 (ja)
KR (1) KR100387170B1 (ja)
CN (1) CN1140847A (ja)
TW (1) TW293888B (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002508540A (ja) * 1998-03-26 2002-03-19 ローズマウント インコーポレイテッド センサ信号内の信号成分を分離するセンサ診断用信号処理技術
EP1363175A1 (de) * 2002-05-17 2003-11-19 Siemens Aktiengesellschaft Automatisierungssystem oder Diagnosegerät für eine oder mehrere Anlagekomponenten sowie Verfahren zu dessen Betrieb
JP2004133596A (ja) * 2002-10-09 2004-04-30 Mitsubishi Heavy Ind Ltd プラント監視システム
CN111160652A (zh) * 2019-12-31 2020-05-15 安徽海螺信息技术工程有限责任公司 一种基于知识感知的设备异常状态综合判断及运维方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
EP1546828A1 (en) * 2002-08-01 2005-06-29 Applied Materials, Inc. Method, system, and medium for handling misrepresentative metrology data within an advanced process control system
CN104634592A (zh) * 2014-12-18 2015-05-20 成都铁安科技有限责任公司 一种列车走行部故障诊断方法及装置
CN105471926B (zh) * 2016-02-19 2019-05-14 王奕曾 基于自律分散系统的诊断数据云模型构建系统
WO2018220663A1 (ja) * 2017-05-29 2018-12-06 三菱電機株式会社 異常判定装置、異常判定方法及び異常判定プログラム
CN112534371A (zh) * 2018-08-12 2021-03-19 斯凯孚人工智能有限公司 优化用于监视工业机器操作的机器学习算法的准确度

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002508540A (ja) * 1998-03-26 2002-03-19 ローズマウント インコーポレイテッド センサ信号内の信号成分を分離するセンサ診断用信号処理技術
EP1363175A1 (de) * 2002-05-17 2003-11-19 Siemens Aktiengesellschaft Automatisierungssystem oder Diagnosegerät für eine oder mehrere Anlagekomponenten sowie Verfahren zu dessen Betrieb
JP2004133596A (ja) * 2002-10-09 2004-04-30 Mitsubishi Heavy Ind Ltd プラント監視システム
CN111160652A (zh) * 2019-12-31 2020-05-15 安徽海螺信息技术工程有限责任公司 一种基于知识感知的设备异常状态综合判断及运维方法

Also Published As

Publication number Publication date
KR960008536A (ko) 1996-03-22
JP3307095B2 (ja) 2002-07-24
TW293888B (ja) 1996-12-21
CN1140847A (zh) 1997-01-22
KR100387170B1 (ko) 2003-08-25

Similar Documents

Publication Publication Date Title
KR0172982B1 (ko) 고장진단장치 및 방법
Lou et al. Bearing fault diagnosis based on wavelet transform and fuzzy inference
CN110929847A (zh) 一种基于深度卷积神经网络的换流变压器故障诊断方法
EP2410312A1 (en) A method for computer-assisted analyzing of a technical system
JP3470457B2 (ja) 制御システムの診断・解析方法および装置
JP3307095B2 (ja) 制御システムの診断・解析装置および方法
Chang et al. Remaining useful life prediction for rolling bearings using multi-layer grid search and LSTM
CN114186379A (zh) 基于回声网络和深度残差神经网络的变压器状态评估方法
JPH11212637A (ja) 予防保全方法及び装置
Kaur et al. Fault detection in power transformers using random neural networks
CN112989976A (zh) 一种基于双深度学习模型的设备故障模式预测方法
Elhaija et al. A novel dataset and lightweight detection system for broken bars induction motors using optimizable neural networks
Köppen-Seliger et al. Neural networks in model-based fault diagnosis
Husari et al. Sensitive inter-tum fault identifcation in induction motors using deep learning based methods
Chow et al. Application of learning theory to an artificial neural network that detects incipient faults in single-phase induction motors
Xing-yu et al. Autoencoder-based fault diagnosis for grinding system
CN115267409A (zh) 一种电力设备故障检测方法、装置及设备
CN112632466B (zh) 一种基于深度双向长短时记忆网络的轴承故障预测方法
Cempel Decomposition of the symptom observation matrix and grey forecasting in vibration condition monitoring of machines
Tran et al. Building Machine learning datasets for oil-immersed service transformer health assessment using Fuzzy logic method
CN114137915A (zh) 一种工业设备的故障诊断方法
CN112883639A (zh) 一种基于机器学习的gis设备寿命预测装置及方法
Ince et al. Improved Domain Adaptation Approach for Bearing Fault Diagnosis
Idé Tensorial change analysis using probabilistic tensor regression
Lan et al. Multifault diagnosis for rolling element bearings based on extreme learning machine

Legal Events

Date Code Title Description
FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080517

Year of fee payment: 6

LAPS Cancellation because of no payment of annual fees