JPS60258609A - プラントの異常診断方法および装置 - Google Patents
プラントの異常診断方法および装置Info
- Publication number
- JPS60258609A JPS60258609A JP59114635A JP11463584A JPS60258609A JP S60258609 A JPS60258609 A JP S60258609A JP 59114635 A JP59114635 A JP 59114635A JP 11463584 A JP11463584 A JP 11463584A JP S60258609 A JPS60258609 A JP S60258609A
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- variation
- diagnosis
- diagnostic
- sum
- 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.)
- Pending
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
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔発明の技術分野〕
本発明はプラントやシステムにおける異常診断にかかり
考にシステムの動特性の変化により診断する方法および
装置に関するものでちる。
考にシステムの動特性の変化により診断する方法および
装置に関するものでちる。
近年グラン）６るいはシステムの大規模化、高性能化に
伴い各種の自動制御が導入されて来た。
伴い各種の自動制御が導入されて来た。
この様なシステムにおいて制御に用いるセ／すのゲイン
の変化、あるいは制御システムの特性劣化によシステム
特性に及ぼす影響は大きい。
の変化、あるいは制御システムの特性劣化によシステム
特性に及ぼす影響は大きい。
従ってこれらの特性変化の軽微の段階にて検知し、修復
作業が出来れば事故を未然に防止できる。
作業が出来れば事故を未然に防止できる。
この様な観点から各種の診断システムが研究され本発明
者は特願昭５７−１５８９２２にて動的な関係式に基づ
く診断方法を提案した。
者は特願昭５７−１５８９２２にて動的な関係式に基づ
く診断方法を提案した。
これら診断法としてシステムの稼動中の診断即ちオンラ
イン診断法を採用するのは勿論として、。
イン診断法を採用するのは勿論として、。
問題点もある。通常用いられる方法はシステムの正常時
のモデル（具体的にはシステム特性を表す状態方程式）
を基に特性変化の検知を行うことでちる。しかし、この
問題点としてはシステムのモデルを診断システムの設計
時に正確に把握し、て置かねばならないことにある。若
し、このモデルと実システムとに差があれば、誤診断と
なって表れる。
のモデル（具体的にはシステム特性を表す状態方程式）
を基に特性変化の検知を行うことでちる。しかし、この
問題点としてはシステムのモデルを診断システムの設計
時に正確に把握し、て置かねばならないことにある。若
し、このモデルと実システムとに差があれば、誤診断と
なって表れる。
特にシステムが非線形のもの等では稼動状況が変化する
に伴いそのモデルも変化するので、何らかの対策を施さ
ねば誤診断を下すという問題がある。
に伴いそのモデルも変化するので、何らかの対策を施さ
ねば誤診断を下すという問題がある。
本発明はシステムの動特性を表すシステムモデルを稼動
中にオンライ／で同定すると共に、そこで得られたシス
テム・モデルの変化よシシステムのパラメータの変化を
オンラインで診断し異常を検知する異常診断方法および
装置を得ることを目的としている。
中にオンライ／で同定すると共に、そこで得られたシス
テム・モデルの変化よシシステムのパラメータの変化を
オンラインで診断し異常を検知する異常診断方法および
装置を得ることを目的としている。
本発明は上記の目的を達成するためにプラントあるいは
システムの制御入力と観測量からそのモデルを一定時間
毎に同定すると共に、その隣接同定値間の変動値よシパ
ラメータ異常を検知し、該変動値よりめた変動ベクトル
と診断候補パラメータのベクトルの関係から異常パラメ
ータを決定し、該異常パラメータの変動量を推定し、該
プラントあるいはシステムの動特性をオンラインで診断
することを特徴としたプラントの異常診断方法および装
置である。
システムの制御入力と観測量からそのモデルを一定時間
毎に同定すると共に、その隣接同定値間の変動値よシパ
ラメータ異常を検知し、該変動値よりめた変動ベクトル
と診断候補パラメータのベクトルの関係から異常パラメ
ータを決定し、該異常パラメータの変動量を推定し、該
プラントあるいはシステムの動特性をオンラインで診断
することを特徴としたプラントの異常診断方法および装
置である。
始めに本発明の基本的な考え方（原理）ＶＣ′）いて説
明する。
明する。
第１図は本発明による診断装置１を診断対象システム２
に適用したときの信号関係を示し、ている。
に適用したときの信号関係を示し、ている。
診断装Ｒ１は対象システム２の制御人力Ｕと状態観測値
Ｙをセンサー等を通じて所定のサンプリングタイムで取
込んでいる。それらの離散値をＵ（功、Ｙ（ｌＡで表す
。ここでｌはサンプリングの各ステップ数を表している
。
Ｙをセンサー等を通じて所定のサンプリングタイムで取
込んでいる。それらの離散値をＵ（功、Ｙ（ｌＡで表す
。ここでｌはサンプリングの各ステップ数を表している
。
１）オンライン同定
対象システムを線形定常系とすると（１）式でそのモデ
ルを表すことができる。なお非線形系の場合は使用点の
近傍でテーラ展開することにょ多線形近似を行えば同様
に扱える。
ルを表すことができる。なお非線形系の場合は使用点の
近傍でテーラ展開することにょ多線形近似を行えば同様
に扱える。
Ｕ（功：制御入力（ｒ次元ベクトル）
Ｘ（ｔ）：状態量 （ｎ次元ベクトル）Ｙ（ロ）：観測
量 （ｎ次元ベクトル）？（ａ：雑音成分 ＦＩＸ（１）とＸ （ｌ＋１）間の関係を規定するｎ行
×ｎ列の行列 Ｇ：Ｕ（＃とＸ （／＋１）間の関係を規定するｎ行×
ｒ列の行列 （１）式で分る様に全状態量が観測出来るとしているが
、これは実システムでは殆ど問題なく実現可能である。
量 （ｎ次元ベクトル）？（ａ：雑音成分 ＦＩＸ（１）とＸ （ｌ＋１）間の関係を規定するｎ行
×ｎ列の行列 Ｇ：Ｕ（＃とＸ （／＋１）間の関係を規定するｎ行×
ｒ列の行列 （１）式で分る様に全状態量が観測出来るとしているが
、これは実システムでは殆ど問題なく実現可能である。
今ここで。
ここでＴ：転置行列を表す。
とすると（１）式はつぎの（３）式に変形出来る。
Ｙ（イ）＝Ａ−Ｚ（ｌｌ−１）＋？（ｌ−１） （３１
（３）式に対し、最小二乗法を適用し、逐次式に変形す
ることにより係数行列人（従ってＦ、Ｇ）を逐次的に同
定する周知の次式が得られる。
（３）式に対し、最小二乗法を適用し、逐次式に変形す
ることにより係数行列人（従ってＦ、Ｇ）を逐次的に同
定する周知の次式が得られる。
初期値 Ａ （０１＝ ０
Ｐ（０） ＝ａｌｌ
但し、ａ：充分大なる正の数
Ｍ：単位行列
αは最小二乗法の時間重み係数を示す。
２）診断と同定との関係
診断と同定のタイミング関係を示したのが第２図である
。即ち診断は一定の時間間隔ＴＤ ごとに実施する。こ
れに対し、同定はとのＴＤ時間内に完了する様サンプリ
ング時間ＴＩを定める。従って同定に必要な（精度を考
えて）ステップ数をＮ３とし診断の為の時間をＴｃ と
すると Ｔｎ ’；） ＴＩ Ｘ Ｎ、 ＋ Ｔ、 （５）の関
係が成立する様、ＴＤＴ■を定めればよい。
。即ち診断は一定の時間間隔ＴＤ ごとに実施する。こ
れに対し、同定はとのＴＤ時間内に完了する様サンプリ
ング時間ＴＩを定める。従って同定に必要な（精度を考
えて）ステップ数をＮ３とし診断の為の時間をＴｃ と
すると Ｔｎ ’；） ＴＩ Ｘ Ｎ、 ＋ Ｔ、 （５）の関
係が成立する様、ＴＤＴ■を定めればよい。
診断はこのようにして同定した係数行列の推定値を用い
てつぎに述べる方法を適用する。
てつぎに述べる方法を適用する。
３）パラメータ変動検知
まず最初に診断候補のパラメータ（例えばセンサのゲイ
ン、増幅器のゲイン等）を予め定めて置く。金板りにｔ
個の診断対象のパラメータを考えるとすると、これを次
式のベクトルで表すことができる。
ン、増幅器のゲイン等）を予め定めて置く。金板りにｔ
個の診断対象のパラメータを考えるとすると、これを次
式のベクトルで表すことができる。
Ｐ ＝ （ＰＩＰ！・・・・・・ ｐｔ ） （ｅ）Ｐ
Ｉ、・・・・・、Ｐｔが個々のパラメータの値を示す。
Ｉ、・・・・・、Ｐｔが個々のパラメータの値を示す。
パラメータ行列Ｐの変動の影響を受けるものを取出して
新しくベクトルＢを構成する。この要素の数を８個とす
る。
新しくベクトルＢを構成する。この要素の数を８個とす
る。
Ｂ （ｋ＋１） ＝ Ｂ（ｋｌ＋νδに：θ＋？ Ｂ
（幻 （７）ここでνはＢの変動を示すベクトル量、
δに；θは変動のタイミングを示すもので１．θ時刻に
変動を生じたとして δに；θ＝１ ｋ二〇 において ＝Ｏｋ〆θ において とする。？Ｂｃｋ−１） ｔｉｔ：雑音成分を示す。
（幻 （７）ここでνはＢの変動を示すベクトル量、
δに；θは変動のタイミングを示すもので１．θ時刻に
変動を生じたとして δに；θ＝１ ｋ二〇 において ＝Ｏｋ〆θ において とする。？Ｂｃｋ−１） ｔｉｔ：雑音成分を示す。
従ってその重み付二乗和によシステップ間での変動を検
知出来る。即ち ６ Ｄ Ｂ ’ｖ二ΔＢ（樽 拳Ｗ・ΔＢ （ｋ） ＋９１
Ｗ：重み行列 とし、検知のしきい値をダとすると １）Ｅ−ンη→に＝θ にて変動らり と判定する。
知出来る。即ち ６ Ｄ Ｂ ’ｖ二ΔＢ（樽 拳Ｗ・ΔＢ （ｋ） ＋９１
Ｗ：重み行列 とし、検知のしきい値をダとすると １）Ｅ−ンη→に＝θ にて変動らり と判定する。
νの推定値ｔは次式で表される。
ν ＝ ΔＢ（の＝Ｂ（θ＋１）−Ｂ（θｌ （ＩＩ４
）変動パラメータの推定 本／ステム係数行列Ｆ、Ｇの正確な値は不明でおるが、
それらの次数、構造、概略値は既知とする。
）変動パラメータの推定 本／ステム係数行列Ｆ、Ｇの正確な値は不明でおるが、
それらの次数、構造、概略値は既知とする。
これらの値を基に前述のベクトルＢに対する各パラメー
タの影響行列Ωを予めめて置く。
タの影響行列Ωを予めめて置く。
Ωの各列ベクトルΩｊ＋””１〜ｔの各要素を座標軸と
するＳ次元のユークリッド空間を考えると第３図に示す
ようにΩ＋＋１”１〜ｔはｔ個のベクトルで表される。
するＳ次元のユークリッド空間を考えると第３図に示す
ようにΩ＋＋１”１〜ｔはｔ個のベクトルで表される。
また０１式でめたνも同様にしてベクトル表示できる。
このようにするとνとΩｉ＋’＝１〜ｔとの間のベクト
ル角度α１ ｉ＝１〜ｔについてその最小なものに相当
するパラメータがめる変動パラメータと推定できる。
ル角度α１ ｉ＝１〜ｔについてその最小なものに相当
するパラメータがめる変動パラメータと推定できる。
αｊ＝ Ｍｉｎ α１→ｊ ・パラメータ変動 峙１＝
＝１〜ｔ またパラメータの変動値の推定値Δ札はにてまる。
＝１〜ｔ またパラメータの変動値の推定値Δ札はにてまる。
以上に述べた演算に基づく診断を行う為には高速の工業
用計算機を使用する。第４図は診断装置１の一実施例の
構成図である。既述した様に診断対称プラント／システ
ムよシ制御量Ｕと観測量Ｙとをリアルタイムで取込み、
一定の時間間隔でシステムモデルの係数行列を同定する
ことともに、その同定結果に対し、この演算を行い診断
する。
用計算機を使用する。第４図は診断装置１の一実施例の
構成図である。既述した様に診断対称プラント／システ
ムよシ制御量Ｕと観測量Ｙとをリアルタイムで取込み、
一定の時間間隔でシステムモデルの係数行列を同定する
ことともに、その同定結果に対し、この演算を行い診断
する。
この為の演算制御内容をフローチャートで示したのが第
５図でおる。準備段階として８１において影響行列、変
動検知のしきい値等を計算機に読込ませて置く。（診断
条件設定および初期入力部１Ｏ１） Ｓ２が係数行列のオンライン同定部である。対象システ
ムよ多制御入力Ｕ（功、観測量Ｙ （ｌ＋を得て前述の
逐次同定式に従ってシステムモデル式〕同定を行い所定
のステップＮｓに達したら同定結果として８６にで記憶
し、同時に同定部を８５１Ｃよりリセットし、最初のス
テップより同定を再開する。（対象のモデルの遂次同定
演算部１０２）同定したモデル式の相隣るステップ間の
変動値より８７（変動二乗和演算部１０３）にて残差二
乗和をめ、この値を８８にて予め与えたしきい値と比較
し、これ以上になると８８，８１０ Ｖｃて異常と判定
する。異常でない場合はこの比較を続ける。
５図でおる。準備段階として８１において影響行列、変
動検知のしきい値等を計算機に読込ませて置く。（診断
条件設定および初期入力部１Ｏ１） Ｓ２が係数行列のオンライン同定部である。対象システ
ムよ多制御入力Ｕ（功、観測量Ｙ （ｌ＋を得て前述の
逐次同定式に従ってシステムモデル式〕同定を行い所定
のステップＮｓに達したら同定結果として８６にで記憶
し、同時に同定部を８５１Ｃよりリセットし、最初のス
テップより同定を再開する。（対象のモデルの遂次同定
演算部１０２）同定したモデル式の相隣るステップ間の
変動値より８７（変動二乗和演算部１０３）にて残差二
乗和をめ、この値を８８にて予め与えたしきい値と比較
し、これ以上になると８８，８１０ Ｖｃて異常と判定
する。異常でない場合はこの比較を続ける。
（パラメータ異常検知部１０４）
異常の場合はつぎｖＣ８１１にて変動パラメータとその
変動値を前述のベクトル関係を用いて推定しく変動ベク
トルのベクトル角度演算部１０５および変動パラメータ
同定部１０６）、その結果を８１２にて表示する。（診
断結果表示部１０７）〔発明の効果〕 以上説明したように本発明によると （ａ） 診断対象のモデルを同定しつつ診断を行なうた
め、診断対象のモデルが正確に把握出来ないシステム、
らるいは非線形特性等のためモデル自身が変化するシス
テムに精度の良い診断を行うことができる。
変動値を前述のベクトル関係を用いて推定しく変動ベク
トルのベクトル角度演算部１０５および変動パラメータ
同定部１０６）、その結果を８１２にて表示する。（診
断結果表示部１０７）〔発明の効果〕 以上説明したように本発明によると （ａ） 診断対象のモデルを同定しつつ診断を行なうた
め、診断対象のモデルが正確に把握出来ないシステム、
らるいは非線形特性等のためモデル自身が変化するシス
テムに精度の良い診断を行うことができる。
ら） 稼動中に異常を発見出来る。
（ｃ） 異常の基であるパラメータを推定出来修復対策
が早期に完了できる。
が早期に完了できる。
（ｄｌ パラメータの変化として、急変なものの変化は
勿論としてゆるやかな変動を示す故障をも検知できる。
勿論としてゆるやかな変動を示す故障をも検知できる。
等の特徴を有した異常診断方法および装置が得られる。
第１図は本発明が適用されるプラントやシステムの診断
装置の概略構成図、第２図はモデル同定と診断との時間
関係を示す図、第３図は異常パラメータを同定する方法
の原理図、第４図は本発明の診断装置の詳細を示した機
能ブロック構成図、第５図は本発明の診断方法を説明す
るためのフローチャートである。 ｌ・・・診断装置 ２・・・診断対象プラント／システム １０１・・・診断条件および初期条件設定部１０２・・
・対象のモデルの遂次同定演算部１０３・・・変動二乗
和演算部 １０４・・パラメータ異常検知部 １０５・・・ベクトル角度演算部 １０６・・異常パラメータ同定部 １０７・・・診断結果表示部 （７３１７）代理人弁理士 則 近 憲 佑 （ほか１
名）第１図 第２図 回走 回走 ★−７２３−−− 第３図 第４図 第５図
装置の概略構成図、第２図はモデル同定と診断との時間
関係を示す図、第３図は異常パラメータを同定する方法
の原理図、第４図は本発明の診断装置の詳細を示した機
能ブロック構成図、第５図は本発明の診断方法を説明す
るためのフローチャートである。 ｌ・・・診断装置 ２・・・診断対象プラント／システム １０１・・・診断条件および初期条件設定部１０２・・
・対象のモデルの遂次同定演算部１０３・・・変動二乗
和演算部 １０４・・パラメータ異常検知部 １０５・・・ベクトル角度演算部 １０６・・異常パラメータ同定部 １０７・・・診断結果表示部 （７３１７）代理人弁理士 則 近 憲 佑 （ほか１
名）第１図 第２図 回走 回走 ★−７２３−−− 第３図 第４図 第５図
Claims (2)
- （１） プラントするいはシステムの制御入力と観測量
からそのモデルを一定時間毎に同定すると共に、その隣
接同定値間の変動値よりパラメータ異常を検知し、該変
動値よりめた変動ベクトルと診断候補パラメータのベク
トルの関係から異常パラメータを決定し、該異常パラメ
ータの変動量を推定することを特徴としたプラントの異
常診断方法０ - （２） プラントあるいはシステムの制御人力Ｕと観測
量Ｙからそのモデルの係数行列人を一定時間毎に同定す
る者賽輯＃与妥遂次同定演算手段と、該遂次同定演算手
段により同定した隣接同定値間の変動値の二乗和ＤＢＶ
を得る変動二乗和演算手段と、診断候補パラメータの診
断条件（影響行列しきい値ｌ）および初期条件を設定す
る診断条件設定手段と、該変動二乗和ＤＢＶと該診断条
件からパラメータの異常を検知するパラメータ異常検知
手段と、該遂次同定演算手段の出力と該診断条件設定手
段の出力と該パラメータ異常検知手段の出力から該診断
候補パラメータの変動ベクトルの角度を得るベクトル角
度演算手段と、該ベクトル角度演算手段の出力から異常
パラメータを決定しその変動量を推定する異常パラメー
タ同定手段と、該異常パラメータ同定手段の出力により
診断の結果を表示する診断結果表示手段を備えたことを
特徴とするプラントの異常診断装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59114635A JPS60258609A (ja) | 1984-06-06 | 1984-06-06 | プラントの異常診断方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59114635A JPS60258609A (ja) | 1984-06-06 | 1984-06-06 | プラントの異常診断方法および装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS60258609A true JPS60258609A (ja) | 1985-12-20 |
Family
ID=14642754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59114635A Pending JPS60258609A (ja) | 1984-06-06 | 1984-06-06 | プラントの異常診断方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS60258609A (ja) |
-
1984
- 1984-06-06 JP JP59114635A patent/JPS60258609A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1416348B1 (en) | Methodology for temporal fault event isolation and identification | |
| US7415328B2 (en) | Hybrid model based fault detection and isolation system | |
| US8417432B2 (en) | Method for calculating confidence on prediction in fault diagnosis systems | |
| JP7340265B2 (ja) | 異常検出装置、異常検出方法、およびプログラム | |
| US7689383B2 (en) | Component health assessment for reconfigurable control | |
| JP2002215231A (ja) | 動作しているシステムの正常性を監視する方法およびシステムの正常性をシステム間で比較する方法 | |
| JP2000259223A (ja) | プラント監視装置 | |
| JPH0625930B2 (ja) | プラント診断装置 | |
| JPH08234832A (ja) | プラント監視診断装置および方法 | |
| EP3866132A1 (en) | Power plant early warning device and method employing multiple prediction model | |
| JPH1195833A (ja) | プラント監視装置 | |
| JP5535954B2 (ja) | 健全性評価装置及びその方法並びにプログラム | |
| JP2010218301A (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
| JPH0793018A (ja) | 動作状態の診断方法及びシステム | |
| An et al. | Detection of process anomalies using an improved statistical learning framework | |
| JP3515300B2 (ja) | プラント状態予測装置 | |
| CN116627116A (zh) | 一种流程工业故障定位方法、系统及电子设备 | |
| JPH022408A (ja) | プラント・機器の診断支援システム | |
| JP2002099319A (ja) | プラント診断装置 | |
| JPS60258609A (ja) | プラントの異常診断方法および装置 | |
| JPH1020925A (ja) | プラント診断装置 | |
| JPS6358508A (ja) | プラントの異常診断方法および装置 | |
| RU2781738C2 (ru) | Способ функционального диагностирования жидкостного ракетного двигателя при огневом испытании | |
| JPH10198420A (ja) | 異常診断方法及びその装置 | |
| JP3923773B2 (ja) | プラント異常事象診断装置とその診断方法、ならびに記録媒体 |