JPS6270914A - プラント診断装置 - Google Patents
プラント診断装置Info
- Publication number
- JPS6270914A JPS6270914A JP60208767A JP20876785A JPS6270914A JP S6270914 A JPS6270914 A JP S6270914A JP 60208767 A JP60208767 A JP 60208767A JP 20876785 A JP20876785 A JP 20876785A JP S6270914 A JPS6270914 A JP S6270914A
- Authority
- JP
- Japan
- Prior art keywords
- plant
- time constant
- residual
- value
- 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
Links
- 238000003745 diagnosis Methods 0.000 claims abstract description 47
- 230000005856 abnormality Effects 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 6
- 238000005314 correlation function Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 abstract description 9
- 238000012360 testing method Methods 0.000 description 33
- 238000010248 power generation Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 8
- 238000005311 autocorrelation function Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- WREGKURFCTUGRC-POYBYMJQSA-N Zalcitabine Chemical compound O=C1N=C(N)C=CN1[C@@H]1O[C@H](CO)CC1 WREGKURFCTUGRC-POYBYMJQSA-N 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 102000052567 Anaphase-Promoting Complex-Cyclosome Apc1 Subunit Human genes 0.000 description 1
- 102100026852 Anaphase-promoting complex subunit CDC26 Human genes 0.000 description 1
- 108091006463 SLC25A24 Proteins 0.000 description 1
- 238000001792 White test Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
- G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (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、発電プラント等のプラントの診断を行なうプ
ラント診断装置に関する。
ラント診断装置に関する。
［発明の技術的背景とその問題点］
近年、発電プラント等のプラントプロセスに対し、各種
のプラント診断手法が検討され、また、それらに関する
研究開発も活溌に行なわれている。
のプラント診断手法が検討され、また、それらに関する
研究開発も活溌に行なわれている。
その１つに本願発明者等の提案によるプラント診断装置
がある（特願昭５８−１０２７３６号参照）。
がある（特願昭５８−１０２７３６号参照）。
これは、診断対象プラントを下式（１）のようにＡＲモ
デルに表現しておき、そこから算出された推定値Ｘ（ｓ
）（ｓはサンプル時刻を示す）と実プラントの値Ｘ（ｓ
）との残差ε （ｓ）を下式（２）により計算し、この
残差ε の白色性を検定することによって、プラントの
異常をとらえようとするものである。
デルに表現しておき、そこから算出された推定値Ｘ（ｓ
）（ｓはサンプル時刻を示す）と実プラントの値Ｘ（ｓ
）との残差ε （ｓ）を下式（２）により計算し、この
残差ε の白色性を検定することによって、プラントの
異常をとらえようとするものである。
ただし、Ｘ（ｓ）：サンプル時刻Ｓにおけるプラント値
の推定値 Ａ ： ＡＲ係数行列 Ｘ（ｓ）：サンプル時刻Ｓにおけるプ 阿：はＡＲモデルの次数 ｅ （ｓ） ＝ Ｘ （ｓ） −Ｘ （ｓ）
−−（２）ただし、 ε （Ｓ）：サンプル時
刻Ｓにおける残差で 前記のプラント診断装置においては、残差ε の白色性
の検定に用いる相関関数φｉｊを下式（３）により求め
ていた。
の推定値 Ａ ： ＡＲ係数行列 Ｘ（ｓ）：サンプル時刻Ｓにおけるプ 阿：はＡＲモデルの次数 ｅ （ｓ） ＝ Ｘ （ｓ） −Ｘ （ｓ）
−−（２）ただし、 ε （Ｓ）：サンプル時
刻Ｓにおける残差で 前記のプラント診断装置においては、残差ε の白色性
の検定に用いる相関関数φｉｊを下式（３）により求め
ていた。
・・・・・・（３）
ただし、ｌ＋ｊ ニブラント値につけられた項目番号
Ｎ：相関関数の計算に使われる
残差のサンプル数
φｉｊ：項目番項目番号口番号ｊに対
する相関関数で、ｉ＝ｊのと
き自己相関関数、ｉ≠ｊのと
き相互相関関数を示す。
上記（３）の式より求められた相関関数φｉｊを用いて
下式（４） ％式％（４） にて定義される白色性検定指標＾Ｌｉｊを求め、 ＡＬ
ｉｊが正規分布Ｎ（０，１）（平均が０、分散が１）に
従うという性質を使い、誤診断レベルに応じてしきい値
ＡＲＬを定めて ｌ ＡＬｉｊ Ｉ ＞ ＡＲＬ
・・・・・・（５）となった時に、残差εｉと残差ｉｊ
は相関があり、白色性ではないという検定を行なってい
た。
下式（４） ％式％（４） にて定義される白色性検定指標＾Ｌｉｊを求め、 ＡＬ
ｉｊが正規分布Ｎ（０，１）（平均が０、分散が１）に
従うという性質を使い、誤診断レベルに応じてしきい値
ＡＲＬを定めて ｌ ＡＬｉｊ Ｉ ＞ ＡＲＬ
・・・・・・（５）となった時に、残差εｉと残差ｉｊ
は相関があり、白色性ではないという検定を行なってい
た。
しかしながら、上記プラント診断装置によれば。
プラントにおける通常の異常や故障の固定は可能となる
ものの相関関数φｉｊを求める（３）式中に、プラント
の動特性に関する時定数の情報が入っていないため、あ
る個所の異常の影響がある時間遅れをもって他の個別に
現れるような診断対象プラントの時定数を考慮した異常
や故障の固定を行なえるまでにはなっていなかった。
ものの相関関数φｉｊを求める（３）式中に、プラント
の動特性に関する時定数の情報が入っていないため、あ
る個所の異常の影響がある時間遅れをもって他の個別に
現れるような診断対象プラントの時定数を考慮した異常
や故障の固定を行なえるまでにはなっていなかった。
［発明の目的］
本発明は、先に提案したプラント診断装置を更に改良し
て時定数を考慮した異常や故障の固定を可能とした。よ
り信頼性の高いプラント診断装置を提供することを目的
とする。
て時定数を考慮した異常や故障の固定を可能とした。よ
り信頼性の高いプラント診断装置を提供することを目的
とする。
［発明の概要コ
このため、本発明では先に提案したプラント診断部に、
時定数決定手段を付加し、プラント診断モデルより、Ａ
Ｒ係数行列Ａを入力し、この値より、１つのプラント値
の変化が、そのプラント値、或いは他のプラント値にど
のように影響していくのかを調べ、最も強く影響してい
る時間（時定数）を求めたうえで、相関関数φｉｊを計
算することとして、診断対象プントの特性に応じた異常
や故障源の同定を行なえるようにしたことを特徴として
いる。
時定数決定手段を付加し、プラント診断モデルより、Ａ
Ｒ係数行列Ａを入力し、この値より、１つのプラント値
の変化が、そのプラント値、或いは他のプラント値にど
のように影響していくのかを調べ、最も強く影響してい
る時間（時定数）を求めたうえで、相関関数φｉｊを計
算することとして、診断対象プントの特性に応じた異常
や故障源の同定を行なえるようにしたことを特徴として
いる。
［発明の実施例］
以下、本発明による時定数決定手段を付加したプラント
診断装置を、図面に示す実施例を参照して説明する。
診断装置を、図面に示す実施例を参照して説明する。
第１図は本発明のプラント診断装置の一実施例に係る全
体の構成図を示し、１１は発電プラント、１２は発電プ
ラント１１よりフィードバックされるプラント状態量を
入力し、発電プラント１１に対し通常のＰＩＤ制御を加
えるアナログ制御装置（以下。
体の構成図を示し、１１は発電プラント、１２は発電プ
ラント１１よりフィードバックされるプラント状態量を
入力し、発電プラント１１に対し通常のＰＩＤ制御を加
えるアナログ制御装置（以下。
ＡＰＣと言う）である。このＡＰＣ１２が発電プラント
１１を制御している状態全体をここでは制御対象１３と
称し、それを自己回帰モデル（以下、ＡＲモデルと言う
）等の数字モデルで表現したのが制御モデル１４である
。
１１を制御している状態全体をここでは制御対象１３と
称し、それを自己回帰モデル（以下、ＡＲモデルと言う
）等の数字モデルで表現したのが制御モデル１４である
。
１５はそのような制御モデルＩ４を用いて発電プラント
１１を最適制御するためのディジタル制御装置（以下、
ＤＤＣと言う）で、ＡＰＣ１２からのフィードバック
信号を入力し、ＡＰＣ１２が発電プラント１１を制御し
ている状態全体をＡＲモデルで表わした制御モデル１４
に基づき、発電プラントを最適状態にするためＡＰＣ１
２出力を補正するものである。
１１を最適制御するためのディジタル制御装置（以下、
ＤＤＣと言う）で、ＡＰＣ１２からのフィードバック
信号を入力し、ＡＰＣ１２が発電プラント１１を制御し
ている状態全体をＡＲモデルで表わした制御モデル１４
に基づき、発電プラントを最適状態にするためＡＰＣ１
２出力を補正するものである。
更に、以上全体部ら発電プラント１１． ＡＰＣ１２、
制御モデル１４、ＤＤＣ１５を含む制御システム全体を
診断対象１９と呼び、これをＡＲモデルで表現したのが
プラント診断モデル２０である。即ち、プラント診断モ
デル２０はＡＰＣ１２、ＤＤＣ１５の両者が発電プラン
ト１１を制御している状態において５例えば付加指令値
を河系列信号等を用いてランダムに変動させ、診断対象
１９を同定して式（１）に示すＡＲモデルに表現したも
のである。また、このプラント診断モデル２０を使って
診断対象１９の異常を診断するのがプラント診断部２１
である。即ち、プラント診断部２１はＡＰＣ１２とＤＤ
Ｃ１５の両者が発電プラント１１に対し出力している操
作信号の総和と発電プラント１１からのフィードバック
信号とをとり入れ、これらの値とプラント診断モデル２
０からの推定値との偏差信号からもとまる残差列の白色
性を検定することにより、故障の発生の有無、故障の影
響で異常になっている個所を検出し、オペレータに知ら
せるものである。
制御モデル１４、ＤＤＣ１５を含む制御システム全体を
診断対象１９と呼び、これをＡＲモデルで表現したのが
プラント診断モデル２０である。即ち、プラント診断モ
デル２０はＡＰＣ１２、ＤＤＣ１５の両者が発電プラン
ト１１を制御している状態において５例えば付加指令値
を河系列信号等を用いてランダムに変動させ、診断対象
１９を同定して式（１）に示すＡＲモデルに表現したも
のである。また、このプラント診断モデル２０を使って
診断対象１９の異常を診断するのがプラント診断部２１
である。即ち、プラント診断部２１はＡＰＣ１２とＤＤ
Ｃ１５の両者が発電プラント１１に対し出力している操
作信号の総和と発電プラント１１からのフィードバック
信号とをとり入れ、これらの値とプラント診断モデル２
０からの推定値との偏差信号からもとまる残差列の白色
性を検定することにより、故障の発生の有無、故障の影
響で異常になっている個所を検出し、オペレータに知ら
せるものである。
以上の構成は、先に提案したプラント診断装置も同様で
あるが、本実施例の場合、プラント診断部２１に時定数
を決定する手段を備え、決定された時定数を考慮して残
差例の白色性を検定するようにした点が先の提案のもの
と異なる。
あるが、本実施例の場合、プラント診断部２１に時定数
を決定する手段を備え、決定された時定数を考慮して残
差例の白色性を検定するようにした点が先の提案のもの
と異なる。
第２図は、プラント診断部２１の詳細構成図を示したも
ので、２１１は残差列計算手段、２１２は残差列白色検
定手段、２１３は時定数決定手段、２１５は異常判定手
段、２１６は故障源決定手段、２１７は警報装置である
。
ので、２１１は残差列計算手段、２１２は残差列白色検
定手段、２１３は時定数決定手段、２１５は異常判定手
段、２１６は故障源決定手段、２１７は警報装置である
。
診断対象１９から今回プラント診断部２１に加えられる
プラント操作信号や状態信号等のプラント信号は、残差
列計算手段２１１からプラント診断モデル２０に入力さ
れ、そこで次回の推定値が演算されて残差列計算手段２
１１に戻される。
プラント操作信号や状態信号等のプラント信号は、残差
列計算手段２１１からプラント診断モデル２０に入力さ
れ、そこで次回の推定値が演算されて残差列計算手段２
１１に戻される。
残差列計算手段２１１はこれらプラント診断モデル２０
からの推定値と診断対象１９からの読み込み値とから、
残差列εｉ（ｉはプラント診断モデルの項目番号）即ち
各プラント量についての推定値と実際値の偏差の時経列
を求めるもので、偏差を求めた後、各項目毎に平均を計
算し、それぞれの偏差値から平均を引いて残差を計算し
、その残差列ｔｉを残差列白色性検定手段２１２に出力
する。
からの推定値と診断対象１９からの読み込み値とから、
残差列εｉ（ｉはプラント診断モデルの項目番号）即ち
各プラント量についての推定値と実際値の偏差の時経列
を求めるもので、偏差を求めた後、各項目毎に平均を計
算し、それぞれの偏差値から平均を引いて残差を計算し
、その残差列ｔｉを残差列白色性検定手段２１２に出力
する。
時定数決定手段２１３は、プラント診断モデル２０より
、（１）式で表わされるＡＲモデルのＡＲモデル係数行
列Ａ（１）、（２）、・・・Ａ （Ｍ）を入力し、プラ
ント値（項目番号ｉ）の変化がプラント値（項目番号ｊ
）の変化に及ぼすインパルス応答ａｉｊ （τ）を次式
（６Ａ） 、 （６Ｂ） 。
、（１）式で表わされるＡＲモデルのＡＲモデル係数行
列Ａ（１）、（２）、・・・Ａ （Ｍ）を入力し、プラ
ント値（項目番号ｉ）の変化がプラント値（項目番号ｊ
）の変化に及ぼすインパルス応答ａｉｊ （τ）を次式
（６Ａ） 、 （６Ｂ） 。
（６Ｃ）によって計算する。
ｉ＃ｊのとき
ａｉｊ（１） ＝Ａｊｉ（１） ・
−・（６Ａ）ｉ＝ｊのとき ａｉｊ（ｔ ）＝Ａｊｉ（ｃ ） ： （ｔ ＝２．３
．−Ｍ） −（６Ｃ）ただし、Ａｊｉ（ｓ） ： ＡＲ
モデル係数行列Ａ（ｓ）の（ｊｗｌ）成分を示す。
−・（６Ａ）ｉ＝ｊのとき ａｉｊ（ｔ ）＝Ａｊｉ（ｃ ） ： （ｔ ＝２．３
．−Ｍ） −（６Ｃ）ただし、Ａｊｉ（ｓ） ： ＡＲ
モデル係数行列Ａ（ｓ）の（ｊｗｌ）成分を示す。
その上で、プラント値（項目番号ｉ）に対するプラント
値（項目番号ｊ）の時定数τｉｊを次の定義により求め
る。
値（項目番号ｊ）の時定数τｉｊを次の定義により求め
る。
τ月＝
（ｔｌｌａｉｊ（ｔ）Ｉ≧Ｉａｉｊ（τす１：τ′≠τ
ｔ （τ＝Ｌ２ｔ”・ｔＭ） ＋ （ｔ″＝１゜′・°
°°・°” １９１１１．（７）即
ち、τｉｊはａｉｊ （１） ｔａｉｊ （２） ＊・
・・・・・ｔａｉｊ（τ）、・・・・・・ｔａｊｊ（Ｍ
）について、その絶対値を最大にするτの値と定義する
。
ｔ （τ＝Ｌ２ｔ”・ｔＭ） ＋ （ｔ″＝１゜′・°
°°・°” １９１１１．（７）即
ち、τｉｊはａｉｊ （１） ｔａｉｊ （２） ＊・
・・・・・ｔａｉｊ（τ）、・・・・・・ｔａｊｊ（Ｍ
）について、その絶対値を最大にするτの値と定義する
。
このようにして求められた時定数τｉｊは１項目番号ｉ
のプラント値が変化した時、項目番号ｊのプラント値に
その影響が最も大きく現われるサンプリング時間巾を示
していると言える。
のプラント値が変化した時、項目番号ｊのプラント値に
その影響が最も大きく現われるサンプリング時間巾を示
していると言える。
例えば、前記（６Ａ）〜（６Ｃ）式によって求められた
ａｉｊが ａｉｊ（１）＝ −３，７５ ａｉｊ（２） ＝ −４，７１ ａｉｊ（３） ＝ ４．０８ ａｉｊ（４） ” ６．１０ ａｉｊ（５）＝ １．２４ ａｉｊ（６）＝ ５．０２ ａｉｊ（７） ＝ ３．０９ ａｉｊ（８）＝−２，８９ と求められたとすると、ａｉｊ（４）が一番絶対値が大
きいから、τ１ｊ＝４と求められる。
ａｉｊが ａｉｊ（１）＝ −３，７５ ａｉｊ（２） ＝ −４，７１ ａｉｊ（３） ＝ ４．０８ ａｉｊ（４） ” ６．１０ ａｉｊ（５）＝ １．２４ ａｉｊ（６）＝ ５．０２ ａｉｊ（７） ＝ ３．０９ ａｉｊ（８）＝−２，８９ と求められたとすると、ａｉｊ（４）が一番絶対値が大
きいから、τ１ｊ＝４と求められる。
このようにして求められた時定数τｉｊは、残差列白色
性検定手段２１２に出力される。
性検定手段２１２に出力される。
残差列白色性検定手段２１２は残差列計算手段２１１よ
り出力される残差列εｉと、時定数決定手段２１３より
出力される時定数τｉｊとを入力とし、残差列の白色性
を検定する指標を計算する。そのため、まず次式（８）
で示す相関関数φＬｊを計算する。
り出力される残差列εｉと、時定数決定手段２１３より
出力される時定数τｉｊとを入力とし、残差列の白色性
を検定する指標を計算する。そのため、まず次式（８）
で示す相関関数φＬｊを計算する。
・・・・・・（８）
ここで、１＋ｊはプラント診断モデルの項目番号を、Ｓ
はサンプリング時点を、Ｎは相関関数を計算するデータ
個数を表わしており、ｉ＝ｊのとき、φｉＪは自己相関
関数を表わしている。
はサンプリング時点を、Ｎは相関関数を計算するデータ
個数を表わしており、ｉ＝ｊのとき、φｉＪは自己相関
関数を表わしている。
次に前記（８）式で求められたφｉｊを下記（９）式の
公知の手段を用いて正規化し、白色性検定指標Ａ Ｌ
ｉ ｊを求める。
公知の手段を用いて正規化し、白色性検定指標Ａ Ｌ
ｉ ｊを求める。
、、 ＩＦ□ １１１１ ・・・・・（９）Ａ
Ｌ１Ｊ＝ ２Ｑｏｇ Ｉ−φｊＪここで、プラント
診断モデルの不確かさは無視できる値としているので診
断対象１９が正常であれば、残差εｉが生じるのは発電
プラント１１に物理的外乱入力が加わったときのみとな
るので、残差列εｉは通常ランダムな値となり白色性を
有するが、診断対象１９に何らかの異常が生じれば残差
列εｉが規則性を有するようになる。この残差列εｉの
規則性を検定する指標となるのが白色性検定指標ＡＱｉ
ｊであり、これは残差列εｉが残差列εｊにかかわって
いる度合を示し、無関係であればＯとなる。また、 Ａ
Ｑｉｉは自己相関関数を表わし、残差列εｉ自身の白色
性検定指標となる。
Ｌ１Ｊ＝ ２Ｑｏｇ Ｉ−φｊＪここで、プラント
診断モデルの不確かさは無視できる値としているので診
断対象１９が正常であれば、残差εｉが生じるのは発電
プラント１１に物理的外乱入力が加わったときのみとな
るので、残差列εｉは通常ランダムな値となり白色性を
有するが、診断対象１９に何らかの異常が生じれば残差
列εｉが規則性を有するようになる。この残差列εｉの
規則性を検定する指標となるのが白色性検定指標ＡＱｉ
ｊであり、これは残差列εｉが残差列εｊにかかわって
いる度合を示し、無関係であればＯとなる。また、 Ａ
Ｑｉｉは自己相関関数を表わし、残差列εｉ自身の白色
性検定指標となる。
異常判定手段２１５は残差列白色性検定手段２１２より
白色性検定指標ＡＱｉｊを入力し、白色性検定指標ＡＱ
ｉｊがある値ＡＲＬより大きくなったとき異常と判定す
る。ある値ＡＲＬは、後述するように誤判定の割合から
決定される。
白色性検定指標ＡＱｉｊを入力し、白色性検定指標ＡＱ
ｉｊがある値ＡＲＬより大きくなったとき異常と判定す
る。ある値ＡＲＬは、後述するように誤判定の割合から
決定される。
故障源決定手段２１６は、残差列白色性検定手段２１２
からの白色性検定指標ＡＱｉｊと異常判定手段２１５か
らの異常個所のプラント状態量および操作量に対応した
番号を入力し、故障源を決定する。特に、自己相関関数
と呼ばれる白色性検定指標Ａａｉｉを故障源決定の指標
としている。
からの白色性検定指標ＡＱｉｊと異常判定手段２１５か
らの異常個所のプラント状態量および操作量に対応した
番号を入力し、故障源を決定する。特に、自己相関関数
と呼ばれる白色性検定指標Ａａｉｉを故障源決定の指標
としている。
警報装置２１７は、異常判定手段２１５と故障源決定手
段２１６からの異常、情報をオペレータに知らせる警報
装置である。
段２１６からの異常、情報をオペレータに知らせる警報
装置である。
以上の構成で、例えば今、第３図に示す火力発電プラン
トを診断対象１９として、そこからプラント診断装置２
２にプラント量として３つの操作量と４つの状態量が入
力される場合について説明する。
トを診断対象１９として、そこからプラント診断装置２
２にプラント量として３つの操作量と４つの状態量が入
力される場合について説明する。
第３図において、ボイラＢＯＩの火炉に設れられたバー
ナには空気ＡＩＲと共に、ポンプＦＩＰを介して燃料Ｆ
Ｒが供給され燃焼される。一方、復水器ＣＯＮで回収さ
れた水は給水ポンプＢＦＰによりボイラＢＯＩ火炉に給
水され、蒸気となって主加熱器ＳＲに供給される。そこ
で、所定の温度、圧力に調節されて高圧タービンＩＩＰ
に供給される。この高圧タービン１１Ｐに回転力を与え
、発電機Ｇを回ねして温度、圧力の低下した蒸気は、再
熱器ＲＨに戻され加温、加圧されて低圧タービンＬＰに
供給される。この低圧タービンＬＰに回転力を与え１発
電機Ｇを回わして温度。
ナには空気ＡＩＲと共に、ポンプＦＩＰを介して燃料Ｆ
Ｒが供給され燃焼される。一方、復水器ＣＯＮで回収さ
れた水は給水ポンプＢＦＰによりボイラＢＯＩ火炉に給
水され、蒸気となって主加熱器ＳＲに供給される。そこ
で、所定の温度、圧力に調節されて高圧タービンＩＩＰ
に供給される。この高圧タービン１１Ｐに回転力を与え
、発電機Ｇを回ねして温度、圧力の低下した蒸気は、再
熱器ＲＨに戻され加温、加圧されて低圧タービンＬＰに
供給される。この低圧タービンＬＰに回転力を与え１発
電機Ｇを回わして温度。
圧力の低下した蒸気は復水器ＣＯＮで復水されて再び給
水ポンプＢＦＰによりボイラへ循環供給される。
水ポンプＢＦＰによりボイラへ循環供給される。
前記３つの操作量は、このような構成の火力発電プラン
トにおける燃料ＦＲの水燃比（項目番号１）、再熱器ガ
スタンパＧＤ（項目番号２）、主加熱器スプレーｓｐ（
項目番号３）とし、４つの状態量は付加指令値ＭＷＤ
（項目番号４）、ＳＨ出口温度ＭＳＴ（項目番号５）、
ＲＨ出口温度ＲＵＴ（項目番号６）、主蒸気圧力ＭＳＰ
（項目番号７）とする。
トにおける燃料ＦＲの水燃比（項目番号１）、再熱器ガ
スタンパＧＤ（項目番号２）、主加熱器スプレーｓｐ（
項目番号３）とし、４つの状態量は付加指令値ＭＷＤ
（項目番号４）、ＳＨ出口温度ＭＳＴ（項目番号５）、
ＲＨ出口温度ＲＵＴ（項目番号６）、主蒸気圧力ＭＳＰ
（項目番号７）とする。
上記７つのプラント量がプラント診断部２１に入力され
ると、残差列計算手段２１１はそれらのプラント量をプ
ラント診断モデル２０に出力すると共に、前回の出力に
応じてプラント診断モデル２０で計算して得られる各プ
ラント量の推定値を取り込み、今回診断対象１９より入
力するプラント量と比較し、各プラント欲の残差列εｉ
を演算し、残差列白色性検定手段２１２に出力する６ また１時定数決定手段２１３は、プラント診断モデル２
０より、ＡＲ係数行列Ａ（１）、Ａ（２）、・・・・・
・Ａ （Ｍ）を入力し、前記（６） （７）式に従って
、時定数でｉｊを計算し、白色性検定手段２１２に出力
する。
ると、残差列計算手段２１１はそれらのプラント量をプ
ラント診断モデル２０に出力すると共に、前回の出力に
応じてプラント診断モデル２０で計算して得られる各プ
ラント量の推定値を取り込み、今回診断対象１９より入
力するプラント量と比較し、各プラント欲の残差列εｉ
を演算し、残差列白色性検定手段２１２に出力する６ また１時定数決定手段２１３は、プラント診断モデル２
０より、ＡＲ係数行列Ａ（１）、Ａ（２）、・・・・・
・Ａ （Ｍ）を入力し、前記（６） （７）式に従って
、時定数でｉｊを計算し、白色性検定手段２１２に出力
する。
残差列白色性検定手段２１２はこれら各残差列ｔｉと、
時定数τｉＪとを取り込み、前記（８） （９）式に基
づいて、各項目相互間の関係と異常、正常を判定するた
めの白色性検定指標Ａｌ１１ｊを計算し、異常判定手段
２１５．故障源決定手段２１６へ出力する。このとき、
実プラントでは実際には起こり得ない異常例えばｒ項目
番号６のＲＨ出口温度が項目番号３のＳＨスプレーに異
常の影響を及ぼす」など、状態量から操作量に対する白
色性検定指標ＡＱ、、等などの計算は予め除外しておく
ことにより、異常検出動作の無駄を省くことができる。
時定数τｉＪとを取り込み、前記（８） （９）式に基
づいて、各項目相互間の関係と異常、正常を判定するた
めの白色性検定指標Ａｌ１１ｊを計算し、異常判定手段
２１５．故障源決定手段２１６へ出力する。このとき、
実プラントでは実際には起こり得ない異常例えばｒ項目
番号６のＲＨ出口温度が項目番号３のＳＨスプレーに異
常の影響を及ぼす」など、状態量から操作量に対する白
色性検定指標ＡＱ、、等などの計算は予め除外しておく
ことにより、異常検出動作の無駄を省くことができる。
更に、７つのプラント量を操作量と状態量とに分類し、
ｉ＝１〜３゜ｊ＝４〜７として白色性検定指標ＡＱｉｊ
を求めれば。
ｉ＝１〜３゜ｊ＝４〜７として白色性検定指標ＡＱｉｊ
を求めれば。
状態量異常となる原因の操作量を簡量に決定することも
できるようになる。
できるようになる。
ここで、プラントが正常であれば、残差列εｉはランダ
ムな値で、無相関な値となり、この時の白色性検定指標
ＡＬｉｊは正規分布（０，１）（平均が０９分散が１の
正規分布）に従う。
ムな値で、無相関な値となり、この時の白色性検定指標
ＡＬｉｊは正規分布（０，１）（平均が０９分散が１の
正規分布）に従う。
そこで、相関があるかどうかを判定する為のしきい値Ａ
ＲＬは、５％の誤診断確立でＡＲＬ ＝ １．９６．１
％の誤診断確立では、ＡＲＬ＝ ２．５６というように
、正規分布表により決めることができる。即ら、ｌ Ａ
Ｌｉｊ ｌ≦ＡＲＬならば、残差に相関は認められない
ということになる。
ＲＬは、５％の誤診断確立でＡＲＬ ＝ １．９６．１
％の誤診断確立では、ＡＲＬ＝ ２．５６というように
、正規分布表により決めることができる。即ら、ｌ Ａ
Ｌｉｊ ｌ≦ＡＲＬならば、残差に相関は認められない
ということになる。
異常判定手段２１５では、前記白色性検定指標ＡＬｉｊ
のうち、自己相関関数を表わすＡＬｉｉを入力し。
のうち、自己相関関数を表わすＡＬｉｉを入力し。
ｌ ＡＬｉｉ ｌ ＞ ＡＲＬ
となっている項目番号ｉを異常と判定する。
次の故障源決定手段２１６では、前記白色性検定指標Ａ
Ｌｉｊのうち、相互相関関数を表わすＡＬｉｊ（ｉ≠ｊ
）及び、異常判定手段２１５によって、異常と判定され
た項目番号ｉを入力し、 ｌ ＡＬｉｊ ｌ ＞ ＡＲＬ で、項目番号１＋ｊともに異常となっている操作量（項
目番号ｉ）、状態量（項目番号ｊ）については、状態量
（項目番号ｊ）の異常は、操作量（項目番号ｉ）の故障
によるものと判定する。
Ｌｉｊのうち、相互相関関数を表わすＡＬｉｊ（ｉ≠ｊ
）及び、異常判定手段２１５によって、異常と判定され
た項目番号ｉを入力し、 ｌ ＡＬｉｊ ｌ ＞ ＡＲＬ で、項目番号１＋ｊともに異常となっている操作量（項
目番号ｉ）、状態量（項目番号ｊ）については、状態量
（項目番号ｊ）の異常は、操作量（項目番号ｉ）の故障
によるものと判定する。
例えば、今、白色性検定手段２１２によって計算された
白色性検定指標ＡＬｉｊが、次表１のようになっている
とし、誤診断確立５％のしきい値がＡＲＬ＝１．９６と
設定されているとすると。
白色性検定指標ＡＬｉｊが、次表１のようになっている
とし、誤診断確立５％のしきい値がＡＲＬ＝１．９６と
設定されているとすると。
（表１） ＡＬｉｊの値
ただし、α：１αｌ＞１．９６であるような値β：１β
１≦１．９６であるような値を示し、必ずしも同じ値を
示している ものではない。
１≦１．９６であるような値を示し、必ずしも同じ値を
示している ものではない。
ｍ：操作量と状態量との関係で計算さ
れていないことを示している。
異常判定手段２１５においては、項目番号２９項目番号
６が異常と判定される。次に、故障源決定手段２１６に
おいては１項目番号６の異常は項目番号２の故障による
ものと判定される。
６が異常と判定される。次に、故障源決定手段２１６に
おいては１項目番号６の異常は項目番号２の故障による
ものと判定される。
これらの結果は、警報装置２１７に出力され、以下に示
す書式で警報装置より出力される。
す書式で警報装置より出力される。
ロコで囲まれている所は、その時の状態によって、変化
する部分である。故障源が決定されていは出力されない
。前記表１の例では。
する部分である。故障源が決定されていは出力されない
。前記表１の例では。
と出力される。ＲＨＴは項目番号６のＲＨ出口温度、Ｇ
Ｄは項目番号２のＲＨガスダンパーを示しており、出力
された時刻が１０：００であることを示している。
Ｄは項目番号２のＲＨガスダンパーを示しており、出力
された時刻が１０：００であることを示している。
このようにして、ＲＨガスタービンＧＤが異常となって
、ある時間遅れを以ってその影響がＲＨ出口温度に現わ
れるような場合も、その異常個所を的確に捉えることが
できるようになる。
、ある時間遅れを以ってその影響がＲＨ出口温度に現わ
れるような場合も、その異常個所を的確に捉えることが
できるようになる。
尚、（１）、上記実施例では火力発電プラントに適用し
た場合を例にとって説明したが、本発明はこれに限らず
各種プラントの異常診断に適用し得ることは言う迄もな
い。
た場合を例にとって説明したが、本発明はこれに限らず
各種プラントの異常診断に適用し得ることは言う迄もな
い。
（２）、プラント診断に使用するプラント状態量を上記
実施例では発電プラントから直接取り込むようにしたが
、これらの状態量はＡＰＣ１２人力としても準備される
ため、ＡＰＣ１２から入力してもよい。
実施例では発電プラントから直接取り込むようにしたが
、これらの状態量はＡＰＣ１２人力としても準備される
ため、ＡＰＣ１２から入力してもよい。
（３）、プラント診断モデルの同定にあたっては、特定
のプラント状態量である負荷指令値をランダムに変動さ
せ、診断対象１９の数学モデルを導出したが、これがど
のようなプラントにおいても負荷指令値であるというこ
とはなく、診断対象１９の特性に応じて種々のプラント
状態量が選定できるのは言う迄もない。
のプラント状態量である負荷指令値をランダムに変動さ
せ、診断対象１９の数学モデルを導出したが、これがど
のようなプラントにおいても負荷指令値であるというこ
とはなく、診断対象１９の特性に応じて種々のプラント
状態量が選定できるのは言う迄もない。
（４）、プラント診断モデルの同定にに系列信号等のラ
ンダム信号を用いたが、例えば擬似乱数などの他のラン
ダム信号で同定することも可能である。
ンダム信号を用いたが、例えば擬似乱数などの他のラン
ダム信号で同定することも可能である。
（５）、更に、診断対象２１にとって一番大きな影響を
与える状態変数（第３図の場合は負荷指令値）に対し、
ランダム変動だけではなくステップ状の信号あるいはラ
ンプ状の信号を加えた場合にプラント診断モデル２０に
基づく、白色性検定指標Ａ１ｊの変動を予めテストする
ことにより、しきい値ＡＲＬの値を各状態量ごとに別途
定めておくこともできる。
与える状態変数（第３図の場合は負荷指令値）に対し、
ランダム変動だけではなくステップ状の信号あるいはラ
ンプ状の信号を加えた場合にプラント診断モデル２０に
基づく、白色性検定指標Ａ１ｊの変動を予めテストする
ことにより、しきい値ＡＲＬの値を各状態量ごとに別途
定めておくこともできる。
（６）、しきい値ＡＲＬの値を固定としたが、大きな負
荷変化等の計測できる外乱が診断対象１９に加わった場
合、誤診断の可能性を低減させるため、しきい値ＡＲＬ
を計測できる外乱の変動に応じて可変とすることもでき
る。
荷変化等の計測できる外乱が診断対象１９に加わった場
合、誤診断の可能性を低減させるため、しきい値ＡＲＬ
を計測できる外乱の変動に応じて可変とすることもでき
る。
（７）、診断結果が異常レベルの上昇ということで事前
に捉えられる場合は、オペレータの注意を喚起するため
、警報域への接近を報知することができ、事故を未然に
防止することにも利用することができる。
に捉えられる場合は、オペレータの注意を喚起するため
、警報域への接近を報知することができ、事故を未然に
防止することにも利用することができる。
［発明の効果コ
以上のように本発明によれば、制御をしながら。
その制御している状況を含めて、プラント全体の診断を
行なうことができる。また、その診断を行なう場合、プ
ラント全体の特性を５時定数という形でプラント診断モ
デルから求めたうえで、行なっているので１診断対象の
特性に応じた異常や故障源の同定を行なうことができる
。また１時定数を求めるために、プラントに対して試験
をする必要がないので、他の方法に比べ、プラントを有
効に使うことができる。
行なうことができる。また、その診断を行なう場合、プ
ラント全体の特性を５時定数という形でプラント診断モ
デルから求めたうえで、行なっているので１診断対象の
特性に応じた異常や故障源の同定を行なうことができる
。また１時定数を求めるために、プラントに対して試験
をする必要がないので、他の方法に比べ、プラントを有
効に使うことができる。
第１図は本発明の一実施例に係るプラント診断システム
の構成図、第２図はそのプラント診断部の詳細構成図、
第３図は本発明の適用例を示す火力発電プラントの概念
図である。 ２１１・・・残差列計算手段、２１２・・・残差列白色
性検定手段、２１３・・・時定数決定手段、２１５・・
・異常判定手段、２１６・・・故障源決定手段、２１７
・・・警報装置。 代理人 弁理士 紋 １） 誠 第１図
の構成図、第２図はそのプラント診断部の詳細構成図、
第３図は本発明の適用例を示す火力発電プラントの概念
図である。 ２１１・・・残差列計算手段、２１２・・・残差列白色
性検定手段、２１３・・・時定数決定手段、２１５・・
・異常判定手段、２１６・・・故障源決定手段、２１７
・・・警報装置。 代理人 弁理士 紋 １） 誠 第１図
Claims (1)
- 診断対象プラントを自己回帰モデルに表現し、前記自己
回帰モデルによる推定値と診断対象のプラント値とを基
に得られる残差に対して、相関関数を計算することによ
り、プラントの診断を行うプラント診断装置において、
前記自己回帰モデルの係数行列から、１つのプラント値
の変化が、そのプラント値、或いは、他のプラント値に
対して、最も強く影響を及ぼしている時定数を求める時
定数決定手段を付加することにより、診断対象プラント
の時定数を考慮した相関関数を計算可能にし、診断対象
プラントの特性に応じた異常や故障源の同定を行なうこ
とを特徴とするプラント診断装置。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60208767A JPH0625930B2 (ja) | 1985-09-24 | 1985-09-24 | プラント診断装置 |
| EP86113085A EP0216356B1 (en) | 1985-09-24 | 1986-09-23 | Plant diagnostic system |
| CA000518811A CA1259700A (en) | 1985-09-24 | 1986-09-23 | Plant diagnostic system |
| DE3689800T DE3689800T2 (de) | 1985-09-24 | 1986-09-23 | Anlagen-Diagnosesystem. |
| US06/910,687 US4755925A (en) | 1985-09-24 | 1986-09-23 | Plant diagnostic system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60208767A JPH0625930B2 (ja) | 1985-09-24 | 1985-09-24 | プラント診断装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6270914A true JPS6270914A (ja) | 1987-04-01 |
| JPH0625930B2 JPH0625930B2 (ja) | 1994-04-06 |
Family
ID=16561750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60208767A Expired - Lifetime JPH0625930B2 (ja) | 1985-09-24 | 1985-09-24 | プラント診断装置 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US4755925A (ja) |
| EP (1) | EP0216356B1 (ja) |
| JP (1) | JPH0625930B2 (ja) |
| CA (1) | CA1259700A (ja) |
| DE (1) | DE3689800T2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000509178A (ja) * | 1996-04-29 | 2000-07-18 | パルプ アンド ペーパー リサーチ インスチチュート オブ カナダ | 自動制御ループ監視および診断 |
Families Citing this family (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3741713A1 (de) * | 1987-12-09 | 1989-06-22 | Bbc Brown Boveri & Cie | Verfahren zum schutz der gate-unit fuer einen gto-thyristor |
| JPH06101079B2 (ja) * | 1988-11-09 | 1994-12-12 | 三菱電機株式会社 | プラント異常診断装置 |
| US5315502A (en) * | 1989-06-09 | 1994-05-24 | Mitsubishi Denki Kabushiki Kaisha | Plant operation support apparatus and method using expert systems |
| WO1991001481A1 (en) * | 1989-07-17 | 1991-02-07 | Williams Technology, Inc. | Monitoring and control of oil/gas fields |
| US5214577A (en) * | 1990-10-24 | 1993-05-25 | Osaka Gas Co., Ltd. | Automatic test generation for model-based real-time fault diagnostic systems |
| CZ293613B6 (cs) * | 1992-01-17 | 2004-06-16 | Westinghouse Electric Corporation | Způsob monitorování chodu zařízení pomocí CPU |
| FR2692688B1 (fr) * | 1992-06-19 | 1994-08-19 | Cegelec | Procédé de régulation d'un processus continu comportant une phase d'optimisation d'un modèle et une phase de régulation. |
| US5465321A (en) * | 1993-04-07 | 1995-11-07 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Hidden markov models for fault detection in dynamic systems |
| US5642296A (en) * | 1993-07-29 | 1997-06-24 | Texas Instruments Incorporated | Method of diagnosing malfunctions in semiconductor manufacturing equipment |
| US5566092A (en) * | 1993-12-30 | 1996-10-15 | Caterpillar Inc. | Machine fault diagnostics system and method |
| JP2829241B2 (ja) * | 1994-07-26 | 1998-11-25 | 三菱電機株式会社 | プラント支援装置 |
| DE19517104A1 (de) * | 1995-05-10 | 1996-11-14 | Istec Gmbh | Verfahren zur Zustandsüberwachung dynamischer Rauschprozesse |
| US5798950A (en) * | 1996-10-31 | 1998-08-25 | International Business Machines Corporation | Method and apparatus for estimating durations of activities in forming a current system, based on past durations of activities in forming past systems |
| DE19732046A1 (de) * | 1997-07-25 | 1999-01-28 | Abb Patent Gmbh | Prozeßdiagnosesystem und Verfahren zur Diagnose von Vorgängen und Zuständen eines technischen Prozesses |
| SE515570C2 (sv) | 1999-10-05 | 2001-09-03 | Abb Ab | Ett datorbaserat förfarande och system för reglering av en industriell process |
| JP3799217B2 (ja) * | 2000-06-22 | 2006-07-19 | 株式会社日立製作所 | 発電設備の運用管理システム及び保守管理サービス方法 |
| GB2379752A (en) * | 2001-06-05 | 2003-03-19 | Abb Ab | Root cause analysis under conditions of uncertainty |
| JP3844217B2 (ja) * | 2002-04-03 | 2006-11-08 | ソニー株式会社 | 信号処理システム、信号出力装置、信号入力装置及び通信制御方法 |
| US20050165748A1 (en) * | 2004-01-15 | 2005-07-28 | Seagate Technology Llc | Method and apparatus for querying a computerized database |
| US7415328B2 (en) * | 2004-10-04 | 2008-08-19 | United Technologies Corporation | Hybrid model based fault detection and isolation system |
| US8069021B2 (en) * | 2007-09-28 | 2011-11-29 | Rockwell Automation Technologies, Inc. | Distributed simulation and synchronization |
| US20090089031A1 (en) * | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Integrated simulation of controllers and devices |
| US8548777B2 (en) * | 2007-09-28 | 2013-10-01 | Rockwell Automation Technologies, Inc. | Automated recommendations from simulation |
| US20090089234A1 (en) * | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Automated code generation for simulators |
| US7801710B2 (en) * | 2007-09-28 | 2010-09-21 | Rockwell Automation Technologies, Inc. | Simulation controls for model variability and randomness |
| US20090089029A1 (en) * | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Enhanced execution speed to improve simulation performance |
| US7836355B2 (en) * | 2007-12-03 | 2010-11-16 | International Business Machines Corporation | Automatic maintenance of a computing system in a steady state using correlation |
| US8352723B2 (en) * | 2009-10-06 | 2013-01-08 | International Business Machines Corporation | Automatic maintenance of a computing system in a steady state using correlation |
| RU2459225C1 (ru) * | 2011-06-16 | 2012-08-20 | Государственное образовательное учреждение высшего профессионального образования "Оренбургский государственный университет" | Способ выработки управляющего воздействия для промышленного объекта управления с двухэтапным рабочим процессом |
| KR102340395B1 (ko) * | 2020-01-02 | 2021-12-15 | 두산중공업 주식회사 | 플랜트의 고장을 진단하기 위한 장치 및 이를 위한 방법 |
| DE102021212115A1 (de) | 2021-10-27 | 2023-04-27 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zur Diagnose einer Funktion von Gassystemaktuatoren mithilfe von maschinellen Lernverfahren |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59229622A (ja) * | 1983-06-10 | 1984-12-24 | Toshiba Corp | プラント診断装置 |
| JPS60171507A (ja) * | 1984-02-16 | 1985-09-05 | Nippon Atom Ind Group Co Ltd | プラントの異常診断方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4349869A (en) * | 1979-10-01 | 1982-09-14 | Shell Oil Company | Dynamic matrix control method |
| JPS5685507A (en) * | 1979-12-17 | 1981-07-11 | Hitachi Ltd | Monitoring method of performance of steam turbine plant |
| US4578747A (en) * | 1983-10-14 | 1986-03-25 | Ford Motor Company | Selective parametric self-calibrating control system |
| US4517468A (en) * | 1984-04-30 | 1985-05-14 | Westinghouse Electric Corp. | Diagnostic system and method |
-
1985
- 1985-09-24 JP JP60208767A patent/JPH0625930B2/ja not_active Expired - Lifetime
-
1986
- 1986-09-23 DE DE3689800T patent/DE3689800T2/de not_active Expired - Fee Related
- 1986-09-23 EP EP86113085A patent/EP0216356B1/en not_active Expired - Lifetime
- 1986-09-23 US US06/910,687 patent/US4755925A/en not_active Expired - Fee Related
- 1986-09-23 CA CA000518811A patent/CA1259700A/en not_active Expired
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59229622A (ja) * | 1983-06-10 | 1984-12-24 | Toshiba Corp | プラント診断装置 |
| JPS60171507A (ja) * | 1984-02-16 | 1985-09-05 | Nippon Atom Ind Group Co Ltd | プラントの異常診断方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000509178A (ja) * | 1996-04-29 | 2000-07-18 | パルプ アンド ペーパー リサーチ インスチチュート オブ カナダ | 自動制御ループ監視および診断 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP0216356A2 (en) | 1987-04-01 |
| JPH0625930B2 (ja) | 1994-04-06 |
| US4755925A (en) | 1988-07-05 |
| DE3689800D1 (de) | 1994-05-26 |
| EP0216356B1 (en) | 1994-04-20 |
| EP0216356A3 (en) | 1989-05-10 |
| CA1259700A (en) | 1989-09-19 |
| DE3689800T2 (de) | 1994-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS6270914A (ja) | プラント診断装置 | |
| US7113890B2 (en) | Method and apparatus for detecting faults in steam generator system components and other continuous processes | |
| RU2154853C2 (ru) | Способ для анализа данных процесса технической установки | |
| JPS59229622A (ja) | プラント診断装置 | |
| US4298955A (en) | Method of and apparatus for the detection and analysis of hazards | |
| AU595950B2 (en) | Intelligent chemistry management system | |
| US5847266A (en) | Recovery boiler leak detection system and method | |
| JP2000346681A (ja) | 異常診断装置 | |
| Tsai et al. | Dynamic process diagnosis via integrated neural networks | |
| RU2781738C2 (ru) | Способ функционального диагностирования жидкостного ракетного двигателя при огневом испытании | |
| JP2003193808A (ja) | 発電プラントの診断方法および診断システム | |
| RU2056506C1 (ru) | Способ определения технического состояния системы автоматического регулирования турбоагрегата | |
| Zedda et al. | Neural-network-based sensor validation for gas turbine test bed analysis | |
| KR20210021857A (ko) | 해양구조물의 동적 시뮬레이터에 의한 설비 및 장비운전의 지능형 진단 시스템 | |
| US6463347B1 (en) | System for detecting occurrence of an event when the slope of change based upon difference of short and long term averages exceeds a predetermined limit | |
| KR20210021832A (ko) | 해양구조물의 동적 시뮬레이터에 의한 설비 및 장비운전의 지능형 진단 시스템 | |
| Wu et al. | A real-time verification system on fault diagnosis methods for liquid propellant rocket engine | |
| JPH04346033A (ja) | プラント異常診断装置 | |
| Uhrig et al. | Integration of artificial intelligence systems for nuclear power plant surveillance and diagnostics | |
| Bronson et al. | Data normalization for engine health monitoring | |
| Gertman | Conversion of a mainframe simulation for maintenance performance to a PC environment | |
| Sowers et al. | Performance evaluation of a data validation system | |
| JPH0221309A (ja) | プラント運転支援装置 | |
| Repin et al. | Diagnostics of the information subsystem of an automatic process control system using artificial intelligence technologies | |
| JPS5966715A (ja) | プラントの故障波及範囲予測方式 |