WO2020166407A1 - 異常検知システム、異常検知方法およびプログラム - Google Patents

異常検知システム、異常検知方法およびプログラム Download PDF

Info

Publication number
WO2020166407A1
WO2020166407A1 PCT/JP2020/003914 JP2020003914W WO2020166407A1 WO 2020166407 A1 WO2020166407 A1 WO 2020166407A1 JP 2020003914 W JP2020003914 W JP 2020003914W WO 2020166407 A1 WO2020166407 A1 WO 2020166407A1
Authority
WO
WIPO (PCT)
Prior art keywords
vector
measurement
abnormality
parameter
point
Prior art date
Application number
PCT/JP2020/003914
Other languages
English (en)
French (fr)
Inventor
創 津端
田中　均
山田　隆章
Original Assignee
オムロン株式会社
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 オムロン株式会社 filed Critical オムロン株式会社
Publication of WO2020166407A1 publication Critical patent/WO2020166407A1/ja

Links

Images

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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • 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

Definitions

  • the present disclosure relates to a technology of an abnormality detection system, an abnormality detection method, and a program, which identify a system parameter to be controlled and determine an abnormality cause from the variation of the system parameter.
  • feedback control is used to adjust the operation amount of a controller input to the device according to the control amount of the device. As a result, control is performed to bring the control amount of the apparatus closer to the target.
  • Patent Document 1 A technology has been proposed that detects an abnormality when an abnormality occurs in the device in the above control. For example, in Patent Document 1, based on the manipulated variable of the controller and the controlled variable of the device, a model of a controlled object is created in which one or more parameters are set for these relationships. Further, Patent Document 1 describes a technique in which a threshold is set for a parameter value in a normal state in the model to be controlled, and an abnormality is detected during measurement based on the threshold of the parameter value.
  • the threshold provided for the parameter value at the time of normal in the model of the controlled object does not consider the correlation with the cause of the abnormality, so even if it is detected as abnormal, the user may There is a problem that it is difficult to efficiently deal with it because it is not possible to determine whether an abnormality has occurred.
  • an object of the present disclosure is to provide an abnormality detection system, an abnormality detection method, and a program that can solve the above problems and easily estimate the cause of an abnormality in a control target.
  • an abnormality detection system that estimates a parameter of a model of the controlled object based on the operation amount output by the controlled variable adjuster and the controlled variable output by the controlled object, and detects an abnormality of the controlled object based on the parameter And
  • the model of the controlled object n parameters (n is a positive integer) in the model of the controlled object, parameter values of the controlled object when the control object is normal, and m types (m is a positive value) when the controlled object is abnormal.
  • a storage unit that stores a parameter value of A parameter value estimation unit that measures the control amount in a predetermined measurement period and estimates a parameter value at the time of measurement,
  • a normal point corresponding to the parameter value at the normal time and m abnormal mode points corresponding to the m kinds of parameter values at the abnormal time and associated with the cause of the abnormality In addition to being represented by coordinates (hereinafter referred to as “positioning”), a measurement point corresponding to the parameter value at the time of the measurement is positioned, and a measurement vector from the normal point to the measurement point and each from the normal point to each abnormal mode point
  • An abnormal mode point vector is set, and a processing unit for evaluating a contribution rate of each of the measurement vectors to each abnormal mode point vector is provided, and a diagnosis for diagnosing the degree of abnormality for each of the causes based on the contribution rate. And a section.
  • each abnormal mode point corresponds to the parameter value at the time of an abnormality, and is associated with the cause of the abnormality, so the contribution rate of the measurement vector to each abnormal mode point vector is: It indicates the degree of abnormality for each cause. Therefore, by evaluating the contribution rate of the measurement vector to each abnormal mode point vector by the processing section, the degree of abnormality based on the contribution rate is diagnosed for each cause by the diagnosis section.
  • the model may be a transfer function determined based on the measured control amount and manipulated variable, and the parameters are coefficients of a numerator polynomial and a denominator polynomial of the transfer function. May be. According to the above configuration, the model can be appropriately estimated as a transfer function.
  • the model may be a transfer function determined based on the measured control amount and operation amount, and the parameter is a root of a numerator polynomial and a denominator polynomial of the transfer function. , Or the reciprocal of the root may be used. According to the above configuration, the model can be appropriately estimated as a transfer function by another method.
  • the contribution rate may be evaluated by calculating the cosine of the angle formed by the measurement vector and each abnormality mode point vector.
  • the contribution rate of the measurement vector to each abnormal mode point vector is obtained by projecting the measurement vector on each abnormal mode point vector.
  • the contribution rate may be evaluated by decomposing the measurement vector with each of the abnormality mode point vectors.
  • the contribution rate of the measurement vector to each abnormal mode point vector is obtained by decomposing the measurement vector into each abnormal mode point vector.
  • the diagnosis unit may include a determination unit that determines an abnormality depending on whether or not the measurement point exists in the allowable range. According to the above configuration, the determination unit determines an abnormality depending on whether the contribution rate evaluated by the processing unit is on the threshold line or exceeds the threshold line. Therefore, not only the occurrence of an abnormality is detected, but also the cause is estimated.
  • the processing unit sets the length of each abnormal mode point vector to Vref, and sets the length of the vector of the representative point included in the normal range from the normal point to Vrep.
  • a predetermined coefficient is k
  • the diagnosis unit may include a determination unit that determines an abnormality depending on whether or not the measurement point exists in the allowable range. According to the above configuration, the threshold value can be set to the parameter value before reaching each abnormal mode point, and it is estimated that there is a high possibility that an abnormality will occur and the cause of the abnormality.
  • an abnormality detection method for estimating a parameter of a model of the control target based on an operation amount output by the control amount adjuster and a control amount output by the control target, and detecting an abnormality of the control target based on the parameter
  • the model of the controlled object n parameters (n is a positive integer) in the model of the controlled object, parameter values of the controlled object when the control object is normal, and m types (m is a positive value) when the controlled object is abnormal.
  • a parameter value of (integer of) in the storage unit Based on the control amount measured in a predetermined measurement period by the parameter value estimation unit, a step of estimating the parameter value at the time of measurement,
  • the processing unit in the n-dimensional parameter space, m abnormalities corresponding to the normal points corresponding to the parameter values at the normal time and m kinds of parameter values at the abnormal time, respectively, and associated with the cause of the abnormality.
  • each abnormal mode point corresponds to the parameter value at the time of abnormality, and is associated with the cause of the abnormality, so the contribution rate of the measurement vector to each abnormal mode point vector is: It indicates the degree of abnormality for each cause. Therefore, by evaluating the contribution rate of the measurement vector to each abnormal mode point vector by the processing section, the diagnosis section diagnoses the degree of abnormality based on the contribution rate for each cause.
  • one embodiment of the present disclosure is realized as a program for causing a computer to execute the above abnormality detection method.
  • the above abnormality detection method is implemented by causing a computer to execute the program of the present disclosure.
  • an abnormality detection system it is possible to provide an abnormality detection system, an abnormality detection method, and a program that can easily estimate the cause of an abnormality in a control target.
  • FIG. 6 is a diagram for explaining a vectorization process in the first embodiment. It is a flowchart which shows the operation example of an abnormality detection system.
  • A is a figure which shows the numerical example of each parameter value
  • B is a figure which shows the numerical example of each vector.
  • 7 is a graph showing the parameter values of FIG. 6A as two-dimensional parameters.
  • FIG. 10 is a diagram for explaining vectorization processing in the second embodiment. It is a figure which shows the result of having calculated the heater deterioration contribution rate and sensor loosening contribution rate of a measurement vector based on each vector shown in FIG.6(B).
  • FIG. 7 is a block diagram showing a schematic configuration of an abnormality detection system in a third embodiment. It is a figure which shows an example of the allowable range of the heater deterioration and the sensor loosening when calculating a contribution rate by projecting a measurement vector on a heater deterioration vector etc.
  • FIG. 16 is a diagram showing an example in which parameter values of three types of causes of abnormality are plotted in a two-dimensional parameter space in the fourth embodiment.
  • FIG. 16 is a diagram showing an example in which parameter values of three types of abnormal mode points are plotted in a three-dimensional parameter space in the fourth embodiment.
  • FIG. 16 is a diagram showing another example in which parameter values of three types of abnormal mode points are plotted in a three-dimensional parameter space in the fourth embodiment.
  • FIG. 16 is a diagram for explaining a threshold value determination method in the fifth embodiment.
  • Embodiment 1 of the abnormality detection system of the present disclosure will be described with reference to FIGS. 1 to 8.
  • FIG. 1 is a block diagram showing a schematic configuration of the abnormality detection system 100 according to the first embodiment.
  • the abnormality detection system 100 includes a controlled variable adjuster 1, an abnormality detection device 2, and a control target 3.
  • the control system composed of the controlled variable adjuster 1 and the controlled object 3 is a control system for feedback controlling the controlled object.
  • the feedback control is control for inputting an operation amount determined based on the control amount of the control target 3 to the control target 3 to bring the control amount of the control target 3 close to a target value.
  • the control amount adjuster 1 determines the operation amount input to the control target 3 based on the control amount of the control target 3, the target value of the control amount, and the control parameter.
  • the control parameter is a parameter used for feedback control, and in the present embodiment, for example, a control parameter in PID (Proportional-Integral-Derivative Controller) control is used.
  • Control parameters include proportional gain, integral gain, derivative gain, integral time, derivative time, and the like.
  • the control parameter is appropriately determined based on the characteristic information such as the process gain indicating the characteristic of the controlled object 3, the dead time, and the time constant.
  • An example of the controlled variable adjuster 1 is a temperature controller.
  • the controlled object 3 is a device or the like that can be controlled by feedback control.
  • a temperature controller is used as the controlled variable controller 1, it is possible to measure the temperature of the heater that can be heated, the object to be heated by the heater, and the object to be heated.
  • a device including a temperature sensor is conceivable.
  • the abnormality detection device 2 includes a storage unit 20, a parameter estimation unit 21, a diagnosis unit 22, and a display unit 23.
  • the storage unit 20 is composed of a storage device such as a magnetic hard disk device or a semiconductor storage device.
  • the storage unit 20 includes a model storage area 201, a manipulated variable storage area 202, a controlled variable storage area 203, a normal time parameter value storage area 204, and an abnormal time parameter value storage area 205.
  • the model storage area 201 stores a model of the controlled object 3 and n parameters (n is a positive integer) of the model. Details of the model and parameters of the controlled object 3 will be described later.
  • the operation amount storage area 202 stores the measured operation amount of the control amount adjuster 1.
  • the measured control amount of the controlled object 3 is stored in the control amount storage area 203.
  • the normal-time parameter value storage area 204 stores the parameter value of the model (hereinafter, referred to as a normal-time parameter value) when the controlled object 3 is operating normally.
  • the abnormal parameter value storage area 205 stores m kinds (m is a positive integer) of parameter values of the model (hereinafter, referred to as abnormal parameter values) in a state where some abnormality occurs in the controlled object 3. To be done.
  • the parameter estimation unit 21 is composed of a CPU and the like.
  • the parameter estimation unit 21 controls the model of the controlled object 3 stored in the model storage area 201, the operation amount at a predetermined time stored in the operation amount storage area 202, and the control at a predetermined time stored in the control amount storage area 203.
  • the parameter value at a predetermined time in the model is estimated based on the quantity.
  • the measurement of the manipulated variable of the controlled variable adjuster 1 at a predetermined time and the measurement of the controlled variable of the controlled object 3 at a predetermined time may be performed by the parameter estimation unit 21 or may be performed by a control unit (not shown). ..
  • the diagnostic unit 22 is composed of a CPU and the like.
  • the diagnosis unit 22 includes a processing unit 221.
  • the processing unit 221 performs vectorization processing of each parameter value. For each parameter value to be vectorized, the parameter value of the model of the controlled object 3 in the normal time stored in the normal time parameter value storage area 204 and the abnormal time stored in the abnormal time parameter value storage area 205 M types of parameter values of the model of the controlled object 3 in are included. Further, each parameter value also includes a parameter value at a predetermined time estimated by the parameter estimation unit 21. Details of the vectorization process in the processing unit 221 will be described later.
  • the diagnosis unit 22 determines the degree of abnormality in the control target 3 based on the result of the vectorization processing by the processing unit 221. Details of the determination of the degree of abnormality in the controlled object 3 will be described later.
  • the display unit 23 is composed of a liquid crystal display or the like, and displays information on the degree of abnormality of the controlled object 3 determined by the diagnosis unit 22.
  • FIG. 2 is a diagram showing an example of changes in the control amount with the passage of time.
  • FIG. 3 is a diagram showing an example of changes in the manipulated variable over time.
  • the control amount adjuster 1 is a device that outputs an operation amount for operating the control target 3 so as to change the control amount of the control target 3 to the target value when a certain target value is input.
  • the controlled object 3 changes and outputs the controlled variable based on the manipulated variable input from the controlled variable adjuster 1.
  • the controlled object 3 is configured to feed back the controlled variable to the controlled variable adjuster 1. Therefore, the control amount adjuster 1 can appropriately change the output operation amount in order to change the control amount to the target value based on the change in the control amount.
  • a controlled amount adjuster 1 is used as a temperature adjuster, and a heater capable of heating, an object to be heated by the heater, and a temperature sensor capable of measuring the temperature of the object to be heated are controlled objects 3.
  • a device including the device hereinafter referred to as a heating device
  • the target value is the target temperature of the object to be heated
  • the operation amount is the usage amount of the heater.
  • the controlled variable is the temperature of the object to be heated measured by the temperature sensor.
  • the time axis in Figure 2 and the time axis in Figure 3 correspond to each other.
  • the manipulated variable is large in the period in which the controlled variable from 0 to t1 is low, but as the controlled variable increases from t1 to t2, that is, as the controlled variable approaches the target value. It can be seen that the operation amount becomes small.
  • the manipulated variable is U(s)
  • the controlled variable is Y(s)
  • the deviation which is the difference between the target value and the controlled variable is E(s)
  • the transfer function of the controlled variable adjuster 1 is C(s)
  • the controlled object 3 Let G(s) be the transfer function of, the relationship between the manipulated variable U(s), the controlled variable Y(s), and the deviation E(s) should be expressed as the following (Equation 1) and (Equation 2). You can
  • the transfer function C(s) receives the deviation E(s), which is the difference between the target value and the feedback control amount Y(s), as input, and outputs the operation amount U(s). In consideration of the characteristics, the deviation E(s) is determined to be zero (so that the target value and the control amount match).
  • the transfer function G(s) changes Y(s) according to the operation amount U(s). That is, the manipulated variable U(s) is calculated by the transfer function C(s) so that the deviation E(s) becomes zero, and the manipulated variable U(s) is input to the transfer function G(s).
  • the control amount Y(s) approaches the target value.
  • the transfer function G(s) is a transfer function having the manipulated variable U(s) as an input and the controlled variable Y(s) as an output, it can be considered as a model of the controlled object 3. ..
  • Such a transfer function that is, a model of the controlled object 3 can be expressed by a mathematical formula as shown in (Equation 3) below.
  • K a and T b are parameters of the transfer function
  • K a is a system gain
  • T b is a time constant.
  • a is an integer of 0 or more
  • b is a positive integer
  • s is a Laplace operator.
  • Equation 3 can be transformed into (Equation 4).
  • the denominator polynomial, the root of the numerator polynomial, or d a and c b that are the reciprocal of the root are parameters of the transfer function, and can be used in place of the above K a and T b .
  • n is a positive integer
  • the normal-time parameter value may be acquired depending on the adopted model. It may be stored in the storage area 204.
  • n a+b+1.
  • the parameter value when some abnormality occurs in the controlled object 3 is acquired and stored in the abnormal parameter value storage area 205 of the storage unit 20.
  • the controlled variable adjuster 1 is used as the temperature controller and the controlled object 3 is the heating device
  • an abnormality occurs when the target temperature is not reached within a predetermined period after the power supply to the temperature controller and the heating device is turned on. It is judged that it did.
  • the parameter value when the abnormality occurs is acquired and stored in the abnormal parameter value storage area 205.
  • the predetermined period from power-on is, for example, a period from time 0 to time t2 shown in FIGS. 2 and 3, and is a measurement period in the following description.
  • the causes of the abnormality are two types, that is, the heater deterioration and the looseness of the sensor.
  • each cause and the parameter value at the time of the occurrence of the abnormality are stored. You can leave it.
  • the cause of the abnormality is estimated by performing vectorization processing on the parameter value at the time of occurrence of the abnormality and the parameter value estimated at each use.
  • the vectorization process according to this embodiment will be described below.
  • FIG. 4 is a diagram for explaining the vectorization process in this embodiment.
  • the vertical axis represents the system gain K 0 , which is one of the parameters of the controlled object 3
  • the horizontal axis represents the two-dimensional parameter space in which the time constant T 1 is the other parameter.
  • the unit of the system gain K 0 is the deviation, the target temperature [°C] with respect to the target temperature [°C], and the controlled variable (temperature When expressed as a ratio [%] of the difference from [[° C.]), it becomes [° C./%].
  • the unit of the time constant T 1 is [second (s)].
  • a point A0 is a point obtained by plotting the normal-time parameter values stored in the normal-time parameter value storage area 204 of the storage unit 20 in the two-dimensional parameter space, and this point will be referred to as a normal point in the following description. ..
  • a point A1 is a point in which a parameter value at the time of occurrence of an abnormality caused by heater deterioration stored in the abnormal-time parameter value storage area 205 of the storage unit 20 is plotted in a two-dimensional parameter space, and will be described below. Then, this point is defined as an abnormal mode point of heater deterioration.
  • a point A2 is a point in which the parameter value at the time of an abnormality caused by the loosening of the sensor stored in the abnormal-time parameter value storage area 205 of the storage unit 20 is plotted in the two-dimensional parameter space. In the description, this point is referred to as a sensor loosening abnormal mode point.
  • a point B is a point in which a parameter value estimated based on the operation amount and the control amount measured during the measurement period is plotted in the two-dimensional parameter space, and this point will be referred to as a measurement point in the following description.
  • the heater deterioration abnormality mode point A1 and the sensor loosening abnormality mode point A2 show how the parameter value changes from the normal point A0 when an abnormality occurs due to each cause.
  • the measurement point B represents the amount of change in the parameter value from the normal point A0. Therefore, the parameter values of the heater deterioration abnormality mode point A1, the sensor loosening abnormality mode point A2, and the measurement point B can be considered as vectors starting from the normal point A0.
  • the vector of the abnormal mode point A1 of the heater deterioration starting from the normal point A0 will be referred to as the heater deterioration vector A1
  • the vector of the abnormal mode point A2 of the sensor loosening starting from the normal point A0 will be referred to as the sensor loosening vector A2.
  • the vector of the measurement point B starting from the normal point A0 is defined as the measurement vector B.
  • the heater deterioration vector A1 and the sensor looseness vector A2 of the measurement vector B are changed. Calculate the contribution rate of.
  • the measurement vector B is projected onto the heater deterioration vector A1 and the sensor loosening vector A2, and the ratio of the projected vector to the heater deterioration vector A1 and the sensor loosening vector A2 is calculated.
  • the heater degradation vector A1 is expressed as: It
  • the sensor loosening vector A2 is expressed as follows.
  • the measurement vector B is represented as follows.
  • the parameter value (T 1A0 , K 0A0 ) of the normal point A0 is set to ( 0 , 0 ) for simplification of the description.
  • the projection vector B A1 of the heater deterioration vector A1 of the measurement vector B is expressed as follows.
  • w1 is a contribution rate of the measurement vector B to the heater deterioration vector A1, and the contribution rate w1 is expressed as follows.
  • the size of the heater deterioration vector A1 is expressed as follows.
  • the magnitude of the projection vector B A1 has a cosine of the angle ⁇ between the projected vector B A1 and the measurement vector B, and the magnitude of the measurement vector B, it can be expressed by the following equation.
  • the inner product of the heater deterioration vector A1 and the measurement vector B can be expressed by the following formula.
  • the contribution rate w1 can be obtained as follows from the equations (Equation 12) and (Equation 13) and (Equation 10).
  • the projection vector B A2 of the sensor loosening vector A2 of the measurement vector B is expressed as follows.
  • w2 is the contribution rate of the measurement vector B to the sensor loosening vector A2, and the contribution rate w2 is expressed as follows.
  • the size of the sensor loosening vector A2 is expressed as follows.
  • the magnitude of the projection vector B A2 has a cosine of the angle ⁇ between the projected vector B A2 and the measurement vector B, and the magnitude of the measurement vector B, it can be expressed by the following equation.
  • the inner product of the sensor looseness vector A2 and the measurement vector B can be expressed by the following formula.
  • the contribution rate w2 can be obtained as follows from the equations (Equation 18) and (Equation 19) and (Equation 16).
  • the parameter value of the measurement point B is known, the parameter values of the heater deterioration abnormality mode point A1 and the sensor loosening abnormality mode point A2 can be obtained. Based on this, the contribution rate of the measurement vector B to the heater deterioration vector A1 and the sensor loosening vector A2 can be calculated.
  • the equation (14) and the equation (20) are stored in the storage unit 20 as programs.
  • the processing unit 221 calculates the above-mentioned contribution rate based on the measured control amount of the controlled object 3, the normal-time parameter value, and the abnormal-time parameter value according to the program.
  • the display unit 23 displays the contribution rate calculated as described above. By looking at the contribution rate displayed on the display unit 23, the user can determine whether or not an abnormality has occurred or whether there is a high possibility that an abnormality will occur. In addition, the user can estimate what causes the occurrence of the abnormality or the possibility of the occurrence of the abnormality.
  • FIG. 5 is a flowchart showing an operation example of the abnormality detection system 100 in this embodiment.
  • the parameter values of the heater deterioration abnormality mode point A1 and the sensor loosening abnormality mode point A2 are stored in advance in the abnormality parameter value storage area 205 of the storage unit 20. Keep it.
  • the parameter value of the normal point A0 is stored in the normal-time parameter value storage area 204 of the storage unit 20.
  • the above-described vectorization processing is performed in advance, and the formula (14) and the formula (20) are stored in the storage unit 20 as programs.
  • the processing unit 221 of the diagnosis unit 22 measures the control amount of the controlled object 3 during the measurement period (FIG. 5: S10).
  • the processing unit 221 calculates the parameter value of the measurement point B based on the controlled variable of the controlled object 3, the manipulated variable of the controlled variable adjuster 1, and the target value of the controlled variable adjuster 1 (FIG. 5: S20).
  • the processing unit 221 calculates the respective contribution rates based on the formula (Equation 14) and the formula (Equation 20) (FIG. 5: S30).
  • the display unit 23 displays the calculated contribution rate (FIG. 5: S40). As described above, in this embodiment, every time the abnormality detection system 100 is powered on, the operation shown in FIG. 5 is performed, and the contribution rate is calculated and displayed.
  • FIG. 6A is a diagram showing a numerical example of each parameter value (system gain K 0 , time constant T 1 ).
  • No. 1 in FIG. 1 to No. 3 shows parameter values of a normal point, an abnormal mode point of heater deterioration, and an abnormal mode point of sensor loosening, respectively.
  • Reference numeral 8 denotes measurement points 1 to measurement points measured at predetermined timings in each measurement period by performing the operation of activating the control amount regulator 1 as a temperature regulator and the controlled object 3 as a heating device 5 times when the power is turned on. 5 shows the parameter value of 5.
  • FIG. 6B is a diagram showing a numerical example of each vector.
  • No. 6 in FIG. 2 and No. 3 shows the values of the heater deterioration vector and the sensor loosening vector, respectively.
  • Reference numeral 8 indicates the values of the measurement vectors 1 to 5 corresponding to the measurement points 1 to 5.
  • FIG. 7 is a graph showing the parameter values of FIG. 6A as two-dimensional parameters.
  • FIG. 8 is a diagram showing a result of calculating the heater deterioration contribution rate and the sensor loosening contribution rate of the measurement vectors 1 to 5 from the equations (14) and (20) described above.
  • the heater deterioration contribution rate is 40%, but the sensor looseness contribution rate is 110%, and the contribution rate to the sensor looseness vector exceeds 100%. Therefore, it is possible to estimate that the cause of the abnormality is the looseness of the sensor.
  • the heater deterioration contribution rate is 44% and the sensor looseness contribution rate is 89%, and it can be seen that the heater deterioration and the sensor looseness are within the allowable range.
  • the sensor loosening contribution rate is approaching 100%, it is possible to determine that maintenance for sensor loosening is necessary.
  • the heater deterioration contribution rate is 48% and the sensor looseness contribution rate is 85%, and it can be seen that the heater degradation and the sensor looseness are within the allowable range.
  • the heater deterioration contribution rate is approaching 50%, and it is possible to determine that maintenance for heater deterioration is necessary.
  • the present embodiment it is possible to present not only whether or not any abnormality has occurred in the device to be controlled 3 but also the possibility of a plurality of causes of abnormality. .. Further, since the characteristic of the device to be controlled 3 can be parameterized, not only the secular change of the device but also the characteristic difference of the devices having the same configuration can be clarified.
  • the measurement vector B is projected onto the heater deterioration vector A1 and the like, and the ratio of the projected vector to the heater deterioration vector A1 and the like is calculated, so that the measurement vector B contributes to the heater deterioration vector A1 and the like.
  • the rate was calculated.
  • the present embodiment is different from the first embodiment in that the measurement vector B is expressed by combining the components of the sensor loosening vector A2 and the components of the heater deterioration vector A1, and each component is calculated as a contribution rate. ..
  • FIG. 9 is a diagram for explaining the vectorization process in the second embodiment.
  • the parameter value of the normal point A0 is set to (T 1A0, K 0A0), the parameter value of the abnormal mode point A1 of the heater degradation and (T 1A1, K 0A1).
  • the parameter value of the sensor loosening abnormal mode point A2 is (T 1A2 , K 0A2 ).
  • the heater deterioration vector A1 is expressed as shown in (Equation 6) of the first embodiment, and the sensor loosening vector A2 is expressed as shown in (Equation 7) of the first embodiment.
  • the parameter value of the measurement point B is also set to (T 1B , K 0B ) as in the first embodiment, and the measurement vector B is represented as shown in (Equation 8) of the first embodiment.
  • the parameter value (T 1A0 , K 0A0 ) of the normal point A0 is set to ( 0 , 0 ) for simplification of the description.
  • Component vector B A2 in the sensor loosening vector A2 is expressed as follows.
  • W2 is the contribution rate of the measurement vector B to the sensor loosening vector A2, and the contribution rate w2 is expressed as follows.
  • the component vector B A1 of the heater deterioration vector A1 of the measurement vector B is expressed as follows.
  • W1 is the contribution rate of the measurement vector B to the heater deterioration vector A1, and the contribution rate w1 is expressed as follows.
  • Measurement Vector B includes sensor loosening a component vector B A2 in the vector A2, by a component vector B A1 in heater deterioration vectors A1, is expressed as follows.
  • Equation 27 the right side of the above (Equation 27) can be expressed as follows.
  • the contribution rate (w1, w2) can be expressed as follows.
  • vectorization processing is performed based on the parameter values of the heater deterioration and sensor loosening abnormal mode points A1 and A2, and the heater deterioration of the measurement vector B is performed based on each vector.
  • the contribution rate to the vector A1 and the sensor loosening vector A2 can be calculated.
  • Equation 29 is stored in the storage unit 20 as a program.
  • the processing unit 221 calculates the above-mentioned contribution rate based on the measured control amount of the controlled object 3, the normal-time parameter value, and the abnormal-time parameter value according to the program.
  • the display unit 23 displays the contribution rate calculated as described above. By looking at the contribution rate displayed on the display unit 23, the user can determine whether or not an abnormality has occurred or whether there is a high possibility that an abnormality will occur. In addition, the user can estimate what causes the occurrence of the abnormality or the possibility of the occurrence of the abnormality.
  • FIG. 10 is a diagram showing a result of calculating the heater deterioration contribution rate and the sensor loosening contribution rate of the measurement vector 1 to the measurement vector 5 from the above formula (Equation 29) based on each vector shown in FIG. 6(B). Is.
  • the heater deterioration contribution rate is 18%, but the sensor loosening contribution rate is 110%, and the contribution rate to the sensor looseness vector exceeds 100%. Therefore, it is possible to estimate that the cause of the abnormality is the looseness of the sensor.
  • the heater deterioration contribution rate is 26% and the sensor looseness contribution rate is 92%, and it can be seen that the heater degradation and the sensor looseness are within the allowable range. However, since the sensor loosening contribution rate is approaching 100%, it is possible to determine that maintenance for sensor loosening is necessary.
  • the present embodiment it is possible to present not only whether or not any abnormality has occurred in the device to be controlled 3 but also the possibility of a plurality of causes of abnormality. .. Further, since the characteristic of the device to be controlled 3 can be parameterized, not only the secular change of the device but also the characteristic difference of the devices having the same configuration can be clarified.
  • FIG. 11 is a block diagram showing a schematic configuration of the abnormality detection system 100 according to the third embodiment.
  • the abnormality detection system 100 differs from the above-described embodiment in that the diagnosis unit 22 includes a threshold value determination unit 222.
  • the storage unit 20 is different from the above-described embodiment in that the storage unit 20 includes a threshold storage area 206.
  • the processing unit 221 of the diagnosis unit 22 calculates the contribution ratio of the measurement vector B to the heater deterioration vector A1 and the sensor loosening vector A2, and outputs the contribution ratio to the display unit 23.
  • the present embodiment differs from the above-described embodiments in that a threshold value is set in advance for the contribution rate output from the processing unit 221, and when the threshold value is exceeded, it is determined that an abnormality has occurred.
  • a preset threshold value for heater deterioration and a preset sensor looseness threshold value are stored in the threshold value storage area 206 of the storage unit 20.
  • the threshold value may be stored as a data string of parameter values or may be stored as a linear function.
  • the threshold determination unit 222 determines whether or not an abnormality has occurred by comparing the contribution rate calculated by the processing unit 221 with the threshold stored in the threshold storage area 206.
  • the display unit 23 displays the result of the determination.
  • FIG. 12 illustrates heater deterioration and sensor loosening when the contribution rate of the measurement vector B to the heater deterioration vector A1 and the like is calculated by projecting the measurement vector B described in the first embodiment onto the heater deterioration vector A1 and the like. It is a figure which shows an example of an allowable range.
  • FIG. 12 shows a threshold line Th1 at which the contribution ratio of the measurement vector B to the heater deterioration vector A1 is 100%, and a threshold line Th2 at which the contribution ratio of the measurement vector B to the sensor loosening vector A2 is 100%. Further, a threshold line Th3 in which the contribution rate of the measurement vector B to the heater deterioration vector A1 is -100%, and a threshold line Th4 in which the contribution rate of the measurement vector B to the sensor loosening vector A2 is -100% are shown.
  • the threshold determination unit 222 determines that there is no abnormality when the measurement point B enters the area surrounded by the threshold lines Th1, Th2, Th3, and Th4 (not including each threshold line). .. In addition, the threshold determination unit 222 determines that there is an abnormality when the measurement point B enters the threshold lines Th1, Th2, Th3, Th4 and the area outside each threshold line.
  • the threshold lines Th1, Th2, Th3, Th4 are set as lines at which the contribution ratio of the measurement vector B to the heater deterioration vector A1 or the sensor loosening vector A2 becomes 100% or -100%. Therefore, even when the measurement vector B is on these threshold lines or when the measurement vector B exceeds these threshold lines, not only the contribution ratio to one of the heater deterioration vector A1 and the sensor loosening vector A2, The contribution rate to the other becomes clear. As a result, the present embodiment can appropriately estimate the cause of the abnormality, as compared with the case where the system gain K 0 which is the parameter value and the predetermined value of the time constant T 1 are used as the threshold values and are independently determined. it can.
  • FIG. 13 illustrates the measurement vector B described in the second embodiment by combining the components of the sensor looseness vector A2 and the components of the heater deterioration vector A1, and the heater deterioration and the sensor when calculating each component as a contribution rate. It is a figure which shows an example of the allowable range of looseness.
  • a threshold line Th5 in which the contribution rate of the measurement vector B to the heater deterioration vector A1 is 100%, and a threshold line Th6 in which the contribution rate of the measurement vector B to the sensor loosening vector A2 is 100% are shown.
  • a threshold line Th7 in which the contribution rate of the measurement vector B to the heater deterioration vector A1 is -100%, and a threshold line Th8 in which the contribution rate of the measurement vector B to the sensor loosening vector A2 is -100% are shown.
  • the threshold determination unit 222 determines that there is no abnormality when the measurement point B enters the region surrounded by the threshold lines Th5, Th6, Th7, and Th8 (not including each threshold line). .. In addition, the threshold determination unit 222 determines that there is an abnormality when the measurement point B enters the threshold lines Th5, Th6, Th7, Th8 and the area outside each threshold line.
  • the threshold lines Th5, Th6, Th7 and Th8 are set as lines at which the contribution ratio of the measurement vector B to the heater deterioration vector A1 or the sensor loosening vector A2 becomes 100% or -100%. Therefore, even when the measurement vector B is on these threshold lines or when the measurement vector B exceeds these threshold lines, not only the contribution ratio to one of the heater deterioration vector A1 and the sensor loosening vector A2, The contribution rate to the other becomes clear. As a result, the present embodiment can appropriately estimate the cause of the abnormality, as compared with the case where the system gain K 0 which is the parameter value and the predetermined value of the time constant T 1 are used as the threshold values and are independently determined. it can.
  • different allowable ranges can be set as the allowable ranges for heater deterioration and sensor loosening depending on the contribution ratio calculation method.
  • the user calculates the contribution rate described in the first embodiment (hereinafter, referred to as the first method) or the contribution rate calculation method described in the second embodiment (hereinafter, referred to as the second method). Yes) or both.
  • the first method and the second method each have advantages and disadvantages.
  • the advantage of the first method is that there is no limit to the number of elements that cause anomalies. Regardless of the number of parameters, that is, the number of dimensions n in the n-dimensional space, it is possible to set a plurality of elements as an element causing an abnormality.
  • the disadvantage of the first method is that when abnormalities occur simultaneously due to non-orthogonal changes in parameters, it is impossible to know what is detected.
  • the advantage of the second method is that the occurrence of the abnormality can be detected even if the abnormality simultaneously occurs due to the non-orthogonal change of the parameters.
  • the disadvantage of the second method is that the number of elements that cause anomalies can be set only to the number of dimensions of the parameter, that is, the number of dimensions n or less in the n-dimensional space. For example, when the parameters are two-dimensional, K 0 and T 1 , as in the above-described embodiment, only abnormalities due to up to two types of causes can be detected.
  • the user appropriately select the method of calculating the contribution rate according to the purpose of use and the situation.
  • FIG. 14 is a diagram showing an example of plotting parameter values of three types of abnormalities in the two-dimensional parameter space in the present embodiment.
  • the contribution rate is calculated by the first method.
  • an abnormal mode point A3 is plotted when an abnormality occurs due to the third element other than heater deterioration and sensor loosening.
  • the projection vector B A3 abnormal mode vectors A3 measurement vector B in the manner described in the first embodiment, it is possible to determine the contribution to the abnormal mode vectors A3 measurement vector B.
  • the contribution rate can be calculated even if the number of abnormal mode points is larger than the number of parameters.
  • FIG. 15 is a diagram showing an example in which the parameter values of three types of abnormal mode points are plotted in the three-dimensional parameter space in the present embodiment.
  • the contribution rate is calculated by the first method.
  • a model in which the number of parameters is three for example, a model represented by the following (Equation 30) can be considered.
  • the contribution rate can be calculated by the method described in the first embodiment. Further, although not shown in detail, in this embodiment, the number of abnormal mode points does not exceed the number of parameters of the model, and therefore the contribution rate can be calculated also by the second method.
  • FIG. 16 is a diagram showing another example in which the parameter values of three types of abnormal mode points are plotted in the three-dimensional parameter space in this embodiment.
  • the contribution rate is calculated by the second method.
  • the model represented by (Equation 30) described above can be considered as a model in which the number of parameters is three.
  • these numbers of parameters, numbers of abnormal modes and models mentioned above are exemplary and not limiting.
  • FIG. 17 is a diagram for explaining the threshold value determining method in the present embodiment.
  • the mode has been described in which the parameter values of the abnormal mode points of heater deterioration and sensor loosening are set as the threshold values of the allowable range of heater deterioration and sensor loosening, respectively.
  • the present embodiment is different from the above-described embodiments in that the threshold value of the allowable range is set by using the mathematical formula shown in (Formula 31) below.
  • Vref is the length of the vector of the abnormal mode point based on the normal point as shown in FIG. 17, and Vrep is the normal point as shown in FIG. Is the length of the vector of the representative points included in the normal range.
  • the parameter value may be measured a plurality of times in a normal state, and a value that becomes 3 ⁇ based on the standard deviation ⁇ of the parameter value of the measured normal point may be used, or the parameter of the measured normal point may be used. The maximum value may be used.
  • the parameter value measured last time may be set as the normal point, or a moving average of the parameter value from the present time to the P times before (P is a positive integer) may be used.
  • the coefficient k is a preset coefficient.
  • the threshold value Vth is obtained by multiplying the difference between the vector length Vref of the abnormal mode point and the vector length Vrep of the representative point by the coefficient k, and the representative point. Is calculated by adding the vector length Vrep of

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

制御対象のモデルと、モデルにおけるｎ個のパラメータと、制御対象の正常時におけるパラメータ値と、異常時におけるｍ種類のパラメータ値とを記憶する記憶部と、所定の計測期間において制御量を計測し、計測時のパラメータ値を推定するパラメータ値推定部と、ｎ次元パラメータ空間で、正常時におけるパラメータ値に対応する正常点と、異常時におけるｍ種類のパラメータ値にそれぞれ対応し、異常の原因と関係付けられたｍ個の異常モード点とを位置付けると共に、計測時のパラメータ値に対応する計測点を位置付け、正常点から計測点へ向かう計測ベクトルと、正常点から各異常モード点へ向かう各異常モード点ベクトルとを設定し、計測ベクトルの各異常モード点ベクトルへの寄与率を評価する処理部を有し、寄与率に基づいて異常の度合いを原因ごとに診断する診断部と、を備える。

Description

異常検知システム、異常検知方法およびプログラム
　本開示は、制御対象のシステムパラメータを同定し、当該システムパラメータの変動から異常原因を判定する異常検知システム、異常検知方法およびプログラムの技術に関する。
　一般的に、装置を制御する分野、特に産業機器の制御を行う分野においては、例えばフィードバック制御を行うことにより、装置に対して入力する制御器の操作量を装置の制御量に応じて調整し、その結果、装置の制御量を目標へと近づけるという制御が行われている。
　以上のような制御において、装置に何らかの異常が発生した場合に、異常の検知を行う技術が提案されている。例えば、特許文献１においては、制御器の操作量および装置の制御量に基づいて、それらの関係について一つ以上のパラメータを設定した制御対象のモデルを作成する。さらに、特許文献１では、当該制御対象のモデルにおける正常時のパラメータ値に閾値を設け、パラメータ値の閾値を元に測定時の異常を検知する技術が記載されている。
特許第４０６２０８９号
　しかしながら、前記制御対象のモデルにおける正常時のパラメータ値に設けられた閾値は、異常の原因との相関関係が考慮されていないため、異常であると検知されても、ユーザはどのような原因で異常が発生しているのかを判断できず、効率的な対処をしづらいという課題があった。
　そこで、本開示は、上記課題を解決し、制御対象の異常の原因を容易に推定することのできる異常検知システム、異常検知方法およびプログラムを提供することを目的とする。
　上記課題を解決するため、本開示の一実施形態に係る異常検知システムは、
　制御量調整器が出力する操作量と、制御対象が出力する制御量とに基づいて、当該制御対象のモデルのパラメータを推定し、当該パラメータに基づいて前記制御対象の異常を検知する異常検知システムであって、
　前記制御対象のモデルと、前記制御対象のモデルにおけるｎ個（ｎは正の整数）のパラメータと、前記制御対象の正常時におけるパラメータ値と、前記制御対象の異常時におけるｍ種類（ｍは正の整数）のパラメータ値とを記憶する記憶部と、
　所定の計測期間において前記制御量を計測し、計測時のパラメータ値を推定するパラメータ値推定部と、
　ｎ次元パラメータ空間で、前記正常時におけるパラメータ値に対応する正常点と、前記異常時におけるｍ種類のパラメータ値にそれぞれ対応し、前記異常の原因と関係付けられたｍ個の異常モード点とを座標で表す（以後、位置付けると称する）とともに、前記計測時のパラメータ値に対応する計測点を位置付け、前記正常点から前記計測点へ向かう計測ベクトルと、前記正常点から各異常モード点へ向かう各異常モード点ベクトルとを設定し、前記計測ベクトルの前記各異常モード点ベクトルへの寄与率を評価する処理部を有し、前記寄与率に基づいて、異常の度合いを前記原因ごとに診断する診断部と、を備える。
　上記構成によれば、各異常モード点は、異常時におけるパラメータ値に対応しており、かつ、異常の原因と関係付けられているので、計測ベクトルの各異常モード点ベクトルへの寄与率は、原因ごとの異常の度合いを表すことになる。したがって、処理部により計測ベクトルの各異常モード点ベクトルへの寄与率を評価することで、診断部により寄与率に基づく異常の度合いが原因ごとに診断される。
　一実施形態に係る異常検知システムにおいて、前記モデルは、計測した制御量及び操作量に基づき決定される伝達関数であってもよく、前記パラメータは、伝達関数の分子多項式及び分母多項式の係数であってもよい。上記構成によれば、前記モデルは、伝達関数として適切に推定することができる。
　また、一実施形態に係る異常検知システムにおいて、前記モデルは、計測した制御量及び操作量に基づき決定される伝達関数であってもよく、前記パラメータは、伝達関数の分子多項式及び分母多項式の根、又は根の逆数を用いてもよい。上記構成によれば、前記モデルは、伝達関数として別の方法で適切に推定することができる。
　さらに、一実施形態に係る異常検知システムの前記処理部において、前記計測ベクトルと前記各異常モード点ベクトルとのなす角の余弦を算出することで前記寄与率を評価してもよい。上記構成によれば、前記計測ベクトルを各異常モード点ベクトルへ射影することにより、前記計測ベクトルの各異常モード点ベクトルへの寄与率が求められる。
　また、一実施形態に係る異常検知システムの前記処理部において、前記計測ベクトルを前記各異常モード点ベクトルで分解することで前記寄与率を評価してもよい。上記構成によれば、前記計測ベクトルを各異常モード点ベクトルで分解することにより、前記計測ベクトルの各異常モード点ベクトルへの寄与率が求められる。
　加えて、一実施形態に係る異常検知システムの前記処理部において、ｎ次元パラメータ空間で、前記異常の度合いの許容範囲の外郭を、前記寄与率が一定となる前記パラメータの閾値ラインとして設定し、前記診断部は、前記許容範囲に前記計測点が存在するか否かに応じて異常を判定する判定部を備えていてもよい。上記構成によれば、前記判定部は、前記処理部により評価される前記寄与率が、前記閾値ライン上または前記閾値ラインを超えているか否かで異常を判定する。したがって、単に異常の発生が検知されるだけでなく、どの原因によるものであるかが推定される。
　そして、一実施形態に係る異常検知システムにおいて、前記処理部は、前記各異常モード点ベクトルの長さをＶｒｅｆとし、前記正常点からの正常の範囲に含まれる代表点のベクトルの長さをＶｒｅｐとし、所定の係数をｋとして、前記異常の度合いの許容範囲の外郭である閾値Ｖｔｈを以下の式により算出し、
　Ｖｔｈ＝（Ｖｒｅｆ－Ｖｒｅｐ）×ｋ＋Ｖｒｅｐ
　前記診断部は、前記許容範囲に前記計測点が存在するか否かに応じて異常を判定する判定部を備えていてもよい。上記構成によれば、閾値を、各異常モード点に達する前のパラメータ値に設定でき、異常が発生する可能性が高いこと、および当該異常がどの原因によるものであるかが推定される。
　上記課題を解決するため、本開示の一実施形態に係る異常検知方法は、
　制御量調整器が出力する操作量と、制御対象が出力する制御量とに基づいて、当該制御対象のモデルのパラメータを推定し、当該パラメータに基づいて前記制御対象の異常を検知する異常検知方法であって、
　前記制御対象のモデルと、前記制御対象のモデルにおけるｎ個（ｎは正の整数）のパラメータと、前記制御対象の正常時におけるパラメータ値と、前記制御対象の異常時におけるｍ種類（ｍは正の整数）のパラメータ値とを記憶部に記憶させるステップと、
　パラメータ値推定部により、所定の計測期間において計測した前記制御量に基づいて、計測時のパラメータ値を推定するステップと、
　処理部により、ｎ次元パラメータ空間で、前記正常時におけるパラメータ値に対応する正常点と、前記異常時におけるｍ種類のパラメータ値にそれぞれ対応し、前記異常の原因と関係付けられたｍ個の異常モード点とを位置付けるとともに、前記現在のパラメータ値に対応する計測点を位置付けるステップと、
　前記処理部により、前記正常点から前記計測点へ向かう計測ベクトルと、前記正常点から各異常モード点へ向かう各異常モード点ベクトルとを設定するステップと、
　前記処理部により、前記計測ベクトルの前記各異常モード点ベクトルへの寄与率を評価するステップと、
　診断部により、前記寄与率に基づいて、異常の度合いを前記原因ごとに診断するステップと、を備える。
　上記構成によれば、各異常モード点は、異常時におけるパラメータ値に対応しており、かつ、異常の原因と関係付けられているので、計測ベクトルの各異常モード点ベクトルへの寄与率は、原因ごとの異常の度合いを表すことになる。したがって、処理部により計測ベクトルの各異常モード点ベクトルへの寄与率を評価することで、診断部により寄与率に基づく異常の度合いが原因ごとに診断される。
　上記課題を解決するため、本開示の一実施形態は、上記異常検知方法をコンピュータに実行させるためのプログラムとして実現される。本開示のプログラムをコンピュータに実行させることによって、上記異常検知方法が実施される。
　本開示によれば、制御対象の異常の原因を容易に推定することのできる異常検知システム、異常検知方法およびプログラムを提供することができる。
本開示の実施形態１における異常検知システムの概略構成を示すブロック図である。 時間経過に対する制御量の変化の一例を示す図である。 時間経過に対する操作量の変化の一例を示す図である。 実施形態１におけるベクトル化処理を説明するための図である。 異常検知システムの動作例を示すフローチャートである。 （Ａ）は各パラメータ値の数値例を示す図、（Ｂ）は各ベクトルの数値例を示す図である。 図６（Ａ）のパラメータ値を２次元パラメータに示したグラフである。 計測ベクトルのヒータ劣化寄与率およびセンサゆるみ寄与率を算出した結果を示す図である。 実施形態２におけるベクトル化処理を説明するための図である。 図６（Ｂ）に示した各ベクトルに基づいて計測ベクトルのヒータ劣化寄与率およびセンサゆるみ寄与率を算出した結果を示す図である。 実施形態３における異常検知システムの概略構成を示すブロック図である。 計測ベクトルをヒータ劣化ベクトル等に対して射影することにより寄与率を算出する場合のヒータ劣化とセンサゆるみの許容範囲の一例を示す図である。 計測ベクトルをセンサゆるみベクトルの成分とヒータ劣化ベクトルの成分との合成によって表現し寄与率を算出する場合のヒータ劣化とセンサゆるみの許容範囲の一例を示す図である。 実施形態４において２次元パラメータ空間に３種類の異常の原因のパラメータ値をプロットした例を示す図である。 実施形態４において３次元パラメータ空間に３種類の異常モード点のパラメータ値をプロットした例を示す図である。 実施形態４において３次元パメータ空間に３種類の異常モード点のパラメータ値をプロットした他の例を示す図である。 実施形態５における閾値の決定方法を説明するための図である。
　本開示の異常検知システムの実施形態について添付図面を参照しつつ説明する。
（実施形態１）
　まず、本開示の異常検知システムの実施形態１について図１ないし図８を参照しつつ説明する。
＜異常検知システム１００の概略構成＞
　図１は、実施形態１における異常検知システム１００の概略構成を示すブロック図である。図１に示すように、異常検知システム１００は、制御量調整器１、異常検知装置２、および制御対象３を備えている。
　制御量調整器１と制御対象３とにより構成される制御システムは、制御対象をフィードバック制御する制御システムである。フィードバック制御は、制御対象３の制御量に基づいて決定される操作量を制御対象３に入力することによって、制御対象３の制御量を目標値に近づける制御である。
　制御量調整器１は、制御対象３の制御量、当該制御量の目標値、および制御パラメータに基づいて、制御対象３に入力される操作量を決定する。制御パラメータは、フィードバック制御に用いられるパラメータであり、本実施形態においては、例えば、ＰＩＤ（Ｐｒｏｐｏｒｔｉｏｎａｌ－Ｉｎｔｅｇｒａｌ－Ｄｅｒｉｖａｔｉｖｅ　Ｃｏｎｔｒｏｌｌｅｒ）制御における制御パラメータが用いられる。制御パラメータとしては、比例ゲインや積分ゲイン、微分ゲイン、積分時間、微分時間などが挙げられる。制御パラメータは、制御対象３の特性を示すプロセスゲイン、むだ時間、時定数などの特性情報に基づいて適切に決定される。制御量調整器１の一例としては、温度調節器が挙げられる。
　制御対象３は、フィードバック制御により制御可能な装置等である。制御対象３の例としては、制御量調整器１として温度調節器を用いた場合には、加熱することができるヒータ、ヒータによって加熱される被加熱物、および被加熱物を測温することができる温度センサを含む装置が考えられる。
　異常検知装置２は、記憶部２０、パラメータ推定部２１、診断部２２、および表示部２３を備えている。
　記憶部２０は、磁気ハードディスク装置や半導体記憶装置などの記憶装置により構成される。記憶部２０は、モデル記憶領域２０１、操作量記憶領域２０２、制御量記憶領域２０３、正常時パラメータ値記憶領域２０４、および異常時パラメータ値記憶領域２０５を備えている。モデル記憶領域２０１には、制御対象３のモデル、および当該モデルにおけるｎ個（ｎは正の整数）のパラメータが記憶される。制御対象３のモデルおよびパラメータの詳細については後述する。操作量記憶領域２０２には、制御量調整器１の測定された操作量が記憶される。制御量記憶領域２０３には、制御対象３の測定された制御量が記憶される。正常時パラメータ値記憶領域２０４には、制御対象３が正常に動作している状態における前記モデルのパラメータ値（以下、正常時パラメータ値とする。）が記憶される。異常時パラメータ値記憶領域２０５には、制御対象３に何らかの異常が生じている状態における前記モデルのｍ種類（ｍは正の整数）のパラメータ値（以下、異常時パラメータ値とする。）が記憶される。
　パラメータ推定部２１は、ＣＰＵ等から構成される。パラメータ推定部２１は、モデル記憶領域２０１に記憶された制御対象３のモデルと、操作量記憶領域２０２に記憶された所定時の操作量と、制御量記憶領域２０３に記憶された所定時の制御量とに基づいて、前記モデルにおける所定時のパラメータ値を推定する。制御量調整器１の操作量の所定時における測定と、制御対象３の制御量の所定時における測定は、パラメータ推定部２１により行ってもよいし、図示を省略する制御部により行ってもよい。
　診断部２２は、ＣＰＵ等から構成される。診断部２２は、処理部２２１を備えている。処理部２２１は、各パラメータ値のベクトル化処理を行う。ベクトル化処理の対象となる、各パラメータ値には、正常時パラメータ値記憶領域２０４に記憶された正常時における制御対象３のモデルのパラメータ値、異常時パラメータ値記憶領域２０５に記憶された異常時における制御対象３のモデルのｍ種類のパラメータ値が含まれる。また、各パラメータ値には、パラメータ推定部２１により推定される所定時のパラメータ値も含まれる。処理部２２１におけるベクトル化処理の詳細については後述する。
　診断部２２は、処理部２２１によるベクトル化処理の結果に基づいて、制御対象３における異常度合いの判定を行う。制御対象３における異常度合いの判定の詳細については後述する。
　表示部２３は、液晶ディスプレイ等により構成され、診断部２２によって判定された制御対象３の異常度合いに関する情報を表示する。
＜制御対象３のモデル＞
　次に、制御対象３のモデルについて、図２および図３を参照しつつ説明する。図２は、時間経過に対する制御量の変化の一例を示す図である。図３は、時間経過に対する操作量の変化の一例を示す図である。
　制御量調整器１は、ある目標値が入力されると、制御対象３の制御量を前記目標値へ変化させるように、制御対象３を操作する操作量を出力する装置である。制御対象３は、制御量調整器１より入力される操作量に基づいて、制御量を変化させて出力する。また、制御対象３は、制御量を制御量調整器１にフィードバックする構成となっている。そのため、制御量調整器１は、制御量の変化に基づいて、制御量を目標値へ変化させるために、出力する操作量を適切に変化させることができる。
　一例として、制御量調整器１を温度調節器として用い、制御対象３として、加熱することができるヒータ、ヒータによって加熱される被加熱物、および被加熱物を測温することができる温度センサを含む装置（以下、加熱装置とする。）を用いた場合を考える。この場合には、目標値は目標とする被加熱物の温度であり、操作量はヒータの使用量である。また、制御量は温度センサによって測温された被加熱物の温度である。
　図２における時間軸と図３における時間軸は互いに対応している。図２および図３に示すように、０～ｔ１までの制御量が低い期間においては操作量は大きいが、ｔ１～ｔ２のように制御量が大きくなるにつれて、すなわち制御量が目標値に近づくにつれて、操作量は小さくなることが分かる。
　操作量をＵ（ｓ）、制御量をＹ（ｓ）、目標値と制御量との差である偏差をＥ（ｓ）、制御量調整器１の伝達関数をＣ（ｓ）、制御対象３の伝達関数をＧ（ｓ）とすると、操作量Ｕ（ｓ）と制御量Ｙ（ｓ）と偏差Ｅ（ｓ）との関係は、下記（数１）及び（数２）のように表すことができる。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
　伝達関数Ｃ（ｓ）は、目標値とフィードバックされる制御量Ｙ（ｓ）との差である偏差Ｅ（ｓ）を入力とし、操作量Ｕ（ｓ）を出力とした場合、制御対象３の特性を考慮した上で、偏差Ｅ（ｓ）がゼロになるように（目標値と制御量が一致するように）決定される。伝達関数Ｇ（ｓ）は、操作量Ｕ（ｓ）を入力とし、制御量Ｙ（ｓ）を出力とした場合、操作量Ｕ（ｓ）に応じてＹ（ｓ）を変化させる。つまり、偏差Ｅ（ｓ）がゼロになるように伝達関数Ｃ（ｓ）によって操作量Ｕ（ｓ）が計算され、その操作量Ｕ（ｓ）が伝達関数Ｇ（ｓ）に入力されることで制御量Ｙ（ｓ）が目標値に近づく仕組みとなっている。ここで、伝達関数Ｇ（ｓ）は、操作量Ｕ（ｓ）を入力として有し、制御量Ｙ（ｓ）を出力として有する伝達関数であることから、制御対象３のモデルと考えることができる。
　このような伝達関数、つまり、制御対象３のモデルは、下記（数３）に示すような数式で表すことができる。なお、下記（数３）において、Ｋａ、Ｔｂはそれぞれ伝達関数のパラメータであり、Ｋａはシステムゲイン、Ｔｂは時定数である。また、ａは０以上の整数、ｂは正の整数、ｓはラプラス演算子である。
Figure JPOXMLDOC01-appb-M000003
　また、（数３）は、（数４）のように変形することもできる。ここで、分母多項式、分子多項式の根、又は根の逆数となるようなｄａ、ｃｂは、それぞれ伝達関数のパラメータであり、上述のＫａ、Ｔｂの代わりに用いることができる。
Figure JPOXMLDOC01-appb-M000004
　本実施形態では、簡略化のため、（数３）においてａ＝０、ｂ＝１とした場合の下記（数５）に示す伝達関数を制御対象３のモデルとして採用した例について説明する。
Figure JPOXMLDOC01-appb-M000005
＜パラメータ値の取得および記憶＞
　次に、本実施形態の異常検知システム１００におけるパラメータ値の取得および記憶について説明する。まず、制御対象３が正常な状態において制御量調整器１の操作量および制御対象３の制御量を測定する。次に、測定した操作量および制御量に基づいて、上述した（数５）のモデルにおける、正常な状態のパラメータ値（Ｋ０、Ｔ１）をそれぞれ取得する。前記モデルは、記憶部２０のモデル記憶領域２０１に記憶させ、取得した正常な状態の各パラメータ値は、記憶部２０の正常時パラメータ値記憶領域２０４に記憶させておく。
　本実施形態では、一例として、パラメータはＫ０とＴ１の２個で説明しているが、採用するモデルによっては、ｎ個（ｎは正の整数）のパラメータを取得して正常時パラメータ値記憶領域２０４に記憶させてもよい。例えば、上述した（数３）のモデルの場合には、ｎ＝ａ＋ｂ＋１となる。
　次に、制御対象３において何らかの異常が発生した場合のパラメータ値を取得して、記憶部２０の異常時パラメータ値記憶領域２０５に記憶させておく。制御量調整器１を温度調節器として用い、制御対象３を加熱装置とした態様では、例えば、温度調節器および加熱装置への電源投入から所定期間内に目標温度に達しない場合に異常が発生したと判定する。
　異常の原因としては様々なものが考えられるが、本実施形態では、一例として、ヒータ劣化が原因となって異常が発生した場合と、センサのゆるみが原因となって異常が発生した場合に、異常発生時のパラメータ値を取得して異常時パラメータ値記憶領域２０５に記憶させておく。
　このように異常の原因と当該異常発生時のパラメータ値との相関関係が予めわかっていれば、毎回の使用時における電源投入から所定期間内に推定されるパラメータ値と、異常発生時のパラメータ値との関係から、異常の原因を推定することが可能となる。電源投入から所定期間は、例えば図２および図３に示す時刻０から時刻ｔ２までの期間であり、以下の説明では、計測期間とする、
　本実施形態では、異常の原因をヒータ劣化とセンサのゆるみの２種類としたが、さらに多くの異常の原因が特定できる場合には、それぞれの原因と異常発生時のパラメータ値とを記憶させておけばよい。
＜ベクトル化処理＞
　本実施形態においては、異常発生時のパラメータ値と、毎回の使用時において推定されるパラメータ値とについてベクトル化処理を行うことにより、異常の原因の推定を行う。以下、本実施形態におけるベクトル化処理について説明する。
　図４は本実施形態におけるベクトル化処理を説明するための図である。図４において、縦軸を制御対象３のパラメータの一つであるシステムゲインＫ０とし、横軸をもう一つのパラメータである時定数Ｔ１とした２次元パラメータ空間を示している。制御量調整器１を温度調節器として用い、制御対象３を加熱装置とした態様では、システムゲインＫ０の単位は、偏差を、目標温度［℃］に対する目標温度［℃］と制御量（温度［℃］）との差の割合［％］で表した場合、［℃／％］となる。また、時定数Ｔ１の単位は、［秒（ｓ）］となる。
　図４において点Ａ０は、記憶部２０の正常時パラメータ値記憶領域２０４に記憶された正常時のパラメータ値を２次元パラメータ空間にプロットした点であり、以下の説明ではこの点を正常点とする。
　図４において点Ａ１は、記憶部２０の異常時パラメータ値記憶領域２０５に記憶されたヒータ劣化が原因となった異常発生時のパラメータ値を２次元パラメータ空間にプロットした点であり、以下の説明ではこの点をヒータ劣化の異常モード点とする。
　図４において点Ａ２は、記憶部２０の異常時パラメータ値記憶領域２０５に記憶されたセンサのゆるみが原因となった異常発生時のパラメータ値を２次元パラメータ空間にプロットした点であり、以下の説明ではこの点をセンサゆるみの異常モード点とする。
　図４において点Ｂは、計測期間において計測された操作量と制御量に基づいて推定されたパラメータ値を２次元パラメータ空間にプロットした点であり、以下の説明ではこの点を計測点とする。
　ヒータ劣化の異常モード点Ａ１およびセンサゆるみの異常モード点Ａ２は、それぞれの原因で異常が発生した場合に、正常点Ａ０からパラメータ値がどのように変化するかを表している。同様に、計測点Ｂは、正常点Ａ０からのパラメータ値の変化量を表している。したがって、ヒータ劣化の異常モード点Ａ１、センサゆるみの異常モード点Ａ２、および計測点Ｂのパラメータ値は、正常点Ａ０を起点としたベクトルと考えることができる。
　以下の説明では、正常点Ａ０を起点としたヒータ劣化の異常モード点Ａ１のベクトルをヒータ劣化ベクトルＡ１とし、正常点Ａ０を起点としたセンサゆるみの異常モード点Ａ２のベクトルをセンサゆるみベクトルＡ２とする。また、正常点Ａ０を起点とした計測点Ｂのベクトルを計測ベクトルＢとする。
　本実施形態では、計測ベクトルＢが、ヒータ劣化ベクトルＡ１およびセンサゆるみベクトルＡ２に対して、それぞれどの程度関係しているかを判断するために、計測ベクトルＢのヒータ劣化ベクトルＡ１およびセンサゆるみベクトルＡ２への寄与率を算出する。
　寄与率を算出するにあたっては、計測ベクトルＢをヒータ劣化ベクトルＡ１およびセンサゆるみベクトルＡ２に対して射影し、射影したベクトルのヒータ劣化ベクトルＡ１およびセンサゆるみベクトルＡ２に対する比率を算出する。
　以下、計測ベクトルＢのヒータ劣化ベクトルＡ１およびセンサゆるみベクトルＡ２への寄与率の算出方法を数式に基づいて説明する。
　まず、正常点Ａ０のパラメータ値を（Ｔ１Ａ０，Ｋ０Ａ０）とし、ヒータ劣化の異常モード点Ａ１のパラメータ値を（Ｔ１Ａ１，Ｋ０Ａ１）とすると、ヒータ劣化ベクトルＡ１は以下のように表される。
Figure JPOXMLDOC01-appb-M000006
　次に、センサゆるみの異常モード点Ａ２のパラメータ値を（Ｔ１Ａ２，Ｋ０Ａ２）とすると、センサゆるみベクトルＡ２は以下のように表される。
Figure JPOXMLDOC01-appb-M000007
　また、計測点Ｂのパラメータ値を（Ｔ１Ｂ，Ｋ０Ｂ）とすると、計測ベクトルＢは以下のように表される。
Figure JPOXMLDOC01-appb-M000008
　なお、以下の説明では、正常点Ａ０のパラメータ値（Ｔ１Ａ０，Ｋ０Ａ０）を、説明の簡略化のために（０，０）とする。
　次に、計測ベクトルＢのヒータ劣化ベクトルＡ１の射影ベクトルＢＡ１は以下のように表される。
Figure JPOXMLDOC01-appb-M000009
　ここで、ｗ１は計測ベクトルＢのヒータ劣化ベクトルＡ１への寄与率であり、寄与率ｗ１は、以下のように表される。
Figure JPOXMLDOC01-appb-M000010
　ヒータ劣化ベクトルＡ１の大きさは、以下のように表される。
Figure JPOXMLDOC01-appb-M000011
　射影ベクトルＢＡ１の大きさは、射影ベクトルＢＡ１と計測ベクトルＢとのなす角αの余弦と、計測ベクトルＢの大きさとから、以下の式で表すことができる。
Figure JPOXMLDOC01-appb-M000012
　また、ヒータ劣化ベクトルＡ１と計測ベクトルＢの内積は以下の式で表すことができる。
Figure JPOXMLDOC01-appb-M000013
　したがって、上記（数１２）および（数１３）の式、並びに上記（数１０）より、寄与率ｗ１は、以下のようにして求めることができる。
Figure JPOXMLDOC01-appb-M000014
　同様に、計測ベクトルＢのセンサゆるみベクトルＡ２の射影ベクトルＢＡ２は以下のように表される。
Figure JPOXMLDOC01-appb-M000015
　ここで、ｗ２は計測ベクトルＢのセンサゆるみベクトルＡ２への寄与率であり、寄与率ｗ２は、以下のように表される。
Figure JPOXMLDOC01-appb-M000016
　センサゆるみベクトルＡ２の大きさは、以下のように表される。
Figure JPOXMLDOC01-appb-M000017
　射影ベクトルＢＡ２の大きさは、射影ベクトルＢＡ２と計測ベクトルＢとのなす角βの余弦と、計測ベクトルＢの大きさとから、以下の式で表すことができる。
Figure JPOXMLDOC01-appb-M000018
　また、センサゆるみベクトルＡ２と計測ベクトルＢの内積は以下の式で表すことができる。
Figure JPOXMLDOC01-appb-M000019
　したがって、上記（数１８）および（数１９）の式、並びに上記（数１６）より、寄与率ｗ２は、以下のようにして求めることができる。
Figure JPOXMLDOC01-appb-M000020
　上述した（数１４）の式および（数２０）の式から明らかなように、計測点Ｂのパラメータ値がわかれば、ヒータ劣化の異常モード点Ａ１およびセンサゆるみの異常モード点Ａ２のパラメータ値に基づいて、計測ベクトルＢのヒータ劣化ベクトルＡ１およびセンサゆるみベクトルＡ２への寄与率を算出することができる。
　本実施形態では、（数１４）の式および（数２０）の式がプログラムとして記憶部２０に記憶されている。処理部２２１は、前記プログラムにしたがって、制御対象３の測定される制御量、正常時パラメータ値、および異常時パラメータ値に基づいて、上述した寄与率の算出を行う。
　表示部２３は、上述のように算出した寄与率を表示させる。ユーザは、表示部２３に表示される寄与率を見ることにより、異常が発生しているか否か、あるいは異常が発生する可能性が高いか否かを判断することができる。また、ユーザは、異常の発生または異常の発生の可能性が、どのような原因に起因しているのかを推定することができる。
＜動作例＞
　次に、本実施形態における異常検知システム１００の動作例について、図５のフローチャートを参照しつつ説明する。図５は、本実施形態における異常検知システム１００の動作例を示すフローチャートである。
　上述したように、本実施形態の異常検知システム１００においては、予めヒータ劣化の異常モード点Ａ１およびセンサゆるみの異常モード点Ａ２のパラメータ値を記憶部２０の異常時パラメータ値記憶領域２０５に記憶させておく。また、正常点Ａ０のパラメータ値を記憶部２０の正常時パラメータ値記憶領域２０４に記憶させておく。
　また、本実施形態の異常検知システム１００においては、上述したベクトル化処理を予め行い、（数１４）の式および（数２０）の式をプログラムとして記憶部２０に記憶させておく。
　まず、本実施形態の異常検知システム１００に電源が投入されると、診断部２２の処理部２２１は、計測期間において制御対象３の制御量を計測する（図５：Ｓ１０）。次に、処理部２２１は、制御対象３の制御量、制御量調整器１の操作量、および制御量調整器１の目標値に基づいて、計測点Ｂのパラメータ値を算出する（図５：Ｓ２０）。
　処理部２２１は、（数１４）の式および（数２０）の式に基づいて、それぞれの寄与率を算出する（図５：Ｓ３０）。
　表示部２３は、算出された寄与率を表示させる（図５：Ｓ４０）。以上のように、本実施形態においては、異常検知システム１００に電源が投入されるごとに、図５に示す動作が行われ、寄与率の算出と表示が行われる。
＜数値例＞
　次に、本実施形態の数値例の一つについて図６ないし図８を参照しつつ説明する。図６（Ａ）は、各パラメータ値（システムゲインＫ０，時定数Ｔ１）の数値例を示す図である。図６（Ａ）のＮｏ．１～Ｎｏ．３は、それぞれ正常点、ヒータ劣化の異常モード点、センサゆるみの異常モード点のパラメータ値を示している。Ｎｏ．４～Ｎｏ．８は、温度調節器としての制御量調整器１、および加熱装置としての制御対象３に電源投入として起動させる動作を５回行い、それぞれの計測期間の所定タイミングで計測した計測点１～計測点５のパラメータ値を示している。
　図６（Ｂ）は、各ベクトルの数値例を示す図である。図６（Ｂ）のＮｏ．２およびＮｏ．３は、それぞれヒータ劣化ベクトル、およびセンサゆるみベクトルの値を示している。Ｎｏ．４～Ｎｏ．８は、計測点１～計測点５に対応する計測ベクトル１～計測ベクトル５の値を示している。
　図７は、図６（Ａ）のパラメータ値を２次元パラメータに示したグラフである。図８は、上述した（数１４）の式および（数２０）の式から、計測ベクトル１～計測ベクトル５のヒータ劣化寄与率およびセンサゆるみ寄与率を算出した結果を示す図である。
　図８に示すように、計測ベクトル１については、ヒータ劣化寄与率が４０％であるが、センサゆるみ寄与率は１１０％であり、センサゆるみベクトルに対する寄与率が１００％を超えている。したがって、異常発生の原因がセンサゆるみにあると推定することが可能となる。
　また、図８に示すように、計測ベクトル２については、ヒータ劣化寄与率が４４％、センサゆるみ寄与率が８９％であり、ヒータ劣化およびセンサゆるみについては許容範囲であることがわかる。しかし、センサゆるみ寄与率は１００％に近づいており、センサゆるみについてのメンテナンスが必要であると判断することも可能となる。
　さらに、図８に示すように、計測ベクトル５については、ヒータ劣化寄与率が４８％、センサゆるみ寄与率が８５％であり、ヒータ劣化およびセンサゆるみについては許容範囲であることがわかる。しかし、ヒータ劣化寄与率は５０％に近づいており、ヒータ劣化についてのメンテナンスが必要であると判断することも可能となる。
　以上のように、本実施形態によれば、制御対象３となる装置に単に何らかの異常が発生しているか否かだけではなく、異常を発生させる複数の原因についての可能性を提示することができる。また、制御対象３となる装置の特性をパラメータ化できるので、装置の経年変化だけでなく、同じ構成の装置の特性差を明確にすることができる。
（実施形態２）
　次に、本発明の実施形態２について図９および図１０を参照しつつ説明する。実施形態１においては、計測ベクトルＢをヒータ劣化ベクトルＡ１等に対して射影し、射影したベクトルのヒータ劣化ベクトルＡ１等に対する比率を算出することにより、計測ベクトルＢのヒータ劣化ベクトルＡ１等への寄与率を算出した。しかしながら、本実施形態においては、計測ベクトルＢを、センサゆるみベクトルＡ２の成分とヒータ劣化ベクトルＡ１の成分との合成によって表現し、それぞれの成分を寄与率として算出するところが実施形態１と異なっている。
　以下、本実施形態における計測ベクトルＢのヒータ劣化ベクトルＡ１およびセンサゆるみベクトルＡ２への寄与率の算出方法を数式に基づいて説明する。図９は、実施形態２におけるベクトル化処理を説明するための図である。
　本実施形態においても、正常点Ａ０のパラメータ値は（Ｔ１Ａ０，Ｋ０Ａ０）とし、ヒータ劣化の異常モード点Ａ１のパラメータ値は（Ｔ１Ａ１，Ｋ０Ａ１）とする。また、センサゆるみの異常モード点Ａ２のパラメータ値は（Ｔ１Ａ２，Ｋ０Ａ２）とする。ヒータ劣化ベクトルＡ１は、実施形態１の（数６）に示すように表され、センサゆるみベクトルＡ２は実施形態１の（数７）に示すように表される。また、計測点Ｂのパラメータ値についても、実施形態１と同様に（Ｔ１Ｂ，Ｋ０Ｂ）とし、計測ベクトルＢは実施形態１の（数８）に示すように表される。
　なお、以下の説明では、正常点Ａ０のパラメータ値（Ｔ１Ａ０，Ｋ０Ａ０）を、説明の簡略化のために（０，０）とする。
　本実施形態では、まず、図９に示すように、計測ベクトルＢを、センサゆるみベクトルＡ２における成分ベクトルＢＡ２と、ヒータ劣化ベクトルＡ１における成分ベクトルＢＡ１とに分解する。センサゆるみベクトルＡ２における成分ベクトルＢＡ２は、以下のように表される。
Figure JPOXMLDOC01-appb-M000021
　ｗ２は計測ベクトルＢのセンサゆるみベクトルＡ２への寄与率であり、寄与率ｗ２は、以下のように表される。
Figure JPOXMLDOC01-appb-M000022
　一方、計測ベクトルＢのヒータ劣化ベクトルＡ１における成分ベクトルＢＡ１は以下のように表される。
Figure JPOXMLDOC01-appb-M000023
　ｗ１は計測ベクトルＢのヒータ劣化ベクトルＡ１への寄与率であり、寄与率ｗ１は、以下のように表される。
Figure JPOXMLDOC01-appb-M000024
　計測ベクトルＢは、センサゆるみベクトルＡ２における成分ベクトルＢＡ２と、ヒータ劣化ベクトルＡ１における成分ベクトルＢＡ１とにより、以下のように表される。
Figure JPOXMLDOC01-appb-M000025
　上記（数２５）の式は、以下のように表すことができる。
Figure JPOXMLDOC01-appb-M000026
　したがって、上記（数２６）より、寄与率（ｗ１，ｗ２）は以下のように表すことができる。
Figure JPOXMLDOC01-appb-M000027
　また、上記（数２７）の右辺は、以下のように表すことができる。
Figure JPOXMLDOC01-appb-M000028
Figure JPOXMLDOC01-appb-I000029

Figure JPOXMLDOC01-appb-I000030
　したがって、寄与率（ｗ１，ｗ２）は以下のように表すことができる。
Figure JPOXMLDOC01-appb-M000031
　このように、計測点Ｂのパラメータ値がわかれば、ヒータ劣化およびセンサゆるみの各異常モード点Ａ１，Ａ２のパラメータ値に基づいてベクトル化処理を行い、各ベクトルに基づいて計測ベクトルＢのヒータ劣化ベクトルＡ１およびセンサゆるみベクトルＡ２への寄与率を算出することができる。
　本実施形態では、（数２９）の式がプログラムとして記憶部２０に記憶されている。処理部２２１は、前記プログラムにしたがって、制御対象３の測定される制御量、正常時パラメータ値、および異常時パラメータ値に基づいて、上述した寄与率の算出を行う。
　表示部２３は、上述のように算出した寄与率を表示させる。ユーザは、表示部２３に表示される寄与率を見ることにより、異常が発生しているか否か、あるいは異常が発生する可能性が高いか否かを判断することができる。また、ユーザは、異常の発生または異常の発生の可能性が、どのような原因に起因しているのかを推定することができる。
＜数値例＞
　次に、本実施形態の数値例の一つについて図１０を参照しつつ説明する。なお、各パラメータ値（システムゲインＫ０，時定数Ｔ１）および各ベクトルの数値例は、実施形態１における図６（Ａ），（Ｂ）と同じ数値例を用いる。
　図１０は、図６（Ｂ）に示した各ベクトルに基づいて、上記（数２９）の式から計測ベクトル１～計測ベクトル５のヒータ劣化寄与率およびセンサゆるみ寄与率を算出した結果を示す図である。
　図１０に示すように、計測ベクトル１については、ヒータ劣化寄与率が１８％であるが、センサゆるみ寄与率は１１０％であり、センサゆるみベクトルに対する寄与率が１００％を超えている。したがって、異常発生の原因がセンサゆるみにあると推定することが可能となる。
　また、図１０に示すように、計測ベクトル４については、ヒータ劣化寄与率が２６％、センサゆるみ寄与率が９２％であり、ヒータ劣化およびセンサゆるみについては許容範囲であることがわかる。しかし、センサゆるみ寄与率は１００％に近づいており、センサゆるみについてのメンテナンスが必要であると判断することも可能となる。
　以上のように、本実施形態によれば、制御対象３となる装置に単に何らかの異常が発生しているか否かだけではなく、異常を発生させる複数の原因についての可能性を提示することができる。また、制御対象３となる装置の特性をパラメータ化できるので、装置の経年変化だけでなく、同じ構成の装置の特性差を明確にすることができる。
（実施形態３）
　次に、本発明の実施形態３について図１１ないし図１３を参照しつつ説明する。図１１は、実施形態３における異常検知システム１００の概略構成を示すブロック図である。図１１に示すように、異常検知システム１００は、診断部２２が閾値判定部２２２を備えているところが上述した実施形態と異なる。また、記憶部２０は、閾値記憶領域２０６を備えているところが上述した実施形態と異なる。
　上述した実施形態では、診断部２２の処理部２２１において、計測ベクトルＢのヒータ劣化ベクトルＡ１およびセンサゆるみベクトルＡ２への寄与率を算出し、表示部２３に寄与率を出力する態様について説明した。一方、本実施形態は、処理部２２１から出力される寄与率に予め閾値を設定しておき、閾値を超えた場合に異常が発生したと判定するところが上述した実施形態と異なる。
　記憶部２０の閾値記憶領域２０６には、予め設定したヒータ劣化の閾値と、センサゆるみの閾値を記憶させておく。閾値は、パラメータ値のデータ列として記憶させてもよいし、一次関数として記憶させてもよい。
　閾値判定部２２２は、処理部２２１において算出された前記寄与率と、閾値記憶領域２０６に記憶された閾値とを比較することにより、異常が発生しているか否かを判定する。表示部２３は、判定の結果を表示する。
　図１２は、実施形態１で説明した計測ベクトルＢをヒータ劣化ベクトルＡ１等に対して射影することにより計測ベクトルＢのヒータ劣化ベクトルＡ１等への寄与率を算出する場合のヒータ劣化とセンサゆるみの許容範囲の一例を示す図である。
　図１２においては、計測ベクトルＢのヒータ劣化ベクトルＡ１に対する寄与率が１００％となる閾値ラインＴｈ１、計測ベクトルＢのセンサゆるみベクトルＡ２に対する寄与率が１００％となる閾値ラインＴｈ２が示されている。また、計測ベクトルＢのヒータ劣化ベクトルＡ１に対する寄与率が－１００％となる閾値ラインＴｈ３、計測ベクトルＢのセンサゆるみベクトルＡ２に対する寄与率が－１００％となる閾値ラインＴｈ４が示されている。
　図１２に示す例では、閾値ラインＴｈ１から閾値ラインＴｈ３までの範囲をヒータ劣化の許容範囲とし、閾値ラインＴｈ２から閾値ラインＴｈ４までの範囲をセンサゆるみの許容範囲としている。したがって、本実施形態では、閾値判定部２２２は、閾値ラインＴｈ１，Ｔｈ２，Ｔｈ３，Ｔｈ４により囲まれる領域（各閾値ライン上を含まず）に計測点Ｂが入る場合には、異常なしと判定する。また、閾値判定部２２２は、閾値ラインＴｈ１，Ｔｈ２，Ｔｈ３，Ｔｈ４および各閾値ライン外の領域に計測点Ｂが入る場合には、異常ありと判定する。
　閾値ラインＴｈ１，Ｔｈ２，Ｔｈ３，Ｔｈ４は、計測ベクトルＢのヒータ劣化ベクトルＡ１またはセンサゆるみベクトルＡ２に対する寄与率が１００％または－１００％になるラインとして設定されている。したがって、計測ベクトルＢがこれらの閾値ライン上にある場合、あるいは、これらの閾値ラインを超えた場合であっても、ヒータ劣化ベクトルＡ１とセンサゆるみベクトルＡ２のいずれか一方に対する寄与率だけでなく、他方に対する寄与率も明らかになる。その結果、本実施形態は、パラメータ値であるシステムゲインＫ０と時定数Ｔ１の所定値を閾値としてそれぞれを独立して判断する場合に比べて、異常の発生原因を適切に推定することができる。
　図１３は、実施形態２で説明した計測ベクトルＢを、センサゆるみベクトルＡ２の成分とヒータ劣化ベクトルＡ１の成分との合成によって表現し、それぞれの成分を寄与率として算出する場合のヒータ劣化とセンサゆるみの許容範囲の一例を示す図である。
　図１３においては、計測ベクトルＢのヒータ劣化ベクトルＡ１に対する寄与率が１００％となる閾値ラインＴｈ５、計測ベクトルＢのセンサゆるみベクトルＡ２に対する寄与率が１００％となる閾値ラインＴｈ６が示されている。また、計測ベクトルＢのヒータ劣化ベクトルＡ１に対する寄与率が－１００％となる閾値ラインＴｈ７、計測ベクトルＢのセンサゆるみベクトルＡ２に対する寄与率が－１００％となる閾値ラインＴｈ８が示されている。
　図１３に示す例では、閾値ラインＴｈ５から閾値ラインＴｈ７までの範囲をヒータ劣化の許容範囲とし、閾値ラインＴｈ６から閾値ラインＴｈ８までの範囲をセンサゆるみの許容範囲としている。したがって、本実施形態では、閾値判定部２２２は、閾値ラインＴｈ５，Ｔｈ６，Ｔｈ７，Ｔｈ８により囲まれる領域（各閾値ライン上を含まず）に計測点Ｂが入る場合には、異常なしと判定する。また、閾値判定部２２２は、閾値ラインＴｈ５，Ｔｈ６，Ｔｈ７，Ｔｈ８および各閾値ライン外の領域に計測点Ｂが入る場合には、異常ありと判定する。
　閾値ラインＴｈ５，Ｔｈ６，Ｔｈ７，Ｔｈ８は、計測ベクトルＢのヒータ劣化ベクトルＡ１またはセンサゆるみベクトルＡ２に対する寄与率が１００％または－１００％になるラインとして設定されている。したがって、計測ベクトルＢがこれらの閾値ライン上にある場合、あるいは、これらの閾値ラインを超えた場合であっても、ヒータ劣化ベクトルＡ１とセンサゆるみベクトルＡ２のいずれか一方に対する寄与率だけでなく、他方に対する寄与率も明らかになる。その結果、本実施形態は、パラメータ値であるシステムゲインＫ０と時定数Ｔ１の所定値を閾値としてそれぞれを独立して判断する場合に比べて、異常の発生原因を適切に推定することができる。
　図１２と図１３に例示したように、寄与率の算出方式によって、ヒータ劣化とセンサゆるみの許容範囲としてそれぞれ異なる許容範囲を設定し得る。ユーザは使用目的に応じて、実施形態１で説明した寄与率の算出方式（以下、第１の方式とする）、若しくは実施形態２で説明した寄与率の算出方式（以下、第２の方式とする）、またはその両方を選択してもよい。
　第１の方式と第２の方式には、それぞれ利点および欠点がある。第１の方式の利点は、異常の原因となる要素の数に制限がないことである。パラメータの数、すなわちｎ次元空間における次元数ｎに関わりなく、異常の原因となる要素として複数の要素を設定することができる。第１の方式の欠点は、パラメータの変化が直交しない原因により異常が同時発生すると、何を検知しているのは分からないことである。
　これに対して、第２の方式の利点は、パラメータの変化が直交しない原因により異常が同時発生しても、異常の発生を検知できることである。第２の方式の欠点は、異常の原因となる要素の数が、パラメータの次元数、すなわちｎ次元空間における次元数ｎ以下の種類しか設定できないことである。例えば、上述した実施形態のように、パラメータがＫ０、Ｔ１の２次元である場合には、２種類までの原因による異常しか検出できない。
　したがって、ユーザは、使用目的や状況に応じて、寄与率の算出方式を適宜選択することが好ましい。
（実施形態４）
　次に、本発明の実施形態４について図１４および図１５を参照しつつ説明する。図１４は、本実施形態において２次元パラメータ空間に３種類の異常の原因のパラメータ値をプロットした例を示す図である。
　本実施形態では、パラメータの数が２個、すなわち２次元空間において、異常モード点の数が３個の場合において、第１の方式によって寄与率を算出する。
　図１４において、正常点Ａ０、および異常モード点Ａ１，Ａ２、ならびに計測点Ｂのパラメータ値は、上述した実施形態と同様である。図１４においては、ヒータ劣化、およびセンサゆるみ以外の３番目の要素が原因となって異常が発生した場合の異常モード点Ａ３がプロットされている。
　このような場合でも、計測ベクトルＢの異常モードベクトルＡ３の射影ベクトルＢＡ３を実施形態１で説明した方法で求め、計測ベクトルＢの異常モードベクトルＡ３に対する寄与率を求めることができる。このように、第１の方式を用いると、異常モード点の数がパラメータの数より多くても、寄与率を算出することができる。
　図１５は、本実施形態において、３次元パラメータ空間に３種類の異常モード点のパラメータ値をプロットした例を示す図である。図１５に示す例では、パラメータの数が３個、すなわち３次元空間において、異常モード点の数が３個の場合に、第１の方式によって寄与率を算出する。パラメータの数が３個となるモデルとしては、例えば以下の（数３０）で表されるモデルが考えられる。
Figure JPOXMLDOC01-appb-M000032
　図１５にて示すように、モデルのパラメータ数が増えたとしても、実施形態１において説明した方法により、寄与率を算出することができる。また、詳細は図示しないが、この実施形態の場合、異常モード点の数がモデルのパラメータ数を超えていないため、第２の方式によっても、寄与率の算出は可能である。
　図１６は、本実施形態において３次元パメータ空間に３種類の異常モード点のパラメータ値をプロットした他の例を示す図である。図１６に示す例では、パラメータの数が３個、すなわち３次元空間において、異常モード点の数が３個の場合に、第２の方式によって寄与率を算出する。この場合においても、パラメータの数が３個となるモデルとしては、上述した（数３０）で表されるモデルが考えられる。当然、これらの上記されているパラメータ数、異常モードの数およびモデルは例示的なものであり、上記に限定されない。
（実施形態５）
　次に、本開示に係る実施形態５について図１７を参照しつつ説明する。図１７は、本実施形態における閾値の決定方法を説明するための図である。上述した実施形態においては、ヒータ劣化およびセンサゆるみの異常モード点のパラメータ値を、それぞれヒータ劣化およびセンサゆるみの許容範囲の閾値とした態様について説明した。しかし、本実施形態においては、以下の（数３１）に示す数式を用いて許容範囲の閾値を設定するところが上述した実施形態と異なる。
Figure JPOXMLDOC01-appb-M000033
　上記（数３１）の数式において、Ｖｒｅｆは、図１７に示すように、正常点を基準とした異常モード点のベクトルの長さであり、Ｖｒｅｐは、図１７に示すように、正常点を基準とした正常の範囲に含まれる代表点のベクトルの長さである。代表点は、正常な状態でパラメータ値を複数回計測し、計測された正常点のパラメータ値の標準偏差σに基づいた３σとなる値を使用してもよいし、計測された正常点のパラメータ値の最大値を使用してもよい。また、前回計測したパラメータ値を正常点としてもよいし、現時点からＰ回前（Ｐは正の整数）までのパラメータ値の移動平均を使用してもよい。係数ｋは、予め設定された係数である。
　上記（数３１）の数式および図１７に示すように、閾値Ｖｔｈは、異常モード点のベクトルの長さＶｒｅｆと代表点のベクトルの長さＶｒｅｐの差分に係数ｋを掛けたものと、代表点のベクトルの長さＶｒｅｐとを加算することにより求められる。
　このようにして異常の発生原因となるヒータ劣化等の許容範囲の閾値を決定することにより、異常発生前に、異常を発生させる可能性が高いヒータ劣化等の原因を適切に推定することができる。
　本発明は、上述した実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において、種々の改良及び設計上の変更が可能である。
　以上のように、本開示に係る技術によれば、制御対象の異常を検知し、発生している異常の原因を推測することができ、その結果、ユーザは制御対象の異常に効率的に対応できるようになる。
１　　　制御量調整器
２　　　異常検知装置
３　　　制御対象
２０　　記憶部
２１　　パラメータ推定部
２２　　診断部
２３　　表示部
１００　異常検知システム
２０１　モデル記憶領域
２０２　操作量記憶領域
２０３　制御量記憶領域
２０４　正常時パラメータ値記憶領域
２０５　異常時パラメータ値記憶領域
２２１　処理部

Claims (9)

  1. 　制御量調整器が出力する操作量と、制御対象が出力する制御量とに基づいて、当該制御対象のモデルのパラメータを推定し、当該パラメータに基づいて前記制御対象の異常を検知する異常検知システムであって、
    　前記制御対象のモデルと、前記制御対象のモデルにおけるｎ個（ｎは正の整数）のパラメータと、前記制御対象の正常時におけるパラメータ値と、前記制御対象の異常時におけるｍ種類（ｍは正の整数）のパラメータ値とを記憶する記憶部と、
    　所定の計測期間において前記制御量を計測し、計測時のパラメータ値を推定するパラメータ値推定部と、
    　ｎ次元パラメータ空間で、前記正常時におけるパラメータ値に対応する正常点と、前記異常時におけるｍ種類のパラメータ値にそれぞれ対応し、前記異常の原因と関係付けられたｍ個の異常モード点とを位置付けるとともに、前記計測時のパラメータ値に対応する計測点を位置付け、前記正常点から前記計測点へ向かう計測ベクトルと、前記正常点から各異常モード点へ向かう各異常モード点ベクトルとを設定し、前記計測ベクトルの前記各異常モード点ベクトルへの寄与率を評価する処理部を有し、前記寄与率に基づいて、異常の度合いを前記原因ごとに診断する診断部と、を備える、
    異常検知システム。
  2. 　前記モデルは、計測した制御量及び操作量に基づき決定される伝達関数であり、前記パラメータは、伝達関数の分子多項式及び分母多項式の係数であることを特徴とする、
    請求項１に記載の異常検知システム。
  3. 　前記モデルは、計測した制御量及び操作量に基づき決定される伝達関数であり、前記パラメータは、伝達関数の分子多項式及び分母多項式の根、又は根の逆数を用いることを特徴とする、
    請求項１に記載の異常検知システム。
  4. 　前記処理部は、前記計測ベクトルと前記各異常モード点ベクトルとのなす角の余弦を算出することで前記寄与率を評価する、
    請求項１から請求項３のいずれか一項に記載の異常検知システム。
  5. 　前記処理部は、前記計測ベクトルを前記各異常モード点ベクトルで分解することで前記寄与率を評価する、
    請求項１から請求項３のいずれか一項に記載の異常検知システム。
  6. 　前記処理部は、ｎ次元パラメータ空間で、前記異常の度合いの許容範囲の外郭を、前記寄与率が一定となる前記パラメータの閾値ラインとして設定し、
    　前記診断部は、前記許容範囲に前記計測点が存在するか否かに応じて異常を判定する判定部を備える、
    請求項１から請求項５のいずれか一項に記載の異常検知システム。
  7. 　前記処理部は、前記各異常モード点ベクトルの長さをＶｒｅｆとし、前記正常点からの正常の範囲に含まれる代表点のベクトルの長さをＶｒｅｐとし、所定の係数をｋとして、前記異常の度合いの許容範囲の外郭である閾値Ｖｔｈを以下の式により算出し、
    　Ｖｔｈ＝（Ｖｒｅｆ－Ｖｒｅｐ）×ｋ＋Ｖｒｅｐ
    　前記診断部は、前記許容範囲に前記計測点が存在するか否かに応じて異常を判定する判定部を備える、
    請求項６に記載の異常検知システム。
  8. 　制御量調整器が出力する操作量と、制御対象が出力する制御量とに基づいて、当該制御対象のモデルのパラメータを推定し、当該パラメータに基づいて前記制御対象の異常を検知する異常検知方法であって、
    　前記制御対象のモデルと、前記制御対象のモデルにおけるｎ個（ｎは正の整数）のパラメータと、前記制御対象の正常時におけるパラメータ値と、前記制御対象の異常時におけるｍ種類（ｍは正の整数）のパラメータ値とを記憶部に記憶させるステップと、
    　パラメータ値推定部により、所定の計測期間において計測した前記制御量に基づいて、計測時のパラメータ値を推定するステップと、
    　処理部により、ｎ次元パラメータ空間で、前記正常時におけるパラメータ値に対応する正常点と、前記異常時におけるｍ種類のパラメータ値にそれぞれ対応し、前記異常の原因と関係付けられたｍ個の異常モード点とを位置付けるとともに、前記現在のパラメータ値に対応する計測点を位置付けるステップと、
    　前記処理部により、前記正常点から前記計測点へ向かう計測ベクトルと、前記正常点から各異常モード点へ向かう各異常モード点ベクトルとを設定するステップと、
    　前記処理部により、前記計測ベクトルの前記各異常モード点ベクトルへの寄与率を評価するステップと、
    　診断部により、前記寄与率に基づいて、異常の度合いを前記原因ごとに診断するステップと、を備える、
    異常検知方法。
  9. 　請求項８に記載の異常検知方法をコンピュータに実行させるためのプログラム。
PCT/JP2020/003914 2019-02-15 2020-02-03 異常検知システム、異常検知方法およびプログラム WO2020166407A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-026006 2019-02-15
JP2019026006A JP2020135242A (ja) 2019-02-15 2019-02-15 異常検知システム、異常検知方法およびプログラム

Publications (1)

Publication Number Publication Date
WO2020166407A1 true WO2020166407A1 (ja) 2020-08-20

Family

ID=72044814

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/003914 WO2020166407A1 (ja) 2019-02-15 2020-02-03 異常検知システム、異常検知方法およびプログラム

Country Status (2)

Country Link
JP (1) JP2020135242A (ja)
WO (1) WO2020166407A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160370258A1 (en) * 2015-06-19 2016-12-22 Johnson Controls Technology Company Building management system with voting-based fault detection and diagnostics
JP2017057712A (ja) * 2013-01-30 2017-03-23 住友重機械工業株式会社 ショベルの状態表示装置
JP2017167663A (ja) * 2016-03-14 2017-09-21 株式会社東芝 プロセス診断装置、プロセス診断方法及びコンピュータプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5765336B2 (ja) * 2010-05-06 2015-08-19 日本電気株式会社 障害分析装置、障害分析方法およびプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017057712A (ja) * 2013-01-30 2017-03-23 住友重機械工業株式会社 ショベルの状態表示装置
US20160370258A1 (en) * 2015-06-19 2016-12-22 Johnson Controls Technology Company Building management system with voting-based fault detection and diagnostics
JP2017167663A (ja) * 2016-03-14 2017-09-21 株式会社東芝 プロセス診断装置、プロセス診断方法及びコンピュータプログラム

Also Published As

Publication number Publication date
JP2020135242A (ja) 2020-08-31

Similar Documents

Publication Publication Date Title
JP6733164B2 (ja) プロセス監視装置、プロセス監視方法及びプログラム
US20090271150A1 (en) System, method and algorithm for data-driven equipment performance monitoring
JP6772963B2 (ja) 異常診断装置及び異常診断方法
US20200150601A1 (en) Solution for controlling a target system
JP2009229382A (ja) 制御機器および電力推定方法
US20210397169A1 (en) Information processing apparatus and monitoring method
JP6415335B2 (ja) 不具合診断方法及び不具合診断システム
WO2020166407A1 (ja) 異常検知システム、異常検知方法およびプログラム
KR20190016458A (ko) 시스템 상태 예측
JP7210268B2 (ja) 工作機械の熱変位補正方法、熱変位補正プログラム、熱変位補正装置
JP6702297B2 (ja) プロセスの異常状態診断方法および異常状態診断装置
TWI700569B (zh) 劣化診斷裝置以及方法
CN110096029B (zh) 热位移校正装置
JP7255358B2 (ja) 異常検知装置、異常検知方法およびプログラム
JP2013200245A (ja) 前処理方法
WO2020262709A1 (ja) 処理システム監視装置、処理システム監視方法、及びプログラム
JP6879863B2 (ja) サーボ機構の診断装置及び診断方法並びに診断プログラム
JP6951153B2 (ja) 診断装置および方法
EP3776116A1 (en) Online fault localization in industrial processes without utilizing a dynamic system model
JP2020129158A5 (ja)
CN116678086B (zh) 基于卷积神经网络的室内温度控制方法及系统
JP7119885B2 (ja) 異常検知装置、異常検知方法、およびプログラム
JP6974131B2 (ja) 推定装置および方法
JP7115656B1 (ja) 制御装置、制御方法及びプログラム
JP2018174047A (ja) 劣化診断装置および方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20756165

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20756165

Country of ref document: EP

Kind code of ref document: A1