JPH05272994A - 状態検出装置 - Google Patents
状態検出装置Info
- Publication number
- JPH05272994A JPH05272994A JP4068460A JP6846092A JPH05272994A JP H05272994 A JPH05272994 A JP H05272994A JP 4068460 A JP4068460 A JP 4068460A JP 6846092 A JP6846092 A JP 6846092A JP H05272994 A JPH05272994 A JP H05272994A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- state
- standard pattern
- operating state
- standard
- 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.)
- Withdrawn
Links
Landscapes
- Recording Measured Values (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
(57)【要約】
【目的】 この発明は、運転員に対して、発生事象の詳
細な情報と必要な処置方法を指示して、運転員の負担を
軽くする状態検出装置である。 【構成】 運転状態の基本データを収集するサンプリン
グ手段１と、得られた基本データに自己回帰モデルによ
る処理を施して運転状態のパターンを作成するパターン
作成手段２と、各種運転状態のパターンを予め標準パタ
ーンとして記憶するパターン記憶手段３と、各種運転状
態についての詳細情報と処置指示情報を記憶する情報記
憶手段５と、運転状態と標準の両パターンとを比較選択
して運転状態を判断する状態判定手段４と、その判断結
果と前記詳細情報と処置指示情報とを表示する表示手段
４と、状態判定手段４の出力から運転状態を学習し学習
結果をパターン記憶手段３と情報記憶手段５に記憶する
学習手段を備えている。
細な情報と必要な処置方法を指示して、運転員の負担を
軽くする状態検出装置である。 【構成】 運転状態の基本データを収集するサンプリン
グ手段１と、得られた基本データに自己回帰モデルによ
る処理を施して運転状態のパターンを作成するパターン
作成手段２と、各種運転状態のパターンを予め標準パタ
ーンとして記憶するパターン記憶手段３と、各種運転状
態についての詳細情報と処置指示情報を記憶する情報記
憶手段５と、運転状態と標準の両パターンとを比較選択
して運転状態を判断する状態判定手段４と、その判断結
果と前記詳細情報と処置指示情報とを表示する表示手段
４と、状態判定手段４の出力から運転状態を学習し学習
結果をパターン記憶手段３と情報記憶手段５に記憶する
学習手段を備えている。
Description
【０００１】
【産業上の利用分野】この発明は、プラント等の運転状
態を監視する状態検出装置に関する。
態を監視する状態検出装置に関する。
【０００２】
【従来の技術】従来、発生事象に対する状態表示は各種
センサからの情報（プラント観測値）を受け、その情報
を表示するための加工をプラント計算機で行い、これを
図４に示すようなプラント状態表示盤に表示していた。
センサからの情報（プラント観測値）を受け、その情報
を表示するための加工をプラント計算機で行い、これを
図４に示すようなプラント状態表示盤に表示していた。
【０００３】このプラント状態表示盤は、状態表示パネ
ル４１、監視モニタ４２、指示計器４３、操作スイッチ
４４およびグラフィックによりトレンド等を表示する表
示モニタ４５からなり、情報は各個別に表示されるよう
になっている。
ル４１、監視モニタ４２、指示計器４３、操作スイッチ
４４およびグラフィックによりトレンド等を表示する表
示モニタ４５からなり、情報は各個別に表示されるよう
になっている。
【０００４】このような状態表示盤では、故障などの事
象が発生したような場合、表示されていた各情報を読み
取る必要があった。したがって、事象の確認までに時間
が掛かり、そのため処置に対する時間も掛かる不都合が
あるばかりでなく、プラント運転員の経験の差異によっ
ては発生事象の原因判定に時間を要していた。
象が発生したような場合、表示されていた各情報を読み
取る必要があった。したがって、事象の確認までに時間
が掛かり、そのため処置に対する時間も掛かる不都合が
あるばかりでなく、プラント運転員の経験の差異によっ
ては発生事象の原因判定に時間を要していた。
【０００５】
【発明が解決しようとする課題】つまり、従来の装置で
はフラントに何等かの事象が発生した場合、プラント運
転員は、状態表示パネル４１，監視モニタ４２，指示計
器４３，表示モニタ４５などに表示される状態表示を見
て、どの事象が、どこで発生し、プラントにどのような
影響を与えるか等を把握する必要があるが、事象発生か
らのトレンドや、それらのデータに基づいて解析しなけ
ればならないため、これらを理解して事態を把握するま
でに多くの時間を必要とていた。
はフラントに何等かの事象が発生した場合、プラント運
転員は、状態表示パネル４１，監視モニタ４２，指示計
器４３，表示モニタ４５などに表示される状態表示を見
て、どの事象が、どこで発生し、プラントにどのような
影響を与えるか等を把握する必要があるが、事象発生か
らのトレンドや、それらのデータに基づいて解析しなけ
ればならないため、これらを理解して事態を把握するま
でに多くの時間を必要とていた。
【０００６】この発明は、このような問題を解決するた
めになされたもので、プラント運転員に対して、発生事
象の詳細な情報と、必要な処置方法を指示して、プラン
ト運転員の負担を軽くする状態検出装置を提供すること
を目的としている。
めになされたもので、プラント運転員に対して、発生事
象の詳細な情報と、必要な処置方法を指示して、プラン
ト運転員の負担を軽くする状態検出装置を提供すること
を目的としている。
【０００７】
【課題を解決するための手段】この発明の状態検出装置
は、プラント等の運転状態検出装置であって、運転状態
を診断する基本データを収集するサンプリング手段と、
このサンプリング手段で得られた基本データに自己回帰
モデルによる処理を施してこの運転状態のパターンを作
成するパターン作成手段と、各種運転状態についてのそ
れぞれのパターンを予め標準パターンとして記憶するパ
ターン記憶手段と、各種運転状態についての詳細情報と
処置指示情報を記憶する情報記憶手段と、パターン作成
手段で作成された運転状態のパターンと予め用意された
標準パターンとを比較し選択して運転状態を判断する状
態判定手段と、この状態判定手段の判断結果と情報記憶
手段から必要に応じて読み出される詳細情報と処置指示
情報とを表示する表示手段と、状態判定手段の比較結果
から運転状態を学習し学習結果をパターン記憶手段およ
び情報記憶手段に記憶する学習手段とを具備することを
特徴としている。
は、プラント等の運転状態検出装置であって、運転状態
を診断する基本データを収集するサンプリング手段と、
このサンプリング手段で得られた基本データに自己回帰
モデルによる処理を施してこの運転状態のパターンを作
成するパターン作成手段と、各種運転状態についてのそ
れぞれのパターンを予め標準パターンとして記憶するパ
ターン記憶手段と、各種運転状態についての詳細情報と
処置指示情報を記憶する情報記憶手段と、パターン作成
手段で作成された運転状態のパターンと予め用意された
標準パターンとを比較し選択して運転状態を判断する状
態判定手段と、この状態判定手段の判断結果と情報記憶
手段から必要に応じて読み出される詳細情報と処置指示
情報とを表示する表示手段と、状態判定手段の比較結果
から運転状態を学習し学習結果をパターン記憶手段およ
び情報記憶手段に記憶する学習手段とを具備することを
特徴としている。
【０００８】
【作用】このように構成することで、基本データに基づ
いて作成された、そのときの運転状態を示すパターン
は、標準パターンと比較されて、このパターンに最も近
い標準パターンが選択される。必要な標準パターンが選
択されると、それに基づいて詳細情報と処置指示情報が
表示手段に読み出されて、運転員に必要な知識と指示を
与える。また、運転状態が予め用意した標準パターンと
異なる場合は、この運転状態を学習して、指示内容を変
更したり将来の運転のために備えるようにしている。
いて作成された、そのときの運転状態を示すパターン
は、標準パターンと比較されて、このパターンに最も近
い標準パターンが選択される。必要な標準パターンが選
択されると、それに基づいて詳細情報と処置指示情報が
表示手段に読み出されて、運転員に必要な知識と指示を
与える。また、運転状態が予め用意した標準パターンと
異なる場合は、この運転状態を学習して、指示内容を変
更したり将来の運転のために備えるようにしている。
【０００９】
【実施例】以下、図面を参照しながらこの発明の一実施
例を説明する。この実施例はプラントの装置の電源電流
をサンプリングすることにより運転状態を把握する実施
例であり、図１はこの実施例の構成の概略を示すブロッ
ク構成図である。
例を説明する。この実施例はプラントの装置の電源電流
をサンプリングすることにより運転状態を把握する実施
例であり、図１はこの実施例の構成の概略を示すブロッ
ク構成図である。
【００１０】同図において、１は電源電流の電流サンプ
リング手段で、２は電流サンプリング手段で得られた電
源電流のサンプルで検査用のパターンに作成するパター
ン作成手段である。
リング手段で、２は電流サンプリング手段で得られた電
源電流のサンプルで検査用のパターンに作成するパター
ン作成手段である。
【００１１】３は複数の運転状態を表す予め用意した標
準パターンを記憶する標準パターン記憶手段で、パター
ン作成手段２で作成された検査用のパターンと標準パタ
ーン記憶手段３に記憶された標準パターンは、状態判定
手段４で比較されて運転状態に最も近い標準パターンが
選ばれる。
準パターンを記憶する標準パターン記憶手段で、パター
ン作成手段２で作成された検査用のパターンと標準パタ
ーン記憶手段３に記憶された標準パターンは、状態判定
手段４で比較されて運転状態に最も近い標準パターンが
選ばれる。
【００１２】さらに、状態判定手段４は選択された標準
パターンの情報から発生した事象についての詳細情報を
データベース５から表示手段６に読み出して、運転状態
を判断する。また、それに対する処置をデータベース５
から検索して表示手段６に表示し、運転員に指示する構
成になっている。これら構成要素の機能の詳細を以下に
説明する。
パターンの情報から発生した事象についての詳細情報を
データベース５から表示手段６に読み出して、運転状態
を判断する。また、それに対する処置をデータベース５
から検索して表示手段６に表示し、運転員に指示する構
成になっている。これら構成要素の機能の詳細を以下に
説明する。
【００１３】電流サンプリング手段１は、電子回路で構
成される制御装置の電源電流を収集して、収集した電流
からノイズ成分を取り除くフィルタ機構を備えている。
この電流サンプリング手段１はＡ／Ｄ変換器を用いて、
回路の電源電流を抵抗電位差の形で取り込むもので、サ
ンプリング周波数は２００ＫHZ以上で、サンプリング点
数８１９２点以上のサンプリングを行う。サンプリング
された電流データは、移動平均法によりノイズ成分が除
去され、さらに、低域フィルタで電流の高周波成分が除
去される。
成される制御装置の電源電流を収集して、収集した電流
からノイズ成分を取り除くフィルタ機構を備えている。
この電流サンプリング手段１はＡ／Ｄ変換器を用いて、
回路の電源電流を抵抗電位差の形で取り込むもので、サ
ンプリング周波数は２００ＫHZ以上で、サンプリング点
数８１９２点以上のサンプリングを行う。サンプリング
された電流データは、移動平均法によりノイズ成分が除
去され、さらに、低域フィルタで電流の高周波成分が除
去される。
【００１４】この移動平均法は、入力信号をｎ個の離散
値ｘ(i) 但しi ＝1,2 …n で表し、Ｎ（2m+1）個の離散
点からなるウェイト関数ｗ(j) 但しj ＝-m ,…-1,0,1…
mを用いて平滑するものである。ノイズ除去された出力
ｙ(k）は次式で求められる。 ｙ(k）＝１／ＷΣ（ｗ(j) ・ｘ(i+j) ） Σは j ＝
−ｍからｍまで、 但し、 i ＝m+1 ，m+2 ，…n-m Ｗ＝Σｗ(j) Σは j ＝−ｍからｍまでとする。 このようなサンプリング出力をパターン作成手段２に送
る。
値ｘ(i) 但しi ＝1,2 …n で表し、Ｎ（2m+1）個の離散
点からなるウェイト関数ｗ(j) 但しj ＝-m ,…-1,0,1…
mを用いて平滑するものである。ノイズ除去された出力
ｙ(k）は次式で求められる。 ｙ(k）＝１／ＷΣ（ｗ(j) ・ｘ(i+j) ） Σは j ＝
−ｍからｍまで、 但し、 i ＝m+1 ，m+2 ，…n-m Ｗ＝Σｗ(j) Σは j ＝−ｍからｍまでとする。 このようなサンプリング出力をパターン作成手段２に送
る。
【００１５】パターン作成手段２は、電流サンプリング
手段１で得られた出力に、一種の確立過程のモデルであ
る自己回帰モデル（ＡＲモデル）による信号処理を施
し、そのパラメータを任意のプラント運転状態のパター
ンとして記憶するもので、得られた電流データを次式で
示す自己回帰モデル（ＡＲモデル）で表現する。 ｘk ＝Σ（ａn ・ｘk-n ）＋ｍk Σは n ＝１から
Ｎまでとする。 この式で、 ｘk は観測された時系列データ、ｍk は予
測誤差、ｎは自己回帰モデルの次数、 ａn は線形予
測係数である。この自己回帰モデルから得られる任意の
運転状態のパターンは、線形予測係数ａn と予測誤差ｍ
k の分散σn 2 からなるベクトルである。
手段１で得られた出力に、一種の確立過程のモデルであ
る自己回帰モデル（ＡＲモデル）による信号処理を施
し、そのパラメータを任意のプラント運転状態のパター
ンとして記憶するもので、得られた電流データを次式で
示す自己回帰モデル（ＡＲモデル）で表現する。 ｘk ＝Σ（ａn ・ｘk-n ）＋ｍk Σは n ＝１から
Ｎまでとする。 この式で、 ｘk は観測された時系列データ、ｍk は予
測誤差、ｎは自己回帰モデルの次数、 ａn は線形予
測係数である。この自己回帰モデルから得られる任意の
運転状態のパターンは、線形予測係数ａn と予測誤差ｍ
k の分散σn 2 からなるベクトルである。
【００１６】また、自己回帰モデルの次数の決定は、一
般に最終予測誤差が最少になる次数が用いられるが、こ
の実施例でもこれを採用して、適性なモデル次数として
正常運転時のモデル次数を基準としている。
般に最終予測誤差が最少になる次数が用いられるが、こ
の実施例でもこれを採用して、適性なモデル次数として
正常運転時のモデル次数を基準としている。
【００１７】状態判定手段４は、標準パターン記憶手段
３に予め用意した複数の標準パターンとパターン作成手
段２で得られる任意の運転状態のパターンとの間で、図
２に示すような流れでパターン比較を行い、プラントの
発生事象を判断するものである。
３に予め用意した複数の標準パターンとパターン作成手
段２で得られる任意の運転状態のパターンとの間で、図
２に示すような流れでパターン比較を行い、プラントの
発生事象を判断するものである。
【００１８】同図においてステップＡ１とＢ１はそれぞ
れ正常運転時と事象発生検査時における電流サンプリン
グ手段１の電源電流測定ステップで、ステップＡ２とＢ
２はパターン作成手段２における自己回帰モデルによる
信号処理ステップ、ステップＣは状態判定手段４におけ
る両パターンを比較するパターン認識ステップである。
れ正常運転時と事象発生検査時における電流サンプリン
グ手段１の電源電流測定ステップで、ステップＡ２とＢ
２はパターン作成手段２における自己回帰モデルによる
信号処理ステップ、ステップＣは状態判定手段４におけ
る両パターンを比較するパターン認識ステップである。
【００１９】この状態判定手段４は、パターン作成手段
２で得られたその運転状態のパターンの前記ベクトル
と、標準パターンとのユークリッド距離ｄ(n) を求め
る。そしてこの距離ｄ(n) の最も近い標準パターンを求
める。求められた標準パターンがどのような事象の場合
のパターンであるかによって、運転状態の事象を判断す
るものである。なお、ユークリッド距離ｄ(n) は次式で
示される。 ｄ(n) ＝｛Σ（ａn(i)−ａnx）2 ＋（σn 2 (i) −σn 2 x ）2 ｝1/2 この式で、 ａn(i)…検査パターンの線形予測係数 ａnx …標準パターンの線形予測係数 σn(i)…検査パターンの予測誤差 σnx …標準パターンの予測誤差 である。 さらに、この状態判定手段４は、プラントの各発生事象
のパターンを学習する機能を持つ。
２で得られたその運転状態のパターンの前記ベクトル
と、標準パターンとのユークリッド距離ｄ(n) を求め
る。そしてこの距離ｄ(n) の最も近い標準パターンを求
める。求められた標準パターンがどのような事象の場合
のパターンであるかによって、運転状態の事象を判断す
るものである。なお、ユークリッド距離ｄ(n) は次式で
示される。 ｄ(n) ＝｛Σ（ａn(i)−ａnx）2 ＋（σn 2 (i) −σn 2 x ）2 ｝1/2 この式で、 ａn(i)…検査パターンの線形予測係数 ａnx …標準パターンの線形予測係数 σn(i)…検査パターンの予測誤差 σnx …標準パターンの予測誤差 である。 さらに、この状態判定手段４は、プラントの各発生事象
のパターンを学習する機能を持つ。
【００２０】標準パターン記憶手段３には標準パターン
として、正常状態と故障などの代表的な事象発生のパタ
ーンが用意されていて、運転状態の検査パターンをこれ
ら標準パターンと比較してしぼり込み、最もユークリッ
ド距離が近い標準パターンを選択して、このパターンの
詳細情報をデータベース５から読み出して、発生原因の
解明や詳しい事象内容を知ることができる。
として、正常状態と故障などの代表的な事象発生のパタ
ーンが用意されていて、運転状態の検査パターンをこれ
ら標準パターンと比較してしぼり込み、最もユークリッ
ド距離が近い標準パターンを選択して、このパターンの
詳細情報をデータベース５から読み出して、発生原因の
解明や詳しい事象内容を知ることができる。
【００２１】もしも、この事象の検査パターンに近い標
準パターンが見出だせなかった場合は、この事象をプラ
ント知識の新たな事象知識として学習を行う。また、近
い標準パターンがあった場合でも、微妙に異なる点につ
いては将来のために学習しておく必要がある。
準パターンが見出だせなかった場合は、この事象をプラ
ント知識の新たな事象知識として学習を行う。また、近
い標準パターンがあった場合でも、微妙に異なる点につ
いては将来のために学習しておく必要がある。
【００２２】この学習は、図３に示すような学習機能を
持ったニューラルネットワーク７により行われる。この
ニューラルネットワーク７は三層三段構成をなしてお
り、誤差逆向伝播学習（バックプロパゲーション）を行
うものである。
持ったニューラルネットワーク７により行われる。この
ニューラルネットワーク７は三層三段構成をなしてお
り、誤差逆向伝播学習（バックプロパゲーション）を行
うものである。
【００２３】入力として負荷指令とパターン作成手段２
で得られたパターンの線形予測係数と予測誤差の標準ま
たは未学習事象とのユークリッド距離を与え、教師信号
８として現運転状態におけるパターン作成手段２で作成
した各パターンを与える。そしてこれらパターンを診て
状態を把握し学習するものである。このような学習機能
を設けることで、予め用意する標準パターンの数を低減
させることができる。このようにして状態判定手段４で
得られた結果に基づいて、データベース５から発生した
事象の詳細情報を検索して、表示手段６に表示する。な
お、未学習の事象があったとき必要に応じて、データベ
ース５に追記しておけば、将来その事象が発生したとき
対応が可能となる。
で得られたパターンの線形予測係数と予測誤差の標準ま
たは未学習事象とのユークリッド距離を与え、教師信号
８として現運転状態におけるパターン作成手段２で作成
した各パターンを与える。そしてこれらパターンを診て
状態を把握し学習するものである。このような学習機能
を設けることで、予め用意する標準パターンの数を低減
させることができる。このようにして状態判定手段４で
得られた結果に基づいて、データベース５から発生した
事象の詳細情報を検索して、表示手段６に表示する。な
お、未学習の事象があったとき必要に応じて、データベ
ース５に追記しておけば、将来その事象が発生したとき
対応が可能となる。
【００２４】また、状態判定手段４の学習機構ニューラ
ルネットワーク７は、一回の学習では学習認識効果がう
すいので、そのため多数の繰り返し学習を行い、ニュー
ラルネットワーク７の学習効果を高めることができる。
この場合の学習は通常のプラント運転状態で行うのが望
ましい。なお、この発明は上記実施例に限定されるもの
ではなく、要旨を変更しない範囲で変形して実施でき
る。
ルネットワーク７は、一回の学習では学習認識効果がう
すいので、そのため多数の繰り返し学習を行い、ニュー
ラルネットワーク７の学習効果を高めることができる。
この場合の学習は通常のプラント運転状態で行うのが望
ましい。なお、この発明は上記実施例に限定されるもの
ではなく、要旨を変更しない範囲で変形して実施でき
る。
【００２５】上記実施例では、プラント装置の電源電流
をプラント運転状態を診断するための基本データとした
ものを説明したが、状態を検知するための基本データは
電源電流データに限定されない。
をプラント運転状態を診断するための基本データとした
ものを説明したが、状態を検知するための基本データは
電源電流データに限定されない。
【００２６】
【発明の効果】この発明によれば、次の効果が期待でき
る。 (1) プラントの状態を把握するために、従来のように限
られた情報からでなく、データベースに記憶されている
多くの情報を利用できる。 (2) 発生事象に対する詳細な情報とその処置方法を出力
するので、運転員の負担を軽くするとともに、発生事象
について豊富な知識を与えることができる。 (3) 学習機能により、運転状態の知識が豊富になり、運
転員に対する教育効果が大きい。
る。 (1) プラントの状態を把握するために、従来のように限
られた情報からでなく、データベースに記憶されている
多くの情報を利用できる。 (2) 発生事象に対する詳細な情報とその処置方法を出力
するので、運転員の負担を軽くするとともに、発生事象
について豊富な知識を与えることができる。 (3) 学習機能により、運転状態の知識が豊富になり、運
転員に対する教育効果が大きい。
【図１】この発明の一実施例の構成を示すブロック構成
図。
図。
【図２】この実施例のパターン比較の流れ図。
【図３】この実施例の学習機能の説明図。
【図４】従来の状態検出装置の構成図。
１…電流サンプリング手段、２…パターン作成手段、３
…標準パターン記憶手段 ４…状態判定手段、５…データベース、６…表示手段、
７…ニューラルネットワーク、８…教師信号。
…標準パターン記憶手段 ４…状態判定手段、５…データベース、６…表示手段、
７…ニューラルネットワーク、８…教師信号。
Claims (1)
- 【請求項１】プラント等の運転システムにおいて、 運転状態を診断するための基本データを収集するサンプ
リング手段と、 このサンプリング手段で得られた基本データに自己回帰
モデルによる処理を施してこの運転状態のパターンを作
成するパターン作成手段と、 各種運転状態についてのそれぞれのパターンを予め標準
パターンとして記憶するパターン記憶手段と、 各種運転状態についての詳細情報と処置指示情報を記憶
する情報記憶手段と、 前記パターン作成手段で作成された運転状態のパターン
と予め用意された前記標準パターンとを比較し選択して
運転状態を判断する状態判定手段と、 この状態判定手段の判断結果と前記情報記憶手段から必
要に応じて読み出される前記詳細情報と処置指示情報と
を表示する表示手段と、 前記状態判定手段の比較結果から運転状態を学習し学習
結果を前記パターン記憶手段および情報記憶手段に記憶
する学習手段と、 を具備することを特徴とした状態検出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4068460A JPH05272994A (ja) | 1992-03-26 | 1992-03-26 | 状態検出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4068460A JPH05272994A (ja) | 1992-03-26 | 1992-03-26 | 状態検出装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05272994A true JPH05272994A (ja) | 1993-10-22 |
Family
ID=13374331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4068460A Withdrawn JPH05272994A (ja) | 1992-03-26 | 1992-03-26 | 状態検出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05272994A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7464063B2 (en) | 2003-06-30 | 2008-12-09 | Caterpillar Japan Ltd. | Information processor, state judging unit and diagnostic unit, information processing method, state judging method and diagnosing method |
| JP2017192278A (ja) * | 2016-04-17 | 2017-10-19 | 新電元工業株式会社 | 電力変換装置の制御方法 |
| JP2017192277A (ja) * | 2016-04-17 | 2017-10-19 | 新電元工業株式会社 | 電力変換装置の診断方法 |
-
1992
- 1992-03-26 JP JP4068460A patent/JPH05272994A/ja not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7464063B2 (en) | 2003-06-30 | 2008-12-09 | Caterpillar Japan Ltd. | Information processor, state judging unit and diagnostic unit, information processing method, state judging method and diagnosing method |
| JP2017192278A (ja) * | 2016-04-17 | 2017-10-19 | 新電元工業株式会社 | 電力変換装置の制御方法 |
| JP2017192277A (ja) * | 2016-04-17 | 2017-10-19 | 新電元工業株式会社 | 電力変換装置の診断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102189269B1 (ko) | 컨볼루션 신경망을 이용한 유도 모터의 결함 진단방법 및 시스템 | |
| Yang et al. | A control chart pattern recognition system using a statistical correlation coefficient method | |
| US5101337A (en) | Plant diagnostic apparatus | |
| Wegerich et al. | Nonparametric modeling of vibration signal features for equipment health monitoring | |
| Laffey et al. | Reasoning about fault diagnosis with LES | |
| JP3567073B2 (ja) | 時系列データ予測方法および装置 | |
| CN110058983A (zh) | 异常检查参数调整显示装置 | |
| JPH0793018A (ja) | 動作状態の診断方法及びシステム | |
| JPH05272994A (ja) | 状態検出装置 | |
| US5590036A (en) | Failure-recovering sequential procedure teaching system and method thereof | |
| JP2020107248A (ja) | 異常判定装置および異常判定方法 | |
| Bilski et al. | Rough-sets-based reduction for analog systems diagnostics | |
| JPH0887427A (ja) | トレース診断装置 | |
| JPH09502261A (ja) | 判断の可能な計測器 | |
| JPH11219297A (ja) | 診断型問題解決装置及びプログラム記録媒体 | |
| JPH0658716B2 (ja) | 故障診断装置及び故障診断システム | |
| JP2001255932A (ja) | プロセス定数同定装置 | |
| JPH07261826A (ja) | プロセスユニットの状態検知装置 | |
| JP3259152B2 (ja) | プラント状態表示装置 | |
| Jugan | Advanced methods of motor testing | |
| KR20240148492A (ko) | 다중 구성요소를 가지는 이송시스템의 시스템 레벨 진단 장치 및 방법 | |
| JPH06273286A (ja) | プロセス状態診断システム | |
| KR100915720B1 (ko) | 기술 장비를 진단하기 위한 방법 | |
| JP3037832B2 (ja) | 形状自動制御装置 | |
| JPH0512240A (ja) | 予測装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 19990608 |