[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JPH07110708A - 故障診断装置および方法 - Google Patents

故障診断装置および方法

Info

Publication number
JPH07110708A
JPH07110708A JP5255462A JP25546293A JPH07110708A JP H07110708 A JPH07110708 A JP H07110708A JP 5255462 A JP5255462 A JP 5255462A JP 25546293 A JP25546293 A JP 25546293A JP H07110708 A JPH07110708 A JP H07110708A
Authority
JP
Japan
Prior art keywords
sensor
pair
sensors
quantization
storage means
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP5255462A
Other languages
English (en)
Other versions
JP3221184B2 (ja
Inventor
Masahiro Shikayama
昌宏 鹿山
Yasuo Morooka
泰男 諸岡
Yoichi Sugita
洋一 杉田
Masaaki Nakajima
正明 中島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP25546293A priority Critical patent/JP3221184B2/ja
Priority to TW083108967A priority patent/TW275676B/zh
Priority to CN94117145A priority patent/CN1047446C/zh
Priority to DE4436658A priority patent/DE4436658B4/de
Priority to US08/322,557 priority patent/US5548597A/en
Priority to KR1019940026175A priority patent/KR0172982B1/ko
Publication of JPH07110708A publication Critical patent/JPH07110708A/ja
Application granted granted Critical
Publication of JP3221184B2 publication Critical patent/JP3221184B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

(57)【要約】 【構成】複数のセンサを備えた制御対象の異常診断装置
に、良好稼働時のセンサの出力信号を基に各センサの相
関関係を抽出する手段と、診断データを抽出された相関
関係と照合、この結果から各センサの信頼性を算出し、
出力異常のセンサを特定する手段を設けた。 【効果】複雑な相関関係を明らかにすることができ、セ
ンサの出力を単独でチェックしていたのでは検出困難な
経年変化しているセンサを検知することができる。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は鉄鋼，電力，一般産業等
における多数のセンサを備えた制御システムの診断方法
に関するもので、個々のセンサは見かけ上正常値を出力
していても、経年変化による劣化のために測定精度が低
下しているようなとき、劣化したセンサを特定するのに
好適な診断方法に関する。
【０００２】
【従来の技術】多数のセンサで構成されるシステムのセ
ンサ診断を的確に行う従来技術としては、「免疫ネット
ワーク情報モデルによる故障診断」（石田，第３回自律
分散システムシンポジウム，Ｈ４年１月）に記載されて
いるように、センサ同士の出力の間に必然的に存在する
大小関係から故障したセンサを特定する方法がある。さ
らに特開平5−35329号に記載されているように、センサ
出力相互の相関関係を予め設定しておき、センサ出力が
この相関に合致しているかどうかを基に、異常センサを
特定する方法であった。
【０００３】
【発明が解決しようとする課題】上記従来技術には以下
の問題がある。すなわちセンサ出力間の大小関係や相関
関係があらかじめ明確に定義できる単純な制御系の場合
は、劣化センサの検出は容易であるが、大小関係や相関
関係が複雑で容易に抽出できない場合には適用できな
い。
【０００４】
【課題を解決するための手段】上記問題点は、各センサ
が良好な値を出力しているときの操業データに対する複
数の量子化ベクトルを構築する量子化手段と、量子化ベ
クトルをセンサのペア毎に蓄える相関記憶手段と、入力
したセンサ出力値を相関記憶手段の内容と照合して照合
結果（異常度に相当）を算出する照合手段と、各ペアセ
ンサの照合結果から、劣化したセンサを特定する診断手
段とを備えることにより解決される。
【０００５】
【作用】量子化手段は複数の量子化ニューロンと、これ
ら量子化ニューロンを結ぶシナプスとからなる量子化ネ
ットワークを各ペアセンサ毎に備えている。そして各セ
ンサから時系列で入力される入力信号に対して、量子化
ニューロンのシナプス荷重を更新していく。
【０００６】この量子化ニューロン毎に対応したシナプ
ス荷重の組は量子化ベクトルと呼ばれ、相関記憶手段に
格納される。
【０００７】照合手段はセンサ入力に対して最も類似度
の高い量子化ベクトルを抽出し、この量子化ベクトルと
センサ出力値との組み合わせを照合してセンサのペア毎
の照合結果を算出する。
【０００８】診断手段は各センサペアに割り当てられた
異常度から各センサの信頼性を計算する。
【０００９】
【実施例】以下、本発明の実施例を図に従い説明する。
【００１０】図１は本発明の故障診断装置１００の構成
である。操業データ記憶手段１０２は、入力部１０１か
ら制御対象１２０に備えられたｎ個のセンサ（センサ
１，センサ２，センサ３，…，センサｎ）の出力信号を
操作タイミングに合わせ記憶する。図２は操業データ記
憶手段１０２に記憶されているデータの構成例で、セン
サ１〜センサｎから検出された信号がｍ個まで時系列に
蓄えられた状態を示している。
【００１１】量子化手段１０４は、操業データ記憶手段
１０２に蓄えられたデータベースに基づいて、各センサ
の出力に内在している相関関係を抽出する。この結果は
各センサのペア毎に、相関記憶手段１０５の中にあるセ
ンサ相関記憶手段１０６〜１０７に記憶される。照合手
段１０８は相関記憶手段１０５のデータと、入力部１０
１から取り込んだセンサ１〜センサｎの信号とを照合
し、各センサペア間で抽出された相関関係と正常時の相
関関係とどの程度隔たっているかを定量化する。診断手
段１０９はセンサペア毎に定量化された相関関係の隔た
りから、各センサの出力に異常があるかどうかを判定す
る。
【００１２】さらに異常がある場合には、異常値を出力
しているセンサを特定し、表示手段１１２にセンサ番号
等の情報を表示する。また必要に応じて異常処理手段１
１０を起動して異常処理アルゴリズムに基づく信号を制
御対象１２０に出力する。
【００１３】図３は量子化手段１０４の構成例で、量子
化ネットワーク３０１と量子化アルゴリズム３０２から
構成される。量子化ネットワーク３０１は各センサのペ
アに対応して独立に備えられており、図はセンサ１とセ
ンサ２のペアについての演算を行う量子化ネットワーク
の例であるが、単一の相関ネットワークを複数のセンサ
のペアで共有してもよい。
【００１４】量子化ネットワーク３０１は、センサ１か
らの検出信号Ｉ１とセンサ２からの検出信号Ｉ２とが入
力される入力ニューロン１および入力ニューロン２から
なる入力ニューロン３０５と定数（図では１）Ｉ３を出
力するしきい値ニューロン３０６とからなる入力層３０
３と、量子化ニューロン３０７を複数含む量子化ニュー
ロン層３０４、そして入力層３０３と量子化ニューロン
層３０４との間の信号を伝達するシナプス３０８により
構成される。量子化ニューロン層３０４からは各量子化
ニューロン３０７と結合しているシナプス３０８のシナ
プス荷重の値に従って、数１に示す演算結果Ｏj(ｊ＝１
〜Ｎ）が量子化アルゴリズム３０２に出力される。
【００１５】
【数１】
【００１６】図４に量子化アルゴリズム３０２が実行す
るアルゴリズムを示す。まずＳ４−１で、操業データ記
憶手段１０２から各センサのペアに対応したデータを抽
出する。センサ１とセンサ２の相関を記憶したい場合で
あれば、図２の該当するデータとして時系列番号１に対
応した（０.１５８４，０.２６８１）、時系列番号２に
対応した（０.０３６９，０.３２８１）のデータのペア
が順次入力される。次にＳ４−２で、各量子化ニューロ
ン３０７について（数１）に基づいた演算を行い、出力
値Ｏ１〜ＯＮを算出する。Ｓ４−３で、Ｏ１〜ＯＮのう
ち値が最大のものを検出する。仮にＯj が最大であった
とすると、量子化ニューロンｊに対応したシナプス荷重
Ｗ1j〜Ｗ3jを更新する。すなわち入力ニューロン３０５
に対応したシナプス荷重Ｗ1j，Ｗ2jは数２により、また
しきい値ニューロン３０６に対応したシナプス荷重Ｗ3j
に関しては数３により更新されることで学習される。
【００１７】
【数２】 Ｗ′ij＝Ｗij＋α（Ｉi−Ｗij） …（数２）
【００１８】
【数３】
【００１９】ただしＷ′1j，Ｗ′2jはそれぞれ更新後の
入力ニューロンに対応したシナプス荷重の値、Ｗ′3jは
しきい値ニューロンに対応したシナプス荷重の値、αは
定数である。シナプス荷重の更新式は、ベクトル
(Ｗ1j，Ｗ2j)とベクトル(Ｉ1，Ｉ2)の相関を大きくする
処理と対応していればよく、このような更新式は数２と
数３に限定する必要はない。
【００２０】Ｓ４−５の終了の処理は、Ｓ４−１〜Ｓ４
−４を一定回数繰り返したら終了するようにしてもよい
が、操業データ記憶手段１０２から抽出した各ペアデー
タに対応したシナプス荷重の更新量がすべて一定値以下
となったことで終了してもよい。処理が終了していない
場合にはＳ４−１に戻ってペアデータを次々に抽出し、
同様の処理を繰り返す。以上の処理が終了すれば操業デ
ータ記憶手段１０２に格納されていたｍ個のペアデータ
がＮ個の量子化ニューロンのシナプス荷重で代表された
ことになる。
【００２１】本実施例の量子化手段１０４では、操業デ
ータ記憶手段１０２にあらかじめ蓄えられたデータを対
象に量子化したが、センサ出力を時系列に取り込んで量
子化してもよい。
【００２２】次に図５に相関記憶手段１０５の構成を示
す。相関記憶手段１０５は量子化アルゴリズムの演算結
果を記憶している。図５のセンサ相関記憶手段１０６
は、センサ１とセンサ２の間の相関関係を、量子化ベク
トル（量子化ニューロンのシナプス荷重）（Ｗ1j，
Ｗ2j）（ただしｊ＝１，…，Ｎ）として記憶している。
またセンサ相関記憶手段１０７は、センサ（ｎ−１）と
センサｎの相関関係を記憶している。この場合の相関は
量子化ベクトル(Ｖ1j，Ｖ2j）(ただしｊ＝１，…,Ｎ)と
して記憶している。センサ相関記憶手段１０６，１０７
は、すべてのペアセンサに対応して設けても良いが、相
関関係が存在しないことが明白なセンサのペアに関して
は省略してもよい。
【００２３】各ペアセンサの検出信号を対応したセンサ
相関記憶手段１０６，１０７にマッピングしたとき、近
傍に量子化ベクトルが存在していれば、各センサが良好
な値を出力していると判定できる。
【００２４】次に照合するためのアルゴリズムを図６に
示す。ペアセンサをセンサ１とセンサ２とすると、セン
サ１から見てセンサ２がどの程度良好に稼働している
か、逆にセンサ２から見てセンサ１がどの程度良好に稼
働しているかを相互診断した結果を異常度とし、以下の
アルゴリズムで定量化される。
【００２５】まずＳ６−１でセンサ１〜センサｎの信号
を入力部１０１を介して取り込む。次にＳ６−２でペア
センサ毎に出力に対応したセンサ相関記憶手段１０６〜
107にマッピングする。センサ１とセンサ２のペアであ
れば、センサ相関記憶手段１０６にマッピングする。Ｓ
６−３で各センサ相関記憶手段毎にマッピングされた位
置（座標）に最も近接した量子化ベクトル検出する。Ｓ
６−４でマッピングされた座標と量子化ベクトルとの距
離からセンサ出力の異常度を検出する。
【００２６】異常度は以下のようにして求める。マッピ
ングされた座標（Ｘ，Ｙ）とマッピング座標に最も近接
した量子化ベクトルの座標を（Ｗｘ，Ｗｙ）とすると、
異常度Ｕの値は数４で計算できる。
【００２７】
【数４】 Ｕ＝ｆ｛（Ｘ−Ｗｘ）2＋（Ｙ−Ｗｙ）2−β｝ …（数４） ただし ｆ（ｘ）＝ｘ （ｘ≧０） または ｆ（ｘ）＝０ （ｘ＜０） ここでβはオフセット値で、（Ｘ，Ｙ）が（Ｗｘ，Ｗ
ｙ）から半径βの内側にあるとき異常度Ｕは０となり、
センサの出力は正常と判定される。（Ｘ，Ｙ）が（Ｗ
ｘ，Ｗｙ）から半径βの外側にあるときは、異常度Ｕは
（Ｘ，Ｙ）と(Ｗｘ,Ｗｙ）の距離に応じた値になり、異
常度Ｕが大きいほど異常の度合いが大きいことに対応す
る。
【００２８】Ｓ６−５で、センサ相関記憶手段に対応し
たすべてのペアセンサに関して、異常度を求めたら処理
を終了する。処理が終了していなければ未処理のペアセ
ンサに関してＳ６−２〜Ｓ６−４の処理を繰り返す。こ
の処理により各ペアセンサに対応した異常度Ｕが定量化
される。
【００２９】図７は診断手段１０９の構成で、ペアのセ
ンサの組で得られた異常度Ｕから異常センサを抽出する
ために、診断ネットワーク６０１と診断アルゴリズム６
０２からなる。診断ネットワーク６０１は各センサに対
応したユニット６０３と、各ユニットを結合するシナプ
ス６０４から構成される。各ユニットの信頼値Ｒi(ｉ＝
１，…，ｎ）は対応するセンサの信頼性を示しており、
たとえば正常センサならば信頼値Ｒi＝１を、センサが
劣化していれば信頼値Ｒi＝０を出力するものとする。
さらにシナプス６０４に割付けられた診断ネットワーク
のシナプス加重ωijはセンサｉとセンサｊのペアに対応
した異常度Ｕを基に、数５で計算される。
【００３０】
【数５】 ωij＝ｇ（１−γＵ） …（数５） ただし ｇ（ｘ）＝ｘ （ｘ≧−１） または ｇ（ｘ）＝−１ （ｘ＜−１） γ：定数 数５において、センサｉとセンサｊが互いに正常に稼働
していると認識しあった場合は診断ネットワークのシナ
プス加重ωij＝１であり、異常度Ｕの大きさに従って診
断ネットワークのシナプス加重ωijは減少し、異常度Ｕ
がある値より大きいと診断ネットワークのシナプス加重
ωij＝−１の飽和した値となる。
【００３１】図７でユニット間でシナプスが交換されて
いる場合は、対応するセンサの間に相関関係があり、ユ
ニット間でシナプスが省略されているときは相関関係が
ないことを意味している。
【００３２】図８は診断手段１０９の診断アルゴリズム
６０２が行う処理である。まずＳ８−１で、照合手段１
０８から求められた異常度Ｕを各ペアセンサに関して取
り込み、数５に従って診断ネットワークのシナプス加重
ωijを算出する。
【００３３】次にＳ８−２でユニットの信頼値Ｒi の初
期値を求める。センサの初期設定状態は正常と考えるこ
とができるので、信頼値Ｒi＝１(ｉ＝１，…，ｎ）とし
て初期値に用いて良い。あるいはランダムに１と０を割
付けてもよい。
【００３４】Ｓ８−３では数６で求めたエネルギＥが減
少する方向にユニット６０３の信頼値Ｒi を更新する。
まず１つのユニット６０３を取り出し、このユニット６
０３の値を反転してエネルギＥを求める。もしエネルギ
Ｅの値が減少すれば、ユニット６０３の信頼値Ｒi を反
転した状態に維持し、エネルギＥが増加すればユニット
の反転は無効として元へ戻す。
【００３５】
【数６】
【００３６】Ｓ８−４では診断ネットワーク６０１の収
れんを判断し、収れんしていた場合にはアルゴリズムを
終了する。収れん判定はどのユニット６０３の信頼値Ｒ
i を反転してもエネルギＥが減少しない状態でもって判
断する方法が一般的である。あるいは適当な反復回数で
演算を打ち切ってもよい。診断ネットワーク６０１が収
れんしていないと判定されたときは、Ｓ８−３の処理を
繰り返す。
【００３７】ユニット６０３の信頼値Ｒi の更新方法と
しては数６による方法の他に、数７のＥ′（ｉ）の符号
を検出してユニット６０３の値が反転するかどうかで決
定する方法も考えられる。すなわちユニットｉを抽出し
て数７を計算し、Ｅ′（ｉ）が正ならば信頼値Ｒi＝１
(ユニットｉは正常）、Ｅ′（ｉ）が負であれば信頼値
Ｒi＝０と判定する。Ｅ′(ｉ）が０であれば、現状の
Ｅ′（ｉ）の値が踏襲される。
【００３８】
【数７】
【００３９】図８のアルゴリズムにより得られた診断結
果は、表示手段１１２によりユーザに表示される。報知
される内容としては、表示手段１１２がディスプレイな
らば、異常の有無，異常センサのセンサ番号等が考えら
れる。また表示手段１１２がアラームランプならば、対
応ランプを点灯すれば良い。
【００４０】あるいはまた異常が診断された場合は、異
常処理手段１１０が起動され、異常処理が実行される。
異常処理としては、該当センサに対応した機器の動作を
停止したり、センサの値を無視する処理をあらかじめプ
ログラミングしておき、必要に応じて出力部１１１を介
して制御対象１２０に出力する。
【００４１】本実施例では信頼値Ｒi の値を１または０
と定義し、センサ出力の信頼性を正常または異常の２通
りに分類したが、信頼値Ｒi として０〜１の中間値を持
たせ、相対的な信頼値Ｒi の大きさを用いて最も信頼性
の高いセンサや故障している可能性の高いセンサを特定
する方法も考えられる。この場合は０と１との反転に代
わって一定の微小量を加算していくか減算していくかに
より、エネルギＥを最小にする信頼値Ｒi を求めるよう
にすれば良い。
【００４２】本発明では、相関記憶手段１０５を構築す
るまでの処理（第１処理モード）と、構築された相関記
憶手段１０５を用いてセンサの出力異常を診断する処理
（第２処理モード）を故障診断装置１００で一括処理す
るものとしたが、第１処理モードを別の装置で実現し、
故障診断装置１００では相関記憶手段１０５の内容を受
け取って第２処理モードを実行する他の構成とすること
も考えられる。
【００４３】また本実施例ではセンサ出力のみに着目し
た例を示したが、センサがフィードバックループの中に
入っており、センサの出力異常が実際の出力として明確
に現われない場合には、検出可能な状態量を量子化ネッ
トワーク３０１の入力とし、これらの相関を抽出して診
断の対象としてもよい。この場合もセンサ相関記憶手段
１０６〜１０７を多次元にすることにより、本実施例と
同様の処理で診断を行うことができる。
【００４４】複数のサブシステムから構成される全体シ
ステムが診断対象である場合の他の実施例を図９に示
す。サブシステム９０１〜９０４からの出力信号を入力
部101で入力し、今まで述べてきた処理により劣化して
いるサブシステムを特定し、診断結果を出力部１１０か
ら各サブシステム９０１〜９０４に送る。
【００４５】図１０は他の実施例で、故障診断装置１０
０において、相関記憶手段１０５を構築するまでの処理
（第１処理モード）と、構築された相関記憶手段１０５
を用いてセンサの出力異常を診断する処理（第２処理モ
ード）をスイッチ１００２で切り替える切り換え手段１
００１を入力部１０１の出力側に備えた例である。
【００４６】第１処理モードではセンサの出力信号は操
業データ記憶手段１０２に送られて相関記憶手段１０５
の構築に用いられる。第２処理モードではセンサの出力
信号は照合手段１０８に送られ、センサの出力異常が検
出される。切り換え手段1001は外部から設定する構成と
し、任意のモードに設定できる。たとえば相関記憶手段
１０５が十分高精度に構築できた後、第１処理モードか
ら第２処理モードに故障診断装置１００の状態を変える
ことにより、故障診断の開始タイミングを適切に設定で
きる。
【００４７】
【発明の効果】本発明によれば、各ペアセンサ間に含ま
れる種々な相関関係が抽出でき、この相関関係からセン
サ同士で相互診断した結果を総合的に判断し、各センサ
の信頼性を算出できる。したがってセンサの経年変化等
による出力異常が検出でき、制御系の信頼性を向上でき
る。特に溶鉱炉の内部を測定するセンサのように、劣化
センサの交換やチェックが容易でない場合に有効であ
る。
【図面の簡単な説明】
【図１】故障診断装置の構成図である。
【図２】操業データ記憶手段の構成図である。
【図３】量子化手段の構成図である。
【図４】量子化アルゴリズムの処理フローである。
【図５】相関記憶手段の構成図である。
【図６】照合手段の処理アルゴリズムである。
【図７】診断手段の構成図である。
【図８】照合手段の処理フローである。
【図９】分散システムの診断に用いた場合の一実施例で
ある。
【図１０】処理モードの切り換え手段を備えた実施例で
ある。
【符号の説明】
１００…故障診断装置、１０１…入力部、１０２…操業
データ記憶手段、104…量子化手段、１０５…相関記憶
手段、１０８…照合手段、１０９…診断手段、１１０…
異常処理手段、１１１…出力部、１１２…表示手段、１
２０…制御対象、３０１…量子化ネットワーク、３０２
…量子化アルゴリズム、６０１…診断ネットワーク、６
０２…診断アルゴリズム、９００…全体システム、１０
０１…切り換え手段。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 中島 正明 茨城県日立市大みか町五丁目２番１号 株 式会社日立製作所大みか工場内

Claims (9)

    【特許請求の範囲】
  1. 【請求項１】制御対象に備えられた複数のセンサからの
    出力信号を蓄える操業データ記憶手段と、 前記操業データ記憶手段の前記センサ出力信号から量子
    化ベクトルを構築する量子化手段と、 前記量子化ベクトルを前記センサのペア毎に蓄える相関
    記憶手段と、 前記相関記憶手段に蓄えられた前記量子化ベクトルと、
    前記センサ出力信号とから異常度を算出する照合手段
    と、 を備えたことを特徴とする故障診断装置。
  2. 【請求項２】制御対象に備えられた複数のセンサからの
    出力信号を蓄える操業データ記憶手段と、 前記操業データ記憶手段の前記センサ出力信号から量子
    化ベクトルを構築する量子化手段と、 前記量子化ベクトルを前記センサのペア毎に蓄える相関
    記憶手段と、 前記相関記憶手段に蓄えられた前記量子化ベクトルと、
    前記センサ出力信号とから異常度を算出する照合手段
    と、 前記照合手段で求められた異常度から、前記センサの信
    頼性を診断する診断手段と、 を備えたことを特徴とする故障診断装置。
  3. 【請求項３】制御対象に備えられた複数のセンサからの
    出力信号を蓄える操業データ記憶手段と、 前記操業データ記憶手段の前記センサ出力信号から量子
    化ベクトルを構築する量子化手段と、 前記量子化ベクトルを前記センサのペア毎に蓄える相関
    記憶手段と、 前記相関記憶手段に蓄えられた前記量子化ベクトルと前
    記ペアセンサの出力信号とから異常度を算出する照合手
    段と、 前記照合手段で求められた異常度から、前記センサの信
    頼性を診断する診断手段と、 前記診断手段によって検出された診断結果に基づき前記
    制御対象を制御する異常処理手段と、 を備えたことを特徴とする故障診断装置。
  4. 【請求項４】請求項１乃至請求項３のいずれかにおい
    て、前記量子化手段は前記ペアセンサの検出信号と定数
    とを入力する入力層と、複数の量子化ニューロンからな
    る量子化ニューロン層とからなり、前記入力層と前記量
    子化ニューロン層とを接続するシナプス荷重を量子化ベ
    クトルとして更新する手段で構成されることを特徴とす
    る故障診断装置。
  5. 【請求項５】請求項１乃至請求項３のいずれかにおい
    て、前記照合手段は前記量子化ベクトルと前記ペアセン
    サの出力信号との距離に基づいて異常度を決定すること
    を特徴とする故障診断装置。
  6. 【請求項６】請求項２乃至請求項３のいずれかにおい
    て、前記診断手段は前記各センサに対応したユニットと
    前記照合手段からの異常度に基づいて前記ユニット間の
    シナプス荷重からなる診断ネットワークを構成し、該セ
    ンサの信頼性を算出することを特徴とする故障診断装
    置。
  7. 【請求項７】請求項１乃至請求項３のいずれかにおい
    て、前記操業データ記憶手段と前記照合手段とへ入力す
    る前記複数のセンサからの出力信号を切換える切換手段
    を備えたことを特徴とする故障診断装置。
  8. 【請求項８】制御対象に備えられた複数センサをペアに
    組み合わせ、前記ペアのセンサ出力信号を入力して量子
    化ネットワークに学習させ、前記ペアのセンサ出力信号
    と量子化ベクトルとの相関関係を求め、新規入力のペア
    センサ出力信号と前記量子化ベクトルとから前記新規入
    力のペアセンサの異常度を求めることを特徴とする故障
    診断方法。
  9. 【請求項９】制御対象に備えられた複数センサをペアに
    し、前記ペアのセンサ出力信号を量子化ネットワークに
    入力して学習させ、前記ペアのセンサ出力信号と量子化
    ベクトルとの相関関係を求め、新規入力のペアセンサ出
    力信号と前記量子化ベクトルとから前記新規入力のペア
    センサの異常度を求め、前記異常度を診断ネットワーク
    に入力して、前記診断ネットワークのエネルギーを最小
    にすることにより前記複数のセンサの中から異常センサ
    を抽出することを特徴とする故障診断方法。
JP25546293A 1993-10-13 1993-10-13 故障診断装置および方法 Expired - Lifetime JP3221184B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP25546293A JP3221184B2 (ja) 1993-10-13 1993-10-13 故障診断装置および方法
TW083108967A TW275676B (ja) 1993-10-13 1994-09-27
CN94117145A CN1047446C (zh) 1993-10-13 1994-10-13 故障诊断装置及其诊断方法
DE4436658A DE4436658B4 (de) 1993-10-13 1994-10-13 Vorrichtung und Verfahren zur Störungsuntersuchung
US08/322,557 US5548597A (en) 1993-10-13 1994-10-13 Failure diagnosis apparatus and a method thereof
KR1019940026175A KR0172982B1 (ko) 1993-10-13 1994-10-13 고장진단장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP25546293A JP3221184B2 (ja) 1993-10-13 1993-10-13 故障診断装置および方法

Publications (2)

Publication Number Publication Date
JPH07110708A true JPH07110708A (ja) 1995-04-25
JP3221184B2 JP3221184B2 (ja) 2001-10-22

Family

ID=17279105

Family Applications (1)

Application Number Title Priority Date Filing Date
JP25546293A Expired - Lifetime JP3221184B2 (ja) 1993-10-13 1993-10-13 故障診断装置および方法

Country Status (6)

Country Link
US (1) US5548597A (ja)
JP (1) JP3221184B2 (ja)
KR (1) KR0172982B1 (ja)
CN (1) CN1047446C (ja)
DE (1) DE4436658B4 (ja)
TW (1) TW275676B (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011059790A (ja) * 2009-09-07 2011-03-24 Hitachi Ltd 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム
WO2014091952A1 (ja) * 2012-12-14 2014-06-19 日本電気株式会社 センサ監視装置、センサ監視方法、及びセンサ監視プログラム
WO2014091956A1 (ja) * 2012-12-14 2014-06-19 日本電気株式会社 監視装置、監視方法、及びプログラム
JP2016133944A (ja) * 2015-01-19 2016-07-25 株式会社日立製作所 異常診断分析装置
WO2016147656A1 (ja) * 2015-03-16 2016-09-22 日本電気株式会社 情報処理装置、情報処理方法、及び、記録媒体
JP2018092310A (ja) * 2016-12-01 2018-06-14 住友重機械工業株式会社 故障診断システム
CN108593053A (zh) * 2018-03-15 2018-09-28 上海新奥新能源技术有限公司 流量计量单元中仪表的故障诊断方法及装置
US10113443B2 (en) 2014-09-01 2018-10-30 Ihi Corporation Failure detection device

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6071280A (en) 1993-11-08 2000-06-06 Rita Medical Systems, Inc. Multiple electrode ablation apparatus
US5928229A (en) 1993-11-08 1999-07-27 Rita Medical Systems, Inc. Tumor ablation apparatus
US5599346A (en) * 1993-11-08 1997-02-04 Zomed International, Inc. RF treatment system
DE59603795D1 (de) * 1995-08-09 2000-01-05 Siemens Ag Analysesystem für eine technische anlage, insbesondere für eine kraftwerksanlage
JP2000500254A (ja) * 1995-08-09 2000-01-11 シーメンス アクチエンゲゼルシヤフト 技術的設備、特に発電所設備のプロセス信号を解析するための方法
US5680409A (en) * 1995-08-11 1997-10-21 Fisher-Rosemount Systems, Inc. Method and apparatus for detecting and identifying faulty sensors in a process
US6090105A (en) 1995-08-15 2000-07-18 Rita Medical Systems, Inc. Multiple electrode ablation apparatus and method
US6059780A (en) 1995-08-15 2000-05-09 Rita Medical Systems, Inc. Multiple antenna ablation apparatus and method with cooling element
US5925042A (en) 1995-08-15 1999-07-20 Rita Medical Systems, Inc. Multiple antenna ablation apparatus and method
US5951547A (en) 1995-08-15 1999-09-14 Rita Medical Systems, Inc. Multiple antenna ablation apparatus and method
US6132425A (en) 1995-08-15 2000-10-17 Gough; Edward J. Cell necrosis apparatus
US6080150A (en) 1995-08-15 2000-06-27 Rita Medical Systems, Inc. Cell necrosis apparatus
US5980517A (en) 1995-08-15 1999-11-09 Rita Medical Systems, Inc. Cell necrosis apparatus
US5913855A (en) 1995-08-15 1999-06-22 Rita Medical Systems, Inc. Multiple antenna ablation apparatus and method
EP0795805B1 (de) * 1996-03-14 2001-08-08 Siemens Aktiengesellschaft Verfahren zur Analyse von Meldeelementen einer Kraftwerksanlage
US5758064A (en) * 1996-03-26 1998-05-26 Ncr Corporation Method of diagnosing communication problems of electronic price labels
DE19730259C1 (de) * 1997-07-09 1999-02-04 Siemens Ag Verfahren und Anordnung zum Prüfen eines Doppelsensorsystems
DE19735010C1 (de) * 1997-08-13 1998-06-18 Daimler Benz Ag Verfahren zur Erkennung von Zündaussetzern bei einer Brennkraftmaschine mit zwei Zündkerzen pro Zylinder
US7269475B1 (en) * 1998-03-02 2007-09-11 Xerox Corporation Distributed control system with global contraints for controlling object motion with smart matter
EP1112532B1 (en) * 1998-08-17 2003-04-02 Aspen Technology, Inc. Sensor validation apparatus and method
DE19930311C1 (de) * 1999-07-01 2000-12-14 Siemens Ag Verfahren und Vorrichtung zum Bestimmen einer Betriebsstörung in einer Kraftstoffeinspritzanlage
US6453279B1 (en) * 1999-11-05 2002-09-17 The Foxboro Company Statistical trend generator for predictive instrument maintenance
SE522549C2 (sv) * 2001-03-06 2004-02-17 Goalart Ab En anordning och ett förfarande för sensoranalys av en flödesprocess, för att detektera felaktiga larm och indikera larmsignalers tillförlitlighet till en operatör
JP4071449B2 (ja) * 2001-03-27 2008-04-02 株式会社東芝 センサ異常検出方法及びセンサ異常検出装置
US6772082B2 (en) * 2001-04-26 2004-08-03 Abb As Method for detecting and correcting sensor failure in oil and gas production system
US7152068B2 (en) * 2001-12-21 2006-12-19 Honeywell International Inc. Method and apparatus for retrieving time series data related to an activity
US7093168B2 (en) * 2002-01-22 2006-08-15 Honeywell International, Inc. Signal validation and arbitration system and method
GB0307406D0 (en) * 2003-03-31 2003-05-07 British Telecomm Data analysis system and method
US7451003B2 (en) * 2004-03-04 2008-11-11 Falconeer Technologies Llc Method and system of monitoring, sensor validation and predictive fault analysis
US7162393B1 (en) * 2005-09-01 2007-01-09 Sun Microsystems, Inc. Detecting degradation of components during reliability-evaluation studies
US7231291B2 (en) * 2005-09-15 2007-06-12 Cummins, Inc. Apparatus, system, and method for providing combined sensor and estimated feedback
JP2008097363A (ja) * 2006-10-12 2008-04-24 Okuma Corp 異常診断方法及びその装置
JP4582192B2 (ja) * 2008-05-20 2010-11-17 トヨタ自動車株式会社 車両故障解析システム、車両故障解析装置、車両故障解析方法
JP5048748B2 (ja) * 2009-12-18 2012-10-17 三菱電機株式会社 試験テーブル生成装置及び試験テーブル生成方法
DE102010009518B4 (de) * 2010-02-26 2015-03-26 Audi Ag Messvorrichtung und Verfahren zu deren Kalibrierung
CN102538859A (zh) * 2011-05-19 2012-07-04 广东迅通科技股份有限公司 多类传感器的监测处理方法
US9298182B2 (en) * 2011-12-15 2016-03-29 Xeonet Co., Ltd Method of displaying abnormal status in plant operation monitoring system
US20140039798A1 (en) * 2012-07-31 2014-02-06 Chetan K. Gupta System and methods for grouping similar items within a set
DE102012112782A1 (de) 2012-12-20 2014-06-26 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Verfahren und Vorrichtung zur Bestimmung eines Zustands eines in einem Prozessbehälter integrierten Messaufnehmers
WO2016132479A1 (ja) * 2015-02-18 2016-08-25 東芝三菱電機産業システム株式会社 鉄鋼プラントアラームマネジメント装置
JP5875726B1 (ja) * 2015-06-22 2016-03-02 株式会社日立パワーソリューションズ 異常予兆診断装置のプリプロセッサ及びその処理方法
CN105067025A (zh) * 2015-07-31 2015-11-18 西南科技大学 一种利用单稳系统随机共振效应检测微弱信号的方法
EP3388911B1 (en) * 2016-03-24 2019-12-25 Mitsubishi Heavy Industries, Ltd. Monitoring device, monitoring method and program
US11327475B2 (en) 2016-05-09 2022-05-10 Strong Force Iot Portfolio 2016, Llc Methods and systems for intelligent collection and analysis of vehicle data
US11838036B2 (en) 2016-05-09 2023-12-05 Strong Force Iot Portfolio 2016, Llc Methods and systems for detection in an industrial internet of things data collection environment
US11774944B2 (en) 2016-05-09 2023-10-03 Strong Force Iot Portfolio 2016, Llc Methods and systems for the industrial internet of things
AT519777B1 (de) * 2017-03-22 2019-12-15 Ait Austrian Inst Tech Gmbh Verfahren zur Erkennung des normalen Betriebszustands eines Arbeitsprozesses
WO2018178082A1 (en) 2017-03-28 2018-10-04 Shell Internationale Research Maatschappij B.V. Method, computer device and system for providing a visualization of sensor measurements
US10678233B2 (en) 2017-08-02 2020-06-09 Strong Force Iot Portfolio 2016, Llc Systems and methods for data collection and data sharing in an industrial environment
CN108489527B (zh) * 2017-12-25 2020-06-16 渤海造船厂集团有限公司 船用过程参数测量柜功能插件智能校验器
KR101967339B1 (ko) * 2018-03-06 2019-04-09 단국대학교 산학협력단 심층학습 기반의 ａｄａｓ 센서 고장 진단 및 백업을 위한 장치 및 방법
CN109815080A (zh) * 2018-12-14 2019-05-28 深圳壹账通智能科技有限公司 计算机设备的三维监控方法及其装置
DE102019135483A1 (de) * 2019-12-20 2021-06-24 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Früherkennung und Reaktion auf Fehler in einer Maschine
EP4237908A4 (en) * 2020-10-27 2024-10-02 View Inc FAILURE PREDICTION OF AT LEAST ONE SOLID WINDOW
US11625031B2 (en) * 2020-11-30 2023-04-11 GM Global Technology Operations LLC Anomaly detection systems and methods
US11895809B2 (en) * 2021-05-12 2024-02-06 Nvidia Corporation Intelligent leak sensor system for datacenter cooling systems
CN115457756B (zh) * 2021-06-09 2024-07-19 中移系统集成有限公司 传感器校准的方法及装置
EP4293457A1 (de) * 2022-06-15 2023-12-20 Siemens Aktiengesellschaft Überwachungsverfahren, computerprogrammprodukt, überwachungsseinheit, gasanalysevorrichtung und verwendung einer künstlichen intelligenz

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3505818A1 (de) * 1985-02-20 1986-08-21 Licentia Patent-Verwaltungs-Gmbh, 6000 Frankfurt Ueberwachungs- und kontrolleinrichtung fuer schaltgeraete
EP0369489A3 (en) * 1988-11-18 1991-11-27 Omron Corporation Sensor controller system
SE463338B (sv) * 1989-06-14 1990-11-05 Ludwik Liszka Saett att oevervaka och/eller diagnosticera aktuella drifttillstaand hos komplicerade maskiner
DE3929404A1 (de) * 1989-09-05 1991-03-07 Bodenseewerk Geraetetech Verfahren und vorrichtung zum erkennen und identifizieren von fehlern an sensoren
DE4100501A1 (de) * 1991-01-10 1992-07-16 Bodenseewerk Geraetetech Verfahren und einrichtung zum erkennen von fehlern an sensoren fuer zustandsgroessen
JPH05281199A (ja) * 1992-03-31 1993-10-29 Nuclear Fuel Ind Ltd 探傷データ評価装置及び方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011059790A (ja) * 2009-09-07 2011-03-24 Hitachi Ltd 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム
US9483049B2 (en) 2009-09-07 2016-11-01 Hitachi, Ltd. Anomaly detection and diagnosis/prognosis method, anomaly detection and diagnosis/prognosis system, and anomaly detection and diagnosis/prognosis program
JPWO2014091956A1 (ja) * 2012-12-14 2017-01-05 日本電気株式会社 監視装置、監視方法、及びプログラム
WO2014091952A1 (ja) * 2012-12-14 2014-06-19 日本電気株式会社 センサ監視装置、センサ監視方法、及びセンサ監視プログラム
WO2014091956A1 (ja) * 2012-12-14 2014-06-19 日本電気株式会社 監視装置、監視方法、及びプログラム
JPWO2014091952A1 (ja) * 2012-12-14 2017-01-05 日本電気株式会社 センサ監視装置、センサ監視方法、及びセンサ監視プログラム
US10113443B2 (en) 2014-09-01 2018-10-30 Ihi Corporation Failure detection device
JP2016133944A (ja) * 2015-01-19 2016-07-25 株式会社日立製作所 異常診断分析装置
WO2016117453A1 (ja) * 2015-01-19 2016-07-28 株式会社日立製作所 異常診断分析装置
WO2016147656A1 (ja) * 2015-03-16 2016-09-22 日本電気株式会社 情報処理装置、情報処理方法、及び、記録媒体
JPWO2016147656A1 (ja) * 2015-03-16 2017-12-28 日本電気株式会社 情報処理装置、情報処理方法、及び、記録媒体
US10747188B2 (en) 2015-03-16 2020-08-18 Nec Corporation Information processing apparatus, information processing method, and, recording medium
JP2018092310A (ja) * 2016-12-01 2018-06-14 住友重機械工業株式会社 故障診断システム
US11422544B2 (en) 2016-12-01 2022-08-23 Sumitomo Heavy Industries, Ltd. Failure diagnosis system
CN108593053A (zh) * 2018-03-15 2018-09-28 上海新奥新能源技术有限公司 流量计量单元中仪表的故障诊断方法及装置

Also Published As

Publication number Publication date
US5548597A (en) 1996-08-20
DE4436658A1 (de) 1995-04-20
CN1047446C (zh) 1999-12-15
KR950012269A (ko) 1995-05-16
TW275676B (ja) 1996-05-11
KR0172982B1 (ko) 1999-03-30
JP3221184B2 (ja) 2001-10-22
DE4436658B4 (de) 2004-02-12
CN1112249A (zh) 1995-11-22

Similar Documents

Publication Publication Date Title
JP3221184B2 (ja) 故障診断装置および方法
Frank Analytical and qualitative model-based fault diagnosis–a survey and some new results
Anderson Q-learning with hidden-unit restarting
EP0594168A2 (en) Fuzzy rule acquisition method and apparatus for fuzzy inference system and fuzzy inference system using the apparatus
CN113328908B (zh) 异常数据的检测方法、装置、计算机设备和存储介质
CN112464996A (zh) 基于LSTM-XGBoost的智能电网入侵检测方法
Ye et al. A deep learning-based method for automatic abnormal data detection: Case study for bridge structural health monitoring
CN110580213A (zh) 一种基于循环标记时间点过程的数据库异常检测方法
CN113614743A (zh) 用于操控机器人的方法和设备
CN111950633A (zh) 神经网络的训练、目标检测方法及装置和存储介质
AU2012264478A1 (en) Heterogeneous data fusion using gaussian processes
Alvanitopoulos et al. Neuro-fuzzy techniques for the classification of earthquake damages in buildings
US8271421B1 (en) Nonparametric fuzzy inference system and method
O'Sullivan et al. Explanation based learning for mobile robot perception
CN116700206B (zh) 基于多模态神经网络的工业控制系统异常检测方法及装置
CN117312972A (zh) 一种刮板输送机减速器健康状态识别方法
Koivisto A practical approach to model based neural network control
JP2022177892A (ja) 異常検知システム及びその方法
Dadios et al. Application of neural networks to the flexible pole-cart balancing problem
CN112613224A (zh) 桥梁结构检测模型的训练方法、检测方法、装置、设备
Feizi et al. A hybrid unsupervised learning method for structural health monitoring by artificial neural networks and k-means clustering
CN118378178B (zh) 基于残差图卷积神经网络的变压器故障识别方法及系统
US20240330028A1 (en) Virtual sensor system for digital twin application
Likas et al. Training reinforcement neurocontrollers using the polytope algorithm
JPH06175999A (ja) ニューロコンピュータ

Legal Events

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

Free format text: PAYMENT UNTIL: 20070817

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080817

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080817

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090817

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100817

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100817

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110817

Year of fee payment: 10

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120817

Year of fee payment: 11

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130817

Year of fee payment: 12

EXPY Cancellation because of completion of term