CN111417909B - 单位空间生成装置、成套设备诊断***、单位空间生成方法、成套设备诊断方法及计算机可读存储介质 - Google Patents
单位空间生成装置、成套设备诊断***、单位空间生成方法、成套设备诊断方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111417909B CN111417909B CN201880077126.5A CN201880077126A CN111417909B CN 111417909 B CN111417909 B CN 111417909B CN 201880077126 A CN201880077126 A CN 201880077126A CN 111417909 B CN111417909 B CN 111417909B
- Authority
- CN
- China
- Prior art keywords
- plant
- unit space
- unit
- data set
- output value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 30
- 238000003745 diagnosis Methods 0.000 title description 30
- 238000005070 sampling Methods 0.000 claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000002405 diagnostic procedure Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 description 19
- 239000007789 gas Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 239000000567 combustion gas Substances 0.000 description 7
- 238000007796 conventional method Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 239000000446 fuel Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- 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
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- 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
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种单位空间生成装置(141),其生成在根据马哈拉诺比斯距离进行成套设备的运行状态的诊断时使用的单位空间,该单位空间生成装置(141)具备:采样数据获取部(141A),获取由以恒定周期测量的、所述成套设备的多个状态量组成的采样数据组;采用确定部(141C),根据每次获取所述采样数据组时计算的采用概率,确定是否将所述采样数据组采用为基于单位空间的单位空间生成用数据组;单位空间生成部(141D),根据所采用的多个所述单位空间生成用数据组来生成单位空间;及输出值获取部(141B),获取与所述采样数据组相对应的所述成套设备的输出值。
Description
技术领域
本发明涉及一种单位空间生成装置、成套设备诊断***、单位空间生成方法、成套设备诊断方法及程序。
本申请主张关于2017年12月21日于日本申请的日本专利申请2017-245560号的优先权,并将其内容援用于此。
背景技术
在燃气轮机发电成套设备、核发电成套设备或化工成套设备等各种成套设备中,为了监控成套设备是否正常运行,获取成套设备的各测量项目(温度、压力等)的状态量,并根据这些状态量来监控成套设备的运行状态。
例如,在专利文献1中记载了一种根据马哈拉诺比斯距离来判断成套设备的运行状态是否正常的技术。
以往技术文献
专利文献
专利文献1:日本特开2012-67757号公报
发明内容
发明要解决的技术课题
在以往的技术中,从包含在恒定期间内采集到的状态量的数据中采样恒定数量的数据,并生成成为用于判断运行状态的基准的数据组(单位空间)。
然而,例如在长期使用的成套设备中,即使运行状态正常,有时也随着消耗部件的更换时期等而马哈拉诺比斯距离的值增加。此时,成套设备的管理人员需要每次更新单位空间。并且,即使成套设备的运行状态正常,有时在负载发生变动时也错误检测为异常。为了减少这种错误检测,在以往的技术中,需要按负载带(例如“启动运行期间”、“额定速度运行期间”等)生成不同的单位空间。如此,在以往的技术中,生成并更新多个单位空间的工作变得繁琐,难以降低成套设备的监控工作所需的成本。
并且,若在生成单位空间时,以固定定时进行数据的采样,则容易在构成单位空间的数据产生偏差。若根据这种单位空间诊断成套设备的运行状态,则尽管成套设备的运行状态正常,但是对状态量的变化过度敏感地反应而错误检测为异常状态的可能性增加。
本发明是鉴于这种课题而完成的,其提供一种能够减少负载变动时的异常状态的错误检测的单位空间生成装置、成套设备诊断***、单位空间生成方法、成套设备诊断方法及程序。
用于解决技术课题的手段
为了解决上述课题,本发明采用以下方式。
根据本发明的第一方式,生成在根据马哈拉诺比斯距离进行成套设备的运行状态的诊断时使用的单位空间的单位空间生成装置具备:采样数据获取部,获取由以恒定周期测量的、所述成套设备的多个状态量组成的采样数据组;采用确定部,根据每次获取所述采样数据组时计算的采用概率,确定是否将所述采样数据组采用为基于单位空间的单位空间生成用数据组;单位空间生成部,根据所采用的多个所述单位空间生成用数据组来生成单位空间;及输出值获取部,获取与所述采样数据组相对应的所述成套设备的输出值。所述采用确定部计算采用概率,以容易采用所获取的所述输出值的变动率及变动量中的至少一个的绝对值大的点处的采样数据组,所获取的所述输出值的变动率及变动量中的至少一个的绝对值越大则越提高所述采用概率。
以这种方式,单位空间生成装置能够抑制采用为单位空间生成用数据组的采样数据组的偏差,并能够生成可获得对于状态量(负载状态)的变动鲁棒性的马哈拉诺比斯距离的值的单位空间。即,单位空间生成装置能够生成能够减少负载变动时的异常状态的错误检测的单位空间。由此,单位空间生成装置无需按每一负载带生成不同的单位空间,而能够生成能够应对各种负载状态的单位空间,因此能够减少用于生成、更新、管理单位空间的成本。并且,采用确定部能够在采用采样数据组时抑制任意性、偏差,并且能够容易将在输出值的变动量大时获取的采样数据组采用为单位空间生成用数据组。由此,单位空间生成装置能够生成能够减少在输出值的变动量大时、即负载变动时的异常状态的错误检测的单位空间。
根据本发明的第二方式,在上述第一方式所涉及的单位空间生成装置中,所述变动率由所述输出值的二阶导数的绝对值表示。
根据本发明的第三方式,在上述第一或第二方式所涉及的单位空间生成装置中,所述变动量由所述输出值的一阶导数的绝对值表示。
根据本发明的第四方式,诊断成套设备的运行状态的成套设备诊断***具备:马哈拉诺比斯距离计算部,根据在进行所述成套设备的运行状态的诊断时获取的所述成套设备的状态量来计算马哈拉诺比斯距离;及成套设备状态判定部,根据单位空间和所述马哈拉诺比斯距离来判定所述成套设备的运行状态是否正常。所述单位空间使用第一至第三方式中任一项所涉及的单位空间生成装置来生成。
以这种方式,通过单位空间生成装置,能够抑制采用为单位空间制作用数据的采样数据组的偏差,并能够生成可获得对于状态量(负载状态)的变动鲁棒性的马哈拉诺比斯距离的值的单位空间。并且,成套设备状态判定部根据这种单位空间来判定成套设备的运行状态是否正常,因此能够抑制对成套设备的负载状态的变动过度敏感地反应而错误判断为成套设备是异常状态。
根据本发明的第五方式,生成在根据马哈拉诺比斯距离进行成套设备的运行状态的诊断时使用的单位空间的单位空间生成方法包括:采样数据获取步骤,获取以恒定周期测量的、所述成套设备的状态量的采样数据组;采用确定步骤,根据每次获取所述采样数据组时计算的采用概率,确定是否将所述采样数据组采用为基于单位空间的单位空间生成用数据组;单位空间生成步骤,根据所采用的多个所述单位空间生成用数据组来生成单位空间;及获取与所述采样数据组相对应的所述成套设备的输出值的步骤。在所述采用确定步骤中计算采用概率,以容易采用所获取的所述输出值的变动率及变动量中的至少一个的绝对值大的点处的采样数据组,所获取的所述输出值的变动率及变动量中的至少一个的绝对值越大则越提高所述采用概率。
根据本发明的第六方式,诊断成套设备的运行状态的成套设备诊断方法包括:马哈拉诺比斯距离计算步骤,根据在进行所述成套设备的运行状态的诊断时获取的所述成套设备的状态量来计算马哈拉诺比斯距离;及成套设备状态判定步骤,根据单位空间和所述马哈拉诺比斯距离来判定所述成套设备的运行状态是否正常。所述单位空间使用第五方式所涉及的单位空间生成方法来生成。
根据本发明的第七方式,使生成在根据马哈拉诺比斯距离进行成套设备的运行状态的诊断时使用的单位空间的单位空间生成装置的计算机发挥功能的程序使所述计算机执行如下步骤:采样数据获取步骤,获取以恒定周期测量的、所述成套设备的状态量的采样数据组;采用确定步骤,根据每次获取所述采样数据组时计算的采用概率,确定将所述采样数据组采用为基于单位空间的单位空间生成用数据组;单位空间生成步骤,根据所采用的多个所述单位空间生成用数据组来生成单位空间;及获取与所述采样数据组相对应的所述成套设备的输出值的步骤。在所述采用确定步骤中计算采用概率,以容易采用所获取的所述输出值的变动率及变动量中的至少一个的绝对值大的点处的采样数据组,所获取的所述输出值的变动率及变动量中的至少一个的绝对值越大则越提高所述采用概率。
根据本发明的第八方式,使诊断成套设备的运行状态的成套设备诊断***的计算机发挥功能的程序使所述计算机执行如下步骤:马哈拉诺比斯距离计算步骤,根据在进行所述成套设备的运行状态的诊断时获取的所述成套设备的状态量来计算马哈拉诺比斯距离;及成套设备状态判定步骤,根据单位空间和所述马哈拉诺比斯距离来判定所述成套设备的运行状态是否正常。所述单位空间使用第七方式所涉及的程序来生成。
发明效果
根据上述单位空间生成装置、成套设备诊断***、单位空间生成方法、成套设备诊断方法及程序,能够减少负载变动时的异常状态的错误检测。
附图说明
图1是本发明的一实施方式所涉及的成套设备诊断***的示意图。
图2是表示本发明的一实施方式所涉及的成套设备诊断***的功能结构的图。
图3是表示本发明的一实施方式所涉及的单位空间生成处理的一例的第1流程图。
图4是表示本发明的一实施方式所涉及的单位空间生成处理的一例的第2流程图。
图5是用于说明本发明的一实施方式所涉及的采用确定部的处理的一例的图。
图6是表示本发明的一实施方式所涉及的成套设备诊断处理的一例的流程图。
图7是表示本发明的一实施方式所涉及的单位空间的一例的图。
图8是表示本发明的一实施方式所涉及的成套设备诊断***的硬件结构的一例的图。
具体实施方式
以下,参考图1~图8,对本发明的一实施方式所涉及的成套设备诊断***10进行说明。
(成套设备诊断***的概要)
图1是本发明的一实施方式所涉及的成套设备诊断***的示意图。
如图1所示,本实施方式所涉及的成套设备诊断***10获取成套设备1各部的状态量来诊断运行状态是否正常。
并且,成套设备诊断***10与用于控制成套设备1的运行状态的控制装置20及监控终端30中的至少一个连接。成套设备诊断***10诊断成套设备1的运行状态是否正常之后,将其诊断结果发送至控制装置20及监控终端30。
控制装置20为用于控制成套设备1的动作的装置。控制装置20也可以将从成套设备诊断***10接收到的诊断结果显示于显示部(未图示)上。成套设备1的管理人员参考显示部来监控成套设备1的运行状态,并且在诊断结果显示运行状态异常的情况下,经由控制装置20控制成套设备1的动作。另外,控制装置20也可以根据诊断结果来自动地控制成套设备1(例如,降低或停止成套设备1的输出等)。
监控终端30为用于供位于远程的管理人员监控成套设备1的运行状态的装置,例如为经由网络NW连接的服务器、平板电脑等。监控终端30通过从监视器、扬声器等的输出部输出从成套设备诊断***10接收到的诊断结果来通知管理人员在成套设备1中是否发生了异常。
作为诊断对象的成套设备1例如为燃气轮机发电成套设备。
成套设备1通过燃气涡轮机6驱动发电机5来发电。燃气涡轮机6具备压缩机2、燃烧器3及使压缩机2进行旋转的涡轮4。从压缩机2的进气口吸入的空气被压缩机2压缩,成为高压、高温的空气而导入到燃烧器3中。在燃烧器3中,向高压、高温的空气供给燃料而燃烧。并且,通过在燃烧器3中使燃料燃烧而产生的高温、高压的燃烧气体被供给到涡轮4,涡轮4被旋转驱动。并且,燃气涡轮机6和发电机5通过旋转轴(输出轴)连结。由此,通过运行燃气涡轮机6而涡轮4进行旋转来获得的输出通过旋转轴传递至发电机5。如此,燃气涡轮机6驱动发电机5来发电。
在成套设备1的各部设置有用于以恒定周期(例如1分钟)测量状态量的传感器。状态量例如为大气温度、大气压、压缩机2的空气温度及空气压力(入口空气温度、入口空气压力、出口空气温度、出口空气压力)、燃烧器3的燃料压力、燃料温度及燃料流量、涡轮4的燃烧气体温度及压力(入口燃烧气体温度、入口燃烧气体压力、出口燃烧气体温度、出口燃烧气体压力)、发电机5的输出(发电电力、发电电流、发电电压)、旋转轴的转速、振动等。
另外,在其他实施方式中,成套设备1可以具备锅炉来代替燃气涡轮机6。并且,成套设备1也可以是核发电成套设备、化工成套设备等。
而且,在图1的例子中,示出了成套设备诊断***10与一个成套设备1连接的方式,但是并不限于此。在其他实施方式中,成套设备诊断***10也可以与多个成套设备连接,诊断各成套设备的运行状态。
(成套设备诊断***的功能结构)
图2是表示本发明的一实施方式所涉及的成套设备诊断***的功能结构的图。本实施方式所涉及的成套设备诊断***10使用马哈拉诺比斯·塔格奇法(MT法)来诊断成套设备1的运行状态是否正常。
如图2所示,成套设备诊断***10具备输入输出部11、通信接口(I/F)12、存储部13及CPU14。
输入输出部11从成套设备1的多个传感器接收成套设备1的状态量,并输入到CPU14。并且,将在CPU14中诊断出的成套设备1的诊断结果发送至控制装置20。
通信I/F12经由网络NW将在CPU14中诊断出的成套设备1的诊断结果发送至监控终端30。
在存储部13中存储有经由输入输出部11接收到的成套设备1的状态量、在CPU14中的各种处理的过程中生成的数据等。
CPU14为控制成套设备诊断***10的处理器。
CPU14通过根据预先准备的程序进行工作来作为单位空间生成功能部141(单位空间生成装置)、成套设备诊断功能部142(成套设备诊断装置)而发挥功能。
单位空间生成功能部141生成在根据马哈拉诺比斯距离进行成套设备1的运行状态的诊断时使用的单位空间。
单位空间为作为判断成套设备1的运行状态是否正常时的判断基准的数据的集合体。在本实施方式中,单位空间基于在成套设备1的运行状态正常时采集到的多个状态量而生成。
单位空间生成功能部141具有采样数据获取部141A、输出值获取部141B、采用确定部141C及单位空间生成部141D。
采样数据获取部141A获取以恒定周期(例如以1分钟间隔)测量的、成套设备1的状态量的采样数据组。并且,采样数据获取部141A将所获取的采样数据组存储并积累于存储部13中。
采样数据组是将从成套设备1接收到的多个状态量按每个周期汇总为一束而得的数据。
输出值获取部141B获取与采样数据组相对应的成套设备1的输出值。输出值例如为基于成套设备1的燃气涡轮机6(发电机5)的发电电力(MW)、废气压力值、压力调整阀角度、流量调整阀角度等。
采用确定部141C确定将采样数据组以规定的采用概率采用为基于单位空间的单位空间生成用数据组。
并且,采用确定部141C,成套设备1的输出值的变动量及变动率中的至少一个越大则越提高采用概率。
单位空间生成部141D根据在过去采用的多个单位空间生成用数据组来生成单位空间。并且,单位空间生成部141D将所生成的单位空间存储于存储部13中。
成套设备诊断功能部142根据马哈拉诺比斯距离进行成套设备1的运行状态的诊断。
成套设备诊断功能部142具有状态量获取部142A、马哈拉诺比斯距离计算部142B及成套设备状态判定部142C。
状态量获取部142A获取在进行成套设备1的运行状态的诊断的时刻的成套设备1的状态量。
马哈拉诺比斯距离计算部142B根据由状态量获取部142A获取的成套设备1的状态量来计算马哈拉诺比斯距离。
马哈拉诺比斯距离表示诊断时的成套设备1的运行状态与成套设备1正常时的运行状态的偏离程度。马哈拉诺比斯距离为根据单位空间中的状态量的方差、相关性进行加权而得的距离,并且单位空间中的与数据组的相似度越低则成为越大的值。
成套设备状态判定部142C根据存储于存储部13中的单位空间和马哈拉诺比斯距离来判定成套设备1的运行状态是否正常。
(单位空间生成功能部的处理流程)
图3是表示本发明的一实施方式所涉及的单位空间生成处理的一例的第1流程图。
图4是表示本发明的一实施方式所涉及的单位空间生成处理的一例的第2流程图。
图5是用于说明本发明的一实施方式所涉及的采用确定部的处理的一例的图。
以下,参考图3~图5,对单位空间生成功能部141中的单位空间生成处理的一例进行说明。
如图3所示,首先,采样数据获取部141A从成套设备1接收多个状态量,并获取作为这些多个状态量的汇集的采样数据组(步骤S10)。并且,采样数据获取部141A将所获取的采样数据组存储并积累于存储部13中。
接着,输出值获取部141B获取与采样数据组相对应的成套设备1的输出值Xi(步骤S11)。
输出值Xi例如为基于成套设备1的燃气涡轮机6(发电机5)的发电电力(MW)、废气压力值、压力调整阀角度、流量调整阀角度等。
接着,采用确定部141C生成随机数ri(步骤S12)。
随机数ri例如为在从“0”到“1”的区间中生成的均匀随机数。
接着,采用确定部141C计算针对采样数据组的采用概率Pi(步骤S13)。
在以往的技术中,以恒定时间(例如,4小时),将所获取的采样数据组采用为单位空间生成用数据组而生成单位空间。然而,在固定如此采用采样数据组的定时的情况下,相似的采样数据组被偏颇地采用,有可能生成成套设备1的状态量的变动容易被过度检测(错误判断为异常状态)的单位空间。
并且,如图5的(a)所示,在成套设备1的运行期间有时会出现负载变动即输出值发生变动的变动点(Xa~Xb、Xc~Xd)。在以周期性地发生这种负载变动的方式运用的成套设备中,采样数据组的提取定时与出现变动点的定时不一致,有可能不会将变动点处的采样数据组采用为单位空间生成用数据组。此时,在发生负载变动时,尽管实际上为正常,但是错误判断为异常的可能性增加。因此,本实施方式所涉及的采用确定部141C在每次获取采样数据组时计算采用概率Pi,并确定是否采用采样数据组,以抑制采用为单位空间生成用数据组的采样数据组的偏差,且采用在以往的技术中不容易被采用的变动点处的采样数据组。
具体而言,采用确定部141C根据图4所示的顺序计算采用概率Pi。
如图4所示,采用确定部141C设定“标准采用概率P0”和用于调整单位空间的生成(更新)定时的“调整因子f”(步骤S131)。
“标准采用概率P0”为对所有采样数据组确定以多少概率采用的值。例如,“标准采用概率P0”以按约每4小时1次的比例采用采样数据组的方式设定值。
“调整因子f”例如由“1”~“10”的整数表示,数值越大,则单位空间的生成定时(更新速度)越早(采样数据组的采用概率越高)。在启动新的成套设备时、进行成套设备的定期检查时等需要新生成单位空间时,设定大的值(例如“10”),以在短期内生成单位空间。
在本实施方式中,采用确定部141C读出预先存储于存储部13中的“标准采用概率P0”及“调整因子f”的值而进行设定。另外,成套设备1的管理人员可以经由控制装置20或监控终端30变更这些值。
接着,采用确定部141C设定“输出值的变动率的绝对值的期望值SC”和“输出值的变动量的绝对值的期望值SG”(步骤S132)。
例如,如图5的(b)所示,输出值的变动率由输出值的二阶导数的绝对值表示。采用确定部141C将由在过去积累的成套设备1的采样数据组求出的输出值的变动率的平均值设定为“输出值的变动率的绝对值的期望值SC”。
例如,如图5的(c)所示,输出值的变动量由输出值的梯度(一阶导数)的绝对值表示。采用确定部141C将由在过去积累的成套设备1的采样数据组求出的输出值的变动量的平均值设定为“输出值的变动量的绝对值的期望值SG”。
接着,采用确定部141C设定“相对于输出值的变动率的绝对值的采用概率比Wc”及“相对于输出值的变动量的绝对值的采用概率比WG”(步骤S133)。
在计算采用概率Pi时,“相对于输出值的变动率的绝对值的采用概率比Wc”及“相对于输出值的变动量的绝对值的采用概率比WG”为对输出值的变动率及变动量的绝对值赋予的权重,例如由如“20%”的比率表示。
在本实施方式中,采用确定部141C读出预先存储于存储部13中的“相对于输出值的变动率的绝对值的采用概率比WC”及“相对于输出值的变动量的绝对值的采用概率比WG”的值而进行设定。另外,成套设备1的管理人员也可以经由控制装置20或监控终端30变更这些值。
接着,采用确定部141C根据在步骤S131~S133中设定的“标准采用概率P0”、“调整因子f”、“输出值的变动率的绝对值的期望值SC”、“输出值的变动量的绝对值的期望值SG”、“相对于输出值的变动率的绝对值的采用概率比Wc”及“相对于输出值的变动量的绝对值的采用概率比WG”以及在图3的步骤S11中获取的输出值Xi来计算采用概率Pi(步骤S134)。
求出采用概率Pi的计算方法是任意的,但是期望设为如至少在输出值的奇点处成为大的值的计算公式。例如,对于图5的输出值的变动率、变动量大的点(例如,在步骤S132中设定的“输出值的变动率的绝对值的期望值SC”、“输出值的变动量的绝对值的期望值SG”中的至少一个值大的点),以能够以所期望的比例采用的方式设定参数值(例如,调整在步骤S133中设定的“相对于输出值的变动率的绝对值的采用概率比Wc”、“相对于输出值的变动量的绝对值的采用概率比WG”的值等)并进行计算。
接着,如图3所示,采用确定部141C判断针对采样数据组的采用概率Pi是否大于随机数ri(步骤S14)。
在针对采样数据组的采用概率Pi小于随机数ri的情况(步骤S14:否)下,采用确定部141C不将该采样数据组采用为单位空间生成用数据组,结束处理。
另一方面,在针对采样数据组的采用概率Pi大于随机数ri的情况(步骤S14:是)下,采用确定部141C将该采样数据组采用为单位空间生成用数据组(步骤S15)。
以这种方式,如图5所示,能够将采用概率Pi的累计值设为恒定,并且“输出值的变动率的绝对值”及“输出值的变动量的绝对值”中的至少一个越大则越能够提高采用概率Pi。
接着,若采样数据组被采用为单位空间生成用数据组,则单位空间生成部141D根据新采用的单位空间生成用数据组和在过去采用的单位空间生成用数据组来生成新的单位空间(步骤S16)。
在本实施方式中,单位空间生成部141D根据在规定的测量期间(例如,从生成单位空间的时刻至8周前的期间)采用的、规定数量的单位空间生成用数据组来生成单位空间。在所采用的单位空间生成用数据组的数量超过规定数量的情况下,单位空间生成部141D删除最旧的单位空间生成用数据组而生成新的单位空间。
并且,单位空间生成部141D将新生成的单位空间存储于存储部13中。此时,单位空间生成部141D可以用新生成的单位空间覆盖过去的单位空间来进行更新。
单位空间生成功能部141以恒定周期(基于成套设备1的传感器的状态量的测量周期)重复执行上述处理。
(成套设备诊断功能部的处理流程)
图6是表示本发明的一实施方式所涉及的成套设备诊断处理的一例的流程图。
图7是表示本发明的一实施方式所涉及的单位空间的一例的图。
以下,参考图6~图7,对成套设备诊断功能部142中的成套设备诊断处理的一例进行说明。
如图6所示,首先,状态量获取部142A获取当前的成套设备1的状态量(步骤S20)。
此时,状态量获取部142A也可以获取积累于存储部13中的状态量(采样数据组)中最新的状态量。
接着,马哈拉诺比斯距离计算部142B根据由状态量获取部142A获取的状态量来计算马哈拉诺比斯距离D(图7)(步骤S21)。
另外,马哈拉诺比斯距离计算部142B使用已知的技术(例如专利文献1中所记载的技术)来计算马哈拉诺比斯距离D。
接着,成套设备状态判定部142C判断马哈拉诺比斯距离D是否为阈值Dc(图7)以下(步骤S22)。
图7为以二维的方式模拟表示在上述单位空间生成处理(图3)中由单位空间生成部141D生成的单位空间A1和通过以往的技术生成的单位空间A0的例子。在图7的例子中,单位空间生成部141D将成套设备1的输出值(发电机5的发电电力)及压缩机2的入口空气温度作为单位空间生成用数据组而生成单位空间A1。B为状态量即成套设备1的输出值及压缩机2的入口空气温度的测量值。并且,单位空间A1表示的实线为阈值Dc。
在本实施方式中,成套设备状态判定部142C读出预先存储于存储部13中的阈值Dc并进行判定。另外,阈值Dc例如可以用比单位空间A1的最大值大的值适当地设定,也可以考虑成套设备1的固有特性、制造偏差等而进行设定。
例如,在如“状态量E”那样,马哈拉诺比斯距离D为阈值Dc以下的(包含在表示单位空间A1的实线内)情况(步骤S22:是)下,成套设备状态判定部142C判断成套设备1的运行状态正常(步骤S23)。
另一方面,例如,在如“状态量F”那样,马哈拉诺比斯距离D大于阈值的(未包含在表示单位空间A1的实线内)情况(步骤S22:否)下,成套设备状态判定部142C判断成套设备1的运行状态异常(步骤S24)。
如上所述,在以往的单位空间A0中,不包含变动点(图5的Xa~Xb、Xc~Xd)处的采样数据组作为单位空间生成用数据组的可能性高。因此,例如在负载变动时测量“状态量E”的情况下,该“状态量E”超过单位空间A0的范围,因此判断(错误判断)成套设备1的运行状态异常。
然而,在由单位空间生成部141D生成的新的单位空间A1中,包含变动点处的采样数据组作为单位空间生成用数据组的可能性高。因此,例如在负载变动时测量“状态量E”的情况下,该“状态量E”包含在单位空间A1的范围内,因此能够准确地判断成套设备1的运行状态正常。
接着,如图6所示,若成套设备状态判定部142C判定成套设备1的运行状态异常(步骤S24),则推断异常的状态量的项目(异常项目)(步骤S25)。
成套设备状态判定部142C例如求出基于正交表分析的有无项目的望大SN比,并推断推测为具有异常的可能性高的状态量的项目。
接着,成套设备状态判定部142C将在步骤S21中计算的马哈拉诺比斯距离D和在步骤S25中推断的异常项目发送至控制装置20及监控终端30中的至少一个,并通知管理人员异常的发生(步骤S26)。
另外,本实施方式所涉及的成套设备诊断功能部142也可以定期自动地执行上述成套设备诊断处理,也可以由管理人员经由控制装置20或监控终端30在指定的定时执行。
(硬件结构)
图8是表示本发明的一实施方式所涉及的成套设备诊断***的硬件结构的一例的图。
以下,参考图8,对本实施方式所涉及的成套设备诊断***10的硬件结构进行说明。
计算机900具备CPU901、主存储装置902、辅助存储装置903及接口 904。
上述成套设备诊断***10安装于计算机900。并且,上述的成套设备诊断***10的各部的动作以程序的形式存储于各计算机900所具有的辅助存储装置903中。CPU901(CPU14)从辅助存储装置903读出程序并展开在主存储装置902中,并且根据该程序执行上述处理。并且,CPU901根据程序在主存储装置902中确保用于存储随着处理而获取并生成的各种信息的存储区域(存储部13)。并且,CPU901按照程序在辅助存储装置903中确保存储处理中的数据的存储区域。
另外,计算机900经由接口904与外部存储装置910连接,可以在外部存储装置910中确保上述存储区域。
另外,在至少一个实施方式中,辅助存储装置903为非暂时性有形介质的一例。作为非暂时性有形介质的其他例,可举出经由接口904连接的磁盘、光磁盘、CD-ROM、DVD-ROM、半导体存储器等。并且,在通过通信线路将该程序传送到计算机900的情况下,接收到传送的计算机900可以将该程序展开在主存储装置902中,并执行上述处理。
并且,该程序可以用于实现前述的功能的一部分。而且,该程序也可以是通过与已存储于辅助存储装置903中的其他程序的组合来实现前述的功能的、所谓的差异文件(差异程序)。
(作用效果)
如上所述,本实施方式所涉及的单位空间生成功能部141(单位空间生成装置)具备:采样数据获取部141A,获取以恒定周期测量的、成套设备1的状态量的采样数据组;采用确定部141C,确定将采样数据组以规定的采用概率Pi采用为基于单位空间的单位空间生成用数据组;及单位空间生成部141D,根据所采用的多个单位空间生成用数据组来生成单位空间。
以这种方式,单位空间生成部141D能够抑制采用为单位空间制作用数据的采样数据组的偏差,并能够生成可获得对于状态量(负载状态)的变动鲁棒性的马哈拉诺比斯距离的值的单位空间。即,单位空间生成部141D能够生成能够减少负载变动时的异常状态的错误检测的单位空间。由此,单位空间生成部141D无需按每一负载带生成不同的单位空间,而能够生成能够应对各种负载状态的单位空间,因此能够降低用于生成、更新、管理单位空间的成本。
并且,采用确定部141C在每次获取采样数据组时判断是否采用,在采用采样数据组的情况下,单位空间生成部141D自动地生成新的单位空间。即,单位空间生成功能部141能够通过自动生成并更新单位空间的工作而减少成套设备1的管理人员参考马哈拉诺比斯距离来判断是否需要更新单位空间的工夫。
并且,单位空间生成功能部141还具备获取与采样数据组相对应的成套设备的输出值的输出值获取部141B。采用确定部141C,所获取的输出值的变动量越大则越提高采用概率Pi。
以这种方式,采用确定部141C能够在采用采样数据组时抑制任意性、偏差,并且能够容易将在输出值的变动量大时获取的采样数据组采用为单位空间生成用数据组。由此,单位空间生成部141D能够生成能够减少在输出值的变动量大时、即负载变动时的异常状态的错误检测的单位空间。
并且,采用确定部141C,所获取的输出值的变动率越大则越提高采用概率Pi。
以这种方式,采用确定部141C能够在采用采样数据组时抑制任意性、偏差,并且能够容易将在输出值的变动率大时获取的采样数据组采用为单位空间生成用数据组。由此,单位空间生成部141D能够生成能够减少在输出值的变动率大时、即负载变动时的异常状态的错误检测的单位空间。
并且,采用确定部141C在每次获取采样数据组时生成随机数ri,并且计算采用概率Pi。并且,在采用概率Pi大于随机数ri的情况下,采用确定部141C确定将采样数据组采用为单位空间生成用数据组。
如此,采用确定部141C在确定是否采用采样数据组时使用随机数ri,因此尤其在负载基本恒定的情况下,能够抑制采用为单位空间生成用数据组的采样数据组的偏差。
并且,本实施方式所涉及的成套设备诊断***10具备:采样数据获取部141A,获取以恒定周期测量的、成套设备1的状态量的采样数据组;采用确定部141C,确定将采样数据组以规定的采用概率Pi采用为基于单位空间的单位空间生成用数据组;单位空间生成部141D,根据所采用的多个单位空间生成用数据组来生成单位空间;马哈拉诺比斯距离计算部142B,根据在进行成套设备1的运行状态的诊断时获取的成套设备1的状态量来计算马哈拉诺比斯距离;及成套设备状态判定部142C,根据单位空间和马哈拉诺比斯距离来判定成套设备1的运行状态是否正常。
以这种方式,单位空间生成部141D能够抑制采用为单位空间制作用数据的采样数据组的偏差,并能够生成可获得对于状态量(负载状态)的变动鲁棒性的马哈拉诺比斯距离的值的单位空间。并且,成套设备状态判定部142C根据这种单位空间来判定成套设备的运行状态是否正常,因此能够抑制对成套设备的负载状态的变动过度敏感地反应而错误判断为成套设备是异常状态。
以上,对本发明的实施方式详细地进行了说明,但是只要不脱离本发明的技术思想,则并不限定于此,还能够进行一些设计变更等。
例如,在上述实施方式中,对单位空间生成功能部141(单位空间生成装置)及成套设备诊断功能部142(成套设备诊断装置)均在CPU14上发挥功能的例子进行了说明,但是并不限于此。在其他实施方式中,单位空间生成功能部141及成套设备诊断功能部142可以构成为在不同的CPU上发挥功能,也可以构成为不同的装置(计算机)。
产业上的可利用性
根据上述单位空间生成装置、成套设备诊断***、单位空间生成方法、成套设备诊断方法及程序,能够减少负载变动时的异常状态的错误检测。
符号说明
1-成套设备,10-成套设备诊断***,11-输入输出部,12-通信接口(I/F),13-存储部,14-CPU,141-单位空间生成功能部(单位空间生成装置),141A-采样数据获取部,141B-输出值获取部,141C-采用确定部,141D-单位空间生成部,142-成套设备诊断功能部(成套设备诊断装置),142A-状态量获取部,142B-马哈拉诺比斯距离计算部,142C-成套设备状态判定部,20-控制装置,30-监控终端。
Claims (8)
1.一种单位空间生成装置,其生成在根据马哈拉诺比斯距离进行成套设备的运行状态的诊断时使用的单位空间,所述单位空间生成装置具备:
采样数据获取部,获取由以恒定周期测量的、所述成套设备的多个状态量组成的采样数据组;
采用确定部,根据每次获取所述采样数据组时计算的采用概率,确定是否将所述采样数据组采用为基于单位空间的单位空间生成用数据组;
单位空间生成部,根据所采用的多个所述单位空间生成用数据组来生成单位空间;及
输出值获取部,获取与所述采样数据组相对应的所述成套设备的输出值,
所述采用确定部以容易采用所获取的所述输出值的变动率及变动量中的至少一个的绝对值大的点处的采样数据组的方式计算采用概率,
所获取的所述输出值的变动率及变动量中的至少一个的绝对值越大则越提高所述采用概率。
2.根据权利要求1所述的单位空间生成装置,其中,
所述变动率由所述输出值的二阶导数的绝对值表示。
3.根据权利要求1或2所述的单位空间生成装置,其中,
所述变动量由所述输出值的一阶导数的绝对值表示。
4.一种成套设备诊断***,其诊断成套设备的运行状态,所述成套设备诊断***具备:
马哈拉诺比斯距离计算部,根据在进行所述成套设备的运行状态的诊断时获取的所述成套设备的状态量来计算马哈拉诺比斯距离;及
成套设备状态判定部,根据单位空间和所述马哈拉诺比斯距离来判定所述成套设备的运行状态是否正常,
所述单位空间使用权利要求1至3中任一项所述的单位空间生成装置来生成。
5.一种单位空间生成方法,其生成在根据马哈拉诺比斯距离进行成套设备的运行状态的诊断时使用的单位空间,所述单位空间生成方法包括:
采样数据获取步骤,获取以恒定周期测量的、所述成套设备的状态量的采样数据组;
采用确定步骤,根据每次获取所述采样数据组时计算的采用概率,确定是否将所述采样数据组采用为基于单位空间的单位空间生成用数据组;
单位空间生成步骤,根据所采用的多个所述单位空间生成用数据组来生成单位空间;及
获取与所述采样数据组相对应的所述成套设备的输出值的步骤,
在所述采用确定步骤中计算采用概率,以容易采用所获取的所述输出值的变动率及变动量中的至少一个的绝对值大的点处的采样数据组,
在所述采用确定步骤中所获取的所述输出值的变动率及变动量中的至少一个的绝对值越大则越提高所述采用概率。
6.一种成套设备诊断方法,其诊断成套设备的运行状态,所述成套设备诊断方法包括:
马哈拉诺比斯距离计算步骤,根据在进行所述成套设备的运行状态的诊断时获取的所述成套设备的状态量来计算马哈拉诺比斯距离;及
成套设备状态判定步骤,根据单位空间和所述马哈拉诺比斯距离来判定所述成套设备的运行状态是否正常,
所述单位空间使用权利要求5所述的单位空间生成方法来生成。
7.一种计算机可读存储介质,该介质中存储有程序,其使生成在根据马哈拉诺比斯距离进行成套设备的运行状态的诊断时使用的单位空间的单位空间生成装置的计算机发挥功能,所述程序使所述计算机执行如下步骤:
采样数据获取步骤,获取以恒定周期测量的、所述成套设备的状态量的采样数据组;
采用确定步骤,根据每次获取所述采样数据组时计算的采用概率,确定将所述采样数据组采用为基于单位空间的单位空间生成用数据组;
单位空间生成步骤,根据所采用的多个所述单位空间生成用数据组来生成单位空间;及
获取与所述采样数据组相对应的所述成套设备的输出值的步骤,
在所述采用确定步骤中计算采用概率,以容易采用所获取的所述输出值的变动率及变动量中的至少一个的绝对值大的点处的采样数据组,
在所述采用确定步骤中所获取的所述输出值的变动率及变动量中的至少一个的绝对值越大则越提高所述采用概率。
8.一种计算机可读存储介质,该介质中存储有程序,其使诊断成套设备的运行状态的成套设备诊断***的计算机发挥功能,所述程序使所述计算机执行如下步骤:
马哈拉诺比斯距离计算步骤,根据在进行所述成套设备的运行状态的诊断时获取的所述成套设备的状态量来计算马哈拉诺比斯距离;及
成套设备状态判定步骤,根据单位空间和所述马哈拉诺比斯距离来判定所述成套设备的运行状态是否正常,
所述单位空间使用权利要求7所述的程序来生成。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-245560 | 2017-12-21 | ||
JP2017245560A JP6655595B2 (ja) | 2017-12-21 | 2017-12-21 | 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム |
PCT/JP2018/046545 WO2019124367A1 (ja) | 2017-12-21 | 2018-12-18 | 単位空間生成装置、プラント診断システム、単位空間生成方法、プラント診断方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111417909A CN111417909A (zh) | 2020-07-14 |
CN111417909B true CN111417909B (zh) | 2023-11-03 |
Family
ID=66993358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880077126.5A Active CN111417909B (zh) | 2017-12-21 | 2018-12-18 | 单位空间生成装置、成套设备诊断***、单位空间生成方法、成套设备诊断方法及计算机可读存储介质 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11327470B2 (zh) |
JP (1) | JP6655595B2 (zh) |
KR (1) | KR102407919B1 (zh) |
CN (1) | CN111417909B (zh) |
DE (1) | DE112018006523T5 (zh) |
WO (1) | WO2019124367A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7387325B2 (ja) * | 2019-08-01 | 2023-11-28 | 三菱重工業株式会社 | プラント監視装置、プラント監視方法、及びプログラム |
JP7282023B2 (ja) * | 2019-12-26 | 2023-05-26 | 三菱重工業株式会社 | プラント監視装置、プラント監視方法、及びプログラム |
JP7437163B2 (ja) * | 2020-01-06 | 2024-02-22 | 三菱重工業株式会社 | 診断装置、診断方法およびプログラム |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1906453A (zh) * | 2004-01-21 | 2007-01-31 | 三菱电机株式会社 | 设备诊断装置、冷冻循环装置、流体回路诊断方法、设备监视***、冷冻循环监视*** |
CN101779171A (zh) * | 2008-02-27 | 2010-07-14 | 三菱重工业株式会社 | 工厂状态监视方法、工厂状态监视用计算机程序以及工厂状态监视装置 |
JP2013137797A (ja) * | 2013-03-05 | 2013-07-11 | Mitsubishi Heavy Ind Ltd | プラント運転状態監視方法 |
CN103370716A (zh) * | 2010-11-03 | 2013-10-23 | 维吉尼亚技术知识产权公司 | 使用电力指纹(pfp)来监控完整性并且增强基于计算机的***的安全性 |
CN103674234A (zh) * | 2013-12-23 | 2014-03-26 | 北京天源科创风电技术有限责任公司 | 一种风力发电机组振动异常的状态预警方法及*** |
CN104777830A (zh) * | 2015-04-01 | 2015-07-15 | 浙江大学 | 一种基于kpca混合模型的多工况过程监控方法 |
CN104823118A (zh) * | 2012-10-25 | 2015-08-05 | 三菱日立电力***株式会社 | 成套设备监视装置、成套设备监视程序及成套设备监视方法 |
CN105992977A (zh) * | 2013-11-28 | 2016-10-05 | 株式会社日立制作所 | 成套设备的诊断装置和诊断方法 |
WO2017104305A1 (ja) * | 2015-12-16 | 2017-06-22 | 三菱電機株式会社 | 故障診断装置および故障診断方法 |
CN107065843A (zh) * | 2017-06-09 | 2017-08-18 | 东北大学 | 基于独立子空间的多方向kica间歇过程故障监测方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS636601A (ja) * | 1986-06-27 | 1988-01-12 | Toshiba Corp | デイジタルpid制御装置 |
US7171302B2 (en) * | 2004-05-07 | 2007-01-30 | Snap-On Incorporated | Determining engine cylinder contribution from indexed engine data |
JP4298581B2 (ja) | 2004-05-17 | 2009-07-22 | 中国電力株式会社 | 電力需要予測装置、電力需要予測システム、電力需要予測プログラム、記録媒体、及び電力需要予測方法 |
JP4371933B2 (ja) * | 2004-07-23 | 2009-11-25 | 中国電力株式会社 | プラントデータ評価システムと方法、復水器真空度監視方法、データマイニング方法、および、プログラム |
JP5050607B2 (ja) * | 2006-05-09 | 2012-10-17 | オムロン株式会社 | 検査装置、検査方法、検査プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
JP2010244149A (ja) * | 2009-04-02 | 2010-10-28 | Hitachi Ltd | データ分類方法,データ分類装置,診断方法,診断装置 |
JP2011090382A (ja) * | 2009-10-20 | 2011-05-06 | Mitsubishi Heavy Ind Ltd | 監視システム |
JP2011253491A (ja) * | 2010-06-04 | 2011-12-15 | Toshiba Corp | プラント異常検知装置,プラント異常検知装置方法,およびプログラム |
JP5655764B2 (ja) * | 2011-11-09 | 2015-01-21 | トヨタ自動車株式会社 | サンプリング装置、サンプリングプログラム、およびその方法 |
JP6029683B2 (ja) | 2012-11-20 | 2016-11-24 | 株式会社日立製作所 | データ解析装置、データ解析プログラム |
JP5778305B2 (ja) * | 2014-03-12 | 2015-09-16 | 株式会社日立製作所 | 異常検知方法及びそのシステム |
JP2017016187A (ja) * | 2015-06-26 | 2017-01-19 | 東芝三菱電機産業システム株式会社 | 無線センサデータ収集システム |
JP6950460B2 (ja) * | 2017-10-31 | 2021-10-13 | セイコーエプソン株式会社 | 物理量検出回路、物理量検出装置、慣性計測装置、移動体測位装置、携帯型電子機器、電子機器及び移動体 |
-
2017
- 2017-12-21 JP JP2017245560A patent/JP6655595B2/ja active Active
-
2018
- 2018-12-18 KR KR1020207016021A patent/KR102407919B1/ko active IP Right Grant
- 2018-12-18 WO PCT/JP2018/046545 patent/WO2019124367A1/ja active Application Filing
- 2018-12-18 US US16/769,738 patent/US11327470B2/en active Active
- 2018-12-18 CN CN201880077126.5A patent/CN111417909B/zh active Active
- 2018-12-18 DE DE112018006523.5T patent/DE112018006523T5/de active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1906453A (zh) * | 2004-01-21 | 2007-01-31 | 三菱电机株式会社 | 设备诊断装置、冷冻循环装置、流体回路诊断方法、设备监视***、冷冻循环监视*** |
CN101779171A (zh) * | 2008-02-27 | 2010-07-14 | 三菱重工业株式会社 | 工厂状态监视方法、工厂状态监视用计算机程序以及工厂状态监视装置 |
CN103370716A (zh) * | 2010-11-03 | 2013-10-23 | 维吉尼亚技术知识产权公司 | 使用电力指纹(pfp)来监控完整性并且增强基于计算机的***的安全性 |
CN104823118A (zh) * | 2012-10-25 | 2015-08-05 | 三菱日立电力***株式会社 | 成套设备监视装置、成套设备监视程序及成套设备监视方法 |
JP2013137797A (ja) * | 2013-03-05 | 2013-07-11 | Mitsubishi Heavy Ind Ltd | プラント運転状態監視方法 |
CN105992977A (zh) * | 2013-11-28 | 2016-10-05 | 株式会社日立制作所 | 成套设备的诊断装置和诊断方法 |
CN103674234A (zh) * | 2013-12-23 | 2014-03-26 | 北京天源科创风电技术有限责任公司 | 一种风力发电机组振动异常的状态预警方法及*** |
CN104777830A (zh) * | 2015-04-01 | 2015-07-15 | 浙江大学 | 一种基于kpca混合模型的多工况过程监控方法 |
WO2017104305A1 (ja) * | 2015-12-16 | 2017-06-22 | 三菱電機株式会社 | 故障診断装置および故障診断方法 |
CN107065843A (zh) * | 2017-06-09 | 2017-08-18 | 东北大学 | 基于独立子空间的多方向kica间歇过程故障监测方法 |
Also Published As
Publication number | Publication date |
---|---|
KR102407919B1 (ko) | 2022-06-10 |
US20210173383A1 (en) | 2021-06-10 |
JP2019113964A (ja) | 2019-07-11 |
CN111417909A (zh) | 2020-07-14 |
KR20200085817A (ko) | 2020-07-15 |
US11327470B2 (en) | 2022-05-10 |
DE112018006523T5 (de) | 2020-09-03 |
JP6655595B2 (ja) | 2020-02-26 |
WO2019124367A1 (ja) | 2019-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111417909B (zh) | 单位空间生成装置、成套设备诊断***、单位空间生成方法、成套设备诊断方法及计算机可读存储介质 | |
US11209811B2 (en) | Diagnostic device, diagnostic method, and program | |
US9087074B2 (en) | Program flow control monitoring routines, related methods and systems | |
CN110431502B (zh) | 预兆检测***以及预兆检测方法 | |
WO2010143492A1 (ja) | 装置異常監視方法及びシステム | |
US8751423B2 (en) | Turbine performance diagnostic system and methods | |
JP2011090382A (ja) | 監視システム | |
CN112146904A (zh) | 异常检测装置、异常检测方法、以及存储介质 | |
CN114051581B (zh) | 成套设备监视装置、成套设备监视方法及存储介质 | |
US11586189B2 (en) | Plant monitoring device, plant monitoring method, and program | |
US20240125246A1 (en) | Industrial plant monitoring device, industrial plant monitoring method, and program | |
JP5022018B2 (ja) | ガスタービンの監視装置 | |
CN112740131B (zh) | 单位空间更新装置、单位空间更新方法及记录介质 | |
JP7270220B2 (ja) | ガス器具故障診断システム | |
WO2022239612A1 (ja) | プラント監視方法、プラント監視装置及びプラント監視プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Kanagawa Prefecture, Japan Applicant after: Mitsubishi Power Co.,Ltd. Address before: Kanagawa Prefecture, Japan Applicant before: MITSUBISHI HEAVY INDUSTRIES, Ltd. |
|
CB02 | Change of applicant information | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220413 Address after: Tokyo Applicant after: MITSUBISHI HEAVY INDUSTRIES, Ltd. Address before: Kanagawa County, Japan Applicant before: Mitsubishi Power Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |