JP2001523824A - スペクトル信号監視システム - Google Patents
スペクトル信号監視システムInfo
- Publication number
- JP2001523824A JP2001523824A JP2000521386A JP2000521386A JP2001523824A JP 2001523824 A JP2001523824 A JP 2001523824A JP 2000521386 A JP2000521386 A JP 2000521386A JP 2000521386 A JP2000521386 A JP 2000521386A JP 2001523824 A JP2001523824 A JP 2001523824A
- Authority
- JP
- Japan
- Prior art keywords
- data
- signal
- analysis
- sprt
- frequency domain
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000001228 spectrum Methods 0.000 title claims description 52
- 238000000034 method Methods 0.000 claims abstract description 162
- 230000008569 process Effects 0.000 claims abstract description 43
- 230000036541 health Effects 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 claims description 81
- 230000003595 spectral effect Effects 0.000 claims description 28
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000012567 pattern recognition method Methods 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 claims description 2
- 238000005415 bioluminescence Methods 0.000 claims description 2
- 230000029918 bioluminescence Effects 0.000 claims description 2
- 230000005298 paramagnetic effect Effects 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims 4
- 238000004611 spectroscopical analysis Methods 0.000 claims 3
- 238000004435 EPR spectroscopy Methods 0.000 claims 1
- 238000005481 NMR spectroscopy Methods 0.000 claims 1
- 238000001069 Raman spectroscopy Methods 0.000 claims 1
- 230000031018 biological processes and functions Effects 0.000 claims 1
- 238000001311 chemical methods and process Methods 0.000 claims 1
- 229930002875 chlorophyll Natural products 0.000 claims 1
- 235000019804 chlorophyll Nutrition 0.000 claims 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims 1
- 238000004587 chromatography analysis Methods 0.000 claims 1
- 230000005670 electromagnetic radiation Effects 0.000 claims 1
- 230000005251 gamma ray Effects 0.000 claims 1
- 238000010191 image analysis Methods 0.000 claims 1
- 238000004949 mass spectrometry Methods 0.000 claims 1
- 238000010297 mechanical methods and process Methods 0.000 claims 1
- 230000005226 mechanical processes and functions Effects 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 23
- 238000010586 diagram Methods 0.000 description 32
- 230000000737 periodic effect Effects 0.000 description 11
- 238000005070 sampling Methods 0.000 description 9
- 238000001914 filtration Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000001617 sequential probability ratio test Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000012729 kappa analysis Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 239000010432 diamond Substances 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000003657 Likelihood-ratio test Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 238000013142 basic testing Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002674 ointment Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000012882 sequential analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001757 thermogravimetry curve Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
(57)【要約】
本発明はシステム、プロセス、及びデータ・ソースの中の少なくとも一つをモニタするための方法及びシステムである。本方法及びシステムは、分光学的試験といった進行中のプロセスまたは他のデータ・ソースを監視、検査、及び修正するために開発されてきた。監視下にあるシステムからの信号は、収集され、学習した状態と比較される(40)。周波数領域変換がシステム信号及び参照信号に対して実行され、周波数領域差分関数が構成される。次いでプロセスは、全範囲のデータが時間領域にわたって蓄積されるまで繰り返され、SPRT方法(50)が、監視下にあるシステムの稼働状態の特徴を示す3次元的曲面プロット(60)を決定するために適用される。
Description
【0001】 米国政府は、米国エネルギー省とシカゴ大学との間の契約W−31−109−
ENG−38に基づいて本発明の権利を有する。
ENG−38に基づいて本発明の権利を有する。
【0002】 [発明の分野] 本発明は、周期成分を含む信号を持つスペクトルのみならず、どんなタイプの
スペクトルも作り出すプロセス及びシステムを監視するためのシステム及び方法
に関する。特に、本発明は、時間領域で作用する感度の良い確率的方法をパラメ
ータ空間における信号解析と組み合わせて、信号スペクトルのわずかな乱れの兆
候に関する感度の良い監視を可能にする3次元曲面プロットを作成するためのシ
ステム及び方法に関する。このようなプロセスとシステムによって、通常稼働か
らのずれの解析と、あるいは信号挙動の特定の分類もしくは動向の識別が可能に
なる。
スペクトルも作り出すプロセス及びシステムを監視するためのシステム及び方法
に関する。特に、本発明は、時間領域で作用する感度の良い確率的方法をパラメ
ータ空間における信号解析と組み合わせて、信号スペクトルのわずかな乱れの兆
候に関する感度の良い監視を可能にする3次元曲面プロットを作成するためのシ
ステム及び方法に関する。このようなプロセスとシステムによって、通常稼働か
らのずれの解析と、あるいは信号挙動の特定の分類もしくは動向の識別が可能に
なる。
【0003】 [発明の背景] 従来のパラメータ監視スキームはプロセスの平均値のひどい変化るいはある閾
値リミットチェックを越える大きなステップ(段差)またはスパイク(尖り)だ
けを感知する。これらの従来の方法は多数の誤った警報(閾値があまりにも正常
動作レベルに近接して設定される場合)または多数の見逃し警報(閾値があまり
にも誇大に設定される場合)に悩まされてきた。さらに、たいていの従来的方法
は、警報条件の閾値レベルを下回る信号を発生させる、プロセスの外乱またはセ
ンサの狂いの兆候を認知することができない。
値リミットチェックを越える大きなステップ(段差)またはスパイク(尖り)だ
けを感知する。これらの従来の方法は多数の誤った警報(閾値があまりにも正常
動作レベルに近接して設定される場合)または多数の見逃し警報(閾値があまり
にも誇大に設定される場合)に悩まされてきた。さらに、たいていの従来的方法
は、警報条件の閾値レベルを下回る信号を発生させる、プロセスの外乱またはセ
ンサの狂いの兆候を認知することができない。
【0004】 他の従来的技術による監視システムでは、装置またはプロセスからの信号の周
期成分はフーリエ解析(最も一般には高速フーリエ変換あるいは「FFT(Fast
Fourier Transform)」)を使用してモニターされる。FFTは、周期現象に関
連する周波数におけるピークを示す信号のパワースペクトル密度(「PSD(po
wer spectral density)」)関数を作り出す。これらのピークの振幅を見張るこ
とによって、またはこれらのピークに関連する周波数の変化を見張ることによっ
て、多くの場合には監視中のシステムの健康に関する診断情報を推測することが
可能である。PSD検査に基づくこれらの従来システムにはいくつかの欠点、例
えば、(1)たいていの従来システムはPSDスペクトルを検査して関心のある
ピークの横座標あるいは座標の変化を見つける人間に依存すること、(2)もし
関心のあるさまざまなピークの振幅に対して閾値を与えることによってPSD情
報の監視を自動化しようとすれば、誤警報または見落とし警報といった従来的な
問題に遭遇すること、といった欠点がある。すなわち、もし閾値を低い値に設定
すれば、安全性あるいは運転上の重要性が全くないかもしれない信号の小さな特
異性から警報を発することがあり得る。もしこの問題を、閾値をさらに大きく設
定することによって回避しようとすれば、装置またはプロセスの劣化がさらに悪
化する事があり得る。
期成分はフーリエ解析(最も一般には高速フーリエ変換あるいは「FFT(Fast
Fourier Transform)」)を使用してモニターされる。FFTは、周期現象に関
連する周波数におけるピークを示す信号のパワースペクトル密度(「PSD(po
wer spectral density)」)関数を作り出す。これらのピークの振幅を見張るこ
とによって、またはこれらのピークに関連する周波数の変化を見張ることによっ
て、多くの場合には監視中のシステムの健康に関する診断情報を推測することが
可能である。PSD検査に基づくこれらの従来システムにはいくつかの欠点、例
えば、(1)たいていの従来システムはPSDスペクトルを検査して関心のある
ピークの横座標あるいは座標の変化を見つける人間に依存すること、(2)もし
関心のあるさまざまなピークの振幅に対して閾値を与えることによってPSD情
報の監視を自動化しようとすれば、誤警報または見落とし警報といった従来的な
問題に遭遇すること、といった欠点がある。すなわち、もし閾値を低い値に設定
すれば、安全性あるいは運転上の重要性が全くないかもしれない信号の小さな特
異性から警報を発することがあり得る。もしこの問題を、閾値をさらに大きく設
定することによって回避しようとすれば、装置またはプロセスの劣化がさらに悪
化する事があり得る。
【0005】 もう1つの従来の監視方法では、逐次確率比テスト(「SPRT(Sequential
Probability Ratio Test)」)が、核反応炉産業における信号確証ツールとし て広範に適用できることが見出されている。SPRT技術の2つの特徴、すなわ
ち、(1)ノイズが多いプロセス変数の乱れの兆候の早期予告と、(2)SPR
T技術はユーザに特有な誤警報と見落とし警報の確率を有することが、パラメー
タ監視及び障害検出にとってSPRT技術を魅力的にさせる。SPRT技術の広
範な適用性を制限する1つの重要な欠点は、数学公式が、監視している信号が純
粋にガウス分布の独立した(ホワイトノイズ)確率変数であるという前提で見出
されているという事実である。
Probability Ratio Test)」)が、核反応炉産業における信号確証ツールとし て広範に適用できることが見出されている。SPRT技術の2つの特徴、すなわ
ち、(1)ノイズが多いプロセス変数の乱れの兆候の早期予告と、(2)SPR
T技術はユーザに特有な誤警報と見落とし警報の確率を有することが、パラメー
タ監視及び障害検出にとってSPRT技術を魅力的にさせる。SPRT技術の広
範な適用性を制限する1つの重要な欠点は、数学公式が、監視している信号が純
粋にガウス分布の独立した(ホワイトノイズ)確率変数であるという前提で見出
されているという事実である。
【0006】 [発明の目的と概要] 以上の説明から、本発明の課題は、周期信号によって特徴づけられるシステム
及び/またはその信号のデータ・ソースの状態を監視するための改良された装置
及び方法を提供することにある。
及び/またはその信号のデータ・ソースの状態を監視するための改良された装置
及び方法を提供することにある。
【0007】 本発明のもう一つの課題は、システムを継続的に評価し、インタラクティブに
修正するための新規な装置及び方法を提供することにある。
修正するための新規な装置及び方法を提供することにある。
【0008】 本発明の更なる課題は、十分に周期信号を生成しているシステムの正常状態か
らのずれを識別するための改良されたシステム及び方法を提供することにある。
らのずれを識別するための改良されたシステム及び方法を提供することにある。
【0009】 本発明の追加的な課題は、信号挙動のクラス(class of signal behavior)を
特徴づける新規なシステム及び方法を提供することにある。
特徴づける新規なシステム及び方法を提供することにある。
【0010】 本発明の更なる課題は、時間・空間における周期信号の確率解析を周波数スペ
クトルと組み合わせて、信号の感度解析を可能にする3次元的特性プロットを与
えるための改良されたシステム及び方法を提供することにある。
クトルと組み合わせて、信号の感度解析を可能にする3次元的特性プロットを与
えるための改良されたシステム及び方法を提供することにある。
【0011】 本発明の更なる課題は、逐次確率比テストとフーリエ変換されたスペクトル(
または他のタイプのスペクトル)を使用して周期信号を解析し、その信号を生み
出している基本システムの状態を示す3次元曲面を作成する新規な装置及び方法
を提供することにある。
または他のタイプのスペクトル)を使用して周期信号を解析し、その信号を生み
出している基本システムの状態を示す3次元曲面を作成する新規な装置及び方法
を提供することにある。
【0012】 本発明の追加的な課題は、周期信号の時間領域解析と周波数領域解析を組み合
わせて、システムの稼働状態の特徴を示す3次元的分類曲面を作成する改良され
た装置及び方法を提供することにある。
わせて、システムの稼働状態の特徴を示す3次元的分類曲面を作成する改良され
た装置及び方法を提供することにある。
【0013】 本発明のもう一つの追加的な課題は、周期信号の確率解析を信号の周波数領域
解析と組み合わせて、システムまたはその信号を感知するセンサ及びその信号を
生み出す他のソースの望ましい挙動からのずれを識別する新規な装置及び方法を
提供することにある。
解析と組み合わせて、システムまたはその信号を感知するセンサ及びその信号を
生み出す他のソースの望ましい挙動からのずれを識別する新規な装置及び方法を
提供することにある。
【0014】 本発明のもう一つの追加的な課題は、組み合わされた時間及び周波数領域解析
を使用して周期信号データベースを処理するための改良された装置及び方法を提
供することにある。
を使用して周期信号データベースを処理するための改良された装置及び方法を提
供することにある。
【0015】 本発明のもう一つの更なる課題は、時間領域情報をその情報の周波数領域変換
と組み合わせた後に、統計学的にある特定のノイズ信号を周期信号から取り除い
て感知信号解析を可能にするために新規な装置及び方法を提供することにある。
と組み合わせた後に、統計学的にある特定のノイズ信号を周期信号から取り除い
て感知信号解析を可能にするために新規な装置及び方法を提供することにある。
【0016】 本発明の更にもう一つの課題は、実質的に周期的な信号(または他の異なるタ
イプのスペクトル)に作用して、減少した時間データを周波数領域データと組み
合わせた後に望ましくない系列相関ノイズを取り除いて、望ましい挙動からのず
れに対する感度を強化し、あるいは基本システムの動向を分類もしくは確立する
、改良された装置及び方法を提供することにある。
イプのスペクトル)に作用して、減少した時間データを周波数領域データと組み
合わせた後に望ましくない系列相関ノイズを取り除いて、望ましい挙動からのず
れに対する感度を強化し、あるいは基本システムの動向を分類もしくは確立する
、改良された装置及び方法を提供することにある。
【0017】 本発明の更にもう一つの課題は、パターン認識方法を複数の時間ウィンドウに
わたって徐々に得られるパワースペクトル密度(「PSD(power spectral den
sity)」)関数に適用して、システムまたはそのシステムからの信号のソースの
稼働状態の特徴を示す3次元的曲面関数を与える新規な装置及び方法を提供する
ことにある。
わたって徐々に得られるパワースペクトル密度(「PSD(power spectral den
sity)」)関数に適用して、システムまたはそのシステムからの信号のソースの
稼働状態の特徴を示す3次元的曲面関数を与える新規な装置及び方法を提供する
ことにある。
【0018】 本発明の他の課題、特徴と利点は、本発明の好ましい実施態様の説明から明ら
かとなる。その際、以下に説明される図面が参照される。
かとなる。その際、以下に説明される図面が参照される。
【0019】 [詳細な説明] 以下、図面を参照して本発明の好ましい実施態様を詳細に説明する。また好ま
しい実施態様の手順流れ図は図9Aと9Bに示されている。本発明の好ましい実
施態様では、信号の時間領域スペクトルが解析されている、あるいは既存のデー
タストリームを確証しており、それは確率的方法により処理され、次いでフーリ
エ変換といった周波数領域変換と組み合わされて、基本システムまたは信号ソー
スの稼働状態の特徴を示す3次元的曲面プロットが生成される。
しい実施態様の手順流れ図は図9Aと9Bに示されている。本発明の好ましい実
施態様では、信号の時間領域スペクトルが解析されている、あるいは既存のデー
タストリームを確証しており、それは確率的方法により処理され、次いでフーリ
エ変換といった周波数領域変換と組み合わされて、基本システムまたは信号ソー
スの稼働状態の特徴を示す3次元的曲面プロットが生成される。
【0020】 最も好ましい実施態様において、利用される確率的方法は、本発明において時
間領域または周波数領域のいずれかで作用可能な逐次確率比テスト(SPRT(
sequential probability ratio test))である。この方法は以下の説明におい て詳細に述べられる。SPRT方法は、監視または解析されている時間変動信号
(time varying signal)の周波数領域変換(好ましくはフーリエ変換)によっ て生成されたパワースペクトル密度(PSD)関数(あるいは複素フーリエ変換
の実部と虚部)に適用される。それ故に、SPRTは増加する時間(または周波
数)毎に入ってくる信号に適用され、周波数及び時間の関数として様々な変化レ
ベルを持つ3次元的曲面プロットが生成される。図9Aと9Bに示された本発明
の一方法では、フーリエ変換スペクトル系列を生成する手続は異なった時間間隔
において連続的に繰り返し可能である。この手続は図9Aと9Bにおいて詳細に
記述される。
間領域または周波数領域のいずれかで作用可能な逐次確率比テスト(SPRT(
sequential probability ratio test))である。この方法は以下の説明におい て詳細に述べられる。SPRT方法は、監視または解析されている時間変動信号
(time varying signal)の周波数領域変換(好ましくはフーリエ変換)によっ て生成されたパワースペクトル密度(PSD)関数(あるいは複素フーリエ変換
の実部と虚部)に適用される。それ故に、SPRTは増加する時間(または周波
数)毎に入ってくる信号に適用され、周波数及び時間の関数として様々な変化レ
ベルを持つ3次元的曲面プロットが生成される。図9Aと9Bに示された本発明
の一方法では、フーリエ変換スペクトル系列を生成する手続は異なった時間間隔
において連続的に繰り返し可能である。この手続は図9Aと9Bにおいて詳細に
記述される。
【0021】 図9Aは、本発明のシステム及び方法の初期化またはセットアップ段階を示し
ている。ステップ10においてシステムが最初に開始されると、監視されている
システム(信号または信号ソース)からのL個の「良い」信号(あるいはスペク
トル)を含む行列Rが構成される。ここでLは「良い」信号(スペクトル)と考
えられるもの変動性の良い統計学的な尺度をもたらすべき数である。次のステッ
プ20では、標準偏差、分散(variance)及び平均ベクトルが行列Rに記憶され
たデータを使って計算される。これらのパラメータはすべて、良い信号内にサン
プリングされた各周波数に対して計算される。そうしてもしそれぞれの信号がN
個のサンプルを有するなら、標準偏差、分散及び平均は、N個の不連続な周波数
のそれぞれに対して異なった値を含む長さNのベクトルである。周波数のみに依
存する信号を持つ必要もない。周波数は好ましい実施態様としてのみ用いられる
だけであり、事実上、他のいかなるパラメータも使用可能である。
ている。ステップ10においてシステムが最初に開始されると、監視されている
システム(信号または信号ソース)からのL個の「良い」信号(あるいはスペク
トル)を含む行列Rが構成される。ここでLは「良い」信号(スペクトル)と考
えられるもの変動性の良い統計学的な尺度をもたらすべき数である。次のステッ
プ20では、標準偏差、分散(variance)及び平均ベクトルが行列Rに記憶され
たデータを使って計算される。これらのパラメータはすべて、良い信号内にサン
プリングされた各周波数に対して計算される。そうしてもしそれぞれの信号がN
個のサンプルを有するなら、標準偏差、分散及び平均は、N個の不連続な周波数
のそれぞれに対して異なった値を含む長さNのベクトルである。周波数のみに依
存する信号を持つ必要もない。周波数は好ましい実施態様としてのみ用いられる
だけであり、事実上、他のいかなるパラメータも使用可能である。
【0022】 図9Aのステップ30とステップ40に示されたサンプル故障絶対値(SEM
(sample failure magnitude))と誤り及び見落とし警報確率(α、β)はシス
テムのユーザによって指定される。セットアップ手続の最後のステップ50では
、ユーザは周波数または時間上でSPRTを走らせることを選択する。もしユー
ザが時間方向にSPRTを適用することを選択すれば、図9Bの式(1)がステ
ップ160で使用される。もしユーザが周波数方向にSPRT方法を適用するこ
とを選択すれば、図9Bの式(2)がステップ160で使用される。図9Aの最
後のステップが完了した後、プロセスまたはデータ・ソースをモニターするため
にSPRTを走らせている際に図9Bのステップが続いて実行される。
(sample failure magnitude))と誤り及び見落とし警報確率(α、β)はシス
テムのユーザによって指定される。セットアップ手続の最後のステップ50では
、ユーザは周波数または時間上でSPRTを走らせることを選択する。もしユー
ザが時間方向にSPRTを適用することを選択すれば、図9Bの式(1)がステ
ップ160で使用される。もしユーザが周波数方向にSPRT方法を適用するこ
とを選択すれば、図9Bの式(2)がステップ160で使用される。図9Aの最
後のステップが完了した後、プロセスまたはデータ・ソースをモニターするため
にSPRTを走らせている際に図9Bのステップが続いて実行される。
【0023】 SPRTシステムを走らせている際に実行される図9Bの最初のステップ11
0は、時間(t)と周波数(k)を伴うSPRT指数をゼロに初期化することで
ある。次に、ステップ140において、現時点の値k及びtにおける信号または
スペクトル・サンプルXt[k]が取得される。次いでステップ80での周波数
kにおける平均信号Xref[k]がステップ150においてサンプル値から引
かれ、現時点の時間及び周波数における残差信号Rt[k]が生成される。
0は、時間(t)と周波数(k)を伴うSPRT指数をゼロに初期化することで
ある。次に、ステップ140において、現時点の値k及びtにおける信号または
スペクトル・サンプルXt[k]が取得される。次いでステップ80での周波数
kにおける平均信号Xref[k]がステップ150においてサンプル値から引
かれ、現時点の時間及び周波数における残差信号Rt[k]が生成される。
【0024】 ステップ90のSPRTセットアップ段階に見いだされた統計パラメータは故
障絶対値M「k」をそれぞれの振動数において計算するために使用される。次い
でSPRT指数は、図9Aのステップ50でなされた選択に従って、図9Bの式
(1)または式(2)を使用して計算される。
障絶対値M「k」をそれぞれの振動数において計算するために使用される。次い
でSPRT指数は、図9Aのステップ50でなされた選択に従って、図9Bの式
(1)または式(2)を使用して計算される。
【0025】 次いでステップ100で設定されるSPRT閾値は、ステップ170とステッ
プ180において、SPRT指数が現時点の値tとkにおいて決定を下したかど
うかを判定するために使用される。もしSPRT指数が決定を下さなかったら、
ステップ170とステップ180で共に「ノー」判定が出力され、サンプリング
を続けるべきであることをSPRTシステムに告げるステップ210に進む。も
しSPRT指数が閾値Aを越えれば、ステップ170は「イエス」を出力し、S
PRTシステムに入力信号が現時点の時間と周波数カウンタ値における参照(ま
たは平均)スペクトルに一致することを告げるステップ190に進む。もしSP
RT指数が閾値Bを越えれば、ステップ180は「イエス」を出力し、SPRT
システムに入力信号が現時点の時間と周波数カウンタ値における参照(または平
均)スペクトルとはずれがあることを告げるステップ200に進む。ステップ1
90あるいは200でのいずれかのケースにおいて、判定がされたときから、S
PRT指数はゼロにリセットされる。
プ180において、SPRT指数が現時点の値tとkにおいて決定を下したかど
うかを判定するために使用される。もしSPRT指数が決定を下さなかったら、
ステップ170とステップ180で共に「ノー」判定が出力され、サンプリング
を続けるべきであることをSPRTシステムに告げるステップ210に進む。も
しSPRT指数が閾値Aを越えれば、ステップ170は「イエス」を出力し、S
PRTシステムに入力信号が現時点の時間と周波数カウンタ値における参照(ま
たは平均)スペクトルに一致することを告げるステップ190に進む。もしSP
RT指数が閾値Bを越えれば、ステップ180は「イエス」を出力し、SPRT
システムに入力信号が現時点の時間と周波数カウンタ値における参照(または平
均)スペクトルとはずれがあることを告げるステップ200に進む。ステップ1
90あるいは200でのいずれかのケースにおいて、判定がされたときから、S
PRT指数はゼロにリセットされる。
【0026】 SPRT計算の結果は、tとkの現時点の値に関してステップ220において
最終的に表示される。もしステップ230において周波数カウンタの現在の値が
入力信号の長さNと等しいなら、時間カウンタtは増加され、周波数カウンタの
値kはステップ120でゼロにリセットされる。もしkの現在の値がNと等しく
ないなら、tは同一に保たれ、kはステップ130で増加される。その後、解析
すべき信号が無くなるまで、プロセスはステップ140が繰り返される。
最終的に表示される。もしステップ230において周波数カウンタの現在の値が
入力信号の長さNと等しいなら、時間カウンタtは増加され、周波数カウンタの
値kはステップ120でゼロにリセットされる。もしkの現在の値がNと等しく
ないなら、tは同一に保たれ、kはステップ130で増加される。その後、解析
すべき信号が無くなるまで、プロセスはステップ140が繰り返される。
【0027】 図10から図26を参照することによって、本発明の本質をさらに示すことが
できる。図10Aには、EBR−II原子炉からの半組立部品温度信号が示され
ている。これらの温度信号には、時間ゼロから始まって約58分の間続いて総計
3500データポイントに及ぶ1.0°Fの温度パルスが課されている。従って
、時間データポイント0から3500までと7000以上に対しては摂動は一切
課されていない。その後、このデータは各時間増加分の間に周波数領域へのフー
リエ変換を行うことによって解析される。240分にわたって蓄積した複数の1
/2増加分が図10BにおいてPSDプロットとして示されている。図9Aと9
Bの手順流れ図に示されているように、PSD参照信号はそれぞれの時間ウイン
ドウの間に各PSDスペクトルから差し引かれ、残余の2次元的曲面が与えられ
る。その後、この残余データの配列はSPRTモジュールにフィードされ、そこ
で時間−周波数空間内に3次元的曲面が生成される。この空間曲面は、図10C
で指摘されるように、解析されている信号の正常からのずれを非常に敏感に捕ら
えることができるインジケータとなる。
できる。図10Aには、EBR−II原子炉からの半組立部品温度信号が示され
ている。これらの温度信号には、時間ゼロから始まって約58分の間続いて総計
3500データポイントに及ぶ1.0°Fの温度パルスが課されている。従って
、時間データポイント0から3500までと7000以上に対しては摂動は一切
課されていない。その後、このデータは各時間増加分の間に周波数領域へのフー
リエ変換を行うことによって解析される。240分にわたって蓄積した複数の1
/2増加分が図10BにおいてPSDプロットとして示されている。図9Aと9
Bの手順流れ図に示されているように、PSD参照信号はそれぞれの時間ウイン
ドウの間に各PSDスペクトルから差し引かれ、残余の2次元的曲面が与えられ
る。その後、この残余データの配列はSPRTモジュールにフィードされ、そこ
で時間−周波数空間内に3次元的曲面が生成される。この空間曲面は、図10C
で指摘されるように、解析されている信号の正常からのずれを非常に敏感に捕ら
えることができるインジケータとなる。
【0028】 図11は、センサにおける線形の非較正のバイアスをシュミレートするために
1.5°F(華氏)の線形ドリフトを課した場合のもう1つの例を示している。
時間t=0において、ドリフトには0°Fの開始値が課され、10900個の時
間データポイントにわたり線形にラニングし、最後は1.5°Fに終わる。0か
ら3500まで(−60分から0分)のデータポイントに対して、摂動は一切無
く、線形ドリフトは3501(0分)に始まり、14400(約180分)まで
継続する。再び、この方法は大きな感度で、警報または逸脱状態が生成されるこ
とを示している。
1.5°F(華氏)の線形ドリフトを課した場合のもう1つの例を示している。
時間t=0において、ドリフトには0°Fの開始値が課され、10900個の時
間データポイントにわたり線形にラニングし、最後は1.5°Fに終わる。0か
ら3500まで(−60分から0分)のデータポイントに対して、摂動は一切無
く、線形ドリフトは3501(0分)に始まり、14400(約180分)まで
継続する。再び、この方法は大きな感度で、警報または逸脱状態が生成されるこ
とを示している。
【0029】 図12Aでは、信号の平均値は変わらずに利得が線形増加しており、一般に検
出するには非常に困難な状態である。時間ゼロでは、利得変化は1.0の開始値
が課され、14,400テストポイント(10日)から成るデータセットの終点
にわたって急速に増大する。ただし、n=i−3501、外乱=5(i)、mは
i=3500から14,400までのテスト信号x(i)の総和、ただし全て1
0,900で割られる。s(i)は、i≧3501に対しては[x(i)−m]
exp{0.375n/10,900}+m、i≦3500に対してはx(i)
である。図12Bは、図12Aの信号のPSDを示しており、図12Cは、結果
的に生じる3次元的SPRT曲面を示している。これによって容易に問題状態が
識別される。
出するには非常に困難な状態である。時間ゼロでは、利得変化は1.0の開始値
が課され、14,400テストポイント(10日)から成るデータセットの終点
にわたって急速に増大する。ただし、n=i−3501、外乱=5(i)、mは
i=3500から14,400までのテスト信号x(i)の総和、ただし全て1
0,900で割られる。s(i)は、i≧3501に対しては[x(i)−m]
exp{0.375n/10,900}+m、i≦3500に対してはx(i)
である。図12Bは、図12Aの信号のPSDを示しており、図12Cは、結果
的に生じる3次元的SPRT曲面を示している。これによって容易に問題状態が
識別される。
【0030】 図13Aでは、不安定なシヌソイド干渉(unstable sinusoidal inteference )が図10Aのベース半組立部品温度データに課されている。シヌソイド干渉は
最大周波数約0.01Hzを有する。時間ゼロにおいて、シヌソイドが導入され
、最初の3500データポイントの間は摂動されることなく10,900データ
ポインにわたって急速に成長する。図13BのPSD関数は、図13Cのマーク
された警報ポイントによって示された信号の干渉の識別を可能にする3次元的曲
面関数をもたらすSPRT方法によって作用される。
最大周波数約0.01Hzを有する。時間ゼロにおいて、シヌソイドが導入され
、最初の3500データポイントの間は摂動されることなく10,900データ
ポインにわたって急速に成長する。図13BのPSD関数は、図13Cのマーク
された警報ポイントによって示された信号の干渉の識別を可能にする3次元的曲
面関数をもたらすSPRT方法によって作用される。
【0031】 図14Aでは、多重シヌソイド干渉が図10Aのベース半組立部品温度データ
に課されている。この干渉は、それぞれ特有な周波数であり、それぞれ最大周波
数0.01Hz、0.287Hzと0.4997Hzを有する、3つの不安定な
シヌソイド干渉を含んでいる。時間ゼロにおいて、3つのシヌソイドが導入され
、3501から14,400データポイントの範囲で急速に成長する。こうして
、最初の3500データポイントではデータは摂動のないテスト信号であるが、
その後に値x(i)を有する10,900データポイントが続く。テスト信号+
5(i)は、 5(i) = (a)[sin(2πn(2725/10900)) + sin(2πn(5449/10900))] + z で与えられる。ここでzは不安定信号で、a = exp(-5+(5.25/10900)(n))である 。
に課されている。この干渉は、それぞれ特有な周波数であり、それぞれ最大周波
数0.01Hz、0.287Hzと0.4997Hzを有する、3つの不安定な
シヌソイド干渉を含んでいる。時間ゼロにおいて、3つのシヌソイドが導入され
、3501から14,400データポイントの範囲で急速に成長する。こうして
、最初の3500データポイントではデータは摂動のないテスト信号であるが、
その後に値x(i)を有する10,900データポイントが続く。テスト信号+
5(i)は、 5(i) = (a)[sin(2πn(2725/10900)) + sin(2πn(5449/10900))] + z で与えられる。ここでzは不安定信号で、a = exp(-5+(5.25/10900)(n))である 。
【0032】 図14Bには、図14Aの結果として生じるPSD関数が示されている。そし
てそれに対してSPRTを適用すると、図14Cの3次元的SPRT曲面は表面
上にマークされた特有な警報状態を示す。
てそれに対してSPRTを適用すると、図14Cの3次元的SPRT曲面は表面
上にマークされた特有な警報状態を示す。
【0033】 図15Aでは、線形的に低下する時定数関数が図10Aのベース半組立部品温
度データに適用されている。この干渉は指名された時間ゼロで始まり、残る10
900のデータポイントにわたって連続する線形的に低下する時定数を含む。こ
のようなずれ方は、多数の物理的、化学的、生物学的、製造業、ビジネス、及び
金融のシステムに当てはまり、従来の方法を使って検出することは非常に難しい
。特殊な例として、電力産業のVenturi流量計の故障、石油産業の酸素セ
ンサの故障がある。この線形低下のパラメータは次の通りである。x(i)は望
ましいテスト状態信号、t=((−1.5/10900)×n+1.5)、ただ
しiをデータポイント数としてn=i−3501、f(t)=時間tの関数であ
る周波数変調信号で搬送波周波数は0.25Hz、サンプリング周波数は1.0
Hzである。外乱は、x(i)+s(i)によって特徴づけられる。ここで、i
≦3500に対してs(i)=0、i≧3501に対してf(t)である。図1
5Bには、図15Aの結果として生じるPSD関数が示されている。そしてそれ
に対してSPRTを適用すると、図15Cの3次元的SPRT曲面は特有な警報
状態を示すが、PSDスペクトルに現れた見せかけのデータは減少する。
度データに適用されている。この干渉は指名された時間ゼロで始まり、残る10
900のデータポイントにわたって連続する線形的に低下する時定数を含む。こ
のようなずれ方は、多数の物理的、化学的、生物学的、製造業、ビジネス、及び
金融のシステムに当てはまり、従来の方法を使って検出することは非常に難しい
。特殊な例として、電力産業のVenturi流量計の故障、石油産業の酸素セ
ンサの故障がある。この線形低下のパラメータは次の通りである。x(i)は望
ましいテスト状態信号、t=((−1.5/10900)×n+1.5)、ただ
しiをデータポイント数としてn=i−3501、f(t)=時間tの関数であ
る周波数変調信号で搬送波周波数は0.25Hz、サンプリング周波数は1.0
Hzである。外乱は、x(i)+s(i)によって特徴づけられる。ここで、i
≦3500に対してs(i)=0、i≧3501に対してf(t)である。図1
5Bには、図15Aの結果として生じるPSD関数が示されている。そしてそれ
に対してSPRTを適用すると、図15Cの3次元的SPRT曲面は特有な警報
状態を示すが、PSDスペクトルに現れた見せかけのデータは減少する。
【0034】 もう1つの本発明の好ましい実施態様では、PSD関数のフーリエ変換は実部
と虚部に分離された。次いでSPRT方法が、長時間にわたってフーリエ変換の
実部と虚部に別々に適用された。この利点は、フーリエ変換の分離した実部と虚
部は、分離する必要のない組合わさったフーリエ変換とは対照的に、(時間領域
信号が非ガウス分布であったとしても)ガウス分布に従うように決定されたこと
である。変換データを実部と虚部に分離することによって、見せかけだけの非ガ
ウス分布の異常が(それが存在する際に)回避される。加えて、このような分離
方法は信号に存在している外乱の位相に関する情報も提供する。偶の信号外乱(
共役的な対称かつ実の信号、すなわちX(n)=X(−n))を有するデータは
実SPRT警報領域にのみ存在するSPRT警報をもたらすが、奇の外乱(X(
n)=−X(−n))は虚SPRT警報領域にのみ存在するSPRT警報をもた
らす。偶奇両方の部分を有する外乱は、外乱の偶奇性の度合いに依存して実平面
と虚平面の両方でSPRT警報領域の異なった密度を示す。従ってこのような区
別は長時間にわたる外乱の性質、外乱の傾向、及び外乱の位相、を特徴付けるの
に利用される。実部領域と虚部領域への分離によって、信号解析において誤警報
が減少した。
と虚部に分離された。次いでSPRT方法が、長時間にわたってフーリエ変換の
実部と虚部に別々に適用された。この利点は、フーリエ変換の分離した実部と虚
部は、分離する必要のない組合わさったフーリエ変換とは対照的に、(時間領域
信号が非ガウス分布であったとしても)ガウス分布に従うように決定されたこと
である。変換データを実部と虚部に分離することによって、見せかけだけの非ガ
ウス分布の異常が(それが存在する際に)回避される。加えて、このような分離
方法は信号に存在している外乱の位相に関する情報も提供する。偶の信号外乱(
共役的な対称かつ実の信号、すなわちX(n)=X(−n))を有するデータは
実SPRT警報領域にのみ存在するSPRT警報をもたらすが、奇の外乱(X(
n)=−X(−n))は虚SPRT警報領域にのみ存在するSPRT警報をもた
らす。偶奇両方の部分を有する外乱は、外乱の偶奇性の度合いに依存して実平面
と虚平面の両方でSPRT警報領域の異なった密度を示す。従ってこのような区
別は長時間にわたる外乱の性質、外乱の傾向、及び外乱の位相、を特徴付けるの
に利用される。実部領域と虚部領域への分離によって、信号解析において誤警報
が減少した。
【0035】 図16から図26を参照することによって、PSD関数を実数成分と虚数成分
に分けるこの方法の応用を説明することができる。図16から図18では、実数
成分と虚数成分が組合わさったまま(図16)の解析と実数成分と虚数成分へ分
離した解析(それぞれ図17と図18)との比較がなされる。
に分けるこの方法の応用を説明することができる。図16から図18では、実数
成分と虚数成分が組合わさったまま(図16)の解析と実数成分と虚数成分へ分
離した解析(それぞれ図17と図18)との比較がなされる。
【0036】 長時間にわたるEBR−II加速度計信号を示す図16Aには正常な望ましい
信号データの解析が示されている。図16Bは、補遺のSPRT手続による図1
6Aのデータの解析後の2次元的SPRTプロット、図16Cは3次元的プロッ
トによる警報平面断面を示している。この方法によってユーザは迅速にどんな障
害傾向でも観察することができる。
信号データの解析が示されている。図16Bは、補遺のSPRT手続による図1
6Aのデータの解析後の2次元的SPRTプロット、図16Cは3次元的プロッ
トによる警報平面断面を示している。この方法によってユーザは迅速にどんな障
害傾向でも観察することができる。
【0037】 図16Bと図16Cからわかるように、もしSPRT方法が直接的に正常状態
のERR−II加速度計信号のPSD関数と組み合わされれば、多数の誤警報が
作り出される。こうしたことは信号の非ガウス分布性から生ずる可能性がある。
そして0.001の誤警報確率(α)を指定すると、結果として生じる経験的な
αは約0.007であることが分かった。
のERR−II加速度計信号のPSD関数と組み合わされれば、多数の誤警報が
作り出される。こうしたことは信号の非ガウス分布性から生ずる可能性がある。
そして0.001の誤警報確率(α)を指定すると、結果として生じる経験的な
αは約0.007であることが分かった。
【0038】 図17Bと図17Cに立ち戻れると、そこではSPRT方法はただ加速度計信
号の実部だけに適用された。実現される(α)は図17Bに対して0.0であり
、図16Bと16Cで示された方法は大いに改善される。図17Cの3次元的S
PRT結果に関して、実現されるαは約0.0であった。これにより再び大いに
誤警報確率が改善された。
号の実部だけに適用された。実現される(α)は図17Bに対して0.0であり
、図16Bと16Cで示された方法は大いに改善される。図17Cの3次元的S
PRT結果に関して、実現されるαは約0.0であった。これにより再び大いに
誤警報確率が改善された。
【0039】 図18Aから図18Cには、正常なテスト信号の特徴を示す更なるデータが、
図18Aでは棒グラフによって、図18Bと18CではPSD加速度計信号の虚
部だけに対する2次元的警報平面スペクトルと、3次元的SPRTスペクトルで
示されている。
図18Aでは棒グラフによって、図18Bと18CではPSD加速度計信号の虚
部だけに対する2次元的警報平面スペクトルと、3次元的SPRTスペクトルで
示されている。
【0040】 図19から図26には、様々なタイプの外乱が図16Aのテスト加速度計信号
に導入された後の様々な3次元的SPRT結果が示されている。それぞれの例に
おいてフーリエ変換を計算するために使用されたウィンドウ・サイズは128サ
ンプルであった。またオーバラッピングは一切使用されなかった。加速度計信号
に関し、11456サンプルが1分に1度採られた。
に導入された後の様々な3次元的SPRT結果が示されている。それぞれの例に
おいてフーリエ変換を計算するために使用されたウィンドウ・サイズは128サ
ンプルであった。またオーバラッピングは一切使用されなかった。加速度計信号
に関し、11456サンプルが1分に1度採られた。
【0041】 図19Aでは、ゆっくりと変化する較正バイアス(calibration bias)が図1
6Aの信号に導入される。図19Aは、バイアスが線形に増大する加速度計信号
の棒グラフを示している。棒グラフはバイアスが加えられたときの加速度計信号
の正のサンプル数の増大が原因で正の側に歪んでいる。バイアスは5000分に
おいて開始値ゼロで始まり、10,000分まで最終値0.008になるまで線
形に増加し続ける。図19Bには、フーリエ変換の実部だけ使うときに結果とし
て生じる2次元的SPRT警報平面が示されている。この場合、SPRT警報は
ちょうど5000分後にゼロ周波数成分の近くで始まり、信号の平均が長時間に
わたってゆっくりと変化していることを知らせる。図19Cは類似の3次元的S
PRTプロットを示している。図20Bと図20Cには、フーリエ変換の虚部だ
けを使用した類似の結果が示されている。再び、警報はちょうど5000分後に
ゼロ周波数成分の近くで始まり、加速度計信号にゆっくりと変化するバイアスが
存在することを知らせる。
6Aの信号に導入される。図19Aは、バイアスが線形に増大する加速度計信号
の棒グラフを示している。棒グラフはバイアスが加えられたときの加速度計信号
の正のサンプル数の増大が原因で正の側に歪んでいる。バイアスは5000分に
おいて開始値ゼロで始まり、10,000分まで最終値0.008になるまで線
形に増加し続ける。図19Bには、フーリエ変換の実部だけ使うときに結果とし
て生じる2次元的SPRT警報平面が示されている。この場合、SPRT警報は
ちょうど5000分後にゼロ周波数成分の近くで始まり、信号の平均が長時間に
わたってゆっくりと変化していることを知らせる。図19Cは類似の3次元的S
PRTプロットを示している。図20Bと図20Cには、フーリエ変換の虚部だ
けを使用した類似の結果が示されている。再び、警報はちょうど5000分後に
ゼロ周波数成分の近くで始まり、加速度計信号にゆっくりと変化するバイアスが
存在することを知らせる。
【0042】 図21Aでは、連続的なインパルスまたはスパイクが図16Aの加速度計信号
に適用されている。信号におけるスパイクは21サンプル幅を有し、3000分
において発生する。図21Bと図21Cでは、3000分おいてフーリエ変換の
実部の大部分の周波数成分にわたってSPRT警報が存在する。このことは、フ
ーリエ成分がこの時点で全ての周波数から非ゼロの寄与を得ていることを暗示し
ており、スパイクの理想的なフーリエ成分と両立する。フーリエ変換の虚部に対
する類似の結果が図22Bと図22Cの中央及び底のプロットに示されており、
実部の結果と一致する。図22Aはインパルス外乱を有するデータの棒グラフで
ある。ガウス分布(重ね合わされた)と比較すると、尖り(kurtosis)がずっと
小さく見える。しかしながら、これはインパルス形のアウトライアを有し人工的
である。もしインパルスが無視されたなら、棒グラフはガウス分布曲線の頂上に
くるであろう。
に適用されている。信号におけるスパイクは21サンプル幅を有し、3000分
において発生する。図21Bと図21Cでは、3000分おいてフーリエ変換の
実部の大部分の周波数成分にわたってSPRT警報が存在する。このことは、フ
ーリエ成分がこの時点で全ての周波数から非ゼロの寄与を得ていることを暗示し
ており、スパイクの理想的なフーリエ成分と両立する。フーリエ変換の虚部に対
する類似の結果が図22Bと図22Cの中央及び底のプロットに示されており、
実部の結果と一致する。図22Aはインパルス外乱を有するデータの棒グラフで
ある。ガウス分布(重ね合わされた)と比較すると、尖り(kurtosis)がずっと
小さく見える。しかしながら、これはインパルス形のアウトライアを有し人工的
である。もしインパルスが無視されたなら、棒グラフはガウス分布曲線の頂上に
くるであろう。
【0043】 本発明のもう一つの側面において、確率的テストを周波数領域スペクトルと組
み合わせる方法は長時間にわたって外乱がいかに変化するかを示すには非常に有
用である場合がある。例えば、SPRTを実例的確率的テストとして使用すると
、独特なパターンが時間とともに外乱の周波数と振幅がいかに変化するかに依存
してSPRT警報平面に作り出される。これによって、3次元的SPRTを呈示
して、外乱の初期を敏感に予告するだけではなく、3次元的SPRT指数曲面に
おいて作り出された特徴に基づいて外乱を特徴付け、分類することが可能になる
。そうした結果、図23と図24には、振幅が変化している信号とその効果が示
されている。図23Aでは、加速度計信号は、振幅が時間と共に急速に変化する
図16Aの信号に導入されたシヌソイド外乱を有する。急上昇成分の時定数は0
.001である。図23Aは、シヌソイド外乱の大きさが成長するときの3次元
的SPRTの振舞いを示している。シヌソイドが最初に現れるとき(約7000
分)、3次元的SPRTは狭い周波数帯の警報を有し、純粋にシヌソイド成分が
存在していることを意味する。しかしながら、指数成分がいっそう主要になるに
つれ、警報は一層幅広い周波数帯で発生し、このことはシヌソイド外乱が非常に
速く成長していることを意味している。
み合わせる方法は長時間にわたって外乱がいかに変化するかを示すには非常に有
用である場合がある。例えば、SPRTを実例的確率的テストとして使用すると
、独特なパターンが時間とともに外乱の周波数と振幅がいかに変化するかに依存
してSPRT警報平面に作り出される。これによって、3次元的SPRTを呈示
して、外乱の初期を敏感に予告するだけではなく、3次元的SPRT指数曲面に
おいて作り出された特徴に基づいて外乱を特徴付け、分類することが可能になる
。そうした結果、図23と図24には、振幅が変化している信号とその効果が示
されている。図23Aでは、加速度計信号は、振幅が時間と共に急速に変化する
図16Aの信号に導入されたシヌソイド外乱を有する。急上昇成分の時定数は0
.001である。図23Aは、シヌソイド外乱の大きさが成長するときの3次元
的SPRTの振舞いを示している。シヌソイドが最初に現れるとき(約7000
分)、3次元的SPRTは狭い周波数帯の警報を有し、純粋にシヌソイド成分が
存在していることを意味する。しかしながら、指数成分がいっそう主要になるに
つれ、警報は一層幅広い周波数帯で発生し、このことはシヌソイド外乱が非常に
速く成長していることを意味している。
【0044】 図25と図26のもう1つの例では、時間と共に周波数が変化する外乱が図1
6Aの基礎データに導入される。この外乱は図16Aの加速度計信号に導入され
、信号の長さと共に周波数が線形に増大する。図25Aは外乱が含まれる加速度
計信号のプロットを示している。図25Bと図25Cは、フーリエ変換の実部に
対する3次元的SPRT結果を示している。増加する周波数はSPRT警報平面
における傾斜した線によって証拠づけられる。図26Bと図26Cには、フーリ
エ変換の虚部に対する同じ一般形の特徴が示されている。
6Aの基礎データに導入される。この外乱は図16Aの加速度計信号に導入され
、信号の長さと共に周波数が線形に増大する。図25Aは外乱が含まれる加速度
計信号のプロットを示している。図25Bと図25Cは、フーリエ変換の実部に
対する3次元的SPRT結果を示している。増加する周波数はSPRT警報平面
における傾斜した線によって証拠づけられる。図26Bと図26Cには、フーリ
エ変換の虚部に対する同じ一般形の特徴が示されている。
【0045】 より広い意味において、ここに具現された概念は、赤外電子常磁性NMR、ラ
マン(Raman)、ESR、蛍光発光、UV、熱像(thermogram)、吸収、生体発 光(bioluminescence)、音響共鳴などといったスペクトル問題のどんな方法に も適用できる。これらの応用において、人間ユーザは測定されたスペクトルを、
(1)標準的参照ソースによって作り出される「参照」スペクトル、あるいは(
2)「正常」稼働時の間に得られるいわゆる背景スペクトルと比較することを望
む。(1)または(2)のいずれの場合にも、高い感度と低い誤警報確率で新た
に測定されたスペクトルが著しく参照スペクトルと違うかどうか決定することは
重要である。これは大抵、人が行う主観的審査作業である。すべての既知の従来
技術システムにおいて、もしシステムの感度を最大にしようとすれば、誤警報率
が増大するという犠牲を払うことになる。逆に、もし誤警報に大きな経済的ペナ
ルティ(すなわち、オペレータの注意を乱すこと、不必要に工場設備や装置を中
断させること、誤って品質保証仕様に合った製造品を却下すること)が伴えば、
人は誤警報確率を最小にしようと努めるが、それは実際のスペクトルのずれに対
する感度を犠牲にすることによって行われる。その際、安全マージンが減少し、
製品品質が低下するなどのペナルティがあり得る。本発明のSPRTシステムと
方法は上記の監視目的を達成し、そして、誤警報の可能性を最小にしながら、参
照スペクトルと測定されたスペクトルの間の微妙な食い違いを予告するための検
出感度を最大にする。
マン(Raman)、ESR、蛍光発光、UV、熱像(thermogram)、吸収、生体発 光(bioluminescence)、音響共鳴などといったスペクトル問題のどんな方法に も適用できる。これらの応用において、人間ユーザは測定されたスペクトルを、
(1)標準的参照ソースによって作り出される「参照」スペクトル、あるいは(
2)「正常」稼働時の間に得られるいわゆる背景スペクトルと比較することを望
む。(1)または(2)のいずれの場合にも、高い感度と低い誤警報確率で新た
に測定されたスペクトルが著しく参照スペクトルと違うかどうか決定することは
重要である。これは大抵、人が行う主観的審査作業である。すべての既知の従来
技術システムにおいて、もしシステムの感度を最大にしようとすれば、誤警報率
が増大するという犠牲を払うことになる。逆に、もし誤警報に大きな経済的ペナ
ルティ(すなわち、オペレータの注意を乱すこと、不必要に工場設備や装置を中
断させること、誤って品質保証仕様に合った製造品を却下すること)が伴えば、
人は誤警報確率を最小にしようと努めるが、それは実際のスペクトルのずれに対
する感度を犠牲にすることによって行われる。その際、安全マージンが減少し、
製品品質が低下するなどのペナルティがあり得る。本発明のSPRTシステムと
方法は上記の監視目的を達成し、そして、誤警報の可能性を最小にしながら、参
照スペクトルと測定されたスペクトルの間の微妙な食い違いを予告するための検
出感度を最大にする。
【0046】 本発明の好ましい実施態様が説明されてきたが、当業者であれば本発明の請求
の範囲によって述べられるより広範な側面から逸脱することなく、様々な変更・
修正が可能であることは明らかである。
の範囲によって述べられるより広範な側面から逸脱することなく、様々な変更・
修正が可能であることは明らかである。
【0047】 [補遺] 本発明の方法では、周波数スペクトルデータを処理する好ましい確率的方法の
1つは逐次確率比テスト(SPRT)である。このSPRT方法は、工業用セン
サから得られたデータベース情報を処理して、信頼できるデータを蓄積し、劣化
もしくは異常なプロセスを修正または終了させるために、以前から使用されてき
た。従ってこのSPRT方法は、データを予め確認するために着信データストリ
ームに適用し、または欠陥データを除去するために解析するために既存のデータ
ベースに適用することができる。それ故にデータベースセンサ信号は、SPRT
技術への入力データを操作するとともに、調査目的のためにも使用することがで
きる。このプロセスの詳細とそれに関連する発明は、SPRTプロセスに関する
米国特許第5,459,675号、第5,410,492号、及び第5,223
,207号に記述されている。好ましい方法において実行される手続は図8に示
されている。このようなセンサ信号の好ましい解析を実行する際には、オリジナ
ルの時系列データの周波数領域変換とその結果のデータの次の時間領域変換の両
方を必要とする限りにおいて二重変換法が実行される。二重の周波数領域、時間
領域変換を経たデータストリームは次いで、ログ尤度比テスト(log-likelihood
ratio test)を使用するSPRT手続によって処理される。
1つは逐次確率比テスト(SPRT)である。このSPRT方法は、工業用セン
サから得られたデータベース情報を処理して、信頼できるデータを蓄積し、劣化
もしくは異常なプロセスを修正または終了させるために、以前から使用されてき
た。従ってこのSPRT方法は、データを予め確認するために着信データストリ
ームに適用し、または欠陥データを除去するために解析するために既存のデータ
ベースに適用することができる。それ故にデータベースセンサ信号は、SPRT
技術への入力データを操作するとともに、調査目的のためにも使用することがで
きる。このプロセスの詳細とそれに関連する発明は、SPRTプロセスに関する
米国特許第5,459,675号、第5,410,492号、及び第5,223
,207号に記述されている。好ましい方法において実行される手続は図8に示
されている。このようなセンサ信号の好ましい解析を実行する際には、オリジナ
ルの時系列データの周波数領域変換とその結果のデータの次の時間領域変換の両
方を必要とする限りにおいて二重変換法が実行される。二重の周波数領域、時間
領域変換を経たデータストリームは次いで、ログ尤度比テスト(log-likelihood
ratio test)を使用するSPRT手続によって処理される。
【0048】 好ましい実施態様では、連続的なデータ観測が不連続プロセスYに対して実行
される。Yは、センサ、最も好ましくは対のセンサによってモニターされた物理
的なプロセスの確率的成分の比較を表現する。実際には、Y関数は2つのそれぞ
れのセンサからのデジタル化されたデータ信号の差をとることだけで得らる。y
kは時間tyにおけるプロセスYからのデータサンプルを表現する。仕様に従っ
て機能する劣化していない物理システムとセンサによる正常稼働の間、ykは通
常は平均ゼロで分布するはずである。もし比較されている2つのデータ信号が(
例えば、較正の違いのために)同じ公称平均値(nominal mean values)を持っ ていないなら、入力信号は初期作業の間に同じ公称平均値に予め規格化される。
される。Yは、センサ、最も好ましくは対のセンサによってモニターされた物理
的なプロセスの確率的成分の比較を表現する。実際には、Y関数は2つのそれぞ
れのセンサからのデジタル化されたデータ信号の差をとることだけで得らる。y
kは時間tyにおけるプロセスYからのデータサンプルを表現する。仕様に従っ
て機能する劣化していない物理システムとセンサによる正常稼働の間、ykは通
常は平均ゼロで分布するはずである。もし比較されている2つのデータ信号が(
例えば、較正の違いのために)同じ公称平均値(nominal mean values)を持っ ていないなら、入力信号は初期作業の間に同じ公称平均値に予め規格化される。
【0049】 工業プロセスのモニタを実行する際に、着信データストリームが確認でき、あ
るいは既存のデータベースが確認できる。システムの目的は、一連の観測値が平
均値+Mまたは−M周辺に分布しているように見えるほどYのドリフトが十分に
大きければ、劣化した第1のシステムあるいは第2のシステムからのデータを申
告することにある。ここでMは予め割り当てられたシステム外乱絶対値(system
-siturbance magnetude)である。我々は、以下の2つの仮説(hypothese)を区
別できる定量的な枠組を考案したい。
るいは既存のデータベースが確認できる。システムの目的は、一連の観測値が平
均値+Mまたは−M周辺に分布しているように見えるほどYのドリフトが十分に
大きければ、劣化した第1のシステムあるいは第2のシステムからのデータを申
告することにある。ここでMは予め割り当てられたシステム外乱絶対値(system
-siturbance magnetude)である。我々は、以下の2つの仮説(hypothese)を区
別できる定量的な枠組を考案したい。
【0050】 H1:Yは平均値Mと分散σ2を有するガウス確率分布関数(「PDF(probab
ility distribution function)」)から得られる。
ility distribution function)」)から得られる。
【0051】 H2:Yは平均値0と分散σ2を有するガウス型PDFから得られる。
【0052】 もしH1またはH2が真なら、我々はH1またはH2について確率(1−β)また
は(1−α)でそれぞれ判定する。ここでαとβは誤差(識別ミス)確率を表す
。
は(1−α)でそれぞれ判定する。ここでαとβは誤差(識別ミス)確率を表す
。
【0053】 Waldの従来からよく知られている理論から、テストは尤度比1nに依存す る。
【0054】 ここで、 1n=(H1が真のときに系列y1,y2、・・・ynが観測される確率)/(H2が 真のときに系列y1,y2、・・・ynが観測される確率)
【0055】 「n」回観測がなされた後に、逐次確率比はそれぞれのステップの確率比の積
である。
である。
【数1】 または、
【数2】 ここで、f(y|H)は確率変数yの分布関数である。
【0056】 Waldの理論は次のように作用する。A<1n<Bである限りサンプリング を継続する。1n≧Bになったらすぐにサンプリングを止めて、H1を決定する。
1n≦Aになったらすぐにサンプリングを止めて、H2を決定する。受け入れ可能
な閾値は次式によって与えられるエラー(誤認)確率に関係する。
1n≦Aになったらすぐにサンプリングを止めて、H2を決定する。受け入れ可能
な閾値は次式によって与えられるエラー(誤認)確率に関係する。
【0057】 A=β/(1−α)及びB=(1−β)/α (4) (ユーザが指定した)値αはH2が当てはまる(誤警報確率)ときにH1を受け入
れる確率である。βはH1が当てはまる(見落とし警報確率)ときにH2を受け入
れる確率である。
れる確率である。βはH1が当てはまる(見落とし警報確率)ときにH2を受け入
れる確率である。
【0058】 もし確率変数ykが正規分布すれば、H1(すなわち、平均M、分散σ2)が当
てはまる尤度は、
てはまる尤度は、
【数3】 で与えられる。
【0059】 同様にH2(平均0、分散σ2)に関しては、
【数4】 で与えられる。
【0060】 式(5)と式(6)の比は尤度比1n
【数5】 を与える。
【0061】 式(4)と式(7)を組み合わせれば、自然対数によって
【数6】 が与えられる。
【0062】 連続的なサンプリング及び判定戦略によって、以下のように簡潔に表現できる
。 もし1n≦1nβ/(1-α)ならば、H2を受け入れる。 (9) もし1nβ/(1-α)<1n<1n(1−β)/αならば、サンプリングを継続する 。 (10) もし1n≧1n(1−β)/αならば、H1を受け入れる。 (11)
。 もし1n≦1nβ/(1-α)ならば、H2を受け入れる。 (9) もし1nβ/(1-α)<1n<1n(1−β)/αならば、サンプリングを継続する 。 (10) もし1n≧1n(1−β)/αならば、H1を受け入れる。 (11)
【0063】 Waldの逐次解析に従えば、通常、ログ尤度比に基づいた判断テストは最適
性を有する。すなわち、与えられた確率αとβに対して、少なくも同じ程度の低
誤差確率または期待されたリスク、そしてより短い長さのサンプリング時間を有
する他の手続は存在しない。
性を有する。すなわち、与えられた確率αとβに対して、少なくも同じ程度の低
誤差確率または期待されたリスク、そしてより短い長さのサンプリング時間を有
する他の手続は存在しない。
【0064】 これまでWald型二元仮説の適用可能性を妨げてきた、センサ及び装置の監
視戦略に対する根本的な制限は、Waldの理論に基づいていること、すなわち
、初期プロセスYは厳密に「ホワイト」ノイズ的な独立に分布するランダム・デ
ータである、という主な仮定にある。このようなホワイトノイズは、例えば、ガ
ウス雑音を含む場合がある。しかしながら、系列相関確定的ノイズ成分によって
汚染されていない運転機構または他の工業的プロセスに関連する物理的プロセス
データを見出すことは非常にまれである。このような系列相関ノイズは、例えば
、自己相関・マルコフ依存ノイズを含む。本発明は、Waldの逐次テストアプ
ローチを新たな二重変換技術と統合することにより、従来の監視戦略に対するこ
の限界を克服することができる。周波数領域変換と時間領域変換をこのように共
生的に組み合わせることによって、何年もの間、信号処理専門家を悩ましてきた
特に難しい問題を巧に解決することができる。
視戦略に対する根本的な制限は、Waldの理論に基づいていること、すなわち
、初期プロセスYは厳密に「ホワイト」ノイズ的な独立に分布するランダム・デ
ータである、という主な仮定にある。このようなホワイトノイズは、例えば、ガ
ウス雑音を含む場合がある。しかしながら、系列相関確定的ノイズ成分によって
汚染されていない運転機構または他の工業的プロセスに関連する物理的プロセス
データを見出すことは非常にまれである。このような系列相関ノイズは、例えば
、自己相関・マルコフ依存ノイズを含む。本発明は、Waldの逐次テストアプ
ローチを新たな二重変換技術と統合することにより、従来の監視戦略に対するこ
の限界を克服することができる。周波数領域変換と時間領域変換をこのように共
生的に組み合わせることによって、何年もの間、信号処理専門家を悩ましてきた
特に難しい問題を巧に解決することができる。
【0065】 図8に詳細に示された好ましい方法では、工業プロセスからの系列相関データ
信号は、上で記述されたSPRTテスト方法に従うように与えられ得る。これは
、好ましくは初期差分関数Yの周波数領域変換を実行することによってなされる
。こうした周波数変換の特に好ましい方法は、「1」の最も高い数のモードの集
合(set of highest "1" number of modes)を使用してフーリエ級数を生成する
ことによって実行される。SPRT方法に従うデータを与えるための他の手続は
、例えば、フーリエ解析のここに記述された十分に類似する結果を実現する自動
回帰技術を含む。「1」の最も高いモードを決定するためのフーリエ解析の好ま
しいアプローチにおいて(図8A参照)、
信号は、上で記述されたSPRTテスト方法に従うように与えられ得る。これは
、好ましくは初期差分関数Yの周波数領域変換を実行することによってなされる
。こうした周波数変換の特に好ましい方法は、「1」の最も高い数のモードの集
合(set of highest "1" number of modes)を使用してフーリエ級数を生成する
ことによって実行される。SPRT方法に従うデータを与えるための他の手続は
、例えば、フーリエ解析のここに記述された十分に類似する結果を実現する自動
回帰技術を含む。「1」の最も高いモードを決定するためのフーリエ解析の好ま
しいアプローチにおいて(図8A参照)、
【0066】
【数7】 ここでa0/2は級数の平均値、amとbmはフーリエ周波数ωmに対応するフ ーリエ係数、Nは観測の合計数である。フーリエ係数を使って、我々は次に合成
関数を生成する。Xtは、Ytのフーリエ変換から見出される最も高い高調波の
値を使用する。フーリエ変換に対する次の数値近似はフーリエ係数amとbmを
決定する際に有用である。xjをj番目の時間増分においてのXtの値とする。
それから2π周期性を仮定して、ωm=2πm/Nとすれば、フーリエ変換に対
する近似は次式を与える。
関数を生成する。Xtは、Ytのフーリエ変換から見出される最も高い高調波の
値を使用する。フーリエ変換に対する次の数値近似はフーリエ係数amとbmを
決定する際に有用である。xjをj番目の時間増分においてのXtの値とする。
それから2π周期性を仮定して、ωm=2πm/Nとすれば、フーリエ変換に対
する近似は次式を与える。
【0067】 0<m<n/2に対して、
【数8】 さらに、信号に対するパワースペクトル密度(「PSD」)関数は1mによって 与えられる。 ここで、
【数9】
【0068】 信号バンド幅をPSDをゆがめないで可能な限り狭くしておくためには、周波数
領域情報を実行する際にスペクトル・ウインドウあるいはスムージングは使用さ
れない。アルゴンヌ国立研究所(旧西ドイツ)のERR−II反応炉のポンプ・
システムからのデータの解析では、最も高い8つの1mに対応するフーリエ・モ
ードがXtに含まれる振幅及び周波数を与える。蓄積された特定のポンプ・シス
テムデータを調査したところ、最も高い8つの1mモードが、Xtを正確に再構
成することが見出されたが、他方、ほとんどの研究される物理変数の系列相関は
減少した。他の工業プロセスでは、解析によって合成曲線の部分的な挙動を正確
に構成するために必要なモードはより多くまたはより少なくなるであろう。それ
故に、使用されるモード数は、どんな与えられた応用に対しても、非ホワイトノ
イズの度合いを最小化するために逐次代入される変数である。図8Aで述べたよ
うに、いろいろなノイズテストが系列相関ノイズを除去するために適用される。
領域情報を実行する際にスペクトル・ウインドウあるいはスムージングは使用さ
れない。アルゴンヌ国立研究所(旧西ドイツ)のERR−II反応炉のポンプ・
システムからのデータの解析では、最も高い8つの1mに対応するフーリエ・モ
ードがXtに含まれる振幅及び周波数を与える。蓄積された特定のポンプ・シス
テムデータを調査したところ、最も高い8つの1mモードが、Xtを正確に再構
成することが見出されたが、他方、ほとんどの研究される物理変数の系列相関は
減少した。他の工業プロセスでは、解析によって合成曲線の部分的な挙動を正確
に構成するために必要なモードはより多くまたはより少なくなるであろう。それ
故に、使用されるモード数は、どんな与えられた応用に対しても、非ホワイトノ
イズの度合いを最小化するために逐次代入される変数である。図8Aで述べたよ
うに、いろいろなノイズテストが系列相関ノイズを除去するために適用される。
【0069】 X1の再構成では式(12)の一般形が使用される。ここで使用される係数と
周波数は最も高い8つのPSD値に関連するものでである。これよって、フーリ
エ合成曲線(図8Aの手順流れ図参照)に基本的にYtと同じ相関構造と同じ平
均値が与えられる。最後に、Ytの対応する値とYtの差をとることにより、離
散的な残差関数Rが得られる。次いで実質的に系列相関汚濁のないこの残差関数
は、上に記述されたSPRT技術によって処理される。
周波数は最も高い8つのPSD値に関連するものでである。これよって、フーリ
エ合成曲線(図8Aの手順流れ図参照)に基本的にYtと同じ相関構造と同じ平
均値が与えられる。最後に、Ytの対応する値とYtの差をとることにより、離
散的な残差関数Rが得られる。次いで実質的に系列相関汚濁のないこの残差関数
は、上に記述されたSPRT技術によって処理される。
【0070】 上で参照された方法の特定の実施例応用では、アルゴンヌ国立研究所(旧西ド
イツ)のERR−II反応炉からのある特定のデータ変数がモニターされた。特
に、EBR−II反応炉冷却剤ポンプ(RGP(reactor coolant pump))と遅
延中性子(DN(delayed neutron))監視システムが、本発明の威力と効用を 実証するために連続的にテストされた。RGPとDNシステムが、本アプローチ
を最初に適用するために選ばれた。その理由は、SPRTベースの技術はすでに
両システムのために開発中であるからである。この調査で使用された全てのデー
タは、EBR−IIがフルパワーでの安定状態で稼働している間に記録された。
データは、関心のある各信号に対して、214(16,384)回の観測を使用し
て毎秒2個のサンプリング速度でデジタル化された。
イツ)のERR−II反応炉からのある特定のデータ変数がモニターされた。特
に、EBR−II反応炉冷却剤ポンプ(RGP(reactor coolant pump))と遅
延中性子(DN(delayed neutron))監視システムが、本発明の威力と効用を 実証するために連続的にテストされた。RGPとDNシステムが、本アプローチ
を最初に適用するために選ばれた。その理由は、SPRTベースの技術はすでに
両システムのために開発中であるからである。この調査で使用された全てのデー
タは、EBR−IIがフルパワーでの安定状態で稼働している間に記録された。
データは、関心のある各信号に対して、214(16,384)回の観測を使用し
て毎秒2個のサンプリング速度でデジタル化された。
【0071】 図1から図3は、ポンプを作動させるために必要なパワー(kW)を測定する
EBR−II主ポンプ・パワー信号に適用される好ましいスペクトル・フィルタ
・アプローチに関連するデータを示している。続いて図8の基本手続きが解析に
おいて実行された。図1は、オリジナル信号が2Hzのサンプリング速度におい
てデジタル化されたときの、その信号の136分を示している。図2は、オリジ
ナル信号において識別された8つの最も重要な高調波から構成されたフーリエ合
成数を示している。図3には、生データからフーリエ合成曲線を引くことによっ
て得られた残差関数が示されている。生信号と残差関数のペリオドグラムが計算
され、図4にプロットされた。オリジナルのろ過されていないデータにおける最
も顕著な周期性に対応する、図4Bにおける残差関数のペリオドグラムの8つの
くぼ地の存在に注意する。生の信号と残差関数から計算された棒グラフが図5に
プロットされている。図示された各棒グラフに関して、同じ平均と分散を持って
いる純粋なガウス分布から計算されるガウス分布曲線(実線)を重ね合わせた。
図5Aと5Bの比較から、棒グラフの非対称を減少させることにおけるスペクト
ル・フィルタリングの有効性は明らかである。定量的に、このような非対称性が
低下は、0.15(生データ)から0.10(残差関数)までの非対称度(また
はノイズの第3のモーメント)の減少に反映される。
EBR−II主ポンプ・パワー信号に適用される好ましいスペクトル・フィルタ
・アプローチに関連するデータを示している。続いて図8の基本手続きが解析に
おいて実行された。図1は、オリジナル信号が2Hzのサンプリング速度におい
てデジタル化されたときの、その信号の136分を示している。図2は、オリジ
ナル信号において識別された8つの最も重要な高調波から構成されたフーリエ合
成数を示している。図3には、生データからフーリエ合成曲線を引くことによっ
て得られた残差関数が示されている。生信号と残差関数のペリオドグラムが計算
され、図4にプロットされた。オリジナルのろ過されていないデータにおける最
も顕著な周期性に対応する、図4Bにおける残差関数のペリオドグラムの8つの
くぼ地の存在に注意する。生の信号と残差関数から計算された棒グラフが図5に
プロットされている。図示された各棒グラフに関して、同じ平均と分散を持って
いる純粋なガウス分布から計算されるガウス分布曲線(実線)を重ね合わせた。
図5Aと5Bの比較から、棒グラフの非対称を減少させることにおけるスペクト
ル・フィルタリングの有効性は明らかである。定量的に、このような非対称性が
低下は、0.15(生データ)から0.10(残差関数)までの非対称度(また
はノイズの第3のモーメント)の減少に反映される。
【0072】 我々の連続テストスキームにおける系列相関の結果を減少させるべく設計した
選択的スペクトル・フィルタには、データの非正常度も減少することは必要とさ
れないということは指摘されるべきである。しかしながら、我々がEBR−II
において調査した信号の多くに対して、逐次相関が減少すれば、残差関数の歪度
の絶対値は減少する。
選択的スペクトル・フィルタには、データの非正常度も減少することは必要とさ
れないということは指摘されるべきである。しかしながら、我々がEBR−II
において調査した信号の多くに対して、逐次相関が減少すれば、残差関数の歪度
の絶対値は減少する。
【0073】 スペクトル・フィルタリング方法によってもたらされるホワイト性の改善を定
量的に評価するために、我々は従来のフィッシャー・カッパ・ホワイトノイズ・
テストを使用する。それぞれの時系列に対して、
量的に評価するために、我々は従来のフィッシャー・カッパ・ホワイトノイズ・
テストを使用する。それぞれの時系列に対して、
【数10】 から、フィッシャー・カッパ統計値を計算する。ここで1ωkは離散的周波数ωk におけるPSD関数である(式(14)参照)。1(L)は安定した時系列で割
り出された最も大きいPSD座標を意味する。
り出された最も大きいPSD座標を意味する。
【0074】 カッパ統計値(Kappa statistic)は、信号の最も大きなPSD座標の純粋な ホワイトノイズでカウントされた信号から計算されたPSDの平均座標に対する
比である。EBR−IIに対して、本例のポンプのパワー信号は、生の信号と残
差関数に対してそれぞれκが1940と68.7である。従って、我々は、スペ
クトル・フィルタリング方法は信号の非ホワイト性を28の因子だけ減少させた
と言うことができる。厳密に言えば、残差関数はまだ純粋なホワイトノイズプロ
セスではない。214の観測を有する時系列に対するカッパの95%臨界値は1
2.6である。これは、12.6未満である計算されたカッパ統計量に対しての
み、信号が純粋なホワイトノイズによって汚されるというヌル仮説(null hypot
hesis)を受け入れることができることを意味する。残差関数が純粋なホワイト でないという事実は物理的基礎から見て理にかなったことである。なぜなら、物
理的なプロセスの推計的なコンポーネントに影響を与える機構の複雑な相互作用
は純粋なホワイト相関構造を有しないことが期待されるからである。しかしなが
ら、重要なポイントは、生の信号における最も高い8つの高調波だけを使用する
スペクトル・フィルタリング手続によってもたらされる非ホワイト性の減少は、
SPRT連続テスト手続(以下参照)における所定の誤警報及び見落とし警報の
確率を維持することが見出されている。
比である。EBR−IIに対して、本例のポンプのパワー信号は、生の信号と残
差関数に対してそれぞれκが1940と68.7である。従って、我々は、スペ
クトル・フィルタリング方法は信号の非ホワイト性を28の因子だけ減少させた
と言うことができる。厳密に言えば、残差関数はまだ純粋なホワイトノイズプロ
セスではない。214の観測を有する時系列に対するカッパの95%臨界値は1
2.6である。これは、12.6未満である計算されたカッパ統計量に対しての
み、信号が純粋なホワイトノイズによって汚されるというヌル仮説(null hypot
hesis)を受け入れることができることを意味する。残差関数が純粋なホワイト でないという事実は物理的基礎から見て理にかなったことである。なぜなら、物
理的なプロセスの推計的なコンポーネントに影響を与える機構の複雑な相互作用
は純粋なホワイト相関構造を有しないことが期待されるからである。しかしなが
ら、重要なポイントは、生の信号における最も高い8つの高調波だけを使用する
スペクトル・フィルタリング手続によってもたらされる非ホワイト性の減少は、
SPRT連続テスト手続(以下参照)における所定の誤警報及び見落とし警報の
確率を維持することが見出されている。
【0075】 表1は、主題の監視システムで使われる13個のEBR−IIプラント信号に 対して計算されたフィッシャー・カッパ統計値(Fisher Kappa statistics)を まとめたものである。あらゆるケースで、表は信号のホワイト性において相当な
改善を示している。
改善を示している。
【0076】 完全なSPRT技術は、上に記述されたスペクトル分解とフィルタリング・プ
ロセスのステップを周知のSPRT二元仮説(SPRT binary hypothesis)手続と
統合する。このプロセスは、実例としてSPRT技術を2つの重複する遅発中性
子検出器(DND−AとDNDB)に適用することによって実証できる。ただし
この2つの重複する遅延中性子検出器の信号はEBR−IIの安定したDNソー
スを使って長期の正常(劣化していない)稼働の間に保存された。実証目的のた
めに、SPRTは誤警報率αが0.01となるように設計された。この値は我々
が生産監視システムに対して指定するであろう値より高いけれども、αの漸近値
が何万もの不連続な観測だけで得られるように、誤警報の合理的な周波数を与え
る。SPRT技術の理論によれば、純粋なホワイトノイズ(ガウス型といった)
の独立に分布するプロセスに対して、αは誤警報を得ること、すなわち、実際に
監視下にある信号が劣化していないときに「データ外乱」予告を得る確率の上限
を与える。
ロセスのステップを周知のSPRT二元仮説(SPRT binary hypothesis)手続と
統合する。このプロセスは、実例としてSPRT技術を2つの重複する遅発中性
子検出器(DND−AとDNDB)に適用することによって実証できる。ただし
この2つの重複する遅延中性子検出器の信号はEBR−IIの安定したDNソー
スを使って長期の正常(劣化していない)稼働の間に保存された。実証目的のた
めに、SPRTは誤警報率αが0.01となるように設計された。この値は我々
が生産監視システムに対して指定するであろう値より高いけれども、αの漸近値
が何万もの不連続な観測だけで得られるように、誤警報の合理的な周波数を与え
る。SPRT技術の理論によれば、純粋なホワイトノイズ(ガウス型といった)
の独立に分布するプロセスに対して、αは誤警報を得ること、すなわち、実際に
監視下にある信号が劣化していないときに「データ外乱」予告を得る確率の上限
を与える。
【0077】 図6と図7は、それぞれ、生のDND信号と、スペクトル的にホワイト化され
たDND信号のそれぞれに対するSPRT結果の系列を示した図である。図6A
と図6B、図7Aと図7Bでは、それぞれ、検出器DND−AとDND−Bから
のDN信号を示している。信号の安定状態の値はゼロに規格化された。
たDND信号のそれぞれに対するSPRT結果の系列を示した図である。図6A
と図6B、図7Aと図7Bでは、それぞれ、検出器DND−AとDND−Bから
のDN信号を示している。信号の安定状態の値はゼロに規格化された。
【0078】
【表1】
【0079】 重複したセンサに対する較正因子または視聴幾何における差異を調整するため
の規格化はSPRTの実施可能性に影響を与えない。図6Cと図7Cはそれぞれ
信号DND−AとDND−Bのポイント差(pointwise differences)を示して いる。SPRT技術に入力されるのはこの差分関数である。図6Dと7Dには2
50秒部分に対するSPRT方法からの出力が示されている。
の規格化はSPRTの実施可能性に影響を与えない。図6Cと図7Cはそれぞれ
信号DND−AとDND−Bのポイント差(pointwise differences)を示して いる。SPRT技術に入力されるのはこの差分関数である。図6Dと7Dには2
50秒部分に対するSPRT方法からの出力が示されている。
【0080】 図6Dと図7DでのSPRT出力の解釈が次の通りである。SPRT指数がよ
り低い閾値Aに達すると、センサに劣化が無い信頼心因子が99%であると結論
することができる。このデモンストレーションに関して、Aは4.60に等しく
、このことは誤警報と見落とし警報の確率が0.01であることに対応する。図
6Dと図7Dが示しているように、SPRT出力データがAに達するたびに、そ
れはゼロにリセットされ、監視は継続される。
り低い閾値Aに達すると、センサに劣化が無い信頼心因子が99%であると結論
することができる。このデモンストレーションに関して、Aは4.60に等しく
、このことは誤警報と見落とし警報の確率が0.01であることに対応する。図
6Dと図7Dが示しているように、SPRT出力データがAに達するたびに、そ
れはゼロにリセットされ、監視は継続される。
【0081】 もしSPRT指数が正方向にドリフトして、+4.60の正閾値B、を超えれ
ば、少なくとも一つのセンサに劣化が存在する信頼性因子は99%であると結論
できる。図6Dと7Dには、正閾値のいかなるトリガもダイヤモンド記号で記さ
れている。この場合、我々は検出器が我々の信号が保存されている間に適切に動
作していたことを証明することができるので、正閾値のいかなるトルガも誤警報
である。
ば、少なくとも一つのセンサに劣化が存在する信頼性因子は99%であると結論
できる。図6Dと7Dには、正閾値のいかなるトリガもダイヤモンド記号で記さ
れている。この場合、我々は検出器が我々の信号が保存されている間に適切に動
作していたことを証明することができるので、正閾値のいかなるトルガも誤警報
である。
【0082】 もし我々が図6Dに示された監視実験を十分に拡張するなら、我々は誤警報確 率αの漸近的評価を得ることができる。我々は1000もの観測ウィンドウを使
用してこの演習を実行した。このとき、各ウィンドウで誤警報トリップの周波数
を追跡し、次いでxを評価するこの手続の分散評価を得るために総数16の独立
なウィンドウに対してその手続を繰り返す。生の濾過されていない信号に対する
結果として生じている誤アラームの周波数は分散0.000075のα=0.0
7330である。非常に小さな分散は、より長いデータ・ストリームに実験を拡
張しても我々の評価ではとるに足らない改善しかないことを示している。αのこ
の値は際立って設計値α=0.01より大きく、やみくもにSPRTテスト技術
を過度の系列相関によって汚されるかもしれない信号に適用することの危険を示
している。
用してこの演習を実行した。このとき、各ウィンドウで誤警報トリップの周波数
を追跡し、次いでxを評価するこの手続の分散評価を得るために総数16の独立
なウィンドウに対してその手続を繰り返す。生の濾過されていない信号に対する
結果として生じている誤アラームの周波数は分散0.000075のα=0.0
7330である。非常に小さな分散は、より長いデータ・ストリームに実験を拡
張しても我々の評価ではとるに足らない改善しかないことを示している。αのこ
の値は際立って設計値α=0.01より大きく、やみくもにSPRTテスト技術
を過度の系列相関によって汚されるかもしれない信号に適用することの危険を示
している。
【0083】 図7Dに示されたデータ出力は、図8に概略的に示された完全なSPRT技術
を使用する。我々が16の独立した1000の観測のウインドウを使用して前述
の演習を繰り返すとき、我々は分散0.000036で漸近的に累積する誤警報
周波数0.009142を得る。これは望ましいα=0.01の設計値未満(す
なわち、より控えめ)である。
を使用する。我々が16の独立した1000の観測のウインドウを使用して前述
の演習を繰り返すとき、我々は分散0.000036で漸近的に累積する誤警報
周波数0.009142を得る。これは望ましいα=0.01の設計値未満(す
なわち、より控えめ)である。
【0084】 1つの好ましいアプローチに関する上の説明から思い出されことは、SPRT
技術のスペクトル・フィルタ段階で8つの最も突出した高調波を使用していたと
いうことである。xの漸近値を評価するための前述の経験的な手続を繰り返すこ
とによって、我々は8つのモードは表1に示された入力変数にとって十分である
ことを見出した。さらに、個別の信号における微妙な劣化をシミュレートするこ
とによって、我々は生の信号に系列相関が存在することによって過度な見落とし
警報確率が生じることも見出した。この場合において、スペクトル的にホワイト
化することは、SPRT技術を使えば所定の見落とし警報確率を越えることがな
いことを保証することにおいて等しく有効である。
技術のスペクトル・フィルタ段階で8つの最も突出した高調波を使用していたと
いうことである。xの漸近値を評価するための前述の経験的な手続を繰り返すこ
とによって、我々は8つのモードは表1に示された入力変数にとって十分である
ことを見出した。さらに、個別の信号における微妙な劣化をシミュレートするこ
とによって、我々は生の信号に系列相関が存在することによって過度な見落とし
警報確率が生じることも見出した。この場合において、スペクトル的にホワイト
化することは、SPRT技術を使えば所定の見落とし警報確率を越えることがな
いことを保証することにおいて等しく有効である。
【0085】 一般的にフーリエ技術は解析のためのホワイト化された信号を実現するには非
常に有効であるが、しかし、異なった解析方法を使用して実質的に同じ結果を得
るための他の手段が存在する。例えば、自己回帰移動平均(ARMA(autoregr
essive moving average))方法を使うことによって、系列相関のフィルタリン グを達成することができる。このARMA技術は工業プロセスのセンサポイント
の間に存在する特定の相関構造を推定し、この相関評価を効率的に評価されてい
るデータサンプルをフィルターするためにこの相関推定値を利用する。
常に有効であるが、しかし、異なった解析方法を使用して実質的に同じ結果を得
るための他の手段が存在する。例えば、自己回帰移動平均(ARMA(autoregr
essive moving average))方法を使うことによって、系列相関のフィルタリン グを達成することができる。このARMA技術は工業プロセスのセンサポイント
の間に存在する特定の相関構造を推定し、この相関評価を効率的に評価されてい
るデータサンプルをフィルターするためにこの相関推定値を利用する。
【0086】 それ故に、周波数領域フィルタリングを基本的なテスト方法と統合する、誤警
報情報のない信頼できるデータベースを作り出す技術が考案されてきた。この方
法は工業的な信号評価監視に特有な問題に対するソリューションを提供する。例
えば、サービスの間にセンサが劣化することは珍しくなく、その際に誤信号が生
成される。このような誤信号は誤警報を引き起こす場合があり、信頼できる情報
源として将来使用されるよう意図されたデータベースに誤りが蓄積される。本発
明は特に、工業システムを解析する際に、確かなまたは劣化したデータを識別し
、信頼できるデータベース情報を当然に使用することを可能にする。例えば、こ
の発明は特に気象システム、航空工学設計システム、自動車シミュレーションシ
ステムあるいは、実験データがモデリングあるいはデザインプロジェクトのため
に使用できるいかなるシステムにも有用だろう。さらに、長い時間にわたって進
展する進行中の遅い劣化を評価することができる(センサのゆるやかな非較正バ
イアス、ノイズの多い背景信号が存在するときの新たな放射線源の出現、回転機
械でのラジアル摩擦によるすり減りまたは蓄積など)。こうしてシステムは、帯
記録紙(strip chart)あるいはCRT信号トレース(CRT signal traces)の視
覚的検査で明らかになるよりもずっと以前に、しかも従来の閾値リミットチェッ
クにひっかかるよりも以前に、外乱の発端または兆候を研究者またはオペレータ
に警報することができる。これにより、研究者が研究使用のために信頼できるデ
ータベースを持つこと、あるいは技術的仕様ガイドラインまたは使用可能度目標
からはずれるイベントを停止、修正または回避させるために積極的にデータベー
スを使用することが可能になる。こうして、多くの場合、こうしたデータベース
のユーザは、スケジュールされたシステム停止の間に実行されるべき修正処置(
センサ交換、修理、部品の位置合わせまたは)を予想または予定することができ
る。
報情報のない信頼できるデータベースを作り出す技術が考案されてきた。この方
法は工業的な信号評価監視に特有な問題に対するソリューションを提供する。例
えば、サービスの間にセンサが劣化することは珍しくなく、その際に誤信号が生
成される。このような誤信号は誤警報を引き起こす場合があり、信頼できる情報
源として将来使用されるよう意図されたデータベースに誤りが蓄積される。本発
明は特に、工業システムを解析する際に、確かなまたは劣化したデータを識別し
、信頼できるデータベース情報を当然に使用することを可能にする。例えば、こ
の発明は特に気象システム、航空工学設計システム、自動車シミュレーションシ
ステムあるいは、実験データがモデリングあるいはデザインプロジェクトのため
に使用できるいかなるシステムにも有用だろう。さらに、長い時間にわたって進
展する進行中の遅い劣化を評価することができる(センサのゆるやかな非較正バ
イアス、ノイズの多い背景信号が存在するときの新たな放射線源の出現、回転機
械でのラジアル摩擦によるすり減りまたは蓄積など)。こうしてシステムは、帯
記録紙(strip chart)あるいはCRT信号トレース(CRT signal traces)の視
覚的検査で明らかになるよりもずっと以前に、しかも従来の閾値リミットチェッ
クにひっかかるよりも以前に、外乱の発端または兆候を研究者またはオペレータ
に警報することができる。これにより、研究者が研究使用のために信頼できるデ
ータベースを持つこと、あるいは技術的仕様ガイドラインまたは使用可能度目標
からはずれるイベントを停止、修正または回避させるために積極的にデータベー
スを使用することが可能になる。こうして、多くの場合、こうしたデータベース
のユーザは、スケジュールされたシステム停止の間に実行されるべき修正処置(
センサ交換、修理、部品の位置合わせまたは)を予想または予定することができ
る。
【0087】 この技術のもう一つの重要な特徴は、固有の量的な誤警報と見落とし警報確率
である。これは危険性が高い工業プロセスと応用において非常に重要である。こ
れによって、形式的な信頼性解析法を、同時にいろいろなプラント変数をモニタ
ーしている相互作用しているSPRTモジュールのネットワークを備えた全体的
なシステムに適用することが可能になる。こうして形式的な信頼性解析法に従え
ば、例えば、この方法、反応路1基につき1年当たり何億円もの公益事業費を節
約できる可能性があるシステムを原子力発電所に応用するための承認を与えるプ
ロセスが大いに強化されるであろう。
である。これは危険性が高い工業プロセスと応用において非常に重要である。こ
れによって、形式的な信頼性解析法を、同時にいろいろなプラント変数をモニタ
ーしている相互作用しているSPRTモジュールのネットワークを備えた全体的
なシステムに適用することが可能になる。こうして形式的な信頼性解析法に従え
ば、例えば、この方法、反応路1基につき1年当たり何億円もの公益事業費を節
約できる可能性があるシステムを原子力発電所に応用するための承認を与えるプ
ロセスが大いに強化されるであろう。
図1は長時間にわたるポンプのパワー出力の特定出力を示した図である。 図2は図1のポンプのスペクトル出力にフィットしたフーリエ合成曲線を示し
た図である。 図3は図1及び図2の相違特性を示す残差関数(residual function)を示し た図である。 図4Aは図1のスペクトル・データのペリオドグラム(periodogram)を示し た図である。図4Bは図3の残差関数のペリオドグラムを示した図である。 図5Aは図1のポンプパワー出力のノイズ棒グラフを示した図である。図5B
は図3の残差関数のノイズ棒グラフを示した図である。 図6Aは第1のセンサからの無修正の遅延中性子検出器信号を示した図である
。図6Bは第2の中性子センサに対する図である。図6Cは図6Aと図6Bにお
けるデータの間の相違特性を示す差分関数を示した図である。図6Dはダイヤモ
ンド記号によって警報条件が示されたSPRT解析からのデータ出力を示した図
である。 図7Aは第1のセンサからの無修正の遅延中性子検出器信号を示した図である
。図7Bは第2の中性子センサに対する図である。図7Cは図7Aと図7Bにお
けるデータの間の相違特性を示す差分関数を示した図である。図7Dは、系列相
関ノイズを含まないデータをSPRT解析に提供してダイアモンド記号によって
表示された警報情報を生成するために本発明を使用して差分関数(difference f
unction)を修正した結果を示した図である。 図8Aと図8Bは本発明の略機能流れ図で、図8Aは本発明の方法の第1の段
階を示している。図8Bは本発明のSPRT部分の一側面の適用を示した図であ
る。 図9Aと9Bは、組み合わされた確率的時間領域解析及び周波数領域解析の機
能ブロック流れ図を示した図である。 図10Aは、ベース温度信号に1.0度パルスを課した場合のERR−II半
組立部品の時間に対する温度を示した図である。図10Bは、図10Aのデータ
に適用された可動ウィンドウ式パワースペクトル密度(PSD)解析の3次元的
プロットを示した図である。図10Cは、図10Aのデータに対する3次元的な
組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示した図で
ある。 図11Aは、ベース温度信号に0.1度から1.5度までのパルスのドリフト
を課した場合のERR−II半組立部品の時間に対する温度を示した図である。
図11Bは、図11Aのデータに適用された可動ウィンドウ型パワースペクトル
密度(PSD)解析の3次元的プロットを示した図である。図11Cは、図11
Aのデータに対する3次元的な組合わさった確率的SPRT時間領域解析とPS
D周波数領域解析を示した図である。 図12Aは、ベース温度信号に利得の線形増加を課した場合のERR−II半
組立部品の時間に対する温度を示した図である。図12Bは、図12Aのデータ
に適用された可動ウィンドウ型パワースペクトル密度(PSD)解析の3次元的
プロットを示した図である。図12Cは、図12Aのデータに対する3次元的な
組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示した図で
ある。 図13Aは、ベース温度信号に不安定なシヌソイド干渉を課した場合のERR
−II半組立部品の時間に対する温度を示した図である。図13Bは、図13A
のデータに適用された可動ウィンドウ型パワースペクトル密度(PSD)解析の
3次元的プロットを示した図である。図13Cは、図13Aのデータに対する3
次元的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示
した図である。 図14Aは、ベース温度信号に多重シヌソイド干渉を課した場合のERR−I
I半組立部品の時間に対する温度を示した図である。図14Bは、図14Aのデ
ータに適用された可動ウィンドウ型パワースペクトル密度(PSD)解析の3次
元的プロットを示した図である。図14Cは、図14Aのデータに対する3次元
的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示した
図である。 図15Aは、ベース温度信号に線形的に低下する時定数を課した場合のERR
−II半組立部品の時間に対する温度を示した図である。図15Bは、図15A
のデータに適用された可動ウィンドウ型パワースペクトル密度(PSD)解析の
3次元的プロットを示した図である。図15Cは、図15Aのデータに対する3
次元的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示
した図である。 図16Aは、正常な乱されていないEBR−II加速度計信号を長時間にわた
って示した図である。図16Bは、2次元的なSPRT警報平面スペクトル(周
波数に対するる時間)を示した図である。図16Cは、図16Aのデータに対す
る3次元的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解析
を示した図である。 図17Aは図16Aの信号を示した図である。図17Bは、図17Aのデータ
のフーリエ変換のPSDスペクトルの実部だけをテストする2次元的なSPRT
警報平面スペクトルを示した図である。図17Cは、図17Aのデータのフーリ
エ変換の実部の3次元的な組合わされた確率的SPRT時間領域解析とPSD周
波数領域解析を示した図である。 図18Aは図16Aのテスト信号の平均からずれを棒グラフで示した図である
。図18Bは、図16Aのデータのフーリエ変換のPSDスペクトルの虚部だけ
をテストする2次元的なSPRT警報平面スペクトルを示した図である。図18
Cは、図16Aのデータのフーリエ変換の虚部の3次元的な組合わされた確率的
SPRT時間領域解析とPSD周波数領域解析を示した図である。 図19Aは図16Aの信号に傾斜した非較正のバイアス(ramp decalibration
bias)が課された場合の図である。図19Bは、図19Aのデータのフーリエ 変換のPSDスペクトルの実部だけをテストする2次元的なSPRT警報平面ス
ペクトルを示した図である。図19Cは、図19Aのデータのフーリエ変換の実
部の3次元的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解
析を示した図である。 図20Aは図19Aの信号の平均からずれを棒グラフで示した図である。図2
0Bは、図19Aのデータのフーリエ変換のPSDスペクトルの虚部だけを使用
する2次元的なSPRT警報平面スペクトルを示した図である。図20Cは、図
19Aのデータのフーリエ変換の虚部の3次元的な組合わされた確率的SPRT
時間領域解析とPSD周波数領域解析を示した図である。 図21Aはインパルス外乱が課された図16Aのテスト信号を示した図である
。図21Bは、図21Aのデータのフーリエ変換のPSDスペクトルの実部だけ
を使用する2次元的なSPRT警報平面スペクトルを示した図である。図21C
は、図21Aのデータのフーリエ変換の実部の3次元的な組合わされた確率的S
PRT時間領域解析とPSD周波数領域解析を示した図である。 図22Aは図21Aの信号の平均からずれの棒グラフの一部を示した図である
。図22Bは、図22Aのデータのフーリエ変換のPSDスペクトルの虚部だけ
を使用する2次元的なSPRT警報平面スペクトルを示した図である。図22C
は、図21Aのデータのフーリエ変換の虚部の3次元的な組合わされた確率的S
PRT時間領域分析とPSD周波数領域分析を示した図である。 図23Aは図16Aの信号に急速に増大する高調波外乱(harmonic disturban
ce)が課された場合の信号を示した図である。図23Bは、図23Aのデータの
フーリエ変換のPSDスペクトルの実部だけを使用する2次元的なSPRT警報
平面スペクトルを示した図である。図23Cは、図23Aのデータのフーリエ変
換の実部の3次元的な組合わされた確率的SPRT時間領域解析とPSD周波数
領域解析を示した図である。 図24Aは図23Aの信号の平均からずれを棒グラフで示した図である。図2
4Bは、図23Aのデータのフーリエ変換のPSDスペクトルの虚部だけを使用
する2次元的なSPRT警報平面スペクトルを示した図である。図24Cは、図
23Aのデータのフーリエ変換の虚部の3次元的な組合わさった確率的SPRT
時間領域解析とPSD周波数領域解析を示した図である。 図25Aは図16Aの信号に線形的に変化する周波数を持つ急速に増大する高
調波外乱(harmonic disturbance)が課された場合の信号を示した図である。図
25Bは、図25Aのデータのフーリエ変換のPSDスペクトルの実部だけを使
用する2次元的なSPRT警報平面スペクトルを示した図である。図25Cは、
図25Aのデータのフーリエ変換の実部の3次元的な組合わされた確率的SPR
T時間領域解析とPSD周波数領域解析を示した図である。 図26Aは図25Aの信号の平均からずれを棒グラフで示した図である。図2
6Bは、図25Aのデータのフーリエ変換のPSDスペクトルの虚部だけを使用
する2次元的なSPRT警報平面スペクトルを示した図である。図26Cは、図
25Aのデータのフーリエ変換の虚部の3次元的な組合わされた確率的SPRT
時間領域解析とPSD周波数領域解析を示した図である。
た図である。 図3は図1及び図2の相違特性を示す残差関数(residual function)を示し た図である。 図4Aは図1のスペクトル・データのペリオドグラム(periodogram)を示し た図である。図4Bは図3の残差関数のペリオドグラムを示した図である。 図5Aは図1のポンプパワー出力のノイズ棒グラフを示した図である。図5B
は図3の残差関数のノイズ棒グラフを示した図である。 図6Aは第1のセンサからの無修正の遅延中性子検出器信号を示した図である
。図6Bは第2の中性子センサに対する図である。図6Cは図6Aと図6Bにお
けるデータの間の相違特性を示す差分関数を示した図である。図6Dはダイヤモ
ンド記号によって警報条件が示されたSPRT解析からのデータ出力を示した図
である。 図7Aは第1のセンサからの無修正の遅延中性子検出器信号を示した図である
。図7Bは第2の中性子センサに対する図である。図7Cは図7Aと図7Bにお
けるデータの間の相違特性を示す差分関数を示した図である。図7Dは、系列相
関ノイズを含まないデータをSPRT解析に提供してダイアモンド記号によって
表示された警報情報を生成するために本発明を使用して差分関数(difference f
unction)を修正した結果を示した図である。 図8Aと図8Bは本発明の略機能流れ図で、図8Aは本発明の方法の第1の段
階を示している。図8Bは本発明のSPRT部分の一側面の適用を示した図であ
る。 図9Aと9Bは、組み合わされた確率的時間領域解析及び周波数領域解析の機
能ブロック流れ図を示した図である。 図10Aは、ベース温度信号に1.0度パルスを課した場合のERR−II半
組立部品の時間に対する温度を示した図である。図10Bは、図10Aのデータ
に適用された可動ウィンドウ式パワースペクトル密度(PSD)解析の3次元的
プロットを示した図である。図10Cは、図10Aのデータに対する3次元的な
組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示した図で
ある。 図11Aは、ベース温度信号に0.1度から1.5度までのパルスのドリフト
を課した場合のERR−II半組立部品の時間に対する温度を示した図である。
図11Bは、図11Aのデータに適用された可動ウィンドウ型パワースペクトル
密度(PSD)解析の3次元的プロットを示した図である。図11Cは、図11
Aのデータに対する3次元的な組合わさった確率的SPRT時間領域解析とPS
D周波数領域解析を示した図である。 図12Aは、ベース温度信号に利得の線形増加を課した場合のERR−II半
組立部品の時間に対する温度を示した図である。図12Bは、図12Aのデータ
に適用された可動ウィンドウ型パワースペクトル密度(PSD)解析の3次元的
プロットを示した図である。図12Cは、図12Aのデータに対する3次元的な
組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示した図で
ある。 図13Aは、ベース温度信号に不安定なシヌソイド干渉を課した場合のERR
−II半組立部品の時間に対する温度を示した図である。図13Bは、図13A
のデータに適用された可動ウィンドウ型パワースペクトル密度(PSD)解析の
3次元的プロットを示した図である。図13Cは、図13Aのデータに対する3
次元的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示
した図である。 図14Aは、ベース温度信号に多重シヌソイド干渉を課した場合のERR−I
I半組立部品の時間に対する温度を示した図である。図14Bは、図14Aのデ
ータに適用された可動ウィンドウ型パワースペクトル密度(PSD)解析の3次
元的プロットを示した図である。図14Cは、図14Aのデータに対する3次元
的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示した
図である。 図15Aは、ベース温度信号に線形的に低下する時定数を課した場合のERR
−II半組立部品の時間に対する温度を示した図である。図15Bは、図15A
のデータに適用された可動ウィンドウ型パワースペクトル密度(PSD)解析の
3次元的プロットを示した図である。図15Cは、図15Aのデータに対する3
次元的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解析を示
した図である。 図16Aは、正常な乱されていないEBR−II加速度計信号を長時間にわた
って示した図である。図16Bは、2次元的なSPRT警報平面スペクトル(周
波数に対するる時間)を示した図である。図16Cは、図16Aのデータに対す
る3次元的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解析
を示した図である。 図17Aは図16Aの信号を示した図である。図17Bは、図17Aのデータ
のフーリエ変換のPSDスペクトルの実部だけをテストする2次元的なSPRT
警報平面スペクトルを示した図である。図17Cは、図17Aのデータのフーリ
エ変換の実部の3次元的な組合わされた確率的SPRT時間領域解析とPSD周
波数領域解析を示した図である。 図18Aは図16Aのテスト信号の平均からずれを棒グラフで示した図である
。図18Bは、図16Aのデータのフーリエ変換のPSDスペクトルの虚部だけ
をテストする2次元的なSPRT警報平面スペクトルを示した図である。図18
Cは、図16Aのデータのフーリエ変換の虚部の3次元的な組合わされた確率的
SPRT時間領域解析とPSD周波数領域解析を示した図である。 図19Aは図16Aの信号に傾斜した非較正のバイアス(ramp decalibration
bias)が課された場合の図である。図19Bは、図19Aのデータのフーリエ 変換のPSDスペクトルの実部だけをテストする2次元的なSPRT警報平面ス
ペクトルを示した図である。図19Cは、図19Aのデータのフーリエ変換の実
部の3次元的な組合わされた確率的SPRT時間領域解析とPSD周波数領域解
析を示した図である。 図20Aは図19Aの信号の平均からずれを棒グラフで示した図である。図2
0Bは、図19Aのデータのフーリエ変換のPSDスペクトルの虚部だけを使用
する2次元的なSPRT警報平面スペクトルを示した図である。図20Cは、図
19Aのデータのフーリエ変換の虚部の3次元的な組合わされた確率的SPRT
時間領域解析とPSD周波数領域解析を示した図である。 図21Aはインパルス外乱が課された図16Aのテスト信号を示した図である
。図21Bは、図21Aのデータのフーリエ変換のPSDスペクトルの実部だけ
を使用する2次元的なSPRT警報平面スペクトルを示した図である。図21C
は、図21Aのデータのフーリエ変換の実部の3次元的な組合わされた確率的S
PRT時間領域解析とPSD周波数領域解析を示した図である。 図22Aは図21Aの信号の平均からずれの棒グラフの一部を示した図である
。図22Bは、図22Aのデータのフーリエ変換のPSDスペクトルの虚部だけ
を使用する2次元的なSPRT警報平面スペクトルを示した図である。図22C
は、図21Aのデータのフーリエ変換の虚部の3次元的な組合わされた確率的S
PRT時間領域分析とPSD周波数領域分析を示した図である。 図23Aは図16Aの信号に急速に増大する高調波外乱(harmonic disturban
ce)が課された場合の信号を示した図である。図23Bは、図23Aのデータの
フーリエ変換のPSDスペクトルの実部だけを使用する2次元的なSPRT警報
平面スペクトルを示した図である。図23Cは、図23Aのデータのフーリエ変
換の実部の3次元的な組合わされた確率的SPRT時間領域解析とPSD周波数
領域解析を示した図である。 図24Aは図23Aの信号の平均からずれを棒グラフで示した図である。図2
4Bは、図23Aのデータのフーリエ変換のPSDスペクトルの虚部だけを使用
する2次元的なSPRT警報平面スペクトルを示した図である。図24Cは、図
23Aのデータのフーリエ変換の虚部の3次元的な組合わさった確率的SPRT
時間領域解析とPSD周波数領域解析を示した図である。 図25Aは図16Aの信号に線形的に変化する周波数を持つ急速に増大する高
調波外乱(harmonic disturbance)が課された場合の信号を示した図である。図
25Bは、図25Aのデータのフーリエ変換のPSDスペクトルの実部だけを使
用する2次元的なSPRT警報平面スペクトルを示した図である。図25Cは、
図25Aのデータのフーリエ変換の実部の3次元的な組合わされた確率的SPR
T時間領域解析とPSD周波数領域解析を示した図である。 図26Aは図25Aの信号の平均からずれを棒グラフで示した図である。図2
6Bは、図25Aのデータのフーリエ変換のPSDスペクトルの虚部だけを使用
する2次元的なSPRT警報平面スペクトルを示した図である。図26Cは、図
25Aのデータのフーリエ変換の虚部の3次元的な組合わされた確率的SPRT
時間領域解析とPSD周波数領域解析を示した図である。
【手続補正書】
【提出日】平成13年3月12日(2001.3.12)
【手続補正1】
【補正対象書類名】図面
【補正対象項目名】全図
【補正方法】変更
【補正内容】
───────────────────────────────────────────────────── フロントページの続き (72)発明者 クリス‐パスキーウィッツ,シンシア アメリカ合衆国ネヴラスカ州,リーノ,プ ロトタイプ・ドライヴ 9295,デパートメ ント 610 (72)発明者 ウィルクス,アラン・ディー アメリカ合衆国イリノイ州60056,マウン ト・プロスペクト,ウェスト・クリーヴ ン・ストリート 1201 Fターム(参考) 2G043 EA01 EA03 EA13 EA18 GA23 GB21 JA01 KA01 KA03 MA01 MA03 NA01 NA02 2G059 EE01 EE07 HH01 HH03 JJ01 MM01 MM02 MM03 MM05 NN01 NN02 PP02
Claims (20)
- 【請求項1】 プロセス及びデータ・ソースの中の少なくとも一つをその特
定の状態を決定するために検査する方法であって、 前記プロセスの少なくとも一つの変数を冗長的に検出するために、そのそれぞ
れが該少なくなくとも一つの変数の特徴を示す第1及び第2の信号を、該第1の
信号については第1のデータ・ソースから、該第2の信号については第2のデー
タ・ソースから与えるために、少なくとも前記第1及び第2のデータ・ソースか
らデータを収集するステップと、 所定の時間において前記第1及び第2の信号のそれぞれについて周波数領域変
換データを与えるステップと、 周波数領域変換された前記第1及び第2の信号の間の対(pairwise)の差(diffe
rence)の特徴を示す周波数領域差分関数を得るステップと、 前記プロセス及びデータ・ソースの中の少なくとも一つに対する組合わされた
統計的周波数スペクトル・データの集合を決定するために統計解析技術を適用す
るためのコンピュータ手段を使用して前記周波数領域差分関数に作用するステッ
プと、 前記プロセス及びデータ・ソースの中の少なくとも一つの状態の特徴を示す3
次元曲面が生成されるまで、新たな増分時間ポジション(new incremental time
position)に対して周波数領域変換データを与える前記ステップを繰り返すステ ップと を有することを特徴とする方法。 - 【請求項2】 前記第1のデータ・ソースは監視されているシステムからの
信号を含み、前記第2のデータ・ソースは望ましい稼働状態の特徴を示す参照信
号を含むことを特徴とする請求項1に記載の方法。 - 【請求項3】 前記統計解析技術はパターン認識方法を含むことを特徴とす
る請求項1に記載の方法。 - 【請求項4】 前記統計解析技術はSPRT技術を含むことを特徴とする請
求項1に記載の方法。 - 【請求項5】 前記プロセスには、化学的プロセス、機械的プロセス、電気
的動作プロセス、生物学的プロセス、製造プロセス、及び金融プロセスの中の少
なくとも一つが含まれることを特徴とする請求項1に記載の方法。 - 【請求項6】 警報状態の感知に反応して前記プロセスを修正するステップ
または前記データ・ソースを変更するステップの少なくともいずれかをさらに含
むことを特徴とする請求項1に記載の方法。 - 【請求項7】 前記プロセスを修正するステップまたは前記データ・ソース
を変更するステップは、その動作を中止させることを含むことを特徴とする請求
項6に記載の方法。 - 【請求項8】 前記プロセスの望ましい状態からずれた警報状態を検出した
らすぐに警報を生成するステップをさらに有することを特徴とする請求項5に記
載の方法。 - 【請求項9】 前記第1のデータ・ソースからデータを収集するステップで
は、製造されている製品と相互作用した光スペクトルを検出して、警報状態を検
出したらすぐに該製品を受け入れないことを特徴とする請求項8に記載の方法。 - 【請求項10】 プロセス及びデータ・ソースの中の少なくとも一つを検査
してシステムの状態を決定するために該システムを操作する方法であって、 前記プロセスの少なくとも一つの変数を検出するために前記システムの少なく
とも一つのデータ・ソースをモニタして、該データ・ソースからの実際の信号を
与えるステップと、 前記少なくとも一つの変数の特徴を示す標準信号を生成するステップと、 所定の時間に対する前記実際の信号及び前記標準信号に対して周波数領域変換
データを生成するステップと、 前記所定の時間に対する前記周波数領域変換された実際の信号及び標準信号と
の間の対(pairwise)の差(difference)の特徴を示す周波数差分関数を得るステッ
プと、 前記プロセス及びデータ・ソースの中の少なくとも一つに対するSPRT周波
数スペクトル・データの集合を決定するためにSPRT解析技術を適用するため
のコンピュータを使用して前記周波数領域差分関数に作用するステップと、 前記プロセス及びデータ・ソースの中の少なくとも一つの状態の特徴を示す3
次元曲面が生成されるまで、新たに増加した時間ポジションに対して周波数領域
変換データを与える前記ステップを繰り返すステップと を有することを特徴とする方法。 - 【請求項11】 警報状態が検出されたときに前記少なくとも一つのプロセ
ス及び前記少なくとも一つのデータ・ソースの修正を可能にする信号を前記シス
テムに与えるステップをさらに有することを特徴とする請求項10に記載の方法
。 - 【請求項12】 前記周波数領域変換を得るステップではフーリエ変換が実
行されることを特徴とする請求項11に記載の方法。 - 【請求項13】 システムの状態を決定するために該システムのプロセス及
びデータ・ソースの中の少なくとも一つを検査する方法であって、 前記プロセスの少なくとも一つの変数に関して、監視時間にわたって少なくと
も第1のソース・データから第1の信号を収集するステップと、 前記第1のソース・データからの前記第1の信号と比較するために、前記監視
時間にわたって少なくとも第2のソース・データから第2の信号を収集するステ
ップと、 前記第1及び第2のソース・データからの前記信号に対して、所定の時間にお
いて周波数領域変換を与えるステップと、 前記監視時間における所定の時間での前記第1及び第2のデータ・ソースから
の前記周波数領域変換された信号の間の対(pairwise)の差分(difference)の特徴
を示す周波数領域差分関数を得るステップと、 時間及び周波数空間上のパワースペクトル・データの3次元曲面を与えるため
に、前記監視時間における増加方向への次の時間に対して前記周波数領域変換を
継続するステップと、 前記第1及び第2のデータ・ソースの稼働状態の特徴を示す3次元的スペクト
ル・データの集合を決定するためにパターン認識方法を適用するステップと を有することを特徴とする方法。 - 【請求項14】 前記第1の信号は前記プロセス及びデータ・ソースの中の
少なくとも一つから得られ、前記第2の信号は特徴モデルシステムから得られる
ことを特徴とする請求項13に記載の方法。 - 【請求項15】 前記少なくとも一つのデータ・ソースは分光学システムを
含むことを特徴とする請求項14に記載の方法。 - 【請求項16】 前記分光学システムは、赤外線分析法、近赤外線分析法、
質量分析法、電子常磁性分析法、核磁気共鳴分析法、ラマン分析法、電子スピン
共鳴分析法、蛍光発光分析法、熱像分析法、紫外線分析法、 クロマトグラフ分 析法、ガンマ線分析法、吸収分析法、電子放出分析法、生体発光分析法、音響共
鳴分析法、葉緑素蛍光発光分析法から成るグループから選択されることを特徴と
する請求項15に記載の方法。 - 【請求項17】 前記システムの望ましい状態からずれた警報状態を検出し
たらすぐに警報を生成するステップをさらに有することを特徴とする請求項10
に記載の方法。 - 【請求項18】 前記少なくとも一つのデータ・ソースをモニタするステッ
プでは、前記システムによって製造されている製品と相互作用した電磁放射線ス
ペクトルを検出して、警報状態を検出したらすぐに該製品を受け入れないことを
特徴とする請求項17に記載の方法。 - 【請求項19】 前記パターン認識方法はSPRT技術を含むことを特徴と
する請求項13に記載の方法。 - 【請求項20】 前記パターン認識方法は統計解析技術を含み、前記周波数
領域変換はフーリエ変換を含むことを特徴とする請求項13に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US08/970,873 US6240372B1 (en) | 1997-11-14 | 1997-11-14 | System for surveillance of spectral signals |
US08/970,873 | 1997-11-14 | ||
PCT/US1998/023166 WO1999026073A1 (en) | 1997-11-14 | 1998-10-30 | System for surveillance of spectral signals |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2001523824A true JP2001523824A (ja) | 2001-11-27 |
Family
ID=25517641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000521386A Pending JP2001523824A (ja) | 1997-11-14 | 1998-10-30 | スペクトル信号監視システム |
Country Status (7)
Country | Link |
---|---|
US (4) | US6240372B1 (ja) |
EP (1) | EP1031039A4 (ja) |
JP (1) | JP2001523824A (ja) |
KR (1) | KR100387457B1 (ja) |
AU (1) | AU745828B2 (ja) |
CA (1) | CA2309271C (ja) |
WO (1) | WO1999026073A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008517263A (ja) * | 2004-10-15 | 2008-05-22 | エックスエイエックス ケイエフティ | 動作時又は外部励起に応答して測定可能な信号を放出するシステムの信号を測定および検査する装置および方法 |
WO2020194497A1 (ja) | 2019-03-26 | 2020-10-01 | 日本電気株式会社 | 情報処理装置、個人識別装置、情報処理方法及び記憶媒体 |
JP2020180819A (ja) * | 2019-04-24 | 2020-11-05 | 沖電気工業株式会社 | 異常検知システム、異常検知装置、異常検知方法およびプログラム |
WO2022259429A1 (ja) | 2021-06-09 | 2022-12-15 | 日本電気株式会社 | 情報処理装置、情報処理方法、医療映像識別装置及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Families Citing this family (78)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19833793C2 (de) * | 1998-07-21 | 2000-12-07 | Inst Chemo Biosensorik | Verfahren zur Überprüfung der Funktionsfähigkeit eines Spektrometers und Spektrometer mit Fehlererkennungsvorrichtung |
JP3164106B2 (ja) * | 1999-06-29 | 2001-05-08 | 日本電気株式会社 | 集積回路の故障検出方法及び故障検出装置及びその制御プログラムを記録した記憶媒体 |
DE10002911A1 (de) * | 2000-01-18 | 2001-07-19 | Hertz Inst Heinrich | Verfahren zur Feststellung der Güte von Datensignalen und zur Identifikation von Störsignalen in optischen Übertragungsnetzen |
US20030126258A1 (en) * | 2000-02-22 | 2003-07-03 | Conkright Gary W. | Web based fault detection architecture |
US6957172B2 (en) * | 2000-03-09 | 2005-10-18 | Smartsignal Corporation | Complex signal decomposition and modeling |
CA2402280C (en) | 2000-03-10 | 2008-12-02 | Cyrano Sciences, Inc. | Control for an industrial process using one or more multidimensional variables |
AU2001249138A1 (en) | 2000-03-10 | 2001-09-24 | Cyrano Sciences, Inc. | Measuring and analyzing multi-dimensional sensory information for identificationpurposes |
US6917839B2 (en) * | 2000-06-09 | 2005-07-12 | Intellectual Assets Llc | Surveillance system and method having an operating mode partitioned fault classification model |
JP4087046B2 (ja) * | 2000-09-06 | 2008-05-14 | ヒロセ電機株式会社 | 光ケーブル用アダプタ又はコネクタ及びその取付部材 |
AU2001296773A1 (en) * | 2000-10-10 | 2002-04-22 | University Of Utah Research Foundation | Method and apparatus for monitoring dynamic systems using an integrated graphic display for the n-dimensional representations of critical functions |
GB0031566D0 (en) * | 2000-12-22 | 2001-02-07 | Mets Ometrix | Methods for spectral analysis and their applications |
US6963667B2 (en) * | 2001-01-12 | 2005-11-08 | National Instruments Corporation | System and method for signal matching and characterization |
JP4128339B2 (ja) * | 2001-03-05 | 2008-07-30 | 株式会社日立製作所 | 試料処理装置用プロセスモニタ及び試料の製造方法 |
US20030034995A1 (en) * | 2001-07-03 | 2003-02-20 | Osborn Brock Estel | Interactive graphics-based analysis tool for visualizing reliability of a system and performing reliability analysis thereon |
US20030046382A1 (en) * | 2001-08-21 | 2003-03-06 | Sascha Nick | System and method for scalable multi-level remote diagnosis and predictive maintenance |
JP4184638B2 (ja) * | 2001-08-31 | 2008-11-19 | 株式会社東芝 | 半導体製造装置の寿命診断方法 |
FR2829849B1 (fr) * | 2001-09-20 | 2003-12-12 | Raise Partner | Dispositif de correction d'une matrice de covariance |
US20070192035A1 (en) * | 2005-06-09 | 2007-08-16 | Chem Image Corporation | Forensic integrated search technology |
US7945393B2 (en) * | 2002-01-10 | 2011-05-17 | Chemimage Corporation | Detection of pathogenic microorganisms using fused sensor data |
US6892163B1 (en) | 2002-03-08 | 2005-05-10 | Intellectual Assets Llc | Surveillance system and method having an adaptive sequential probability fault detection test |
US6850735B2 (en) * | 2002-04-22 | 2005-02-01 | Cognio, Inc. | System and method for signal classiciation of signals in a frequency band |
US7424268B2 (en) * | 2002-04-22 | 2008-09-09 | Cisco Technology, Inc. | System and method for management of a shared frequency band |
WO2003090376A1 (en) * | 2002-04-22 | 2003-10-30 | Cognio, Inc. | System and method for classifying signals occuring in a frequency band |
US7269151B2 (en) * | 2002-04-22 | 2007-09-11 | Cognio, Inc. | System and method for spectrum management of a shared frequency band |
US7079704B2 (en) * | 2002-06-26 | 2006-07-18 | Koninklijke Philips Electronics N.V. | Objective method and system for estimating perceived image and video sharpness |
GB2390447A (en) * | 2002-07-02 | 2004-01-07 | Hewlett Packard Co | Fault prediction in logical networks |
US7171161B2 (en) * | 2002-07-30 | 2007-01-30 | Cognio, Inc. | System and method for classifying signals using timing templates, power templates and other techniques |
EP1401243B1 (de) * | 2002-09-20 | 2005-12-07 | Thomas Wager | Verfahren zum Optimieren eines Audiosignals |
US6933693B2 (en) * | 2002-11-08 | 2005-08-23 | Eaton Corporation | Method and apparatus of detecting disturbances in a centrifugal pump |
US6709240B1 (en) * | 2002-11-13 | 2004-03-23 | Eaton Corporation | Method and apparatus of detecting low flow/cavitation in a centrifugal pump |
KR100477504B1 (ko) * | 2002-12-09 | 2005-03-17 | 한국전기연구원 | 에프에프티를 이용한 실시간 전력계통 진동 감시장치 |
US7231317B2 (en) * | 2003-01-08 | 2007-06-12 | International Business Machines Corporation | Correlating power signatures with automated equipment |
WO2004095758A2 (en) * | 2003-04-22 | 2004-11-04 | Cognio, Inc. | Signal classification methods for scanning receiver and other applications |
JP5020807B2 (ja) * | 2004-03-23 | 2012-09-05 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア | ネットワーク上で収集されるセンサデータの信頼性を高める装置と方法 |
US7244930B2 (en) * | 2004-08-13 | 2007-07-17 | The Regents Of The University Of California | Radiation detection method and system using the sequential probability ratio test |
US7191096B1 (en) * | 2004-08-13 | 2007-03-13 | Sun Microsystems, Inc. | Multi-dimensional sequential probability ratio test for detecting failure conditions in computer systems |
US7953577B2 (en) * | 2004-08-25 | 2011-05-31 | Siemens Corporation | Method and apparatus for improved fault detection in power generation equipment |
US7188050B2 (en) * | 2004-08-25 | 2007-03-06 | Siemens Corporate Research, Inc. | Method and apparatus for detecting out-of-range conditions in power generation equipment operations |
US20060293859A1 (en) * | 2005-04-13 | 2006-12-28 | Venture Gain L.L.C. | Analysis of transcriptomic data using similarity based modeling |
US8112248B2 (en) * | 2005-06-09 | 2012-02-07 | Chemimage Corp. | Forensic integrated search technology with instrument weight factor determination |
US20090012723A1 (en) * | 2005-06-09 | 2009-01-08 | Chemlmage Corporation | Adaptive Method for Outlier Detection and Spectral Library Augmentation |
FR2888644B1 (fr) * | 2005-07-12 | 2007-09-14 | Commissariat Energie Atomique | Traitement ameliore d'un signal representatif de rayonnement |
US7880748B1 (en) * | 2005-08-17 | 2011-02-01 | Apple Inc. | Audio view using 3-dimensional plot |
US8795170B2 (en) * | 2005-11-29 | 2014-08-05 | Venture Gain LLC | Residual based monitoring of human health |
US7797137B2 (en) * | 2006-02-03 | 2010-09-14 | Recherche 2000 Inc. | Adaptive method and system of monitoring signals for detecting anomalies |
EP2016694B1 (en) * | 2006-05-09 | 2019-03-20 | Cognio, Inc. | System and method for identifying wireless devices using pulse fingerprinting and sequence analysis |
US20110237446A1 (en) * | 2006-06-09 | 2011-09-29 | Chemlmage Corporation | Detection of Pathogenic Microorganisms Using Fused Raman, SWIR and LIBS Sensor Data |
US8275577B2 (en) * | 2006-09-19 | 2012-09-25 | Smartsignal Corporation | Kernel-based method for detecting boiler tube leaks |
DE102006056151A1 (de) | 2006-11-28 | 2008-05-29 | Rohde & Schwarz Gmbh & Co. Kg | Verfahren und Vorrichtung zur Triggerung einer Aufzeichnung eines Mess-Signals |
US8311774B2 (en) | 2006-12-15 | 2012-11-13 | Smartsignal Corporation | Robust distance measures for on-line monitoring |
US7933725B2 (en) * | 2007-10-31 | 2011-04-26 | The Boeing Company | Using sensor spectral energy to detect and/or isolate sensor faults |
US8700550B1 (en) * | 2007-11-30 | 2014-04-15 | Intellectual Assets Llc | Adaptive model training system and method |
DE102008010113A1 (de) * | 2008-02-20 | 2009-08-27 | Continental Aktiengesellschaft | Verfahren und Vorrichtung zum Überwachen von Fahrwerkregelsystemen |
KR100926254B1 (ko) * | 2008-08-18 | 2009-11-12 | 주식회사 이스텍 | 전자부품의 평가 선별장치 및 그 방법 |
US8996321B2 (en) * | 2008-09-30 | 2015-03-31 | Rockwell Automation Technologies, Inc. | Modular condition monitoring integration for control systems |
US8290630B2 (en) * | 2008-09-30 | 2012-10-16 | Rockwell Automation Technologies, Inc. | Condition monitoring parameter normalization system and method |
US8224492B2 (en) * | 2008-09-30 | 2012-07-17 | Lakomiak Jason E | Auto-configuring condition monitoring system and method |
WO2011087927A1 (en) * | 2010-01-14 | 2011-07-21 | Venture Gain LLC | Multivariate residual-based health index for human health monitoring |
US8386849B2 (en) * | 2010-01-29 | 2013-02-26 | Honeywell International Inc. | Noisy monitor detection and intermittent fault isolation |
JP4918732B2 (ja) * | 2010-03-05 | 2012-04-18 | 日本電気株式会社 | 光測定装置及び方法 |
US8620853B2 (en) | 2011-07-19 | 2013-12-31 | Smartsignal Corporation | Monitoring method using kernel regression modeling with pattern sequences |
US9256224B2 (en) | 2011-07-19 | 2016-02-09 | GE Intelligent Platforms, Inc | Method of sequential kernel regression modeling for forecasting and prognostics |
US9250625B2 (en) | 2011-07-19 | 2016-02-02 | Ge Intelligent Platforms, Inc. | System of sequential kernel regression modeling for forecasting and prognostics |
US8660980B2 (en) | 2011-07-19 | 2014-02-25 | Smartsignal Corporation | Monitoring system using kernel regression modeling with pattern sequences |
US20130031042A1 (en) * | 2011-07-27 | 2013-01-31 | Sintayehu Dehnie | Distributed assured network system (DANS) |
JP5665783B2 (ja) * | 2012-02-29 | 2015-02-04 | 株式会社東芝 | 中性子測定装置およびその測定方法 |
CN102692241B (zh) * | 2012-06-11 | 2015-01-21 | 华中科技大学 | 一种无线定位***的误差补偿方法 |
US9024950B2 (en) * | 2012-08-20 | 2015-05-05 | General Electric Company | Method and system for monitoring operation of a system asset |
KR101330923B1 (ko) | 2012-09-28 | 2013-11-18 | 인하대학교 산학협력단 | 감마톤 필터를 이용한 차량 소음의 음질 평가 방법 및 그 장치 |
KR101235285B1 (ko) | 2012-11-15 | 2013-02-21 | 유호전기공업주식회사 | 3차원 패턴을 이용한 부분방전 검출장치의 시험 방법 |
CN104166804B (zh) * | 2014-08-20 | 2018-01-30 | 中国科学技术大学 | 一种基于时频域单源点稀疏成分分析的工作模态辨识方法 |
CN105572473B (zh) * | 2015-12-18 | 2018-06-12 | 中国航天科工集团八五一一研究所 | 高分辨率线性时频分析方法 |
IT201600131225A1 (it) * | 2016-12-27 | 2018-06-27 | Commissariat A L’Energie Atomique Et Aux Energies Alternatives | Metodo per la rilevazione di guasti in celle a combustibile |
DE102016125803A1 (de) * | 2016-12-28 | 2018-06-28 | Fritz Studer Ag | Werkzeugmaschine, insbesondere Schleifmaschine, sowie Verfahren zur Ermittlung eines Ist-Zustandes einer Werkzeugmaschine |
FR3065803B1 (fr) * | 2017-04-26 | 2019-08-30 | Safran | Procede de detection d'un defaut d'un capteur de vibration, dispositif et programme d'ordinateur associes |
US11500411B2 (en) * | 2018-02-02 | 2022-11-15 | Oracle International Corporation | Formulizing time-series sensor data to facilitate compact storage and eliminate personally identifiable information |
US11392850B2 (en) * | 2018-02-02 | 2022-07-19 | Oracle International Corporation | Synthesizing high-fidelity time-series sensor signals to facilitate machine-learning innovations |
US11307569B2 (en) * | 2019-02-21 | 2022-04-19 | Oracle International Corporation | Adaptive sequential probability ratio test to facilitate a robust remaining useful life estimation for critical assets |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4870348A (en) * | 1988-06-09 | 1989-09-26 | Tektronix, Inc. | Markers for readout and delta-parameter measurements on a quasi-3-dimensional display of a spectrum |
US5046504A (en) * | 1989-02-01 | 1991-09-10 | Corazonix Corporation | Method and apparatus for analyzing and interpreting electrocardiograms using spectro-temporal mapping |
EP0407647B1 (de) * | 1989-07-14 | 1993-10-06 | Haberl, Ralph, Dr.med. | Einrichtung zur Bewertung ausgewählter Signalanteile in physiologischen Messsignalen, insbesondere von Spätpotentialen in Elektrokardiogrammen |
US5265131A (en) * | 1989-11-02 | 1993-11-23 | Combustion Engineering, Inc. | Indicator system for a process plant control complex |
JPH03259302A (ja) * | 1990-03-09 | 1991-11-19 | Hitachi Ltd | 情報処理システム |
US5410492A (en) * | 1992-01-29 | 1995-04-25 | Arch Development Corporation | Processing data base information having nonwhite noise |
US5323337A (en) * | 1992-08-04 | 1994-06-21 | Loral Aerospace Corp. | Signal detector employing mean energy and variance of energy content comparison for noise detection |
DE4241905C2 (de) * | 1992-12-11 | 1995-01-26 | Bruker Analytische Messtechnik | Spektrometer mit dynamisch kodierten Komponenten |
US5790413A (en) * | 1993-03-22 | 1998-08-04 | Exxon Chemical Patents Inc. | Plant parameter detection by monitoring of power spectral densities |
US5623579A (en) * | 1993-05-27 | 1997-04-22 | Martin Marietta Energy Systems, Inc. | Automated method for the systematic interpretation of resonance peaks in spectrum data |
US5566092A (en) * | 1993-12-30 | 1996-10-15 | Caterpillar Inc. | Machine fault diagnostics system and method |
US5586066A (en) * | 1994-06-08 | 1996-12-17 | Arch Development Corporation | Surveillance of industrial processes with correlated parameters |
DE4438859C2 (de) * | 1994-11-02 | 1996-12-12 | Siemens Ag | Verfahren zur Analyse von Prozeßdaten einer technischen Anlage |
US5774379A (en) * | 1995-07-21 | 1998-06-30 | The University Of Chicago | System for monitoring an industrial or biological process |
US5761090A (en) * | 1995-10-10 | 1998-06-02 | The University Of Chicago | Expert system for testing industrial processes and determining sensor status |
CA2252868C (en) * | 1996-04-29 | 2000-12-19 | Pulp And Paper Research Institute Of Canada | Automatic control loop monitoring and diagnostics |
US5963888A (en) * | 1997-10-22 | 1999-10-05 | Uhlmann; Jeffrey K. | Fast method and apparatus for nonlinearly transforming mean and covariance estimates |
-
1997
- 1997-11-14 US US08/970,873 patent/US6240372B1/en not_active Expired - Lifetime
-
1998
- 1998-10-30 KR KR10-2000-7005287A patent/KR100387457B1/ko not_active IP Right Cessation
- 1998-10-30 EP EP98956419A patent/EP1031039A4/en not_active Withdrawn
- 1998-10-30 WO PCT/US1998/023166 patent/WO1999026073A1/en active IP Right Grant
- 1998-10-30 CA CA002309271A patent/CA2309271C/en not_active Expired - Fee Related
- 1998-10-30 AU AU12946/99A patent/AU745828B2/en not_active Ceased
- 1998-10-30 JP JP2000521386A patent/JP2001523824A/ja active Pending
-
2001
- 2001-05-16 US US09/858,786 patent/US6553334B2/en not_active Expired - Lifetime
-
2002
- 2002-05-28 US US10/155,155 patent/US6804628B2/en not_active Expired - Lifetime
-
2004
- 2004-02-02 US US10/771,168 patent/US6999899B2/en not_active Expired - Lifetime
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008517263A (ja) * | 2004-10-15 | 2008-05-22 | エックスエイエックス ケイエフティ | 動作時又は外部励起に応答して測定可能な信号を放出するシステムの信号を測定および検査する装置および方法 |
WO2020194497A1 (ja) | 2019-03-26 | 2020-10-01 | 日本電気株式会社 | 情報処理装置、個人識別装置、情報処理方法及び記憶媒体 |
JP2020180819A (ja) * | 2019-04-24 | 2020-11-05 | 沖電気工業株式会社 | 異常検知システム、異常検知装置、異常検知方法およびプログラム |
JP7334457B2 (ja) | 2019-04-24 | 2023-08-29 | 沖電気工業株式会社 | 異常検知システム、異常検知装置、異常検知方法およびプログラム |
WO2022259429A1 (ja) | 2021-06-09 | 2022-12-15 | 日本電気株式会社 | 情報処理装置、情報処理方法、医療映像識別装置及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Also Published As
Publication number | Publication date |
---|---|
KR20010024640A (ko) | 2001-03-26 |
US20020042692A1 (en) | 2002-04-11 |
US6553334B2 (en) | 2003-04-22 |
EP1031039A4 (en) | 2000-12-20 |
US20020188423A1 (en) | 2002-12-12 |
AU1294699A (en) | 1999-06-07 |
CA2309271C (en) | 2006-07-11 |
CA2309271A1 (en) | 1999-05-27 |
WO1999026073A1 (en) | 1999-05-27 |
US20040162685A1 (en) | 2004-08-19 |
EP1031039A1 (en) | 2000-08-30 |
US6240372B1 (en) | 2001-05-29 |
US6804628B2 (en) | 2004-10-12 |
AU745828B2 (en) | 2002-04-11 |
US6999899B2 (en) | 2006-02-14 |
KR100387457B1 (ko) | 2003-06-18 |
WO1999026073A8 (en) | 1999-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2001523824A (ja) | スペクトル信号監視システム | |
US5410492A (en) | Processing data base information having nonwhite noise | |
EP0746855B1 (en) | System for monitoring an industrial process and determining sensor status | |
US5629872A (en) | System for monitoring an industrial process and determining sensor status | |
CA2634328C (en) | Method and system for trend detection and analysis | |
US6952662B2 (en) | Signal differentiation system using improved non-linear operator | |
US5761090A (en) | Expert system for testing industrial processes and determining sensor status | |
CN111898691A (zh) | 一种河流突发水污染预警溯源方法、***、终端及介质 | |
JP2000505221A (ja) | 工業プロセス監視システム | |
US7085675B2 (en) | Subband domain signal validation | |
CN117112514B (zh) | 基于对氯甲基苯乙烯生产数据的记录存储方法 | |
EP0907913A1 (en) | Automatic control loop monitoring and diagnostics | |
CN111339986A (zh) | 基于时域/频域分析的装备用频规律挖掘方法和*** | |
Sheriff et al. | Fault detection of single and interval valued data using statistical process monitoring techniques | |
Zhang et al. | Wavelet-Based Profile Monitoring Using Order-Thresholding Recursive CUSUM Schemes | |
CN113537156A (zh) | 一种基于区间标准差结合频谱分析的振动数据清洗方法 | |
Xu et al. | An efficient method for online identification of steady state for multivariate system | |
CN118258454B (zh) | 一种基于声层析断面检测的水流量检测*** | |
CN114400680A (zh) | 广域测点振幅加权拟合误差最小为目标的数据窗寻优方法 | |
CN118258454A (zh) | 一种基于声层析断面检测的水流量检测*** |