JP5651998B2 - パターンライブラリを用いた異常診断方法および異常診断システム - Google Patents

Description

本発明は、パターンライブラリを用いた異常診断方法および異常診断システムに関し、特に、鉄鋼プラントなどから得られる音響データ、振動データ、温度データなどの時系列データをもとに機械設備やプロセスの状態監視を行うパターンライブラリを用いた異常診断方法および異常診断システムに関する。

従来から、機械設備やプロセス操業の異常診断に関する技術が多数知られている。その一例として特許文献１に記載の技術がある。これは、プロセスから得られる時系列データに対して異常発生時に見られる典型的なパターンを予めデータベースに登録し、これと照合することにより、異常診断を行う技術である。すなわち、異常発生時の傾向を事前知識として有することを前提とする技術である。

また、機械設備の異常診断を行う実用的な方法として、振動診断や音響診断がある。音響診断は、たとえば特許文献２に記載の技術がある。これは、プランジャーポンプを対象とした異常診断技術であり、異常時の音響の変化が予めわかるので、その変化をとらえようとする技術である。すなわち、特許文献２に記載の技術も、異常発生時の傾向を事前知識として有しることを前提とする技術である。

特開平８−２２１１１３号公報 特開２００１−３２４３８１号公報

しかしながら、上述した従来技術は、いずれも異常発生時の傾向を事前知識として有することを前提としているため、過去に前例のない異常を検知することはできないという問題点があった。また、過去に異常の前例があったとしても数例しかない場合にはその異常発生時の傾向を事前知識として有することは困難な場合が多く、この場合、異常の検知を見逃してしまうという問題点があった。

たとえば、鉄鋼プロセスでは、ひとたび発生すると長時間工場を停止しなければならないような重大トラブルが少なくない。しかし、このような重大トラブルは、過去に前例が全くなかったり、あったとしても数例しかないということが珍しくない。このようなプロセスでは、異常時の事例やデータが全くない、あるいは、極端に少ないため、特許文献１に記載されているように過去の異常事例をベースとする従来のアプローチでは、異常発生を見逃さざるを得ず、限界がある。

本発明は、上記に鑑みてなされたものであって、過去に前例のない異常や過去に前例の少ない異常であっても、この異常を高確率で検知することができるパターンライブラリを用いた異常診断方法および異常診断システムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明にかかるパターンライブラリを用いた異常診断方法は、異常診断対象から得られる時系列データをもとに、前記異常診断対象の異常を検知するパターンライブラリを用いた異常診断方法であって、前記異常診断対象から予め取得された正常状態の時系列パターンである正常パターンを格納しておき、前記正常パターンをスライディングさせながら前記時系列データの部分列と相関をとってパターン一致度を算出し、少なくとも１つの正常パターンに対して該パターン一致度が予め定めた所定値以上となる場合、該時系列データの部分列が取得された区間における前記異常診断対象は正常であると診断することを特徴とする。

また、本発明にかかるパターンライブラリを用いた異常診断方法は、上記の発明において、前記時系列データの部分列と前記正常パターンとのパターン一致度を算出し、全ての正常パターンに対して前記時系列データの部分列のパターン一致度が前記所定値未満である場合、該時系列データが取得された区間における前記異常診断対象は異常の可能性があると診断することを特徴とする。

また、本発明にかかるパターンライブラリを用いた異常診断方法は、上記の発明において、前記異常の可能性があると診断された時系列データの部分列を仮置きライブラリに格納しておき、その後、該時系列データの部分列に対して外部装置が詳細照合処理を行うことによって異常診断を行うことを特徴とする。

また、本発明にかかるパターンライブラリを用いた異常診断方法は、上記の発明において、前記時系列データの部分列の信号振幅レベルが所定値以下の場合、該時系列データの部分列は正常とみなすことを特徴とする。

また、本発明にかかるパターンライブラリを用いた異常診断方法は、上記の発明において、前記時系列データの部分列と前記正常パターンとのパターン一致度は、時系列データの部分列をＳ、格納されている時系列パターンをＰ、ＸとＹとの内積を〈Ｘ・Ｙ〉とする場合に、数式（１）により算出されることを特徴とする。
Ｒ１＝〈Ｓ・Ｐ〉／（〈Ｓ・Ｓ〉・〈Ｐ・Ｐ〉） …（１）

また、本発明にかかるパターンライブラリを用いた異常診断方法は、上記の発明において、前記異常診断対象から予め取得された異常状態の時系列パターンである異常パターンを格納しておき、前記時系列データの部分列と前記正常パターンとのパターン一致度を算出する前に、前記時系列データの部分列と前記異常パターンとのパターン一致度を算出し、該パターン一致度が前記所定値未満となる場合に、前記時系列データと前記正常パターンとのパターン一致度を算出して、異常診断を行うことを特徴とする。

また、本発明にかかるパターンライブラリを用いた異常診断システムは、異常診断対象から得られる時系列データをもとに、前記異常診断対象の異常を検知するパターンライブラリを用いた異常診断システムであって、前記異常診断対象から予め取得された正常状態の時系列パターンである正常パターンを格納した正常パターンライブラリと、前記正常パターンをスライディングさせながら前記時系列データの部分列と相関をとってパターン一致度を算出し、少なくとも１つの正常パターンに対して、該パターン一致度が予め定めた所定値以上となる場合、該時系列データの部分列が取得された区間における前記異常診断対象は正常であると診断する正常パターン照合処理部と、を備えたことを特徴とする。

また、本発明にかかるパターンライブラリを用いた異常診断システムは、上記の発明にいて、前記正常パターン照合処理部は、前記時系列データの部分列と前記正常パターンとのパターン一致度を算出し、全ての正常パターンに対して、該パターン一致度が前記所定値未満である場合、該時系列データの部分列が取得された区間における前記異常診断対象は異常の可能性があると診断することを特徴とする。

また、本発明にかかるパターンライブラリを用いた異常診断システムは、上記の発明にいて、前記時系列データの部分列の信号振幅レベルが所定値以下の場合、該時系列データの部分列は正常であるとみなすノイズ判定処理部を備えたことを特徴とする。

本発明では、異常診断対象から得られる時系列データをもとに、前記異常診断対象の異常を検知するパターンライブラリを用いた異常診断方法であって、前記異常診断対象から予め取得された正常状態の時系列パターンである正常パターンを格納しておき、前記時系列データと前記正常パターンとを照合し、少なくとも１つの正常パターンに前記時系列データが合致する場合、該時系列データが取得された区間における前記異常診断対象は正常であると診断するようにしているので、過去に前例のない異常や過去に前例の少ない異常であっても、この異常を高確率で検知することができる。

図１は、本発明の実施の形態である異常診断システムの構成を示す機能ブロック図である。 図２は、制御部による異常診断処理手順を示すフローチャートである。 図３は、外部装置による仮置きライブラリ判定処理手順を示すフローチャートである。 図４は、正常パターンａを示す波形図である。 図５は、正常パターンｂを示す波形図である。 図６は、正常パターンｃを示す波形図である。 図７は、異常診断対象から得られた時系列データの一例およびノイズレベル判定結果を示す波形図である。 図８は、図７に示した時系列データと正常パターンａ，ｂ，ｃとのパターン一致度および総合判定結果を示す波形図である。 図９は、図７に示した時系列データと正常パターンａ，ｂとのパターン一致度および総合判定結果を示す波形図である。 図１０は、正常パターンｄを示す波形図である。 図１１は、時系列データと正常パターンｄとのパターン一致度およびその時間平均の時間変化を示す図である。 図１２は、正常時の音のパターンとその発生タイミングとの関係を示す図である。

以下、図面を参照して、本発明にかかるパターンライブラリを用いた異常診断方法および異常診断システムの実施の形態について説明する。なお、この実施の形態によりこの発明が限定されるものではない。

図１は、本発明の実施の形態である異常診断システムの構成を示す機能ブロック図である。図１において、この異常診断システム１は、異常診断処理部２０を含む制御部Ｃに、入力部１１、出力部１２、記憶部１３が接続される。制御部Ｃは、ＣＰＵなどによって実現され、入力部１１は、データ収集装置やポインティングデバイスなどによって実現され、出力部１２は、液晶ディスプレイなどによって実現され、記憶部１３は、ハードディスク装置などによって実現される。なお、制御部Ｃには外部装置１４も接続され、通信インターフェースを介して制御部Ｃと通信が可能である。

記憶部１３は、過去の異常時の異常パターンを格納した異常パターンライブラリ４１と、多数の正常時の正常パターンを予め格納した正常パターンライブラリ４２と、正常パターンか異常パターンかが不明な複数のパターンを格納した仮置きライブラリ４３とを有する。異常パターンライブラリ４１は、異常パターンが入手されている場合に異常パターンが格納され、異常がなく異常パターンが入手できない場合に異常パターンは格納されず、空のままとなる。

異常診断処理部２０は、切出し処理部２１、ノイズ判定処理部２２、異常パターン照合処理部２３、正常パターン照合処理部２４、登録処理部２５，および警報出力処理部２６を有し、異常診断処理を行う。

ここで、図２に示すフローチャートを参照して、異常診断処理部２０による異常診断処理手順について説明する。図２において、たとえば鉄鋼プロセスにおける圧延機などの機械設備の近く設置した集音機によって取得した音圧の時系列データが入力部１１から順次入力されると、切出し処理部２１は、この時系列データを、予め設定された時間長の時系列データである部分列として切り出す処理を行う（ステップＳ１０１）。なお、この時間長は、異常パターンライブラリ４１あるいは正常パターンライブラリ４２に格納されているパターンの中で最も長い時間長に設定される。

その後、ノイズ判定処理部２２が、部分列の信号振幅レベルが所定値以下であるか否か、すなわちノイズレベルか否かを判断する（ステップＳ１０２）。部分列の信号振幅レベルがノイズレベルである場合（ステップＳ１０２，Ｙｅｓ）、ステップＳ１０７に移行して「正常」と判定する。

一方、部分列の信号振幅レベルがノイズレベルでない場合（ステップＳ１０２，Ｎｏ）には、異常パターンあるいは正常パターンが含まれる有意なパターンであるとして、ステップＳ１０３に移行する。

その後、異常パターン照合処理部２３は、切出し処理部２１によって切り出された部分列を、異常パターンライブラリ４１内の異常パターンと照合する異常パターン照合処理を行う（ステップＳ１０３）。この異常パターン照合処理は、部分列に対して、異常パターンライブラリ４１に格納されている異常パターンの全てに対して照合処理を行うが、部分列が、少なくとも１つの異常パターンに合致した場合、ステップＳ１０４に移行する。なお、異常パターンライブラリ４１に異常パターンが格納されていない場合には、この異常パターン照合処理は、スキップされる。

この異常パターン照合処理の結果、切り出された部分列に合致する異常パターンがあるか否かを判断し（ステップＳ１０４）、合致する場合（ステップＳ１０４，Ｙｅｓ）には、ステップＳ１０８に移行して「異常」と判定する。この「異常」と判定された場合、警報出力処理部２６は、その旨を出力部１２から警報出力する。

一方、切り出された部分列に合致する異常パターンがない場合（ステップＳ１０４，Ｎｏ）には、さらに、正常パターン照合処理部２４が、切り出された部分列を、正常パターンライブラリ４２内の正常パターンと照合する正常パターン照合処理を行う（ステップＳ１０５）。この正常パターン照合処理は、異常パターン照合処理と同様に、正常パターンライブラリ４２に格納されている正常パターンの全てに対して照合処理を行うが、部分列が、少なくとも１つの正常パターンに合致した場合、ステップＳ１０６に移行する。

この正常パターン照合処理の結果、切り出された部分列に合致する正常パターンがあるか否かを判断し（ステップＳ１０６）、合致する場合（ステップＳ１０６，Ｙｅｓ）には、ステップＳ１０７に移行して「正常」と判定する。この「正常」と判定された場合、警報出力処理部２６は、その旨を出力部１２から出力するようにしてもよい。

一方、切り出された部分列に合致する正常パターンがない場合（ステップＳ１０６，Ｎｏ）には、正常パターン照合処理部２４が、この部分列のパターンを、とりあえず異常の可能性もあるため、「仮異常」と判定する。そして、この部分列のパターンは、現時点で正常でも異常でもないため、警報出力処理部２６が「いつもと違う状態」である旨を出力部１２から警報出力する。また、登録処理部２５は、この部分列のパターンを仮置きライブラリ４３内に登録する（ステップＳ１０９）。なお、この仮置きライブラリ４３への登録時に、登録処理部２５は、この部分列に、この部分列の発生時間データを対応づけて登録しておくことが好ましい。

次に、ステップＳ１０８による異常判定あるいはステップＳ１０７による正常判定あるいはステップＳ１０９による仮異常判定の後、入力部１１から本処理の終了指示があったか否かを判断する（ステップＳ１１０）。終了指示があった場合（ステップＳ１１０，Ｙｅｓ）には、本処理を終了し、終了指示がない場合（ステップＳ１１０，Ｎｏ）には、ステップＳ１０１に移行し、次の部分列を切出し、上述した処理を繰り返す。

なお、外部装置１４は、仮置きライブラリ判定処理システムとして機能し、仮置きライブラリ４３に登録された部分列のパターンが異常パターンか正常パターンかの詳細判定を行い、この判定結果をもとに異常パターンライブラリ４１または正常パターンライブラリ４２に登録する仮置きライブラリ判定処理を行う。この外部装置１４は、たとえば、過去の操業データや機器の単体テストデータなどが格納されたデータベースを有し、このデータベースをもとに部分列が異常パターンか正常パターンを詳細に照合処理（詳細照合処理）する大型コンピュータなどによって実現される。もちろん、外部装置１４による詳細照合処理には、熟練者などの人の判断処理を加えてもよい。

ここで、図３に示すフローチャートを参照して、外部装置１４による仮置きライブラリ判定処理手順について説明する。外部装置１４は、異常診断システム１の出力部１２から警報通知があった場合（ステップＳ２０１，Ｙｅｓ）、仮置きライブラリ４３にアクセスして、登録されている部分列のパターンを取り出す（ステップＳ２０２）。

その後、外部装置１４は、取り出した部分列のパターンが異常パターンか正常パターンかの詳細照合処理を行う（ステップＳ２０３）。その後、外部装置１４は、詳細照合処理が行われた部分列のパターンが異常であるか否かを判断する（ステップＳ２０４）。異常と判断された場合（ステップＳ２０４，Ｙｅｓ）、登録処理部２５は、この部分列のパターンを異常パターンライブラリ４１に登録する処理を行う（ステップＳ２０５）。一方、異常と判断されない場合（ステップＳ２０４，Ｎｏ）、登録処理部２５は、この部分列のパターンを正常パターンライブラリ４２に登録する処理を行う（ステップＳ２０６）。このようにしていつもと違う状態である「仮異常」の部分列のパターンは、異常あるいは正常と判断され、それぞれ異常パターンライブラリ４１あるいは正常パターンライブラリ４２に登録されることによって蓄積され、その後の異常診断処理に利用されることによって、一層、精度の高い異常診断処理を行うことができる。

なお、上記の外部装置１４による仮置きライブラリ判定処理は、上述したように、異常診断システム１に対してオンラインで処理してもよいし、オフラインで処理してもよい。たとえば、定期的に異常診断システム１の仮置きライブラリ４３から「仮異常」の部分列のパターンを取得して所定の記憶媒体内に格納し、この格納された部分列のパターンを外部装置１４に入力することによって外部装置１４が上述した詳細照合処理を行い、その照合処理結果をもとに、対応する異常パターンライブラリ４１あるいは正常パターンライブラリ４２に登録するようにしてもよい。

（照合処理例１）
ここで、上述したステップＳ１０３による異常パターン照合処理あるいはステップＳ１０５による正常パターン照合処理の一例について説明する。この照合処理例１では、次式（１）によって異常パターンあるいは正常パターンをスライディングさせながら時系列データの部分列と相関をとってパターン一致度Ｒ１を算出することにより行う。
Ｒ１＝〈Ｓ・Ｐ〉／（〈Ｓ・Ｓ〉・〈Ｐ・Ｐ〉） …（１）
ただし、Ｓは、切り出された部分列であり、Ｐは、異常パターンライブラリ４１あるいは正常パターンライブラリ４２に登録されているパターンである。また、〈Ｘ・Ｙ〉は、ＸとＹとの内積を示す。このパターン一致度Ｒ１は、異常パターンライブラリ４１あるいは正常パターンライブラリ４２に登録されているパターンと同じパターンの部分列が出現すると、値が「１」になり、登録されているパターンと部分列とが合致しない場合には値が「０」に近づく。

このパターン一致度Ｒ１を用いた正常パターン照合処理による連続的な異常診断処理の一例についてさらに説明する。この異常診断処理例では、図４〜図６に示すような、３つの正常パターンａ，ｂ，ｃが正常パターンライブラリ４２に格納されており、図７（ａ）に示すような時系列データに対して異常診断処理を行う。なお、図７（ａ）に示した時系列データは、複数の部分列からなるデータである。この図７（ａ）に示した時系列データには、１０００秒の時間軸上の各所に正常パターンａ，ｂ，ｃの１以上の組合せが内在している。

図８（ａ）〜図８（ｃ）は、それぞれ図７（ａ）に示した時系列データに対して正常パターンａ，ｂ，ｃを時間軸上にスライディングさせて相関をとり、時々刻々とパターン一致度Ｒ１を算出した結果である。各図８（ａ）〜図８（ｃ）には、それぞれパターン一致度Ｒ１の時間変化を示している。たとえば、図７（ａ）に示す時系列データでは、１００秒付近で正常パターンａが含まれているため、図８（ａ）に示すパターン一致度Ｒ１は、１００秒付近で「１」に近いピーク値を示している。

図８（ａ）〜図８（ｃ）において、パターン一致度Ｒ１をもとに図７（ａ）に示した時系列データのパターンの合致を判定するために、たとえば、パターン一致度Ｒ１が０．５以上の場合に、合致するとして「１」を出力し、０．５未満の場合に合致しないとして「０」を出力する判定結果をそれぞれ示している。この場合、ある時点で、図８（ａ）〜図８（ｃ）の判定結果の少なくとも１つが「１」である場合に、時系列データは正常パターンに合致したものと判定され、正常と判定される。また、ある時点で、図８（ａ）〜図８（ｃ）の判定結果のいずれもが「０」である場合であっても、図７（ｂ）に示すようにノイズレベルが所定値以下、たとえば信号振幅レベルが０．６以下の場合に、有効なパターンが存在しない区間として「１」を出力するようにしている。この結果、図８（ｄ）に示した総合判定結果のように、図８（ａ）〜図８（ｃ）および図７（ｂ）の判定結果の少なくとも１つが「１」である場合、すなわち論理和演算が「１」である場合、各時点の時系列データは、「正常」であると判定し、論理和演算が「０」である場合、各辞典の時系列データは、その後の詳細照合処理の対象となり、「正常」あるいは「異常」と判定される。なお、図８（ｄ）の総合判定結果では、すべての区間で、「正常」であると判定されている。なお、パターン一致度Ｒ１は、所定の時間長を有するため、図８（ａ）〜図８（ｃ）の判定結果は、パターン長の分が広がった区間となっている。

さらに具体的に示すと、図７（ａ）の正常パターンａ，ｂ，ｃを含む時系列データに対して、正常パターンａ，ｂのみによって異常診断処理を行うと、図９（ａ），図９（ｂ）に示すように、図８（ａ），図８（ｂ）と同じパターン一致度Ｒ１を得るが、図８（ｃ）に対応するパターンｃに対応するパターン一致度Ｒ１および判定結果を得ることができないため、たとえ、図７（ｂ）に示したノイズレベルの判定結果が得られても、図９（ｃ）に示すように、総合判定結果が、６００秒付近（区間Ｅ１）および９３０秒付近（区間Ｅ２）で論理和が「０」となっている。これは、図７（ａ）に示した時系列データに正常パターンｃが含まれる時点に対応した区間Ｅ１，Ｅ２に、予期しないパターンが現れ、「異常」の可能性があることを精度高く診断したことになる。もちろん、図８に示したように、正常パターンｃに対する照合処理を行うことによって、区間Ｅ１，Ｅ２は、総合判定結果が「１」となり「正常」と判定される。

（照合処理例２）
つぎに、正常パターン照合処理の他の例として、次式（２）に示すパターン一致度Ｒ２を用い、このパターン一致度Ｒ２の変化率をもとに微小変化の異常診断処理を行うようにしてもよい。
Ｒ２＝〈Ｓ・Ｐ〉／（〈Ｐ・Ｐ〉・〈Ｐ・Ｐ〉） …（２）

この照合処理例２では、図１０に示した１つの正常パターンｄのみを用い、図１１（ａ）に示した時系列データに対して式（２）に示したパターン一致度Ｒ２を求めると、図１１（ｂ）に示すようなパターン一致度Ｒ２の時間変化が得られる。このパターン一致度Ｒ２の所定時間幅の時間平均をとると、図１１（ｃ）のようになる。

ここで、図１１（ａ）に示した時系列データは、６５０秒付近まで正常パターンｄが周期的に出現するが、６５０秒以降は、正常パターンｄが変化したパターンが出現している。このため、図１１（ｃ）に示したパターンｄに対するパターン一致度Ｒ２の時間平均は、６５０秒付近まで、ほぼ「１」であったが、６５０秒以降、特に７００秒以降は急激に「１．２」に上昇する。したがって、パターン一致度Ｒ２の時間平均の閾値を「１．１」とし、この閾値を越えた場合に、時系列データが「正常」から「異常」になったと判定することができる。なお、図２に示す異常診断処理では、各時点でのパターン一致度Ｒ２の時間平均の値が閾値を越えた場合に、部分列が正常パターンに合致しないと判断し、閾値を越えない場合に、部分列が正常パターンに合致したと判断する。

この比較照合例２では、正常パターンのみを用い、そのパターン一致度の変化をもとに時系列データが正常か異常かを診断している。なお、この比較照合例２では、上述した比較照合例１で示したパターン一致度Ｒ１を用いてもよいし、上述した比較照合例１において、パターン一致度Ｒ２を用いてもよい。さらに、パターン一致度Ｒ１，Ｒ２は、パターンと部分列との一致度の一例であり、他のパターン一致度の式を用いてもよい。

この実施の形態では、少なくとも正常パターンのみを用いて時系列データが正常か異常かを検知するようにしているので、過去に前例のない異常や過去に前例の少ない異常であっても、通常得られる正常パターンのみで、この異常を高確率で検知することができる。なお、異常パターンが得られている場合には、異常パターン照合処理を正常パターン照合処理よりも先に行うことによって、迅速かつ効率的な異常診断処理を行うことができる。

なお、鉄鋼プロセスにおける圧延機を対象とした音響による異常診断を行う場合、図１２に示した正常パターン（正常時の音のパターン）を用いることができる。これらの正常時の音のパターンは、それぞれ対応する発生タイミングで得ることができ、たとえば、工場の定期的な修理期間などにおいて実施される機器単体テストで個別に採取し、あるいは操業時に採取することができる。この採取したパターンをライブラリ化することにより、本発明を適用して異常診断を行うことが可能となる。たとえば、正常時の音のパターンとして「圧延ロール駆動音」は、発生タイミングである「圧延ロール回転時」に採取することができる。

１ 異常診断システム
１１ 入力部
１２ 出力部
１３ 記憶部
１４ 外部装置
２０ 異常診断処理部
２１ 切出し処理部
２２ ノイズ判定処理部
２３ 異常パターン照合処理部
２４ 正常パターン照合処理部
２５ 登録処理部
２６ 警報出力処理部
４１ 異常パターンライブラリ
４２ 正常パターンライブラリ
４３ 仮置きライブラリ
Ｃ 制御部

Claims (9)

1. 異常診断対象から得られる時系列データをもとに、前記異常診断対象の異常を検知するパターンライブラリを用いた異常診断方法であって、
   前記異常診断対象から予め取得された正常状態の時系列パターンである正常パターンを格納しておき、前記正常パターンをスライディングさせながら前記時系列データの部分列と相関をとってパターン一致度を算出し、少なくとも１つの正常パターンに対して該パターン一致度が予め定めた所定値以上となる場合、該時系列データの部分列が取得された区間における前記異常診断対象は正常であると診断することを特徴とするパターンライブラリを用いた異常診断方法。
2. 前記時系列データの部分列と前記正常パターンとのパターン一致度を算出し、全ての正常パターンに対して前記時系列データの部分列のパターン一致度が前記所定値未満である場合、該時系列データが取得された区間における前記異常診断対象は異常の可能性があると診断することを特徴とする請求項１に記載のパターンライブラリを用いた異常診断方法。
3. 前記異常の可能性があると診断された時系列データの部分列を仮置きライブラリに格納しておき、その後、該時系列データの部分列に対して外部装置が詳細照合処理を行うことによって異常診断を行うことを特徴とする請求項２に記載のパターンライブラリを用いた異常診断方法。
4. 前記時系列データの部分列の信号振幅レベルが所定値以下の場合、該時系列データの部分列は正常とみなすことを特徴とする請求項１〜３のいずれか一つに記載のパターンライブラリを用いた異常診断方法。
5. 前記時系列データの部分列と前記正常パターンとのパターン一致度は、時系列データの部分列をＳ、格納されている時系列パターンをＰ、ＸとＹとの内積を〈Ｘ・Ｙ〉とする場合に、数式（１）により算出されることを特徴とする請求項１〜４のいずれか一つに記載のパターンライブラリを用いた異常診断方法。
   Ｒ１＝〈Ｓ・Ｐ〉／（〈Ｓ・Ｓ〉・〈Ｐ・Ｐ〉） …（１）
6. 前記異常診断対象から予め取得された異常状態の時系列パターンである異常パターンを格納しておき、前記時系列データの部分列と前記正常パターンとのパターン一致度を算出する前に、前記時系列データの部分列と前記異常パターンとのパターン一致度を算出し、該パターン一致度が前記所定値未満となる場合に、前記時系列データと前記正常パターンとのパターン一致度を算出して、異常診断を行うことを特徴とする請求項１〜５のいずれか一つに記載のパターンライブラリを用いた異常診断方法。
7. 異常診断対象から得られる時系列データをもとに、前記異常診断対象の異常を検知するパターンライブラリを用いた異常診断システムであって、
   前記異常診断対象から予め取得された正常状態の時系列パターンである正常パターンを格納した正常パターンライブラリと、
   前記正常パターンをスライディングさせながら前記時系列データの部分列と相関をとってパターン一致度を算出し、少なくとも１つの正常パターンに対して、該パターン一致度が予め定めた所定値以上となる場合、該時系列データの部分列が取得された区間における前記異常診断対象は正常であると診断する正常パターン照合処理部と、
   を備えたことを特徴とするパターンライブラリを用いた異常診断システム。
8. 前記正常パターン照合処理部は、前記時系列データの部分列と前記正常パターンとのパターン一致度を算出し、全ての正常パターンに対して、該パターン一致度が前記所定値未満である場合、該時系列データの部分列が取得された区間における前記異常診断対象は異常の可能性があると診断することを特徴とする請求項７に記載のパターンライブラリを用いた異常診断システム。
9. 前記時系列データの部分列の信号振幅レベルが所定値以下の場合、該時系列データの部分列は正常であるとみなすノイズ判定処理部を備えたことを特徴とする請求項７，８に記載のパターンライブラリを用いた異常診断システム。

Images