JP7356773B1 - 異常検知システム、および異常検知方法 - Google Patents
異常検知システム、および異常検知方法 Download PDFInfo
- Publication number
- JP7356773B1 JP7356773B1 JP2023111983A JP2023111983A JP7356773B1 JP 7356773 B1 JP7356773 B1 JP 7356773B1 JP 2023111983 A JP2023111983 A JP 2023111983A JP 2023111983 A JP2023111983 A JP 2023111983A JP 7356773 B1 JP7356773 B1 JP 7356773B1
- Authority
- JP
- Japan
- Prior art keywords
- state
- abnormality
- virtual
- functional element
- unit
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 105
- 230000005856 abnormality Effects 0.000 claims abstract description 194
- 230000006870 function Effects 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000012546 transfer Methods 0.000 claims description 21
- 230000002547 anomalous effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 16
- 102100028546 TATA box-binding protein-associated factor RNA polymerase I subunit B Human genes 0.000 description 79
- 238000004891 communication Methods 0.000 description 42
- 238000012545 processing Methods 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000012369 In process control Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010965 in-process control Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
なお、特許文献1記載の装置が対象とする制御系は、プラントとされる。
[1]
回路系も含んで構成されて現実に稼働する所定の制御系に対しハードウェア的に接続して、当該制御系をソフトウェア上でモデル化した上で当該制御系の異常を検知する異常検知システムであって、
マルチレベルフローモデルの手法に従って前記制御系の機能のそれぞれに個別に対応する複数の機能要素を設け、互いに直列に接続してその上端からその末端に向かってシリアルに情報が流れる前記複数の機能要素で表現される1つのメイングループと、互いに直接に接続してその上端からその末端に向けてシリアルに情報が流れる前記複数の機能要素で表現されるとともにそのそれぞれの最末端の前記機能要素で前記メイングループの前記複数の機能要素のうちいずれか1つに接続する1または複数のサブグループと、を設定するモデル設定部と、
前記メイングループおよび前記複数のサブグループのそれぞれにおける前記複数の機能要素のそれぞれの現実の状態量を取得し当該状態量を行列形式で表現する現実状態取得部と、
前記メイングループおよび前記複数のサブグループのそれぞれにおいて、当該メイングループまたは当該サブグループに属する前記機能要素の個数のそれぞれと同一の数量で複数の仮想状態量を行列形式で算出する仮想状態算出部と、
前記仮想状態算出部の算出した前記複数の仮想状態量のそれぞれに対し、前記現実状態取得部の取得結果と比較する状態比較部と、
前記状態比較部の比較結果に基づいて、異常が発生した前記機能要素を特定する異常特定部と、を含む、
異常検知システム。
[2]
前記複数のサブグループが第L番目まで設定されており、前記サブグループのうち第j(jは自然数;j=1,・・・,L)番目において前記複数の機能要素がその最上端からその情報の流れに沿って計数してその最末端の第M(Mは自然数)番目まで設定される場合において、
前記現実状態取得部は、前記第j番目の前記サブグループにおける第k(kは自然数;k=1,・・・,M)番目の前記機能要素の現実の前記状態量Sjk(前記第j番目のサブグループにおける前記第k番目の前記機能要素の前記状態量を示す)のそれぞれをベクトル形式で表現するとともに、前記第j番目の前記サブグループの全体での現実の前記状態量を示すサブ全体状態量Pjを後記の数式1に従って行列形式で表現し、
前記仮想状態算出部は、当該第j番目の前記サブグループにおける前記複数の仮想状態量Qjkを後記の数式2に従って算出し、
前記状態比較部は、その対象とする前記サブグループごとに、当該サブグループの前記複数の仮想状態量Qjkのそれぞれに対し当該サブグループの前記サブ全体状態量Pjを比較して一致するか否かを判定する、
[1]に記載の異常検知システム。
[数式1]
Pj=(Sj1 Sj2 ・・・ Sj(M-1) SjM)
ただし、jは自然数;j=1,・・・,L
[数式2]
Qjk=(Sj1 ・・・ Sj(k-1) Sjk T1 1・Sjk ・・・ T1 M-k・Sjk)
ただし、j,kはいずれも自然数;j=1,・・・,L;k=1,・・・,M
Tjは、当該第j番目の前記サブグループにおいて隣接して配置される前記機能要素の間に設定される仮想異常伝達関数である。
[3]
前記異常特定部の特定結果に基づいて、前記制御系の機能における異常箇所を検知する異常検知部と、をさらに含み、
前記仮想状態量Qjkは、前記第j番目の前記サブグループにおける前記第k番目の前記機能要素に対応するものとして設定され、
前記異常特定部は、前記状態比較部での比較の結果、当該第j番目のサブグループにおいて1つのみ一致する場合にはその一致した前記仮想状態量Qjkに基づいて当該仮想状態量Qjkに対応する前記第k番目の前記機能要素を特定し、あるいは当該第j番目のサブグループにおいて複数一致する場合、その一致した複数の前記仮想状態量Qjkに基づいて、当該仮想状態量Qjkの対応する前記機能要素のうち最も上側に配置される前記機能要素を特定し、
前記異常検知部は、前記異常特定部によって特定した前記機能要素に対応する前記制御系の機能に異常が発生していることを検知する、
[2]に記載の異常検知システム。
[4]
前記メイングループにおいて、前記複数の機能要素がその最上端からその情報の流れに沿って計数してその最末端の第N(Nは自然数)番目まで設定される場合において、
前記現実状態取得部は、前記メイングループにおける第i(iは自然数;i=1,・・・,N)番目の前記機能要素の前記状態量Ui(前記メイングループにおける前記第i番目の前記機能要素の前記状態量を示す)のそれぞれをベクトル形式で表現するとともに、前記メイングループの全体の前記状態量を示すメイン全体状態量Vを後記の数式3に従って行列形式で表現し、
前記仮想状態算出部は、当該メイングループにおける前記複数の仮想状態量Wiを後記の数式4に従って算出し、
さらに前記仮想状態算出部は、前記メイングループの第x(1<=x<=N)番目の前記機能要素に対して第y(1<=y<=L(Lは自然数))番目の前記サブグループの最末端に配置される前記機能要素が接続する場合、当該複数の仮想状態量Wiのそれぞれに対し後記の数式4においてその横方向に並列される行列要素のうち前記第x番目よりも次以降の前記行列要素でありかつ後記の仮想異常伝達関数Tが行列乗算されて算出された前記行列要素と判定される1または複数の前記行列要素にのみ、前記第y番目の前記サブグループの最末端に配置される前記機能要素の実際の前記状態量Syをさらにそれぞれ行列乗算して、複数の仮想状態量Wi’(i=1,・・・,N)を算出し、
前記状態比較部は、前記メイングループの前記複数の仮想状態量Wi’のそれぞれに対して前記メイン全体状態量Vを比較して一致するか否かを判定する、
[1]に記載の異常検知システム。
[数式3]
V = (U1 U2 ・・・ UN-1 UN)
[数式4]
Wi = (U1 ・・・ Ui-1 Ui T1・Ui ・・・ TN-i・Ui)
ただし、iは自然数;i=1,・・・,N
Tは、前記メイングループにおいて隣接して配置される前記機能要素の間に設定される仮想異常伝達関数である。
[5]
前記異常特定部の特定結果に基づいて、前記制御系の機能における異常箇所を検知する異常検知部と、をさらに含み、
前記仮想状態量Wi’は、前記メイングループにおける前記第i番目の前記機能要素に対応するものとして設定され、
前記異常特定部は、前記状態比較部での比較の結果、1つのみ一致する場合にはその一致した前記仮想状態量Wi’に基づいて当該仮想状態量Wi’に対応する前記第i番目の前記機能要素を特定し、あるいは複数一致する場合、その一致した複数の前記仮想状態量Wi’に基づいて、当該仮想状態量Wi’の対応する前記機能要素のうち最も上側に配置される前記機能要素を特定し、
前記異常検知部は、前記異常特定部によって特定した前記機能要素に対応する前記制御系の機能に異常が発生していることを検知する、
[4]に記載の異常検知システム。
[6]
前記仮想異常伝達関数は、単位行列である、
[2]または[4]に記載の異常検知システム。
[7]
所定の装置および/またはプログラムを使用して、回路系も含んで構成されて現実に稼働する所定の制御系にハードウェア的に接続して、当該制御系をソフトウェア上でモデル化した上で当該制御系の異常を検知する異常検知方法であって、
マルチレベルフローモデルの手法に従って前記制御系の機能のそれぞれに個別に対応する複数の機能要素を設け、互いに直列に接続してその上端からその末端に向かってシリアルに情報が流れる前記複数の機能要素で表現される1つのメイングループと、互いに直接に接続してその上端からその末端に向けてシリアルに情報が流れる前記複数の機能要素で表現されるとともにそのそれぞれの最末端の前記機能要素で前記メイングループの前記複数の機能要素のうちいずれか1つに接続する1または複数のサブグループと、を設定するモデル設定ステップと、
前記メイングループおよび前記複数のサブグループのそれぞれにおける前記複数の機能要素のそれぞれの現実の状態量を取得し当該状態量を行列形式で表現する現実状態取得ステップと、
前記メイングループおよび前記複数のサブグループのそれぞれにおいて、当該メイングループまたは当該サブグループに属する前記機能要素の個数のそれぞれと同一の数量で複数の仮想状態量を行列形式で算出する仮想状態算出ステップと、
前記仮想状態算出ステップで算出した前記複数の仮想状態量のそれぞれに対し、前記現実状態取得ステップでの取得結果と比較する状態比較ステップと、
前記状態比較ステップでの比較結果に基づいて、異常が発生した前記機能要素を特定する異常特定ステップと、を含む、
異常検知方法。
「を有する」「を備える」「を含む」および「を含有する」と同義である用語「を含む」または「により特徴づけられる」「を特徴とする」は、包括的または開放型な意味で解釈されるものであり、追加の、挙げられていない要素または方法のステップを排除しない。「を含む」は、請求項の言語で使用される技術用語であり、それは名を挙げられた請求項要素は必須であるが、他の請求項要素が追加されて請求項の範囲内で構成物をさらに形成してもよいことを意味する。
マルチレベルフローモデル(Multi-Level Flow Models、MLFM)は、プロセス制御や制御システムの設計に使用されるシステムの形式的なモデリング手法である。以下に、その特徴とその説明を箇条書で説明する。
MLFMは、階層的な構造を有する。この構造は、システムを最上位から最下位まで分割することで、より簡潔で理解しやすいモデルを作成することが可能である。各レベルは、より詳細なレベルに分割することができ、システムの複雑性を効果的に管理することが可能である。たとえば、MLFMの最上位レベルは、システム全体を表し、中間レベルは、システムの部分的なコンポーネントを表現することが可能である。最下位レベルは、コンポーネントの細かい詳細を表現することも可能である。
MLFMは、物理的な意味を持つ表現を使用する。このモデルの主な目的は、プロセスや制御システム内の実際の物理的な要素が、モデル内の要素として表現されることで、モデルが現実世界とより直接的に対応することが可能である。この特徴は、MLFMが他の形式手法と異なる点の1つである。
MLFMは、複数のレベルでの制御を可能にする。モデルは、各レベルでの状態を表現し、それぞれのレベルで制御を行うことが可能である。たとえば、MLFMは、部分的な制御を行うことができ、部分的な制御が成功した場合には、その部分システムの全体的な制御に向けて、次の段階に進むことが可能である。
MLFMは、多目的なモデルであるため、異なる目的に使用することが可能である。設計および制御、トラブルシューティング、そしてシステムの機能解析などに利用することが可能である。MLFMは、非常に柔軟なモデルであるため、多くの目的に対して使用することが可能である。
MLFMは、直感的な表現方法を使用するため、モデルの理解や解釈が容易になる。また、MLFMは、シンプルで明確な表現を使用することが可能であるため、複雑なモデルでも直感的に理解可能である。さらに、MLFMは、物理的な意味を持つ表現を使用するため、その意味においても、直感的な理解が容易である。MLFMは、コンポーネント間の関係を明確に表現するため、モデルの中での要素の役割をより明確に説明することが可能である。
MLFMは、可読性が高いという特徴を有する。MLFMは、階層的で、物理的な意味を持つ表現を使用するため、モデルを理解するのが容易となる。また、多くの場合、図表によって視覚的に表現することが可能であり、直感的に理解可能である。そのため、MLFMは、設計やトラブルシューティングなど、システム解析の様々な目的に対して、高い可読性を提供することが可能である。
図1~図7に基づいて、本発明に係る異常検知システム1および異常検知方法の第1実施形態について説明する。
図1を参照しながら、本実施形態の異常検知システム1のネットワーク構成について説明する。
図1は、本実施形態の異常検知システム1に関するネットワーク構成の一例を説明する概略構成図である。
なお、本実施形態では車両Cに車両操舵装置30(後述参照)が搭載されており、当該車両操舵装置30が本実施形態の異常検知システム1における制御対象(異常検知対象)とされる。
なお、情報端末装置がスマートフォンなどの小型端末である場合には、情報端末装置は必要なときに車両Cにハードウェア的に接続され、それ以外のときには携帯可能または移動(移設)可能に構成されてもよい。
図2および図3を参照しながら、本実施形態に係る車両操舵装置30の構成について説明する。
図2は、図1に示す異常検知システム1が制御対象とする車両操舵装置30の構成の一例を説明する概略構成図である。
図3は、図2に示す車両操舵装置30の電気回路の概略構成の一例を説明する回路図である。
ただし、前述のように、本実施形態では、モータ制御系をその本発明の一例として示されるが、これに限定されない。石油プラントなどのプラント系、すべてが電気回路または電子回路で構成されるスマートフォンの制御系など、制御対象としてのその適用は広範囲に亘る。
図4を参照しながら、本実施形態のサーバー装置10のハードウェア構成について説明する。
図4は、図1に示すサーバー装置10のハードウェア構成の一例を説明する模式図である。
なお、通信方式は、前述のような通信方式の他、Bluetooth(登録商標)なども適宜含んで構成することも可能である。
図5および図6を参照しながら、サーバー装置10およびユーザHの情報端末装置20の機能的構成について説明する。
図5は、図1に示すサーバー装置10および情報端末装置20で実現される機能の一例を説明するブロック図である。
図6は、モデル設定部16Aによって図2の制御対象を表現する制御モデルの一例を説明する機能ブロック図である。
前述のように、サーバー装置10はハードウェア構成としてCPU11を有しており、CPU11は種々のプログラムを記憶装置12から読み込んで実行することで各種機能が実現される。その結果、異常検知システム1における車両操舵装置30の異常検知に関する各種の処理プログラムが実行される。情報端末装置20も同様に、中央演算装置を有しその記憶装置から種々のプログラムを読み込んで実行することで各種機能が実現される。
図5に示されるサーバー装置10のモデル設定部16Aは、マルチレベルフローモデルに従ってモータ制御系(制御系の一例)の機能のそれぞれに個別に対応する複数の機能要素F(情報工学においては「ノード」とも呼ばれ、その概念は本発明にも取り込まれる。)を設け、1つのメインループML(メイングループの一例、後述参照)と、複数(第1~第3)のサブループSL1,SL2,SL3(本実施形態では3つ、サブグループの一例、後述参照)と、を設定する。
なお、本実施形態では、3つのサブループSL1,SL2,SL3(複数のサブグループの一例)で設定されるが、これに限定されない。対象とする制御系によってその個数は適宜変更・設定される。
なお、前述のように本実施形態では、サブループSL1,SL2,SL3を3つ設ける形態であるが、これに限定されず、2つ、または4つ以上設けてもよい。
図5に示される現実状態取得部16Bは、メインループMLおよび第1~第3のサブループSL1,SL2,SL3のそれぞれにおける複数の機能要素Fのそれぞれの現実の状態量を取得する。そして、その取得する当該状態量について、現実状態取得部16Bはその一般式としてメインループMLでの状態量Uを後記の(1)式、およびサブループSL1,SL2,SL3のそれぞれでの状態量Sを後記の(2)式に示すようなベクトル形式(行列形式)で表現(取得)する(つまり、本発明では「状態量」の用語は機能要素Fのそれぞれの状態を示す状態行列とも解釈することが可能である)。
図5に示される仮想状態算出部16Cは、メインループMLおよび第1~第3のサブループSL1,SL2,SL3のそれぞれにおいて、当該メインループMLまたは当該第1~第3のサブループSL1,SL2,SL3に属する機能要素Fの個数のそれぞれと同一の数量で複数の仮想状態量(仮想状態行列とも解される)を行列形式で算出する。
図5に示す状態比較部16Dは、仮想状態算出部16Cの算出した、前述の複数の仮想状態量Wi’,Qjkのそれぞれに対し、現実状態取得部16Bの取得結果と比較する。
図5に示すサーバー装置10の異常特定部16Eは、前述の状態比較部16Dの比較結果に基づいて、異常が発生した機能要素Fを特定する。
なお、サーバー装置10の異常特定部16Eは、メインループMLにおいて1つも一致しない場合には、異常特定部16EはメインループMLには異常が発生していないと判定する。
図5に示すサーバー装置10の異常検知部16Fは、前述の異常特定部16Eの特定結果に基づいて、モータ制御系の機能における異常箇所を検知する。すなわち、本実施形態では、サーバー装置10の異常検知部16Fは、サーバー装置10の異常特定部16Eによって特定した機能要素Fに対応するモータ制御系の機能(現実世界での電気回路、部品または装置などのハードウェア)に異常が発生していることを検知する。そして、サーバー装置10の異常検知部16Fは、その検知結果を、サーバー装置10の通信部18を通じて情報端末装置20に送信する。
図5に示すように、ユーザHの情報端末装置20は、通信部28と、記憶部27と、操作入力部23と、画像出力部24と、制御部26と、を含んで構成される。
なお、情報端末装置20の通信部28もサーバー装置10と同様にサーバー装置10との通信を行う。
図7を参照しながら、サーバー装置10で実行される異常検知に関する動作フローについて説明する。
図7は、図5に示すサーバー装置10が実行する異常検知に関する動作フローの一例を説明するフロー図である。
以上説明したように、本実施形態の異常検知システム1によれば、電気回路系(回路系の一例)も含んで構成されて現実に稼働する所定のモータ制御系(制御系の一例)に対しハードウェア的に接続して、当該制御系をソフトウェア上でモデル化した上で当該制御系の異常を検知する異常検知システム1である。マルチレベルフローモデルの手法に従って制御系の機能のそれぞれに個別に対応する複数の機能要素Fを設け、互いに直列に接続してその上端からその末端に向かってシリアルに情報が流れる複数の機能要素Fで表現される1つのメインループML(メイングループの一例)と、互いに直接に接続してその上端からその末端に向けてシリアルに情報が流れる複数の機能要素Fで表現されるとともにそのそれぞれの最末端の機能要素FでメインループMLの複数の機能要素Fのうちいずれか1つに接続する1または複数のサブループSL1,SL2,SL3(サブグループの一例)と、を設定するモデル設定部16Aと、メインループMLおよび複数のサブループSL1,SL2,SL3のそれぞれにおける複数の機能要素Fのそれぞれの現実の状態量V,P,U,Sを取得し当該状態量V,P,U,Sを行列形式で表現する現実状態取得部16Bと、メインループMLおよび複数のサブループSL1,SL2,SL3のそれぞれにおいて、当該メインループMLまたは当該サブループSL1,SL2,SL3に属する機能要素Fの個数のそれぞれと同一の数量で複数の仮想状態量Wi’,Qjkを行列形式で算出する仮想状態算出部16Cと、仮想状態算出部16Cの算出した複数の仮想状態量Wi’,Qjkのそれぞれに対し、現実状態取得部16Bの取得結果と比較する状態比較部16Dと、状態比較部16Dの比較結果に基づいて、異常が発生した機能要素Fを特定する異常特定部16Eと、を含む。
本発明に係る第1実施例について説明する。本実施例では、1つの事例として第1実施形態において第2のサブループSL2で異常が発生したと仮定して説明する。具体的には、第2のサブループSL2の第1の機能要素S2F1が故障してhigh level値を出力する事例が想定される。
本発明に係る第2実施例について説明する。本実施例では、1つの事例として第1実施形態において第1~第3のサブループSL1,SL2,SL3は正常であるがメインループMLで異常が発生したと仮定して説明する。具体的には、メインループMLの第3の機能要素MF3が故障してLow Level値を出力する事例が想定される。
以上で具体的実施形態の説明を終えるが、本発明の態様はこれら実施形態に限定されるものではなく、適宜、変形、改良などが可能である。
10 :サーバー装置
11 :CPU
12 :記憶装置
13 :操作入力装置
14 :画像出力装置
15 :通信装置
16 :制御部
16A :モデル設定部
16B :現実状態取得部
16C :仮想状態算出部
16D :状態比較部
16E :異常特定部
16F :異常検知部
17 :記憶部
18 :通信部
20 :情報端末装置
23 :操作入力部
24 :画像出力部
26 :制御部
26A :要求送信部
26B :応答受信部
26C :異常検知制御部
27 :記憶部
28 :通信部
30 :車両操舵装置
31 :操舵軸
32 :減速ギア
33 :ユニバーサルジョイント
34 :ピニオンラック機構
34A :ピニオン
34B :ラック
35 :タイロッド
36 :ハブユニット
37 :操向車輪
38 :モータ
39 :回転センサ
40 :ECU
41 :バッテリ
BS :バス
C :車両
H :ユーザ
ML :メインループ
MF1 :第1の機能要素
MF2 :第2の機能要素
MF3 :第3の機能要素
MF4 :第4の機能要素
MF5 :第5の機能要素
N :通信ネットワーク
S1F1 :第1の機能要素
S1F2 :第2の機能要素
S1F3 :第3の機能要素
S2F1 :第1の機能要素
S2F2 :第2の機能要素
S2F3 :第3の機能要素
S3F1 :第1の機能要素
S3F2 :第2の機能要素
S3F3 :第3の機能要素
SL1 :第1のサブループ
SL2 :第2のサブループ
SL3 :第3のサブループ
Claims (7)
- 回路系も含んで構成されて現実に稼働する所定の制御系に対しハードウェア的に接続して、当該制御系をソフトウェア上でモデル化した上で当該制御系の異常を検知する異常検知システムであって、
マルチレベルフローモデルの手法に従って前記制御系の機能のそれぞれに個別に対応する複数の機能要素を設け、互いに直列に接続してその上端からその末端に向かってシリアルに情報が流れる前記複数の機能要素で表現される1つのメイングループと、互いに直接に接続してその上端からその末端に向けてシリアルに情報が流れる前記複数の機能要素で表現されるとともにそのそれぞれの最末端の前記機能要素で前記メイングループの前記複数の機能要素のうちいずれか1つに接続する1または複数のサブグループと、を設定するモデル設定部と、
前記メイングループおよび前記複数のサブグループのそれぞれにおける前記複数の機能要素のそれぞれの現実の状態量を取得し当該状態量を行列形式で表現する現実状態取得部と、
前記メイングループおよび前記複数のサブグループのそれぞれにおいて、当該メイングループまたは当該サブグループに属する前記機能要素の個数のそれぞれと同一の数量で複数の仮想状態量を行列形式で算出する仮想状態算出部と、
前記仮想状態算出部の算出した前記複数の仮想状態量のそれぞれに対し、前記現実状態取得部の取得結果と比較する状態比較部と、
前記状態比較部の比較結果に基づいて、異常が発生した前記機能要素を特定する異常特定部と、を含む、
異常検知システム。 - 前記複数のサブグループが第L番目まで設定されており、前記サブグループのうち第j(jは自然数;j=1,・・・,L)番目において前記複数の機能要素がその最上端からその情報の流れに沿って計数してその最末端の第M(Mは自然数)番目まで設定される場合において、
前記現実状態取得部は、前記第j番目の前記サブグループにおける第k(kは自然数;k=1,・・・,M)番目の前記機能要素の現実の前記状態量Sjk(前記第j番目のサブグループにおける前記第k番目の前記機能要素の前記状態量を示す)のそれぞれをベクトル形式で表現するとともに、前記第j番目の前記サブグループの全体での現実の前記状態量を示すサブ全体状態量Pjを後記の数式1に従って行列形式で表現し、
前記仮想状態算出部は、当該第j番目の前記サブグループにおける前記複数の仮想状態Qjkを後記の数式2に従って算出し、
前記状態比較部は、その対象とする前記サブグループごとに、当該サブグループの前記複数の仮想状態Qjkのそれぞれに対し当該サブグループの前記サブ全体状態量Pjを比較して一致するか否かを判定する、
請求項1に記載の異常検知システム。
[数式1]
Pj=(Sj1 Sj2 ・・・ Sj(M-1) SjM)
ただし、jは自然数;j=1,・・・,L
[数式2]
Qjk=(Sj1 ・・・ Sj(k-1) Sjk T1 1・Sjk ・・・ T1 M-k・Sjk)
ただし、j,kはいずれも自然数;j=1,・・・,L;k=1,・・・,M
Tjは、当該第j番目の前記サブグループにおいて隣接して配置される前記機能要素の間に設定される仮想異常伝達関数である。
- 前記異常特定部の特定結果に基づいて、前記制御系の機能における異常箇所を検知する異常検知部と、をさらに含み、
前記仮想状態量Qjkは、前記第j番目の前記サブグループにおける前記第k番目の前記機能要素に対応するものとして設定され、
前記異常特定部は、前記状態比較部での比較の結果、当該第j番目のサブグループにおいて1つのみ一致する場合にはその一致した前記仮想状態量Qjkに基づいて当該仮想状態量Qjkに対応する前記第k番目の前記機能要素を特定し、あるいは当該第j番目のサブグループにおいて複数一致する場合、その一致した複数の前記仮想状態量Qjkに基づいて、当該仮想状態量Qjkの対応する前記機能要素のうち最も上側に配置される前記機能要素を特定し、
前記異常検知部は、前記異常特定部によって特定した前記機能要素に対応する前記制御系の機能に異常が発生していることを検知する、
請求項2に記載の異常検知システム。 - 前記メイングループにおいて、前記複数の機能要素がその最上端からその情報の流れに沿って計数してその最末端の第N(Nは自然数)番目まで設定される場合において、
前記現実状態取得部は、前記メイングループにおける第i(iは自然数;i=1,・・・,N)番目の前記機能要素の前記状態量Ui(前記メイングループにおける前記第i番目の前記機能要素の前記状態量を示す)のそれぞれをベクトル形式で表現するとともに、前記メイングループの全体の前記状態量を示すメイン全体状態量Vを後記の数式3に従って行列形式で表現し、
前記仮想状態算出部は、当該メイングループにおける前記複数の仮想状態量Wiを後記の数式4に従って算出し、
さらに前記仮想状態算出部は、前記メイングループの第x(1<=x<=N)番目の前記機能要素に対して第y(1<=y<=L(Lは自然数))番目の前記サブグループの最末端に配置される前記機能要素が接続する場合、当該複数の仮想状態量Wiのそれぞれに対し後記の数式4においてその横方向に並列される行列要素のうち前記第x番目よりも次以降の前記行列要素でありかつ後記の仮想伝達関数Tが行列乗算されて算出された前記行列要素と判定される1または複数の前記行列要素にのみ、前記第y番目の前記サブグループの最末端に配置される前記機能要素の実際の前記状態量Syをさらにそれぞれ行列乗算して、複数の仮想状態量Wi’(i=1,・・・,N)を算出し、
前記状態比較部は、前記メイングループの前記複数の仮想状態量Wi’のそれぞれに対して前記メイン全体状態量Vを比較して一致するか否かを判定する、
請求項1に記載の異常検知システム。
[数式3]
V = (U1 U2 ・・・ UN-1 UN)
[数式4]
Wi = (U1 ・・・ Ui-1 Ui T1・Ui ・・・ TN-i・Ui)
ただし、iは自然数;i=1,・・・,N
Tは、前記メイングループにおいて隣接して配置される前記機能要素の間に設定される仮想異常伝達関数である。
- 前記異常特定部の特定結果に基づいて、前記制御系の機能における異常箇所を検知する異常検知部と、をさらに含み、
前記仮想状態量Wi’は、前記メイングループにおける前記第i番目の前記機能要素に対応するものとして設定され、
前記異常特定部は、前記状態比較部での比較の結果、1つのみ一致する場合にはその一致した前記仮想状態量Wi’に基づいて当該仮想状態量Wi’に対応する前記第i番目の前記機能要素を特定し、あるいは複数一致する場合、その一致した複数の前記仮想状態量Wi’に基づいて、当該仮想状態量Wi’の対応する前記機能要素のうち最も上側に配置される前記機能要素を特定し、
前記異常検知部は、前記異常特定部によって特定した前記機能要素に対応する前記制御系の機能に異常が発生していることを検知する、
請求項4に記載の異常検知システム。 - 前記仮想異常伝達関数は、単位行列である、
請求項2または4に記載の異常検知システム。 - 所定の装置および/またはプログラムを使用して、回路系も含んで構成されて現実に稼働する所定の制御系にハードウェア的に接続して、当該制御系をソフトウェア上でモデル化した上で当該制御系の異常を検知する異常検知方法であって、
マルチレベルフローモデルの手法に従って前記制御系の機能のそれぞれに個別に対応する複数の機能要素を設け、互いに直列に接続してその上端からその末端に向かってシリアルに情報が流れる前記複数の機能要素で表現される1つのメイングループと、互いに直接に接続してその上端からその末端に向けてシリアルに情報が流れる前記複数の機能要素で表現されるとともにそのそれぞれの最末端の前記機能要素で前記メイングループの前記複数の機能要素のうちいずれか1つに接続する1または複数のサブグループと、を設定するモデル設定ステップと、
前記メイングループおよび前記複数のサブグループのそれぞれにおける前記複数の機能要素のそれぞれの現実の状態量を取得し当該状態量を行列形式で表現する現実状態取得ステップと、
前記メイングループおよび前記複数のサブグループのそれぞれにおいて、当該メイングループまたは当該サブグループに属する前記機能要素の個数のそれぞれと同一の数量で複数の仮想状態量を行列形式で算出する仮想状態算出ステップと、
前記仮想状態算出ステップで算出した前記複数の仮想状態量のそれぞれに対し、前記現実状態取得ステップでの取得結果と比較する状態比較ステップと、
前記状態比較ステップでの比較結果に基づいて、異常が発生した前記機能要素を特定する異常特定ステップと、を含む、
異常検知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023111983A JP7356773B1 (ja) | 2023-07-07 | 2023-07-07 | 異常検知システム、および異常検知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023111983A JP7356773B1 (ja) | 2023-07-07 | 2023-07-07 | 異常検知システム、および異常検知方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7356773B1 true JP7356773B1 (ja) | 2023-10-05 |
Family
ID=88198216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023111983A Active JP7356773B1 (ja) | 2023-07-07 | 2023-07-07 | 異常検知システム、および異常検知方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7356773B1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09190219A (ja) * | 1996-01-11 | 1997-07-22 | Toshiba Corp | プラント異常診断装置 |
JPH1020932A (ja) * | 1996-06-28 | 1998-01-23 | Toshiba Corp | プラント異常診断装置 |
JP2015170121A (ja) * | 2014-03-06 | 2015-09-28 | 株式会社豊田中央研究所 | 異常診断装置及びプログラム |
JP2020087251A (ja) * | 2018-11-30 | 2020-06-04 | いすゞ自動車株式会社 | モデル作成装置、モデル作成方法及びプログラム |
JP2022027057A (ja) * | 2020-07-31 | 2022-02-10 | 株式会社デンソー | 異常検出装置、異常検出方法および異常検出プログラム |
JP2022034392A (ja) * | 2020-08-18 | 2022-03-03 | 株式会社クボタ | 故障診断装置、故障診断方法、および学習済みモデル |
-
2023
- 2023-07-07 JP JP2023111983A patent/JP7356773B1/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09190219A (ja) * | 1996-01-11 | 1997-07-22 | Toshiba Corp | プラント異常診断装置 |
JPH1020932A (ja) * | 1996-06-28 | 1998-01-23 | Toshiba Corp | プラント異常診断装置 |
JP2015170121A (ja) * | 2014-03-06 | 2015-09-28 | 株式会社豊田中央研究所 | 異常診断装置及びプログラム |
JP2020087251A (ja) * | 2018-11-30 | 2020-06-04 | いすゞ自動車株式会社 | モデル作成装置、モデル作成方法及びプログラム |
JP2022027057A (ja) * | 2020-07-31 | 2022-02-10 | 株式会社デンソー | 異常検出装置、異常検出方法および異常検出プログラム |
JP2022034392A (ja) * | 2020-08-18 | 2022-03-03 | 株式会社クボタ | 故障診断装置、故障診断方法、および学習済みモデル |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902832B (zh) | 机器学习模型的训练方法、异常预测方法及相关装置 | |
JP2010181212A (ja) | 故障診断システム、故障診断方法 | |
EP3379434A1 (en) | A system and method for design of additively manufactured products | |
Koduru et al. | Feasibility of FORM in finite element reliability analysis | |
EP3776369A1 (en) | Neural networks with relational memory | |
CN107921963A (zh) | 用于确定转向控制属性和牵引控制属性的转向应用和牵引应用 | |
CN108242266A (zh) | 辅助诊断装置和方法 | |
CN108027407A (zh) | 容错电压测量方法 | |
Chen et al. | Automated conceptual design of mechanisms using improved morphological matrix | |
Do et al. | A boom energy regeneration system of hybrid hydraulic excavator using energy conversion components | |
JP7356773B1 (ja) | 異常検知システム、および異常検知方法 | |
Yu et al. | Fault detection, isolation and identification for hybrid systems with unknown mode changes and fault patterns | |
CN113486868A (zh) | 一种电机故障诊断方法及*** | |
CN101025625A (zh) | 一种基于dsp的嵌入式智能控制器 | |
US20190221294A1 (en) | Time series data processing device, health prediction system including the same, and method for operating the time series data processing device | |
CN114997036A (zh) | 基于深度学习的网络拓扑重构方法、装置和设备 | |
Lai et al. | A scalable digital twin framework based on a novel adaptive ensemble surrogate model | |
Dong et al. | Neural network-based chaotic crossover method for structural reliability analysis considering time-dependent parameters | |
Lisnianski | Estimation of boundary points for continuum-state system reliability measures | |
CN111881629B (zh) | 一种气动热-结构热传导耦合非线性降阶模型方法 | |
Chandra et al. | A discrete event systems modeling formalism based on event occurrence rules and precedences | |
McDaid et al. | Development of an ionic polymer–metal composite stepper motor using a novel actuator model | |
CN113469263B (zh) | 适于小样本的预测模型训练方法、装置及相关设备 | |
JP3219116B2 (ja) | 異常診断方法 | |
Wang et al. | Neural network and PSO-based structural approximation analysis for blade of wind turbine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230727 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230727 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230915 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7356773 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |