JPH03223933A - 情報処理システム - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、情報処理システム、警報情報処理システム及
び文字認識システムに関するものである。

〔従来の技術〕

情報処理システムの１つとして知識工学を利用した情報
処理装置であるエキスパートシステム（知識処理装置と
いう）が、種々の分野で用いられつつある。知識処理装
置は、知識ベース及び推論手段（推論機構ともいう）を
有する。知識ベースは、「ｉｆ・・・、　ｔｈｅｎ・・
・」のルールで表現されるプロダクション型の知識や、
及びフレーム構で表現されるフレーム型の知識等によっ
て構成される。

いずれの場合であっても、知識処理装置は、ルールとし
て与えられた入力情報に対しては適切な出力結果を出力
するが、情報処理に対して該当するルールがない場合に
は回答を出力しない。

これに対して、神経回路を模擬したニューラルネットは
、ルールとして表現しずらいパターン的な情報及びアナ
ログ的情報等が入力されたときに、学習済みのデータを
もとに、入力情報がどの学習済みのデータに近いかを判
断して、その結果を出力する。

ニューラルネットとエキスパー１〜システムの組合せの
１つとして、日立評論、ＶｏＱ、７１．Ｎｎ８゜９１〜
９６頁（１９８９年８月）の第１０図は、ニューロコン
ピュータの出力をファジィ推論を適用したエキスパート
システムに入力する知能形診断システムを述べる。この
システムでは、ニューロコンピュータは、エキスパート
システムの前処理手段として用いられる。更に、日経コ
ンピュータ、１９８９，１．２．５３〜６１頁、ｒＥＳ
との組合せで実用化が見えてきたニューロ」の５７頁、
左欄の下部にも、ニューラルネットワークをエキスパー
トシステムの前処理に用いることが記載されている。

〔発明が解決しようとする課題〕

前述のニューラルネットをエキスパートシステムの前処
理として用いる場合、エキスパートシステムはニューラ
ルネットの出力を用いて推論を実行するだけである。

このような複合システムにおいても、得られる情報の確
信度を高めることが望まれる。

本発明の目的は、得られる情報の確信度を向上できる情
報処理システムを提供することにある。

〔課題を解決するための手段〕

上記目的は、ニューラル処理手段と、前記ニューラル処
理手段と並列に配置された、ルールを用いた推論を実行
するエキスパートシステムと、前記ニューラル処理手段
から出力された情報及び前記エキスパートシステムから
出力された情報の中から、出力すべき情報を選択する手
段とを備えることによって達成できる。

〔作用〕

ニューラル処理手段とエキスパートシステムによって並
列的に情報を処理するので、異なった観点での処理が実
行できる。このため、漏れなく情報を集めることができ
、その中から出力すべき情報を選択するので、出力され
る情報の確信度が向上する。

〔実施例〕

本発明の好適な一実施例である情報処理システムを、沸
騰水型原子炉に適用される警報情報処理システムに基づ
いて説明する。

１１− 第１図に示す本実施例の警報情報処理システムは、ニュ
ーラル処理手段３．知識処理手段２３及び２５、及び表
示警報決定手段２８を有する６本実施例は、上記以外に
、学習手段４．信号選択手段５２表示手段６．警報信号
記憶手段７．警報信号検索手段８．キーボードである入
力手段９．確認情報選択手段１０．確認情報記憶手段１
１９表示手段１２．異常監視手段１３及び警報発生順序
決定手段２７を有する。知識処理手段２３は、推論手段
１及び知識ベース２を有する。知識処理手段２５は、推
論手段２６及び知識ベース２Ｂを有する。知識ベース２
，２Ｂは、推論に必要な知識であるルールを記憶する。

それらの知識処理手段は、エキスパートシステムである
。なお、検出器１４は、多数膜けられ、それぞれプラン
トのプロセス量である状態量（原子炉圧力、原子炉水位
及び中性子束等）を検出する検出器である。異常監視手
段１３は、検出器１４と１対１に対応しないが複数設け
られる。

検出器１４で検出された状態量は、プロセス信１２− 号２２としてニューラル処理手段３及び異常監視手段１
３に入力される。異常監視手段１３は、入力したプロセ
ス信号２２の値と該当するプロセス信号の設定値とを比
較し、入力したプロセス信号２２の値が設定値で規定さ
れた範囲を逸脱したときに、該当する警報信号２１を出
力する。この警報信号２１は、信号選択手段５及び警報
発生順序決定手段２７に伝えられる。検出器１４として
、オン信号、オフ信号を出力する、リミットスイッチ、
リレー及び開閉スイッチ等の動作を検出するものも用い
ら九る６リミツトスイツチ等が設けられる対象に応じて
、オフ信号及びオン信号の一方が警報信号２１Ａとなる
。保護装置の動作の検出も、リレー等の検出器１４で行
われる。警報信号２１Ａは、ニューラル処理手段３に出
力され、異常監視手段１３を介してそのまま警報発生順
序決定手段２７及び信号選択手段５に伝えられる。異常
監視手段１３は、入力した警報信号２１Ａをそのまま通
過させるだけである。Ｓｌ］識処理手段２５とは別に警
報信号２１Ａ専用の３つ目の知識処理手段を設ける場合
、これの前段に異常監視手段１３を設ける必要がない。

ニューラル処理手段３の詳細な構成を、第２図に基づい
て説明する。ニューラル処理手段３は、ニューラルネッ
ト３Ａ、入力手段３Ｂ、比較手段Ｃ，〜Ｃｎ、切換手段
５１ｓ−８ｚｒ、５２ｘ−８ｘ、及び５ｉｔｚ〜ＳｋＩ
を有する。ニューラルネット３Ａは、入力層に位置する
複数のユニット１４．中間層に位置する複数のユニット
１５、及び出力層に位置する複数のユニット１６を含む
。各層間において各ユニットはネット状に結合される。

入力手段３Ｂは、メモリユニットＭ１．〜Ｍｉｌｌ　Ｍ
２１〜Ｍ２．１及びＭ　ｋｔ〜ＭｋＩ、サンプリング手
段ＳＭ１〜ＳＭｂ。

及びサンプリングタイミング制御手段２０を含む。

サンプリング手段ＳＭｚ〜ＳＭｋは、該当する検出器１
４から出力された所定のプロセス信号２２をそれぞれ入
力する。すなわち各サンプリング手段は、異なるプロセ
ス信号を時系列的に入力する。

しかし、各サンプリング手段は、同一時刻でのプロセス
信号の値（プロセス情報）を入力する。プｒｊｔ、！ス
ｒ？−！７．のイ直Ｘ１ｉ・−Ｘ＋＋、Ｘ２＋−Ｘ２＋
−、）ＩｔびＸ　ｋｈ　＝−’　、”　Ｉｔ　１は、二
、１−＝／　ルネツ１−３Ａに入力さり。

？、１・ｊｉ＼１１−　Ｘｉ＋！よ、□：゛ンプリング
手段Ｓｈ＋ｉ　ｉ　Ｋ３十、っ−ｒガン・ブリニノグネ
九だもので、Ｅ６４図に示す原子炉水位のデータである
。値Ｘｘｘ−，Ｋ・・は　トトンブリンビノ手段Ｓ　Ｍ
　２でガンプリングされへ危′ｌ、４図の中）；トｒ束
のデータである。図示されていないが値Ｘ３ｉ−Ｘａ＋
は、ガンプリング手１′９５Ｍ５　　Ｃ図示せず）でサ
ンプリングされた第４図の格納容器内のＩくライウェル
ＪＴ力のデータである。メモリユニットの機能を、メモ
リュニツＩ−Ｍ　ｔ　＋〜Ｍ　＋＋例にとって述べろ、
サンプリング゛手段Ｓ　Ｍ　１でサンプリングされたプ
ロセス信号の値は、メモリュニツＭ　１１からメモリユ
ニットＭ　ｓ　ｉに向って転送される。

従って、メモリユニットＭｘｘは時間ｔ１での値Ｘ１１
．メモリユニットＭ１２は時間ｔ２での値Ｘ１２゜・・
・、及びメモリユニットＭ　１１は時間ｔｌ　での値Ｘ
１１をそれぞれ記憶する。時間１　（＋＋１）では、値
Ｘ、ｔ（＋＋１）がメモリュニツ１〜Ｓ１．ｌに記憶さ
れ、これに伴ってメモリユニットＳＬ２〜ＳＩＩに記憶
されていたＸｉ、２〜Ｘｌｌは左側のメモリュツ１−に
移動して記憶される。このとき、メモリユツトＳｚｔに
記憶されていた値Ｘ１１は、消滅する。

切換手段Ｓ１１〜Ｓ１１１　Ｓ　２２〜Ｓ２１及びＳ２
ｉ〜Ｓ＋＋＋は、該当するメモリユニットと入力層の対
応するユニット１４を接続する。３切換手段がユニット
１４とメモリュニツ）〜を接続するときは、メモリユニ
ットに記憶された値が該当するユニット１４に入力され
る。これは、ニューラル処理手段３がプロセス信号２２
に基づいて通常の処理を行うデータ処理状態である。Ｙ
ｔ、Ｙ２・、及びＹ。

は、出力層の各ユニット１６の出力信号である。

ニューラルネット３Ａ自体は、ザ・エム・アイ・ティ・
プレス、パラレル・デイストリビューティト・プロセシ
ング（Ｔｈｅ　Ｍ丁Ｔ　Ｐｒｅｓｓ、　Ｐａｒａｌ−１
ｅ］Ｄｉｓｔｒｉｂｕｔｅｄ　Ｐｒｏｃｅｓｓｉｎｇ）
　、　１９８８年７版、Ｐ３１８〜Ｐ３６２に詳しく述
べられている。その基本的な考えを、以下に示す。第３
図は、ニューラルネットの１つのユニツ１−のモデルを
示す。

ここで、ユニットの入力信号をＸｉ、Ｘ２・・・Ｘｌ・
・・−１飄 Ｘｎとし、ユニット間（あるいは層間）の結合の重み係
数をＷｌ、　Ｗ２・・・Ｗｌ・・・Ｗｎとし、重み係数
は（−の、＋ω）の範囲の値をとるとする。ここで、ｉ
番目の入力信号Ｘ１　からユニットに伝わる入力Ｕｌ　
を（１）式で表わすと、ユニットへの総力Ｕは（２）式
のようになる。

Ｕ　＋　＝　Ｗ　ｔ　Ｘ　ｔ　　　　　　　　　　　　
　・・・（１）Ｕ＝Σ　ＵＩ　　　　　　　　　　　　
　　　　　・・（２）ｉ＝１ また、ユニットの出力であるＹは（３）式で定義される
。

ま ただし、Ｕｏはバイアス値である。

ニューラルネット３Ａは、前述のユニットモデルを層状
に配置し、各ユニットからの出力信号を次層の各ユニッ
トへの入力信号として用いる。

ニューラル３Ａは、学習によって重み係数（Ｗｓｓ〜Ｗ
１２・・・Ｗニー＋　Ｗｋｔ、　Ｗｋ２・・・Ｗｈｔ等
）を決定する。すなわち、入力層の各ユニットに予め定
メタフロセス情報（Ｘ１１−Ｘｌｌｌ　Ｘｈｔ−Ｘｋ＋
）を与えたときに、出力層からの出カバターン信号１８
が所定のパターン、つまり教師信号１７Ａとなるように
、各ユニット間の重み係数が修正される。このためのア
ルゴリズムは、前述の文献に示されており、バックプロ
パゲーション法と呼ばれる。ニューラルネット３Ａは、
バックプロパゲーション法を用いて作成されている。

ニューラルネット３Ａの学習を詳細に説明する。

学習を行う旨の信号は、利用者により学習手段４に入力
される。学習手段４は、その後、制御信号１７Ｃを出力
する。制御信号１７Ｃは、切換手段Ｓ１ｔ〜Ｓｔｔ、Ｓ
２ｉ〜Ｓ２を及びＳｋｔ〜Ｓｋｉに入力される。この時
、各切換手段は、ユニット１４とメモリユニットとの接
続関係を切離してユニット１４と学習手段４とを接続し
、ニューラルネット３Ａを学習状態にする。学習手段４
から出力された教師信号１７Ａは、比較手段Ｃ１〜ｃｏ
に入力される。学習手段４から出力されたサンプル信号
１７Ｂは、各切換手段を介して各ユニット１４に入力さ
れる。中間層のユニット１５及び出力層のユニット１６
は、サンプル信号に対応して（３）式より得られる出力
信号を出力する。比較手段Ｃ１〜Ｃｎは、教師信号１７
Ａの各信号Ｙ１′〜Ｙｎ′とサンプル信号に対するニュ
ーラルネット３Ａの出力信号Ｙ１〜Ｙｎとの偏差を求め
る。更に、比較手段Ｃｓ〜Ｃｎは、その偏差が小さくな
るように、重み係数Ｗ　ｈ　１１　Ｗ　ｂ　ｘ・・・Ｗ
ｈｔ等を修正する修正信号１９Ａ、及び重み係数Ｗ　１
１．　Ｗ　ｓ　２・・・Ｗ　ＩＪ等を修正する修正信号
１９Ｂを出力する。これらの重み係数の修正は、上記偏
差が所定の値になるまで実行される。一般に、この値は
利用者が選択する。

学習に用いるサンプル信号と、教師信号の例を以下に示
す。第４図〜第６図は、プラントの異常事象とサンプル
信号との関係を示す。この例では。

ニューラルネット３Ａの入力であるＸ　ｌｔは原子炉水
位、Ｘ２１は中性子束、Ｘｓ＋はドライウェル圧力の各
データである。しかもｉは５であり、ｋは３である。時
間ｔ１のサンプル信号の各々のプロセス値は、Ｘ１工、
　Ｘｘｘ、　Ｘｓｌである。時間ｔ２では１９ム プロセス値はＸ１２１　Ｘ２２１　Ｘ３２１・・・、時
間ｔ５ではプロセス値はＸｚｓ、　Ｘ２５．　Ｘａ５で
ある。更に、各プロセス値は、プラントの定格時を基準
にとり、相対的な値として表現される。例えば、第４図
の給水加熱喪失事象のサンプル信号に対する教師信号１
７ＡはＹｔ’　＝　１　ｒ　Ｙ２’　＝　Ｏ＋　Ｙａ’
　＝　Ｏとする。第４図〜第６図の例では異常事象が３
つであるため、ｎ＝３となる。次に、第５図の給水制御
系異常事象のサンプル信号に対する教師信号１７ＡはＹ
ｚ’　＝＝１．Ｙｚ’　＝１．Ｙ８’　＝Ｏとする。第
６図の原子炉の炉水漏洩事象のサンプル信号に対する教
師信号１７ＡはＹｌ’　＝１．Ｙ２’　＝０、Ｙ３’：
１　　とする。従って、学習状態で、上記の各サンプル
信号と教師信号全てに対して学習され、ニューラルネッ
トの重み係数が決定される。

ニューラル処理手段３内に設けられた学習成果判定手段
（図示せず）は、比較手段０１〜Ｃｎで得られた誤差を
入力してニューラル処理手段３の学習の度合を算出する
。この学習度合は、学習手段４のそばに設置された表示
手段（図示せず）に表２０− 示される。第７図はその表示例である。第７図は、この
学習時におけるサンプル信号と教師信号の偏差、つまり
誤差を学習回数との関係で示す。学習度合を表示するこ
とによって、利用者は学習の収束状態を容易に確認でき
る。ここでは、誤差が０．１　以下であれば学習が収束
したと判断する。

この状態になると、ニューラルネット３Ａは十分に学習
したといえる。つまりニューラルネット３Ａは学習回数
を多く覚えたことになる。もし、学習が発散している場
合は、サンプル信号と教師信号を再設定する。これによ
りニューラルネット３Ａの作成を効率的にできる。

学習されたニューラルネット３Ａを用いて、第４図〜第
６図と同一のサンプル信号を学習手段９から与えたとき
の出力信号Ｙ１〜Ｙ３の値を測定した結果、次のように
なった。第４図の給水加熱喪失事象では、Ｙｚ＝０．９
４．Ｙｚ＝０．０６．Ｙａ＝ｏ、ｏｉ　　となる。これ
は、当然のことながら教師信号１７Ａとほぼ同じ結果と
なる。第５図の給水制御系異常事象ではＹｚ＝０．０６
．Ｙｚ＝０．９４゜Ｙａ＝０．０３となり、第６図の原
子炉の炉水漏洩事象ではＹ１＝０．０２．Ｙ２＝０．０
２．Ｙ３＝０．９８　となった。

次に、第４図において、（Ｂ）の中性子束が２倍の変化
で上昇した場合の値をＸ２１＝１．０゜Ｘ２Ｚ＝１．１
．Ｘ２３＝１．２．Ｘｚ４＝１．３．Ｘ２５＝１．４　
とし、原子炉水位及びドライウェル圧力は第４図（Ａ）
及び（Ｃ）のままとした結果、ニューラルネット３Ａの
出力はＹｚ＝０．９１．Ｙ２＝０．０９．Ｙｓ＝０．０
９　　となる。これは、教師信号１７Ａとほぼ同じ値で
ある。ニューラルネット３Ａの出力は、入力信号の増減
の変化率にはあまり影響されず、入力信号の増減のパタ
ーンによって出力が決定される。

第６図において、原子炉水位及びドライウェル圧力の変
化開始時間が遅れた場合を想定して、Ｘｚｚ＝１．０．
Ｘｘｚ＝１．Ｏｔ　Ｘ１８：０．９５゜Ｘ１４＝０．９
．Ｘ１Ｂ：０．８５１　Ｘ８１＝０．０１Ｘｓｘ＝　Ｏ
、Ｏ、Ｘ、ｓｓ＝　０．２　、　　Ｘａ番＝０．４．Ｘ
１ｓ＝０．６　とし中性子束は第６図（ｂ）のままとし
た結果、ニューラルネットの出力は、Ｙ＋、＝０．０８
゜Ｙ２＝０．０６．Ｙ３＝０．８４となった。これも教
師信号１７Ａとほぼ同じ値である。この結果、ニューラ
ルネット３Ａの出力は、入力信号相互の時間的ずれには
あまり影響されず、入力信号の増・減のパターンによっ
て決定されることが分かる。

ニューラルネット３Ａは、前述したように、入力信号の
パターンによってプラントの異常事象を判定できる。知
識工学を用いてプロセス信号２２情報をもとにプラント
の状態を判定する場合には、各プロセス信号の値とその
ときのプラントの事象との関係を示す知識であるルール
を作成する必要がある。前述のように、ある信号の変化
の大きさのみが異なった場合を同一事象とみなすために
は、それに対応する知識をそれぞれ用意する必要がある
。これらの知識の作成は、知識ベースに記憶すべき知識
の量を非常に多くなる。従って知識作成に多大な時間を
要する。また必要とする知識の量が多いので一部の知識
の作成を忘れる可能性もある。これに対して、ニューラ
ルネット３Ａの使用２３− は、プロセス信号の変化量の多少の違い、及び各プロセ
ス信号間の時間的ずれにはあまり影響されずに、そのよ
うなあいまいな情報に基づいても、プラン１〜の異常事
象を正確に求めることが可能となる。上記変化量の違い
が含まれるノイズによる場合でも、プラントの異常事象
を正確に求めることができる。本実施例は、学習手段４
を有しニューラル処理手段３も学習できる構成を有する
ので、ニューラル処理手段３は新たに発生した異常事象
も容易に学習できる。従って、本実施例は、新しい異常
事象に関する処理にも、容易に対応できる。

新しい異常事象に対して新たに作成すべき知識の量は、
ニューラル処理手段３がない場合に比べて著しく少ない
。

学習が終了したとき、切換手段Ｓ１．１〜Ｓ＋□。

Ｓ２１〜Ｓ２１及びＳｋ１〜Ｓ＋＋＋は、学習状態の接
続から通常のデータ処理状態の接続に切換ねる。

前述のようにサンプリング手段によって取込まれたプロ
セス信号２２の値は該当するメモリュニツ１−に順々に
転送されるので、ニューラルネツｌ−４ ３Ａの入力層の各ユニット１４は、同じ時刻で同時に各
プロセス信号の値を入力する。従って、プラントの機器
の動作遅れによってプロセス信号の値開に多少の時間的
なずれが発生しても、これ以上ずれが大きくならないの
で、前述したようにニューラルネット３Ａはそのような
あいまいな情報に基づいても異常事象を正しく判断でき
る。更に、ニューラルネット３Ａは、入力信号の値に重
み係数に掛けて得られた値を用いて出力を得るので、あ
いまいな情報に対しても処理速度が極めて早い。

特に本実施例はプラン１への生データである複数のプロ
セス信号のパターンをニューラル処理手段３によって判
定し異常事象を求めるので、得られた異常事象はひじよ
うに精度の高いものとなる。

通常のデータ処理状態において得られたニューラル処理
手段３の出力Ｙｌ、Ｙ、、・・、Ｙｎは、出力層の各ユ
ニット１６より推論手段１に入力される。

本実施例で用いる知識処理手段２３は、推論手段１及び
知識ベース２を含む。知識ベース２は、少なくとも３種
類の知識を記憶する。第１の知識は、プロダクションタ
イプのルールであり、ニューラル処理手段３の出力のパ
ターンとプラントの異常事象を関係づけるものである。

この知識は、第４図の異常事象を例にとれば、 ’１ｆ（０，９＜Ｙｘ＜１．１＋　　０．１＜Ｙ２＜０
．１゜ａｎｄ　−０，１＜Ｙａ＜０．１）　、　ｔｈｅ
ｎ　（給水加熱喪失）」と表わされる。

第２の知識は、ジャーナル　オブ　インフォメーション
　プロセッシング（Ｊｏｕｒｎａｌ　ｏｆ　Ｉｎｆｏｒ
−ｍａｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ）　、　Ｖｏｆ
ｌ　７．　Ｎｎ３．１９８４゜ｐ］４３〜１４８のｐ１
４４の３．１項に示された構造（ｓｔｒｕｃｔｕｒｅ）
に関する知識（以下、構造の知識という）である。例え
ば沸騰水型原子炉に対する構造の知識は、そのプラン１
−に含まれる機器。

部品の接続関係の知識を含む。その−例は、（ｃｏｎｎ
　（ｏｕｔｐｕｔ　Ｉ　Ｇ）　（ｉｎｐｕｔ　２　Ａ）
）である。この知識は、一種のルールである。ＩＣを「
給水配管」、２Ａを「原子炉圧力容器」とすれば、その
知識は、「給水配管の出力端と原子炉圧力容器の入力端
が接続されるｊとなる。構造の知識の他の例に、「原子
炉圧力容器の出力端は主蒸気配管の入力端に接続される
」。及び「給水ポンプの出力端は給水配管の入力端に接
続される」等がある。このような知識で第８図に示す沸
１１１７Ｊ＜型原子炉の構造が表現される。

第３の知識は、プラントの制御及び操作等の動作を含む
プラントの作用（１）ｅｈａｖｉ、ｏｒ）に関する知識
（以下、作用の知識という）である。この知識は、前述
のジャーナル　オブ　インフオメーションプロセツシイ
ング、　Ｖｏｆｉ　７．　＆３（７）ｐ　１．４．４゜
右欄及びｐ１４５、左欄にかけて記載された３゜２項に
示される。本実施例で用いる第３の知識の例は、第９図
に示す。第３の知識も、プロダクションタイプのルール
である。

推論手段１は、第１０図に示された処理を実行する。ス
テップＩＡは、入力したニューラル処理手段３の出力Ｙ
ｌ、Ｙｌ・・、Ｙｎのパターンにマツチする条件部（ｉ
ｆ部）を有する第１知識を探索し、探索された第１知識
の結論部（ｔｈｅｎ部）を結２７ 果として得る。この結論部の内容が、ニューラル処理手
段３の出力に対応する異常事象である。このようにして
、ニューラル処理手段３で得られた異常事象７不同定さ
れる。得られた異常事象が、表示手段６に出力される（
ステップＩＢ）。その異常事象は、来示手段６に表示さ
れる。

次にステップ１Ｃの処理が実行される。すなわち、ステ
ップＩＡにおいて同定された異常事象（以下、同定異常
事象という）及び、第３知識を用いて推論を行い、同定
異常事象から波及して生じる異常事象（以下、波及異常
事象という）を推定する。このステップＩＣの処理は、
同定異常事象、すなわちニューラル処理手段３の出力に
基づいた波及異常事象の予測処理であるとも言える。

ステップＩＣの処理を具体的に述べる。ニューラル処理
手段３の出力が、Ｙ１＝０．９４．Ｙｚ＝０．０６及び
Ｙａ＝０．０１　　であったとする。ステップＩＡで同
定された異常事象すなわち「給水加熱喪失」を条件部に
有する第３知識を探索し、更に検索された第３知識の結
論部を条件部に有する８− 第３知識を探索する。このような探索が繰返えされ、該
当する波及異常事象が求められる。「給水加熱喪失」に
対する波及異常事象として、「中性子高・高」、「原子
炉スクラム」及び「プラン１−・トリップ」が得られる
。

ステップＩＤにおいて、同定異常事象及び波及異常事象
に基づいて、表示すべき重要な警報信号（表示警報信号
という）が決定される。この表示警報信号の決定にあた
っては、知識ベース２に記憶された第２知識及び第４の
知識が用いられる。

第４の知識は、沸騰水型原子炉における表示警報信号の
決定ルールである。この第４知識は、表示警報信号とし
て、同定異常事象に関係する警報信号（第１表示警報信
号）、最初にプラント・トリップを引起こす主要因を示
す警報信号（第２表示警報信号）、及びプラント・トリ
ップにより生じた警報信号のうち所定の重要な警報信号
（第３表示警報信号）を規定する。第１表示警報信号は
、同定異常事象に係わる装置に対する警報信号である。

第１表示警報信号は、第２知識に基づいて決定される。

同定異常事象である「給水加熱喪失」は、給水配管に設
けられた給水加熱器の機能喪失である。給水加熱器に接
続された系統及び機器を、第２知識を用いた推論によっ
て求める。蒸気油気系及びドレイン系、及びこれらの系
統の構成部品が、該当する系統等である。推論手段１に
入力される警報信号２１及び２１Ａのうちこれらの系統
及び部品に関する警報信号に基づいてプラントの異常個
所を求める。この異常個所に関する警報信号が第１表示
警報信号である。第２表示警報信号は、ステップＩＣで
得られた波及異常事象に基づいて求められる。すなわち
、プラント・トリップの要因となる「原子炉スクラム」
、「主蒸気隔離弁トリップ」、「タービントリップ」ま
たは「発電機トリップ」の直接原因となる要因が第２表
示警報信号である。「給水加熱喪失」に対する第２表示
警報信号は、原子炉スクラムの直接原因となる「中性子
束高・高」である。第３表示警報信号は、前述したプラ
ント・トリップの４つの要因のうち同定異常事象の波及
によって生じるものを除いた残りである。「給水加熱喪
失」に対しては、「主蒸気隔離弁トリップ」、「タービ
ントリップ」及び 「発電機トリップ」が第３表示警報信号となる。

ステップＩＤで得られた各表示警報信号は、表示警報決
定手段２８に出力される（ステップ］、Ｅ）。

以上で、推論手段１での処理が終了する。

ニューラル処理手段３の後段に知識処理手段２３を配置
することによって、新たな効果を生じる。すなわち、ニ
ューラル処理手段３は、あいまいな情報、特にアナログ
的またはパターン的なあいまいな情報に対しても情報処
理が可能であり、学習状態における入力情報とわずかに
違う情報が入力されても情報処理が可能である。ニュー
ラル処理手段３を用いてあいまい情報を非あいまい情報
に替ることによって、知識処理手段２３はその非あいま
い情報をもとにより深い推論を実行することができる。

従って、知識処理手段２３において詳細な情報処理が可
能となるので、ある解決すべき問題に対してより適切な
解（本実施例では適１ 切な表示すべき警報信号）が得られる。更に、知識ベー
スに記憶するル・−ル等の知識の量は、ニューラル処理
手段３がない場合に比べて少なくて済む。推論手段］で
行われる推論に要する時間も、知識量が少ない分だけ短
縮される。ニューラル処理手段３゛の情報処理によるプ
ラント異常事象の抽出は、知識処理手段２３における波
及異常事象の予測を可能にする。このため、表示すべき
警報信号を求めるための推論時間がより短縮される。異
常事象が発生したときに、それの直接の原因に基づく警
報信号が最も早く発生するとは限らない。

この理由は、個々の警報信号が互いに独立し、警報信号
のもとになるプロセス信号の変化の度合が異なり、警報
信号発生のしきい値も異なることにある。しかし、本実
施例は、発生する警報信号の順序に関係なく、表示警報
信号を適切に求められる。これは、ニューラル処理手段
３でブラント異常事象を求めていることにほかならない
。構造の知識及び作用の知識を用いて異常個所を摘出す
るので、異常個所の摘出に要する時間が短くなる。

３２ しかも、異常個所を適切な部分に絞り込むことができ表
示警報信号の決定の精度も向上する。

警報発生順序決定手段２７は、第１１図に示すように、
スキャナ２７Ａ及び発生順序決定手段２７Ｂを有する。

スキャナ２７Ａは、複数の異常監視手段１３及び検出器
１４から出力される警報信号２１及び２１Ａを順番に取
込む。発生順序決定手段２７Ｂは、タイマ機能を有して
おり、スキャナ２７Ａから出力される警報信号２１及び
２］Ａに発生時刻の情報を付与する。更に、発生順序決
定手段２７Ｂは発生時刻が付与された警報信号２１及び
２１Ａを発生時刻順に時系列的に整理する。異常監視手
段１３において警報信号２１及び２１Ａにその発生時刻
を示す情報を付与する場合には、発生順序決定手段２７
Ｂは、発生時刻を付与せず警報信号２１及び２１　Ａを
時系列的に整理するだけである。第１２図は、警報信号
２１及び２１Ａを時系列的に整理した例を示す。主蒸気
止め弁トリップは、主蒸気閉め弁が１０％閉鎖したこと
をリミットスイッチで検出して得られる警報信号２１Ａ
である。時系列的に整理された各警報信号２１及び２１
Ａは、知識処理手段２５の推論手段２６に入力される。

推論手段２６は、第１３図に示された処理を実行する。

知識ベース２Ｂは、前述した第２知識及び第３知識を記
憶すると共に第６の知識を記憶する。第６知識は、警報
信号２１及び２１Ａの情報に基づいた場合の表示警報信
号の決定ルールである。第６知識は、表示警報信号とし
て、前述の第２及び第３表示警報信号、最初に発生した
警報信号（最初の警報信号という）、及び最初の警報信
号を誘発する警報信号（第４表示警報信号という）を規
定する。第４表示警報信号は、最初の警報信号を誘発す
る警報信号であり、異常個所に関する警報信号である。

この第３表示警報信号は、前述の第１表示警報信号に相
当する。表示された最初の警報信号は、ステップＩＢに
より推論手段１から表示手段６に出力される異常事象に
相当する。

推論手段２６は、ステップ２６Ａで警報発生順序決定手
段２７から出力された警報信号２１及び２１Ａのうちで
発生時刻が最も古い最初の警報信号を抽出する。ステッ
プ２６Ｂは、この最初の警報信号をもとに第２及び第３
知識を用いて推論を行い、プラントの異常個所を推定す
る。ステップ２６Ａで抽出された最初の警報信号が「原
子炉水位低・低」であった場合を例にとって、ステップ
２６Ｂの処理を具体的に説明する。まず最初の警報信号
を結論部に有する第３知識を探索し、得られた第３知識
の条件部を取出す。「原子炉水位低・低」に対してはＮ
α６及び７（第９図）の第３知識が該当し、それらの条
件部「給水能力低下」及び「冷却材喪失事故」を取出す
。次に、取出された条件部が複数ある場合には、警報発
生順序決定手段２７から入力した警報信号に基づいて適
切な異常事象を規定する条件部を選択する。警報信号に
、冷却材喪失事故を示す警報信号が含まれていなく、給
水能力低下を示す警報信号（例えば給水流最低）が含ま
れていたとする。このとき、「給水能力低下」が選択さ
れる。選択された条件部に関連する機器、配管または系
統が第２知識を用いた推論に−３！ｌＩ’− より特定される。すなわち、「給水能力低下」は給水に
関係するので、給水配管、給水ポンプ及び給水制御系等
の構造が特定される。特定された構造に関する警報信号
が抽出される。抽出された警報信号が１つしかない場合
は、その警報信号に関する部分が異常個所となる。抽出
された警報信号が複数ある場合には、抽出された警報信
号を起点として第３知識を用いた前向き推論を行う。こ
の推論の過程で前述の選択された条件部（給水能力低下
）を結論部に有する知識が選択されたとき、起点となっ
た警報信号に関係する部分が異常個所となる。給水に関
係する構造に対する警報信号が「給水ポンプ異常」だけ
である場合、異常個所は給水ポンプとなる。

ステップ２６Ｃは、第６知識に基づいて表示警報信号を
決定する。前述の具体例で言えば、最初の警報信号が「
原子炉水位低・低」、第２表示警報信号が「原子炉水位
低・低」、第３表示警報信号がｒ主蒸気隔離弁トリップ
」、「タービントリップ」及び「発電機トリップ」及び
第４表示警報信３６ノ 号が「給水ポンプ異常」となる。第２及び第３表示警報
信号は、第１０図のステップＩＤと同様に求められる。

決定された表示警報信号は、表示警報決定手段２８に出
力される（ステップ２６Ｄ）。

知識処理手段２５は、知識処理手段２３によって得られ
た表示警報信号に含まれない新たな表示警報信号（例え
ば、第４表示警報信号）を得ることができる。

表示警報決定手段２８は、知識処理手段２３及び２５で
決定された表示警報信号を入力し、それらに基づいて表
示警報信号を最終的に決定する。

すなわち、表示警報決定手段２８は、知識処理手段２３
及び２５から出力された表示警報信号のうち、これらの
論理和によって得られる表示警報信号を出力すべき表示
警報信号として選択する。表示警報決定手段２８で決定
された表示警報信号の数は、知識処理手段２３及び２５
単独で得られたその数よりも多くなる。表示警報決定手
段２８で決定された表示警報信号は、信号選択手段５に
出力される。信号選択手段５は、入力した表示警報信号
に該当する警報信号２１及び２１Ａを選択して表示手段
６に出力される。該当しない他の警報信号は、表示手段
６への表示が取止められる。選択された表示すべき警報
信号２１及び２１Ａが表示手段６に表示される。表示手
段６に同定異常事象及び上記選択された警報信号が表示
されるので、利用者（運転員）は、プラントに発生した
異常事象及びプラントの運転・監視の上で重要な警報信
号を容易に理解できる。更に利用者は、異常事象の原因
を表示内容から適格に把握でき、その後の対応操作を適
格にしかも早く実行できる。

信号選択手段５によって表示が取止められた警報信号は
、警報信号記憶手段７に記憶される。表示が取止められ
た警報信号は、副次的に、発生する警報信号である。「
給水加熱喪失」を例にとれば、スクラム発生後に生じる
スクラム排出容器の水位高、原子炉水位低・低、及びＬ
ＰＲＭの下限等がある。利用者は、警報信号を見たい異
常事象を入力手段９より入力する。警報信号検索手段８
は、入力手段９の出力に該当する異常事象に関係して表
示を取止めた警報信号を警報信号記憶手段７から検索す
る。検索された警報信号が、表示手段６に表示される。

警報信号記憶手段７及び警報信号検索手段８を有するの
で、異常事象への対応が終ってプラン１へが安定した時
点で全ての警報信号を確認できる。このため、それらの
警報信号に対する処置が必要な場合には、対応が容易で
ある。

確認情報記憶手段１１は、異常事象に対して確認するの
に必要な情報、対応操作情報及び系統構成図等の図面情
報を記憶している。確認情報選択手段１０は、信号選択
手段５で選択された警報信号を入力し、その信号に関連
する情報を確認情報選択手段１０より検索する。検索さ
れた情報は、表示手段１２に表示される。これによって
、利用者は、該当する異常事象に対して確認すべき情報
、及び対応操作情報を容易に知ることができる。これは
、その後の対応操作を行うにあたっての利用者の負担を
軽減することにつながる。

本実施例は、ニューラル処理手段３及び知識処理手段２
３を含む第１の情報処理手段と、これと３９ 並列に配置された異常監視手段１３及び知識処理手段２
５を含みニューラル処理手段を含まない第２の情報処理
手段を備えているとも言える。第１情報処理手段は、同
時に入力された複数の人力情報の群によって表現された
第１情報を取り出し、この第１情報及び知識を用いた推
論により所定の問題の解である新たな第２情報を得る手
段である。

第１情報はニューラル処理手段３によって、第２情報は
知識処理手段によってそれぞれ得られる。

第２情報処理手段は、第１情報処理手段に入力される入
力情報を入力すると共に入力情報毎に該当する入力情報
の特異な状態を示す第３情報を生成し、この第３情報及
び知識を用いた推論により前述の所定の問題の解である
新たな第４情報を得る手段である。入力情報の特異な状
態を示す第３情報とは、本実施例では例えばしきい値を
越えたことを示す警報信号である。第３情報は異常監視
手段１３によって、第４情報は知識処理手段２５によっ
てそれぞれ得られる。このような本実施例は、入力され
る情報を異なる観点から処理することが０ でき、所定の問題の（本実施例ではプラント異常時にお
ける表示警報信号を特定するという問題）の解を幅広く
得ることができる。

本実施例の警報情報処理システムは、ニューラル処理手
段の有無により第１及び第２情報処理手段での処理内容
が異なる。従って、各々の情報処理手段は、互いに異な
る解、すなわち異なる表示警報信号を得ることができる
。従って、本実施例は、所定の問題に対する解の漏れを
少なくできる。

前述したリミットスイッチ等の動作で生じた警報信号２
１Ａが、警報発生順序決定手段２７で最初に発生した警
報信号であると決定された場合、推論手段２６は、その
警報信号２１Ａに基づいてステップ２６Ａ〜２６Ｄの処
理を実行する。警報信号２ＬＡが最小に発生する例とし
ては、主蒸気止め弁の制御装置の異常により主蒸気止め
弁が最初に１０％閉鎖する場合がある。以上のことを考
えると、本実施例は、前述の第１情報処理手段と、知識
処理手段２５を含みニューラル処理手段を含まず、第１
情報処理手段と並列に配置された第３情報処理手段を備
えているとも言える。このような第１及び第３情報処理
手段は、異なる処理を行い、所定の問題に対する異なる
解を得る。従って、所定の問題に対する解（表示警報信
号）を幅広く得ることができる。

本実施例は、並列配置の各情報処理手段が互いに他の情
報処理手段で得られた情報を補足している。

表示警報決定手段２８は、２つの知識処理手段から出力
された解のうち必要な解を選択する手段でもある。本実
施例の表示警報決定手段２８は、安全上の観点から表示
警報信号の漏れを少なくしたいとの理由で論理和によっ
て選択する。

本実施例の第１情報処理手段は、知識処理手段の利点を
生かしあいまいな情報の処理を効率的に行うことができ
、目的とするより適切な解が得られる。従って、異常事
象に対して表示される警報信号の数を著しく低減できる
。必要最小限の警報信号の表示は、利用者によるプラン
トの運転、監視にとって好ましいものである。

本実施例は、ニューラル処理手段を含む情報処理手段、
及びこれと並列に配置された、ニューラル処理手段を含
まず知識処理手段を含む他の情報処理手段から出力され
た情報の中から出力すべき情報を選択する。従って、選
択された情報の確信度は高い。

表示警報決定手段２８は、並列に配置されて情報処理手
法が異なる２つの情報処理手段の各出力をもとに、表示
すべき警報信号を決定する。この決定において、表示警
報決定手段２８は、各情報処理手段の出力情報を互いに
補って表示すべき警報情報を求める。両者の情報処理手
段の出力情報は、互いに一致するものと不一致のものと
がある。

表示警報決定手段２８の論理和の機能により、不一致の
ものについても表示すべき警報情報として扱うことがで
きるので、プラント運転監視上より安全性を高めること
ができる。つまり、一方の情報処理手段２５では得られ
ない情報を、他方の情報処理手段によって補足すること
ができる。

表示警報決定手段２８自体も知識処理手段によ４３一 つて構成してもよい。この場合には、両方の情報処理手
段の出力（表示すにき警報信号）をもとに、真に表示す
べき警報信号を決定することができる。

例えば、ニューラル処理手段３及び知識処理手段２３を
含む情報処理手段によって警報信号Ａ、Ｂ及びＣを表示
すべき警報信号に決定したとする。

他方、知識処理手段２５を含む情報処理手段によって警
報信号り、Ｅ及びＦを表示警報信号に決定したとする。

更に、警報信号Ｆが、警報信号Ｃと因果関係を有し、警
報信号Ｃの従属関係にあるとする。このような場合は、
警報信号Ｃを表示警報信号として、警報信号Ｆを表示警
報信号にしなくてもよくなる。このように、表示警報決
定手段２８を知識処理手段とすることにより、両方の情
報処理手段の出力情報を互いに補って、新たな知見を得
る処理が可能となる。

なお、推論手段１のステップＩＤの処理で、第２知識の
替りに第３知識を用いて第１表示警報信号を求めること
もできる。この場合、知識ベース２に第２知識を記憶さ
せる必要はない。同定異常４４− 事象を結論部に有する知識を探索し、更に探索された知
識の条件部を結論部に有する知識を探索する。後者の探
索は、探索が不可能になるまでまたは所定回数繰返され
る。探索にて得られた全ての知識の条件部の各々に対応
する入力したプロセス信号に基づいて第１表示警報信号
を求める。この実施例は、前述の実施例に比べて第１表
示警報信号を求めるのに要する時間が長くなる。これ以
外は、前述した実施例と同じ効果が得られる。

本発明の他の実施例である警報情報処理システムを、第
１４図に基づいて説明する。本実施例は、第１図の実施
例の構成のうち信号選択手段５．知識処理手段２３，２
５、及び表示警報決定手段２８を信号選択手段５Ａ、知
識処理手段２３Ａ。

２５Ａ、及び非表示警報決定手段２８Ａに替え、確信度
判定表示手段３０を新たに設けたものである。知識処理
手段２３Ａ、２５Ａは、エキスパートシステムである。

知識処理手段２３Ａは、推論手段２４及び知識ベース２
を含む。推論手段１が表示する警報信号を決める手段で
あるのに対し、推論手段２４は表示しない警報信号（非
表示警報信号と称す）を決める手段である。推論手段２
４は、第１５図に示す処理手順を実行する。この処理手
順は、第１０図に示す処理手順のステップＩＡ〜ＩＤに
ステップＩＦ及びＩＧを付加したものである。知識ベー
ス２Ａは第１〜第４の知識以外に異常事東名を条件部に
その異常事象によって発生する全ての警報信号を結論部
に有する第５の知識を記憶する。ステップＩＤの後に実
行されるステップＩＦの処理で、同定異常事象及びその
第５知識を用いて、同定異常事象によって発生する全て
の警報信号を抽出する。この全ての警報信号のうちステ
ップＩＤで決定された第１．第２及び第３表示警報信号
を取除いた残りを、非表示警報信号に決定する。ステッ
プＩＦで決定された非表示警報信号が、非表示警報決定
手段２８Ａ及び確信度判定表示手段３０に出力される（
ステップＩＧ）。

知識処理手段２５Ａは、推論手段２９及び知識ベース２
Ｃを有する。知識ベース２Ｃは、第２゜第３．第５及び
第７の各知識を記憶する。第７知識は、最初の警報信号
を条件部に、最初の警報信ぢに関連する全ての警報信号
を結論部に有する知識である。推論手段２４］は、第１
６図に示づ処理￥Ｉｆｆｎ　３実行する。ステップ２６
Ａ〜２６Ｃの処理は、第１図の実施例と同じである。ス
テップ２６Ｅでは、最初の警報信号及び第７知識を用い
て、最初の警報信号にｌｙ１連する全ての警報信号を抽
出する。更にこの全ての警報信号のうちステップ２６Ｃ
で決定された表示警報信号を取除き、残りを非表示警報
信号に決定する。この非表示警報信号を非表示警報決定
手段２８Ａ及び確信度判定手段３０出力する（ステップ
２６Ｆ）。

本実施例も第１図の実施例と同様に異なった観点から非
表示警報信号を決定するので、より多くの非表示警報信
号を得ることができる。

非表示警報決定手段２８Ａは、知識処理手段２３Ａ及び
２５Ａから出力された非表示警報信号のうち、これらの
論理積で得られる非表示警報信号を選択して信号選択手
段５Ａに出力する。論理７ 積で非表示警報信号を選択する理１１１よ、非表示警報
信号の場合、一致したものを選択するほうが安全性が高
いからである。本実施例も、確信度の高い非表示警報信
号を選択できる。本実施例は、第１図の実施例と同じ効
果を生じる。

確信度判定手段３ｏは、知識処理手段２３Ａ及び２５Ａ
の出力を入力し、それらの信号に基づいて確信度を判定
する。両者の知識処理手段の出力が一致しているときは
、確信度が１００％である。

それらの出力の８０％が一致している場合には、確信度
が８０％となる。確信度判定手段３０は、得られた確信
度を表示手段６に出力する。利用者は、表示された確信
度を見た確認項目及び対応操作の範囲を容易に判断でき
る。

信号選択手段５Ａは、上記非表示警報信号に該当する警
報信号２１及び２１Ａを入力した警報信号２１及び２１
Ａから選択して警報信号記憶手段７に記憶させる。この
選択された警報信号２１及び２１Ａは、信号選択手段５
Ａから表示手段６に出力されない。非表示警報信号に該
当しない残り８ の警報信号２１及び２１Ａは、信号選択手段５Ａから表
示手段６に出力され、表示される。

本実施例も、第１図の実施例と同様に異常事象に対して
表示される警報信号の数を著しく減少できる。本実施例
は、第１図の実施例と同じ効果を生じる。

本発明の他の実施例である文字認識装置を、第１７図に
基づいて説明する。本実施例を説明する前に、本実施例
が適用される半導体素子の製造の概略を述べる。まず半
導体素子の母体となるウェハが作成される。このウェハ
への素子形成、ペレタイズ、マウント、ボンディング及
び封止の各作業が行われ、半導体素子が完成する。素子
形成工程におけるマスク工程でホトマスクを用いた露光
によりウェハに記号がつけられる。この記号は、文字列
を含む、製造される半導体素子の型式を示す番号である
。異なる型式の半導体素子を作らないように、各製造過
程でその記号を確認しながら該当するウェハに所定の加
工を施している。本実施例は、このウェハにつけられた
記号を認識するものである。

ウェハ３１に付された記号３２は、第１８図に示すよう
なものである。正規の番号は、全部で６文字で左から２
文字がアルファベット、残りの文字が数字であると仮定
する。ウェハ３１に付された記号３２は、顕微鏡カメラ
３３で撮影され、画像処理装置３４に送られる。画像処
理装置３４は、まず顕微鏡カメラ３３から入力された画
像信号から記号３２の画像信号を抽出する。その後、画
像処理装置３４は、以下の処理を実行する。抽出された
画像信号に対して、ノイズ除去、濃淡強調及び２値化の
各処理を施す。これらの処理により全文字（ｋ個、実施
例ではに＝６）に対する文字パターン３６を作成する。

文字パターンは、第１８図に示すように横がＭ細編がＮ
個の画素を有する２次元文字パターンＰ’ｚ（ｆｌ）（
ｉ＝１〜Ｍ、ｊ＝１〜Ｎ、Ｑ＝１〜ｋ）として得られる
。画像処理袋Ｗ３４は、各文字毎にＭＸＮ個の個々の画
素の情報を、ニューラル処理手段３に入力する。ニュー
ラル処理手段３は、各文字のパターンを学習しており、
入力した画素情報に基づいて該当する文字に対する出力
Ｙ１〜Ｙｎがニューラルネット３Ａの出力層の各ユニッ
トから出力される。知識処理手段３５（エキスパートシ
ステム）は、図示していないが推論手段及び知識ベース
を備える。知識処理手段３５に含まれる推論手段は、第
１９図の処理を実行する。この推論手段は、まず、ニュ
ーラル処理手段３の出力情報Ｙ１〜Ｙｎを取込む（ステ
ップ３５Ａ）。次に、知識ベースに記憶された第１図の
実施例に示す第１知識を用いて、入力した各文字毎の出
力Ｙ１〜Ｙｎを対応する各文字情報に変換する（ステッ
プ３５Ｂ）。

もし、半導体素子の作成過程であるマスク工程で用いる
ホトマスクに描かれたウェハの番号の部分に欠陥があり
、第２０図に示すような記号がウェハに付けられたとす
る。すなわち、左から２番目の文字がｒ１３Ｊか「６」
か判別できない状態にある。これらの文字の画像信号に
基づいて得られた２次元文字パターンの画素情報がニュ
ーラル処理手段３に入力される。ニューラル処理手段３
は５１− ２番目の文字に対してＹｚ＝０．６．Ｙｚ＝０．５゜Ｙ
３＝Ｏ，Ｏ及びＹ４＝Ｏ，Ｏを出力したとする。なお、
ニューラル処理手段３は、ｒＢ」に対してはＹに０．１
．Ｙ２＝Ｏ０Ｏ２Ｙ３＝○、Ｏ及びＹ４＝０．０　　を
出力し、「６」に対してはＹｚ＝Ｏ，Ｏ。

Ｙｘ＝１．０．Ｙ３＝Ｏ，Ｏ及びＹ４＝Ｏ，Ｏを出力す
ルトする。Ｙ１＝０．６．Ｙ２＝０．５．Ｙ１１＝０．
０及びＹ４＝Ｏ，Ｏを入力した推論手段は、ステップ３
５Ｂの処理で第１知識により２番目の文字がｒＢＪまた
は「６」であると判断する。その後、ニューラル処理手
段３の出力（Ｙｒ〜ｙ、）に該当する文字を特定できた
か否かが判定される（ステップ３５Ｃ）。ステップ３５
Ｃの判定がｒＮＯＪの場合は、ステップ３５Ｅに移る。

その判定がｒＹＥｓＪの場合はステップ３５Ｄが実行さ
れる。

２番目の文字がｒ１３Ｊまたは「６」であると判断され
た場合は、ステップ３５Ｄに移る。すなわち、知識ベー
スに記憶されている記号３２の特徴を示す知識、すなわ
ち「全部で６文字、左から２文字目まではアルファベッ
ト、左から３文字目以降は５２− 数字」を用いて推論が行われ、その結果、２番目の文字
はｒ１３Ｊであると判定される。この結果、文字列を含
む記号であるｒＨＢ７４２３Ｊの新たな情報が表示手段
６に出力される（ステップ３５Ｅ）。

このような本実施例は、ニューラル処理手段３が、１つ
のウェハに付された記号を形成する各文字をそれぞれ特
定できる情報を出力しない場合。

すなわち１つの文字に対して複数の文字情報（例えば２
番目の文字に対してｒ１３Ｊ及び「６」の文字情報）を
出力する場合、それらの文字情報を知識処理手段３５の
補足処理によって１つに特定することができる。本実施
例は、ニューラル処理手段が１つの文字に対して２つの
文字情報を出力した場合、知識処理手段３５がそれらを
１つの文字情報に特定する（または選択する）ものであ
る。

従って、本実施例において、知識処理手段３５から出力
される記号を示す各文字情報の確信度が著しく高い。換
言すれば、本実施例は、確信度の高い文字情報を出力で
きる。

本実施例においては、ニューラル処理手段３で得られた
情報にあいまいさ（１文字に対して２つの文字情報があ
ること）があっても、知識処理手段３５によって不足し
ている情報を補い、最終的には、明確な情報を得ること
ができる。換言すればニューラル処理手段３で得られた
情報が明確であるか否かを知識処理手段３５で確認し、
不明確な場合にはニューラル処理手段の出力を吟味し、
誤った情報を排除して正しい情報を出力することである
。例えば、上記例において、Ｙ１＝０．６゜Ｙｚ＝０．
５．Ｙｓ＝Ｏ，Ｏ，Ｙ４：Ｏ，Ｏの場合、ＹｌとＹｚに
有意な情報の存在を検出できる。この場合、ＹｚとＹｚ
の出力が共に有意な値が存在することはないと判断でき
る。次にＹｌに有意な値が存在する場合を吟味する。こ
の場合には「Ｂ」であるという結果が得られる。また、
Ｙｚに有意な値が存在する場合を吟味する。この場合に
は「６」であるという結果が得られる。ここで、第２文
字はアルファベットであるという知識を用いて判断する
と、「Ｂ」は正しく、「６」は誤りであるとなる。従っ
て、知識処理手段３からは、第２文字については「Ｂ」
であるという結果を出力できる。

このように、ニューラル処理手段の出力を知識処理手段
で確認して不足情報を補うことにより、効率的に明確な
情報を得ることができる。本実施例は、−見、ニューラ
ル処理手段の出力を基に知識処理手段で情報処理する構
造となっているが、機能的には、知識処理手段によって
、ニューラル処理手段の出力情報を補足あるいは確認す
るものである。

本発明の他の実施例である文字認識装置を、第２１図に
示す。本実施例は、画像処理装置３４の出力を並列配置
されたニューラル処理手段３及び知識処理手段４１に入
力する点、及び知識処理手段４２を設けた点で第１７図
の実施例と異なっている。それらの出力情報は、知識処
理手段４２に入力される。エキスパートシステムである
知識処理手段４１及び４２は、それぞれ推論手段４１Ａ
及び４２Ａ、及び知識ベース４１Ｂ及び４２Ｂを有する
。知識ベース４．１　Ｂは、画像処理装置３４５− の出力である画素情報（２次元文字パターン）を条件部
に含み、これに対応する文字を結論部に含むｉ、ｆ−ｔ
ｈｅｎタイプの知識（知識Ａ）を記憶する。

推論手段４１は、入力した画素情報を上記の知識を用い
て文字に変換する。ニューラル処理手段３は、第１７図
の実施例と同様な処理を行う。推論手段４２Ａは、第２
２図の処理手順を実行する。

まず、ステップ３５Ａ及び４３Ａで、ニューラル処理手
段３の出力情報及び知識処理手段４１の文字を入力する
。ステップ３５Ａの後にステップ３５Ｂが実行され、ス
テップ４．３　Ｂでステップ３５Ｂ及び４３Ａで得た文
字を記号単位で比較し、各文字の一致及び不一致を判定
する。一致した場合は、知識処理手段４２で得た文字を
選択しくステップ４３Ｃ）、ステップ３５Ｅで表示手段
６に出力する。ステップ４−３　Ｃの機能は、第１図の
表示警報決定手段２８に対応する出力すべき情報を選択
する手段である。ステップ４３Ｂの判定が「不一致Ｊの
場合は、ニューラル処理手段３の出力情報に対する処理
（ステップ３５Ｃ〜３５Ｅ）が実行−５６＝ される。本実施例の知識処理手段４２は、上記の選択手
段の機能と共に第１７図の知識処理手段３５の機能を併
せもっている。

本実施例は、ニューラル処理手段３及び知識処理手段４
１を並列配置することによって異なる観点から入力情報
を処理できる。異なる観点での処理による各出力情報を
ステップ４３Ｂ、４．３Ｃの処理を得て出力するので、
本実施例で得られる情報の確信度は高い。本実施例は、
ステップ３５Ｃ及び３５Ｄの処理を実行するので、第１
７図の実施例によって得られた効果も生じる。

本発明の他の実施例である文字認識装置を、第２３図に
より説明する。本実施例は、画像処理装置３４の出力は
、ニューラル処理手段３及び知識処理手段（エキスパー
トシステム）４４に入力される。ニューラル処理手段３
の出力も知識処理手段４４に入力される。知識処理手段
４４は、推論手段４４Ａ及び知識ベース４４Ｂを有する
。

推論手段４４Ａは、第２４図の処理手段を実行する。ま
ず、記号単位毎に、画像処理装置３４から出力された画
素情報を取込む（ステップ４５Ａ）。

前述の知識Ａを用いて上記画素情報を文字に変換する（
ステップ４５Ｂ）。１つの記号に対する全てが文字に変
換されたかを判定する（ステップ４５Ｃ）。この判定が
「Ｎｏ」の場合、第１７図の実施例と同様にステップ３
５Ａ〜３５Ｅが実行される。ステップ４５ＣがｒＹＥｓ
Ｊの場合、ステップ３５Ｅが実行される。

本実施例は、通常、知識処理手段４４で知識Ａによって
文字を認識し、文字を特定できない画素情報が入力され
た時にニューラル処理手段３によって候補にあげられた
情報のうち、１つの情報を知識処理手段で他の知識（記
号の特徴を示す知識）により決定する。本実施例は、第
１７図の実施例の効果も生じる。

第２５図は、本発明の他の実施例である情報処理システ
ムである。本実施例は、知識処理手段４６とニューラル
処理手段３とを並列的に配置し、画処理手段からの出力
情報を選択する情報選択手段４７を有する。

知識処理手段４６の推論手段４．６　Ａは、入力情報が
ルール化した知識と合致する場合に、適切な解（確信度
１）を出力する。しかし、入力情報に欠落がある場合は
、出力する解の確信度が低下する。従って、ルール化し
た知識とかけ離れた人力情報が入力されると、全く解を
出力しない。このとき、確信度はゼロであると表現する
。このように、知識処理手段４６の出力である情報は信
頼度を示す確信度の情報と共に出力される場合が多い。

一方、ニューラル処理手段３は、前述したように、学習
結果に対して、どの程度一致するかを示した情報を出力
する。従って、この情報そのものが確信度を表わす。そ
こで、確信度が高い情報を情報選択部４７によって選択
し、これを出力信号として出力する。情報選択手段４７
で情報選択のために実施される処理手順（ステップ４７
Ａ〜４７Ｅ）を第２６図に示す。

また、本発明の他の実施例である情報処理システムを以
下に述べる。本実施例は、第２５図の情報選択手段４７
で、第２６図の処理手順の替りに５９− 第２７図の処理手順を実行するものである。この処理手
順において、知識処理手段４６とニューラル処理手段３
の出力情報のうち一致する情報は、算出した新しい確信
度Ｆと共に出力する。その新しい確信度Ｆは次式によっ
て計算する。

Ｆ＝ｆｔ＋ｆｚ−ｆｔ・ｆｚ　　　　　　　−（１）た
だし ｆｌは知識処理手段４６による出力情報の確信度、及び ｆｚはニューラル処理手段３による出力情報の確信度で
ある。

例えば、ｆ工＝０．８．ｆｚ＝０．７であるとすると、
（１）式より、Ｆは０．９４　となる。これは、第２８
図に示した様に、知識処理手段とニューラル処理手段を
並列配置することにより一層出力情報の信頼性が向上し
たことを示している。

〔発明の効果〕

本発明によれば、ニューラル処理手段及び知識処理手段
が得る情報を補うようになっているので、確信度の高い
情報を得ることができる。

６０−

【図面の簡単な説明】

第１図は本発明の好適な一実施例である警報情報処理シ
ステムの構成図、第２図は第１図のニューラル処理手段
の詳細な構成図、第３図は第２図のニューラルネットに
含まれるユニット部のモデル構造を示す説明図、第４図
〜第６図はニューラルネットの学習に用いるプラントの
異常事象に対するサンプル信号を示す説明図、第７図は
学習時におけるサンプル信号と教師信号との誤差を学習
回数に対応させて示した説明図、第８図は構造の知識が
表現する沸騰水型原子炉の構成図、第９図は第１図の知
識ベースに記憶されている作用の知識を示す説明図、第
１０図は第１図の推論手段１で実行される処理手順の説
明図、第１１図は第１図の警報発生順序決定手段の詳細
構成図、第１２図は警報発生順序決定手段で時系列的に
整理した警報信号を示す説明図、第１３図は第１図の推
論手段２６で実行される処理手順の説明図、第１４図、
第１７図、第２１図、第２３回及び第２５図は本発明の
他の実施例の構成図、第１５図は第１４図の推論手段２
４で実行される処理手順の説明図、第１６図は第１４図
の推論手段２９で実行される処理手順の説明図、第１８
図は文字パターンの一例の説明図、第１９図は第１７図
の知識処理手段３５で実行される処理手順の説明図、第
２０図は顕微鏡カメラで撮影した番号の例を示す説明図
、第２２図は第２１図の知識処理手段４２で実行される
処理手順の説明図、第２４図は第２３図の知識処理手段
４４で実行される処理手順の説明図、第２６図は第２５
図の情報選択手段で実行される処理手順の説明図、第２
７図は第２５図の情報選択手段の処理手順の他の実施例
の説明図、第２８図は出力情報の信頼度を示す特性図で
ある。 １．２４．２６，２９．４１Ａ、４２Ａ、４４Ａ。 ４６Ａ・・・推論手段、２，２Ａ、２Ｂ、２Ｃ，４１Ｂ
、４２Ｂ、４４Ｂ、４６Ｂ・・・知識ベース、３・・・
ニューラル処理手段、４・・・学習手段、５，５Ａ・・
・信号選択手段、６・・・表示手段、７・・・警報信号
記憶手段、８・・・警報信号検索手段、１３・・・異常
監視手段、２．３．２３Ａ、２５．２５Ａ、３５，４１
゜４２，４４．４６・・・知識処理手段、２８・・・表
示警報決定手段、２８Ａ・・・非表示警報決定手段、３
］３− 第 ３ 図 第 図 １ ２ ３ ４ ５ 時間 ｔ！ ２ ３ ４ ５ 時間 第 図 １゜ ２ ３ ４ ５ 時間 １＋ ２ ３ ４ ｔ＝ 時間 １ ２ ３ ４ ５ 時間 第 図 第９図 １１ｋＩＩ ｎ２ 阻３ ｎ４ ５ ６ 階７ ８ ９ 陽１０ 陳１１ ｎ１２ ｎ１３ Ｑ１４ ｎ１６ Ｑ１６ ｆ（原子炉スクラム）、ｔｈｅｎ（プラント・トリップ
）ｆ（主蒸気隔離弁トリップ）、ｔｈｅｎ（プラント・
トリップ）ｉｆ（タービン・トリップ）、ｔｈｅｎ（プ
ラント・トリップ）ｆ（発電機トリップ）、ｔｈｅｎ（
プラント・トリップ）ｆ（原子炉水位低・低）、ｔｈｅ
ｎ（原子炉スクラム）ｆ（給水能力低下）、ｔｈｅｎ（
原子炉水位低・低）ｆ（冷却材喪失事故）、ｔｈｅｎ（
原子炉水位低・低）ｆ（給水ポンプ異常）、ｔｈｅｎ（
給水能力低下）ｆ（給水配管リーク）、ｔｈｅｎ（給水
能力低下）ｆ（給水制御系異常）、ｔｈｅｎ（Ｕ水能力
低下）ｆ（中性子高・高）、ｔｈｅｎ（原子炉スクラム
）ｆ（給水加熱喪失）、ｔｈｅｎ（中性子高・高）ｆ（
冷温停止）、ｔｈｅｎ（減圧制御）ｆ（冷温停止）、ｔ
ｈｅｎ（残留熱除去系制御）ｆ（冷温停止）、ｔｈｅｎ
（出力制御）ｆ（冷温停止）＋　ｔｈｅｎ（原子炉水位
制御）第 １゜ 図 第 １ 図 ２７Ａ・・・スキャナ、 ２７Ｂ・・・発生順序決定手段 第 ２ 図 （発生時刻） （警報信号） ××時××分ｘｘ、ｘｘｘ秒 復水器真空度低 ××時Ｘ×分ｘｘ、ｘｘｘ秒 夕 ビントリップ多重化検出器鮎作 主蒸気止め弁Ｂチャンネル閉 主蒸気止め弁閉トリップ Ａ系原子炉自動スクラム 日系原子炉自動スクラム 第 ３ 図 −３２４− 第 ６ 図 第 １７ 図 １ ウェハ、 ２ 記号、 ３ 顕微鏡カメラ 第 ８ 図 第 ９ 図 第 ０ 図 Ｂ７４２３ 第 ２３ 図 ２ 第 ２７ 図 第 ８ 図 入力情報のあいまい度

Claims (1)

1. 【特許請求の範囲】 １、ニューラル処理手段と、前記ニューラル処理手段と
   並列に配置された、ルールを用いた推論を実行するエキ
   スパートシステムと、前記ニューラル処理手段から出力
   された情報及び前記エキスパートシステムから出力され
   た情報の中から、出力すべき情報を選択する手段とを備
   えた情報処理システム。 ２、同時に入力された複数の情報の群によつて表現され
   た第１情報を取出す情報処理手段と、この情報処理手段
   とは並列に配置され、ルールを用いた推論を実行するエ
   キスパートシステムと、前記情報処理手段から出力され
   た第１情報及び前記エキスパートシステムから出力され
   た第２情報の中から、出力すべき情報を選択する手段と
   を備えた情報処理システム。 ３、ニューラル処理手段を含む第１情報処理手段と、前
   記第１情報処理手段と並列に配置され、エキスパートシ
   ステムを含む第２情報処理手段と、前記第１及び第２情
   報処理手段から出力された情報の中から、出力すべき情
   報を選択する手段とを備えた情報処理システム。 ４、前記第２情報手段が、ニューラル手段を含まず前記
   エキスパートシステムを含む請求項３の情報処理システ
   ム。 ５、複数の第１情報を入力しこれらの第１情報に基づい
   て第２情報を得るニューラル処理手段と、前記ニューラ
   ル処理手段で得られた第２情報及び知識を用いた推論に
   より解決すべき問題に対する解である第３情報を得る第
   １知識処理手段と、前記第１情報を入力すると共に第１
   情報毎にその特異な状態を示す第４情報を生成する手段
   と、前記第４情報及び知識を用いた推論により前記解決
   すべき問題に対する解である第５情報を得る第２知識処
   理手段と、前記第３及び第５情報の中から、出力すべき
   情報を選択する手段を備えた情報処理システム。 ６、同時に入力された複数の第１情報の群によつて表現
   された第２情報を取り出す情報処理手段と、前記第２情
   報及び知識を用いた推論により解決すべき問題に対する
   解である第３情報を得る知識処理手段と、前記第１情報
   を入力すると共に第１情報毎にその特異な状態を示す第
   ４情報を生成する手段と、前記第４情報及び知識を用い
   た推論により前記解決すべき問題に対する解である第５
   情報を得る知識処理手段と、前記第３情報及び第５情報
   の中から、出力すべき情報を選択する手段とを備えた情
   報処理システム。 ７、ニューラル処理手段と、ルールを用いた推論を行い
   、前記ニューラル処理手段で得られた複数の情報の中か
   ら、前記ルールに該当する情報を特定して出力するエキ
   スパートシステムとを備えた情報処理システム。 ８、ニューラル処理手段と、これと並列に配置された第
   １エキスパートシステムと、前記ニューラル処理手段と
   前記第１エキスパートシステムの出力情報が一致しない
   とき、前記ニューラル処理手段で得られた複数の情報の
   中から、ルールによつて該当する情報を特定して出力す
   る第２エキスパートシステムとを備えた情報処理システ
   ム。 ９、複数のプロセス情報を入力しこれらのプロセス情報
   を入力しこれらのプロセス情報に基づいて異常事象を得
   るニューラル処理手段を、含む第１情報処理手段と、第
   １情報処理手段と並列に配置され、ニューラル処理手段
   を含まず知識処理手段を含む第２情報処理手段と、第１
   及び第２情報処理手段から出力された表示警報情報のう
   ち、出力すべき表示警報情報を選択する表示警報選択手
   段とを備えた警報情報処理システム。 １０、複数のプロセス情報を入力しこれらのプロセス情
   報を入力しこれらのプロセス情報に基づいて異常事象を
   得るニューラル処理手段を、含む第１情報処理手段と、
   第１情報処理手段と並列に配置され、ニューラル処理手
   段を含まず知識処理手段を含む第２情報処理手段と、第
   １及び第２情報処理手段から出力された非表示警報情報
   のうち、出力すべき表示警報情報を選択する非表示警報
   選択手段とを備えた警報情報処理システム。 １１、入力した複数の警報情報から前記表示警報情報に
   該当する警報情報を選択する手段を備えた請求項９の警
   報情報処理システム。 １２、入力した複数の警報情報から前記非表示警報情報
   に該当しない警報情報を選択する手段を備えた請求項１
   ０の警報情報処理システム。 １３、前記警報情報選択手段において選択されなかった
   前記警報情報を記憶する手段と、検索要求信号に基づい
   て前記警報情報記憶手段から検索した前記警報情報を表
   示手段に出力する警報情報検索手段とを備えた請求項１
   １の警報情報処理システム。 １４、前記警報情報選択手段において選択されなかった
   前記警報情報を記憶する手段と、検索要求信号に基づい
   て前記警報情報記憶手段から検索した前記警報情報を表
   示手段に出力する警報情報検索手段とを備えた請求項１
   ２の警報情報処理システム。 １５、複数のプロセス情報を入力しこれらのプロセス情
   報に基づいて異常事象を得るニューラル処理手段と、前
   記ニューラル処理手段で得られた異常事象及び知識を用
   いた推論により表示警報情報を得る第１知識処理手段と
   、前記プロセス情報を入力し前記プロセス情報が異常状
   態になつたときに警報情報を出力する異常監視手段と、
   前記警報情報及び知識を用いた推論により表示警報情報
   を得る第２知識処理手段と前記第１及び第２知識処理手
   段から出力された複数の表示警報情報から表示すべき警
   報情報を選択する表示警報選択手段と、入力した複数の
   警報情報から前記最終的に表示する警報情報に該当する
   警報情報を選択する手段とを備えた警報情報処理システ
   ム。 １６、複数のプロセス情報を入力しこれらのプロセス情
   報に基づいて異常事象を得るニューラル処理手段と、前
   記ニューラル処理手段で得られた異常事象及び知識を用
   いた推論により非表示警報情報を得る第１知識処理手段
   と、前記プロセス情報を入力し前記プロセス情報が異常
   状態になつたときに警報情報を出力する異常監視手段と
   、前記警報情報及び知識を用いた推論により非表示警報
   情報を得る第２知識処理手段と、前記第１及び第２知識
   処理手段から出力された複数の非表示警報情報から表示
   しない警報情報を選択する表示警報選択手段と、入力し
   た複数の警報情報から前記表示しない警報情報に該当し
   ない警報情報を選択する手段とを備えた警報情報処理シ
   ステム。 １７、前記警報情報選択手段において選択されなかつた
   前記警報情報を記憶する手段と、検索要求信号に基づい
   て前記警報情報記憶手段から検索した前記警報情報を表
   示手段に出力する警報情報検索手段とを備えた請求項１
   ５の警報情報処理システム。 １８、前記警報情報選択手段において選択されなかった
   前記警報情報を記憶する手段と、検索要求信号に基づい
   て前記警報情報記憶手段から検索した前記警報情報を表
   示手段に出力する警報情報検索手段とを備えた請求項１
   ６の警報情報処理システム。 １９、異常事象に対する確認情報を記憶する手段と、入
   力した異常事象に該当する確認情報を確認情報記憶手段
   から検索して表示手段に出力する手段とを備えた請求項
   １５または１６の警報情報処理システム。 ２０、入力した文字パターン情報に基づいて該当する文
   字情報を得るニューラル処理手段と、知識を用いた推論
   を行い、前記ニューラル処理手段で得られた複数の文字
   情報の中から、前記知識に該当する文字情報を特定する
   知識処理手段とを備えた文字認識システム。