JPH04198729A - 診断用エキスパートシステム - Google Patents
診断用エキスパートシステムInfo
- Publication number
- JPH04198729A JPH04198729A JP2325197A JP32519790A JPH04198729A JP H04198729 A JPH04198729 A JP H04198729A JP 2325197 A JP2325197 A JP 2325197A JP 32519790 A JP32519790 A JP 32519790A JP H04198729 A JPH04198729 A JP H04198729A
- Authority
- JP
- Japan
- Prior art keywords
- data
- abnormality
- diagnosis
- diagnostic
- inference
- 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
- 230000005856 abnormality Effects 0.000 claims abstract description 77
- 238000003745 diagnosis Methods 0.000 claims abstract description 65
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 230000007246 mechanism Effects 0.000 claims description 68
- 238000013500 data storage Methods 0.000 claims description 29
- 230000003213 activating effect Effects 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 8
- 239000000032 diagnostic agent Substances 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 20
- 238000001514 detection method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 6
- 238000005452 bending Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 2
- 235000006732 Torreya nucifera Nutrition 0.000 description 1
- 244000111306 Torreya nucifera Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
[発明の目的]
(産業上の利用分野)
本発明は、タービン発電機振動診断装置等に利用される
診断用エキスパートシステムに関する。
診断用エキスパートシステムに関する。
(従来の技術)
従来の技術について、第7図に示すタービン発電機振動
診断装置について説明する。
診断装置について説明する。
発電プラント1からのプラントデータaは、プラント入
力解析手段2によって読み込まれ、振動データに関して
はここで振動の同周波数解析等を行い、この後、解析結
果とプラントデータbはデータ保存手段3に保存される
。
力解析手段2によって読み込まれ、振動データに関して
はここで振動の同周波数解析等を行い、この後、解析結
果とプラントデータbはデータ保存手段3に保存される
。
また、異常監視手段4は、プラント入力解析装置2の解
析結果とプラントデータbの異常を、予め設定されたし
きい値に照らして常時監視し、異常を検出すると、診断
用推論機構5に異常検知デ−夕Cを送る。
析結果とプラントデータbの異常を、予め設定されたし
きい値に照らして常時監視し、異常を検出すると、診断
用推論機構5に異常検知デ−夕Cを送る。
診断用推論機構5は、振動異常に関する全ての知識を持
っており、異常監視装置4からの異常検知データCの送
信をトリガーとし、データ保存手段3からのプラントデ
ータおよび解析結果dを基に診断を行い、その診断結果
eを診断結果表示手段6へ出力する。
っており、異常監視装置4からの異常検知データCの送
信をトリガーとし、データ保存手段3からのプラントデ
ータおよび解析結果dを基に診断を行い、その診断結果
eを診断結果表示手段6へ出力する。
第8図は、タービン発電機振動診断エキスパートシステ
ムを上記の従来技術により構成したものについて、特に
診断用推論機構5の詳細な機能構成について示したもの
である。この第8図において、診断用推論機構5は、推
論エンジン51と、全ての発生部位別詳細原因について
判定ルールを持つ知識ベース52と、外部インターフェ
ース手段53から構成されており、異常監視手段4より
送られた異常検知データCにより推論エンジン51は知
識ベース52を基に診断を開始する。
ムを上記の従来技術により構成したものについて、特に
診断用推論機構5の詳細な機能構成について示したもの
である。この第8図において、診断用推論機構5は、推
論エンジン51と、全ての発生部位別詳細原因について
判定ルールを持つ知識ベース52と、外部インターフェ
ース手段53から構成されており、異常監視手段4より
送られた異常検知データCにより推論エンジン51は知
識ベース52を基に診断を開始する。
この時、知識ベース52は、全ての発生部位別詳細原因
に関するルールを持っており、推論エンジン51はこれ
ら全てのルールを対象として診断処理を行う。また、推
論エンジン51は、診断の過程でプラントデータが必要
となった場合、外部インターフェース手段53を介し、
データ保存手段3よりプラントデータdを入力し使用す
る。以上のようにして求めた診断結果りは、推論エンジ
ン51より外部インターフェース手段53を介し、診断
結果表示手段6へ渡される。
に関するルールを持っており、推論エンジン51はこれ
ら全てのルールを対象として診断処理を行う。また、推
論エンジン51は、診断の過程でプラントデータが必要
となった場合、外部インターフェース手段53を介し、
データ保存手段3よりプラントデータdを入力し使用す
る。以上のようにして求めた診断結果りは、推論エンジ
ン51より外部インターフェース手段53を介し、診断
結果表示手段6へ渡される。
そして診断結果表示手段6は外部インターフェース手段
53により与えられた診断結果りを表示する。
53により与えられた診断結果りを表示する。
(発明が解決しようとする課題)
上記従来の技術では、全ての診断用知識ベースのルール
情報が、診断用推論機構5にあり、推論エンジン51は
、これら全てのルールを診断のための知識とするので、
推論エンジン51の処理するルール数が非常に多くなる
。これにより知識ペース52作動時のパターンマツチ数
が多くなり、診断スピードの低下がおき、上記例のよう
に常に変化するプラントに追従させ診断させようとした
場合、診断が追いつかない場合が発生する。
情報が、診断用推論機構5にあり、推論エンジン51は
、これら全てのルールを診断のための知識とするので、
推論エンジン51の処理するルール数が非常に多くなる
。これにより知識ペース52作動時のパターンマツチ数
が多くなり、診断スピードの低下がおき、上記例のよう
に常に変化するプラントに追従させ診断させようとした
場合、診断が追いつかない場合が発生する。
また、ルール間の排他動作等のインターロックのための
ルールが多く必要となり、知識ベースの構造が複雑化し
、解り難くくなり、ルールの変更追加が困難となるとい
う問題があった。
ルールが多く必要となり、知識ベースの構造が複雑化し
、解り難くくなり、ルールの変更追加が困難となるとい
う問題があった。
本発明は、かかる従来の事情に対処してなされたもので
、知識ベース構造を複雑化することなく、より広範囲で
多くの知識を持つことができ、高速で診断を行うことの
できる診断用エキスパートシステムを提供しようとする
ものである。
、知識ベース構造を複雑化することなく、より広範囲で
多くの知識を持つことができ、高速で診断を行うことの
できる診断用エキスパートシステムを提供しようとする
ものである。
[発明の構成]
(課題を解決するための手段)
すなわち、本発明の診断用エキスパートシステムは、診
断対象の状態データを入力するデータ入力手段と、前記
状態データを保存するデータ保存手段と、前記状態デー
タにより前記診断対象に異常があるかどうかを監視し、
異常が発生した場合診断要求を出力する異常監視手段と
、前記異常の種類によって分類した複数の分類毎の知識
ベースを持ち、前記データ保存手段の前記状態データを
基に異常に関する推論を行う複数の推論機構と、前記診
断要求および前記データ保存手段の前記状態データに基
づいて、前記複数の推論機構の中から発生した異常に対
応する推論機構を選択して起動するとともに、該推論機
構より返される診断結果を整理し、出力する統括推論機
構と、前記診断結果を表示するための診断結果表示手段
とを具備したことを特徴とする。
断対象の状態データを入力するデータ入力手段と、前記
状態データを保存するデータ保存手段と、前記状態デー
タにより前記診断対象に異常があるかどうかを監視し、
異常が発生した場合診断要求を出力する異常監視手段と
、前記異常の種類によって分類した複数の分類毎の知識
ベースを持ち、前記データ保存手段の前記状態データを
基に異常に関する推論を行う複数の推論機構と、前記診
断要求および前記データ保存手段の前記状態データに基
づいて、前記複数の推論機構の中から発生した異常に対
応する推論機構を選択して起動するとともに、該推論機
構より返される診断結果を整理し、出力する統括推論機
構と、前記診断結果を表示するための診断結果表示手段
とを具備したことを特徴とする。
(作 用)
本発明の診断用エキスパートシステムでは、データ入力
手段によって、診断対象から状態データを周期的に入力
し、データ保存手段に保存するとともに、この状態デー
タを異常監視手段に渡す。
手段によって、診断対象から状態データを周期的に入力
し、データ保存手段に保存するとともに、この状態デー
タを異常監視手段に渡す。
異常監視手段では、この診断対象の状態データに基づい
て、診断対象の状態に異常が無いかをチエツクし、異常
が発生していた場合、統括推論機構に対し診断要求を送
る。
て、診断対象の状態に異常が無いかをチエツクし、異常
が発生していた場合、統括推論機構に対し診断要求を送
る。
統括推論機構は、診断要求を受取ると、データ保存手段
の診断対象の状態データを読込み、これを基に発生した
異常に関する推論機構を選択し、診断要求を送る。
の診断対象の状態データを読込み、これを基に発生した
異常に関する推論機構を選択し、診断要求を送る。
推論機構のうち、診断要求があったものは、データ保存
手段の持つ診断対象の状態データを基に、より詳細な原
因および異常箇所の診断、また、その結果についてどの
程度確信が持てるかを示す確信度の算出等を行い、これ
らの診断結果を統括推論機構に対して送る。
手段の持つ診断対象の状態データを基に、より詳細な原
因および異常箇所の診断、また、その結果についてどの
程度確信が持てるかを示す確信度の算出等を行い、これ
らの診断結果を統括推論機構に対して送る。
統括推論機構では、これらの診断結果を整理し、確信度
の高いものから診断結果表示装置へ出力する。
の高いものから診断結果表示装置へ出力する。
したかって、知識ベース構造を複雑化することなく、よ
り広範囲で多くの知識を持つことができ、高速で診断を
行うことができる。
り広範囲で多くの知識を持つことができ、高速で診断を
行うことができる。
(実施例) ″
以下、本発明の実施例を図面を参照して説明する。
第1図は、本発明の診断用エキスパートシステムの一実
施例の構成を示すもので、図において100は診断用エ
キスパートシステムを示し、101は診断対象を示して
いる。
施例の構成を示すもので、図において100は診断用エ
キスパートシステムを示し、101は診断対象を示して
いる。
診断用エキスパートシステム100は、データ入力手段
102と、データ保存手段103と、異常監視手段10
4と、統括推論機構105と、診断結果表示手段106
と、異常分類毎の深い知識の知識ベースを持つ複数の専
門知識推論機構107a〜107nとから構成されてい
る。
102と、データ保存手段103と、異常監視手段10
4と、統括推論機構105と、診断結果表示手段106
と、異常分類毎の深い知識の知識ベースを持つ複数の専
門知識推論機構107a〜107nとから構成されてい
る。
上記データ入力手段102は、診断対象101から状態
データaを入力する。データ入力手段102によって入
力された状態データbは、データ保存手段103に送ら
れて保存されるとともに、異常監視手段104に送られ
る。
データaを入力する。データ入力手段102によって入
力された状態データbは、データ保存手段103に送ら
れて保存されるとともに、異常監視手段104に送られ
る。
異常監視手段104は、状態データbにより異常が発生
しているかどうかを判定する。そして、異常が発見され
た場合は、統括推論機構105 E診断要求dを送出す
る。
しているかどうかを判定する。そして、異常が発見され
た場合は、統括推論機構105 E診断要求dを送出す
る。
統括推論機構105は、診断要求dおよびデータ保存手
段103により、発生した異常に関する専門知識を有す
る専門知識推論機構107a〜107nを選択し、診断
要求f1〜fnを出力して起動する。
段103により、発生した異常に関する専門知識を有す
る専門知識推論機構107a〜107nを選択し、診断
要求f1〜fnを出力して起動する。
診断要求f1〜fnを受けた専門知識推論機構107a
〜107nは、データ保存手段103内の状態データC
を基に異常に関する詳細な推論を行い、また、その結果
についてどの程度確信が持てるかを示す確信度の算出等
を行い、診断結果g1−gnを統括推論機構105へ返
す。
〜107nは、データ保存手段103内の状態データC
を基に異常に関する詳細な推論を行い、また、その結果
についてどの程度確信が持てるかを示す確信度の算出等
を行い、診断結果g1−gnを統括推論機構105へ返
す。
統括推論機構105は、上記診断結果gl −g口を整
理し、導き出された診断結果eを診断結果表示手段10
6に表示する。
理し、導き出された診断結果eを診断結果表示手段10
6に表示する。
したがって、知識ベース構造を複雑化することなく、よ
り広範囲で多くの知識を持つことができ、高速で診断を
行うことができる。
り広範囲で多くの知識を持つことができ、高速で診断を
行うことができる。
第2図は、本発明をタービン発電機振動診断用システム
に適用した実施例の構成を示すものである。
に適用した実施例の構成を示すものである。
同図に示すように、このタービン発電機振動診断用シス
テム200では、診断対象は発電プラント201であり
、プラント入力解析手段202は、プラントデータaを
入力し、振動データに関し振動解析処理を行なう。この
プラント入力解析手段202によって得られたプラント
データ及び振動解析データbは、データ保存手段203
および異常監視手段204に入力される。
テム200では、診断対象は発電プラント201であり
、プラント入力解析手段202は、プラントデータaを
入力し、振動データに関し振動解析処理を行なう。この
プラント入力解析手段202によって得られたプラント
データ及び振動解析データbは、データ保存手段203
および異常監視手段204に入力される。
データ保存手段203には、一定期間、たとえば過去2
4時間分のデータが保存される。また、異常監視手段2
04は、プラントデータ及び振動解析データbから、タ
ービン及び発電機の軸受で異常振動が発生しているかど
うかを判定し、振動異常を検知した場合は、統括推論機
構205に異常検知データCを送出する。
4時間分のデータが保存される。また、異常監視手段2
04は、プラントデータ及び振動解析データbから、タ
ービン及び発電機の軸受で異常振動が発生しているかど
うかを判定し、振動異常を検知した場合は、統括推論機
構205に異常検知データCを送出する。
統括推論機構205は、異常検知データCを受は取ると
、この異常検知データCとデータ保存手段203からの
プラントデータdとによって、発生していると思われる
異常振動′の原因を、予め分類されて設定されている複
数種の分類の中から推測する。本実施例では、タービン
発電機に関する異常振動の概略原因として、ラビング、
アンバランス(突変)、アンバランス(曲り)、アンバ
ランス(アライメント)、不安定振動、軸受部異常、ロ
ータクラックの7つが設定されている。
、この異常検知データCとデータ保存手段203からの
プラントデータdとによって、発生していると思われる
異常振動′の原因を、予め分類されて設定されている複
数種の分類の中から推測する。本実施例では、タービン
発電機に関する異常振動の概略原因として、ラビング、
アンバランス(突変)、アンバランス(曲り)、アンバ
ランス(アライメント)、不安定振動、軸受部異常、ロ
ータクラックの7つが設定されている。
一方、上記7つの概略原因に対応した専門知識推論機構
として、ラビング推論機構207a、アンバランス(突
変)推論機構207b、アンバランス(曲り)推論機構
207c、アンバランス(アライメント)推論機構20
7d、不安定振動推論機構207e、軸受部異常推論機
構207 f。
として、ラビング推論機構207a、アンバランス(突
変)推論機構207b、アンバランス(曲り)推論機構
207c、アンバランス(アライメント)推論機構20
7d、不安定振動推論機構207e、軸受部異常推論機
構207 f。
ロータクラック推論機構207gが設けられている。こ
れらの推論機構207a〜207gは、それぞれ専門の
知識ベースを持ち、データ保存手段203のプラントデ
ータ及び振動解析データeを基に詳細な原因及び異常発
生箇所等の診断を行うことができるよう構成されている
。
れらの推論機構207a〜207gは、それぞれ専門の
知識ベースを持ち、データ保存手段203のプラントデ
ータ及び振動解析データeを基に詳細な原因及び異常発
生箇所等の診断を行うことができるよう構成されている
。
そして、統括推論機構205が前述した7つのタービン
発電機に関する異常振動の概略原因の中から確信度の高
いものを判定し、これに対応する推論機構207a〜2
07gに対して診断要求f1〜f7を送出し、その診断
結果gl−g7を受は取り、これらの中から確信度の高
いものより整理し、診断結果表示手段206に出力し、
表示を行う。
発電機に関する異常振動の概略原因の中から確信度の高
いものを判定し、これに対応する推論機構207a〜2
07gに対して診断要求f1〜f7を送出し、その診断
結果gl−g7を受は取り、これらの中から確信度の高
いものより整理し、診断結果表示手段206に出力し、
表示を行う。
以下、上記の動作を、火力発電プラントのタービン発電
機の振動診断に使用した場合について説明する。まず、
本エキスパートシステムにて仮定している振動原因につ
いて説明する。
機の振動診断に使用した場合について説明する。まず、
本エキスパートシステムにて仮定している振動原因につ
いて説明する。
第3図に示すように、タービン発電機異常振動原因は、
概略的な原因(ラビング等)かあり、その下に概略的な
原因(ラビング等)を引き起こす原因である詳細原因(
真空度変化、ウォータインダクション等)があり、また
、その詳細原因の発生する場所により発生部位別詳細原
因(第1抽気ウオータインダクシヨン等)かある。
概略的な原因(ラビング等)かあり、その下に概略的な
原因(ラビング等)を引き起こす原因である詳細原因(
真空度変化、ウォータインダクション等)があり、また
、その詳細原因の発生する場所により発生部位別詳細原
因(第1抽気ウオータインダクシヨン等)かある。
本実施例では、概略原因の推定を統括推論機構205で
行い、詳細原因、発生部位別原因を推論機構2078〜
207gにて行う。
行い、詳細原因、発生部位別原因を推論機構2078〜
207gにて行う。
それぞれの推論機構は知エベースを有し、従来のエキス
パートシステムのように、クレーム、プロダクションル
ール等にて知識が記述され推論される。
パートシステムのように、クレーム、プロダクションル
ール等にて知識が記述され推論される。
タービン発電機振動診断用システム200において、デ
ータ入力解析手段202は、発電プラント201からプ
ラントデータaをたとえば2秒周期で入力し、このプラ
ントデータaのうちタービン振動データに関しては周波
数解析等の処理を行う。そして、得られた振動解析デー
タ及びプラントデータbをデータ保存手段203及び異
常監視手段204に渡す。
ータ入力解析手段202は、発電プラント201からプ
ラントデータaをたとえば2秒周期で入力し、このプラ
ントデータaのうちタービン振動データに関しては周波
数解析等の処理を行う。そして、得られた振動解析デー
タ及びプラントデータbをデータ保存手段203及び異
常監視手段204に渡す。
データ保存手段203は、ディスクファイル上に存在し
、第4図に示すように、最新のデータの位置の情報と、
たとえば43200個のデータ領域から構成されており
、各データ領域は、データの読込時刻と、プラント入力
データと振動解析データの設定領域から構成されている
。そして最新データ位置nには、常に最新データの領域
の番号が保存されており、1つの最新データが最も古い
データ領域に書き込まれる毎にl加算され、43200
をオーバーすると再び0にもどることにより2秒周期の
データを24時間分保存できるサイクリック構造のデー
タ保存領域となっている。
、第4図に示すように、最新のデータの位置の情報と、
たとえば43200個のデータ領域から構成されており
、各データ領域は、データの読込時刻と、プラント入力
データと振動解析データの設定領域から構成されている
。そして最新データ位置nには、常に最新データの領域
の番号が保存されており、1つの最新データが最も古い
データ領域に書き込まれる毎にl加算され、43200
をオーバーすると再び0にもどることにより2秒周期の
データを24時間分保存できるサイクリック構造のデー
タ保存領域となっている。
異常監視手段204では、プラント入力解析手段202
より渡された振動解析データ及びプラントデータb中の
振動振幅値、振動振幅増加率、振動ベクトルの変化量、
振動周波数成分の値及び突変(振幅レベルが突然変化す
る事)の量等の異常検知パラメータを予め与えられてい
るブリアラーム域、アラーム域、トリップ域の各異常レ
ベル毎に設定されたしきい値と比較することにより、振
動異常の発生及びその異常レベルを調査する。なお、第
5図のグラフに振幅に関するしきい値の設定例を示す。
より渡された振動解析データ及びプラントデータb中の
振動振幅値、振動振幅増加率、振動ベクトルの変化量、
振動周波数成分の値及び突変(振幅レベルが突然変化す
る事)の量等の異常検知パラメータを予め与えられてい
るブリアラーム域、アラーム域、トリップ域の各異常レ
ベル毎に設定されたしきい値と比較することにより、振
動異常の発生及びその異常レベルを調査する。なお、第
5図のグラフに振幅に関するしきい値の設定例を示す。
この場合振幅値がDpを越えるとブリアラーム域、Da
を越えるとアラーム域、DCを越えるとトリップ域とな
る。
を越えるとアラーム域、DCを越えるとトリップ域とな
る。
プラントに異常が発生した場合には、異常検知パラメー
タがしきい値をこえ、プラントが異常であることが判明
する。
タがしきい値をこえ、プラントが異常であることが判明
する。
振動異常が発生していた場合、異常を検出した異常検知
パラメータ及びその異常レベル、異常発生時刻を、異常
検知データCとして、統括推論機構205へ渡すことに
より、振動異常に関する診断要求を行う。
パラメータ及びその異常レベル、異常発生時刻を、異常
検知データCとして、統括推論機構205へ渡すことに
より、振動異常に関する診断要求を行う。
統括推論機構205には、振動の概略原因(たとえばラ
ビング等)に関する診断知識が知識べ一スとして保存さ
れている。統括推論機構205は、異常監視装置204
より渡された異常検知データC及び異常検知データC中
の異常発生時刻をキーとし、データ保存手段203に保
存されているプラントデータdより、異常発生時のプラ
ントの状態、異常を検出した異常検知パラメータの種類
およびその異常レベルを読み込む。そして、前述した7
つの概略原因の中で最も原因である確信度の高いものを
知識ベースを用い推論して求める。
ビング等)に関する診断知識が知識べ一スとして保存さ
れている。統括推論機構205は、異常監視装置204
より渡された異常検知データC及び異常検知データC中
の異常発生時刻をキーとし、データ保存手段203に保
存されているプラントデータdより、異常発生時のプラ
ントの状態、異常を検出した異常検知パラメータの種類
およびその異常レベルを読み込む。そして、前述した7
つの概略原因の中で最も原因である確信度の高いものを
知識ベースを用い推論して求める。
また2番目に確信度が高いものでも、十分確信度が高く
、最も確信度の高いものとの差があまりないものは、そ
の概略原因も、最も確信度の高い概略原因同様に詳細診
断の候補とする。これは、最も確信度の高い概略原因の
中に真の原因があるとは限らないためである。この場合
、推論機構207a〜207gのうち、最も確信度の高
い概略原因の詳細原因を診断するものと、2番目に確信
度の高い概略原因の詳細原因を診断するものとを起動す
る。
、最も確信度の高いものとの差があまりないものは、そ
の概略原因も、最も確信度の高い概略原因同様に詳細診
断の候補とする。これは、最も確信度の高い概略原因の
中に真の原因があるとは限らないためである。この場合
、推論機構207a〜207gのうち、最も確信度の高
い概略原因の詳細原因を診断するものと、2番目に確信
度の高い概略原因の詳細原因を診断するものとを起動す
る。
そして、統括推論機構205は、推論機構2078〜2
07gのうち、詳細診断候補となった概略原因に対応す
るものに対し、入力した異常検知データC及びプラント
データの一部をまとめたデータを診断要求fl−f7と
してたとえばプロセス間通信処理にて送る。
07gのうち、詳細診断候補となった概略原因に対応す
るものに対し、入力した異常検知データC及びプラント
データの一部をまとめたデータを診断要求fl−f7と
してたとえばプロセス間通信処理にて送る。
診断要求f1〜f7を受取った推論機構2078〜20
7gは、異常検知データCに設定された異常発生時刻を
キーとし、データ保存手段203より、異常発生時、及
びそれまでの傾向となるプラントデータ及び振動解析デ
ータeを読み込み、さらに詳細な異常振動発生原因及び
発生部位単位の原因を推定し、それらの確信度を算出し
、その診断結果gl−g8すなわち確信度を統括推論機
構205へ渡す。
7gは、異常検知データCに設定された異常発生時刻を
キーとし、データ保存手段203より、異常発生時、及
びそれまでの傾向となるプラントデータ及び振動解析デ
ータeを読み込み、さらに詳細な異常振動発生原因及び
発生部位単位の原因を推定し、それらの確信度を算出し
、その診断結果gl−g8すなわち確信度を統括推論機
構205へ渡す。
つまり、例えば、発生した振動異常に対し統括推論機構
205が最も確信度の高い概略原因をラビングであると
推定し、かつ、アンバランス(曲り)の確信度もラビン
グに次いで高く十分高い確信度を持つ場合、統括推論機
構205は、ラビング推論機構207aに対し診断要求
fl、アンバランス(曲り)推論機構207cに対し診
断要求f3を送る。そして診断要求flSf3を受取っ
たラビング推論機構207aとアンバランス(曲り)推
論機構207cは、それぞれデータ保存手段203のプ
ラントデータ及び振動解析データeを基により詳細な発
生原因及び異常の発生場所とそれに関する確信度を推論
し、診断結果gl、g3を統括推論機構205に渡す。
205が最も確信度の高い概略原因をラビングであると
推定し、かつ、アンバランス(曲り)の確信度もラビン
グに次いで高く十分高い確信度を持つ場合、統括推論機
構205は、ラビング推論機構207aに対し診断要求
fl、アンバランス(曲り)推論機構207cに対し診
断要求f3を送る。そして診断要求flSf3を受取っ
たラビング推論機構207aとアンバランス(曲り)推
論機構207cは、それぞれデータ保存手段203のプ
ラントデータ及び振動解析データeを基により詳細な発
生原因及び異常の発生場所とそれに関する確信度を推論
し、診断結果gl、g3を統括推論機構205に渡す。
なお、1回の振動異常の検出における原因推定に関し、
詳細な診断で起動される推論機構207a〜207gは
、統括推論機構205によって最大2個までに絞り込ま
れる。
詳細な診断で起動される推論機構207a〜207gは
、統括推論機構205によって最大2個までに絞り込ま
れる。
以上のようにして診断結果gL、g3を受取った統括推
論機構205は、この診断結果を最も原因である確信度
の高いものから整理して診断結果りを作成し、診断結果
表示手段206に出力して表示を行う。
論機構205は、この診断結果を最も原因である確信度
の高いものから整理して診断結果りを作成し、診断結果
表示手段206に出力して表示を行う。
診断結果表示手段206による表示例を第6図に示す。
この表示例では、原因名称を確信度の高い順に確信度と
ともに表示している。
ともに表示している。
上述したように、この実施例のタービン発電機振動診断
用システム200では、1回の振動異常の検出における
原因推定に関し、最大2個の推論機構2078〜207
gが起動され、詳細な診断を実施する。したがって、推
論機構207a〜207gのうち一部のみが動作するこ
とになり、従来に比べて高速で診断を行うことが可能と
なる。
用システム200では、1回の振動異常の検出における
原因推定に関し、最大2個の推論機構2078〜207
gが起動され、詳細な診断を実施する。したがって、推
論機構207a〜207gのうち一部のみが動作するこ
とになり、従来に比べて高速で診断を行うことが可能と
なる。
また、各推論機構207a〜207gの知識ベースはそ
れぞれタービン発電機の振動異常の概略原因毎にまとめ
られているので、全てを1つの知識ベース上で構成した
場合より構造が簡単で管理しやすくなる。
れぞれタービン発電機の振動異常の概略原因毎にまとめ
られているので、全てを1つの知識ベース上で構成した
場合より構造が簡単で管理しやすくなる。
[発病の効果〕
以上説明したように、本発明によれば知識ベース構造を
複雑化することなく、より広範囲で多くの知識を持つこ
とができ、高速で診断を行うことができる。
複雑化することなく、より広範囲で多くの知識を持つこ
とができ、高速で診断を行うことができる。
第1図は本発明の一実施例の構成を示す図、第2図は本
発明をタービン発電機振動診断エキスバ−トシステムに
適用した実施例の構成を示す図、第3図はタービン発電
機の振動原因の分類を説明するための図、第4図は第2
図のデータ保存手段に関するデータ保存方法を説明する
ための図、第5図は第2図の異常監視手段における異常
検知パラメータのレベルと診断要求の発生の関係を説明
するための図、第6図は診断結果の表示例を示す図、第
7図および第8図は従来技術を説明するための図である
。 100・・・・・・・・・・・・診断用エキスパートシ
ステム101・・・・・・・・・・・・診断対象102
・・・・・・・・・・・・データ入力手段103・・・
・・・・・・・・・データ保存手段104・・・・・・
・・・・・・異常監視手段105・・・・・・・・・・
・・統括推論機構106・・・・・・・・・・・・診断
結果表示手段1078〜107n ・・・・・・専門知識推論機構 代理人 弁理士 則 近 憲 佑【わ 第1図 茅2図 第4図 第5図 第6図 第7図 第8図
発明をタービン発電機振動診断エキスバ−トシステムに
適用した実施例の構成を示す図、第3図はタービン発電
機の振動原因の分類を説明するための図、第4図は第2
図のデータ保存手段に関するデータ保存方法を説明する
ための図、第5図は第2図の異常監視手段における異常
検知パラメータのレベルと診断要求の発生の関係を説明
するための図、第6図は診断結果の表示例を示す図、第
7図および第8図は従来技術を説明するための図である
。 100・・・・・・・・・・・・診断用エキスパートシ
ステム101・・・・・・・・・・・・診断対象102
・・・・・・・・・・・・データ入力手段103・・・
・・・・・・・・・データ保存手段104・・・・・・
・・・・・・異常監視手段105・・・・・・・・・・
・・統括推論機構106・・・・・・・・・・・・診断
結果表示手段1078〜107n ・・・・・・専門知識推論機構 代理人 弁理士 則 近 憲 佑【わ 第1図 茅2図 第4図 第5図 第6図 第7図 第8図
Claims (1)
- (1)診断対象の状態データを入力するデータ入力手段
と、 前記状態データを保存するデータ保存手段と、前記状態
データにより前記診断対象に異常があるかどうかを監視
し、異常が発生した場合診断要求を出力する異常監視手
段と、 前記異常の種類によって分類した複数の分類毎の知識ベ
ースを持ち、前記データ保存手段の前記状態データを基
に異常に関する推論を行う複数の推論機構と、 前記診断要求および前記データ保存手段の前記状態デー
タに基づいて、前記複数の推論機構の中から発生した異
常に対応する推論機構を選択して起動するとともに、該
推論機構より返される診断結果を整理し、出力する統括
推論機構と、 前記診断結果を表示するための診断結果表示手段と を具備したことを特徴とする診断用エキスパートシステ
ム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2325197A JPH04198729A (ja) | 1990-11-29 | 1990-11-29 | 診断用エキスパートシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2325197A JPH04198729A (ja) | 1990-11-29 | 1990-11-29 | 診断用エキスパートシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH04198729A true JPH04198729A (ja) | 1992-07-20 |
Family
ID=18174103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2325197A Pending JPH04198729A (ja) | 1990-11-29 | 1990-11-29 | 診断用エキスパートシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH04198729A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06300618A (ja) * | 1993-04-14 | 1994-10-28 | Idemitsu Petrochem Co Ltd | 回転機の異常診断方法およびその装置 |
WO1996013764A1 (de) * | 1994-10-26 | 1996-05-09 | Siemens Aktiengesellschaft | Verfahren zur analyse eines messwertes sowie messwertanalysator zur durchführung des verfahrens |
WO1996014609A1 (de) * | 1994-11-02 | 1996-05-17 | Siemens Aktiengesellschaft | Verfahren zur analyse von prozessdaten einer technischen anlage |
CN109798281A (zh) * | 2019-01-10 | 2019-05-24 | 中国长江电力股份有限公司 | 调速器主配及比例阀液压跟随***故障智能诊断处理方法 |
-
1990
- 1990-11-29 JP JP2325197A patent/JPH04198729A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06300618A (ja) * | 1993-04-14 | 1994-10-28 | Idemitsu Petrochem Co Ltd | 回転機の異常診断方法およびその装置 |
WO1996013764A1 (de) * | 1994-10-26 | 1996-05-09 | Siemens Aktiengesellschaft | Verfahren zur analyse eines messwertes sowie messwertanalysator zur durchführung des verfahrens |
WO1996014609A1 (de) * | 1994-11-02 | 1996-05-17 | Siemens Aktiengesellschaft | Verfahren zur analyse von prozessdaten einer technischen anlage |
US5999894A (en) * | 1994-11-02 | 1999-12-07 | Siemens Aktiengesellschaft | Method for the analysis of process data of an industrial plant |
CN109798281A (zh) * | 2019-01-10 | 2019-05-24 | 中国长江电力股份有限公司 | 调速器主配及比例阀液压跟随***故障智能诊断处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110704964B (zh) | 汽轮机运行状态诊断方法、装置及电子设备、存储介质 | |
US7089154B2 (en) | Automatic machinery fault diagnostic method and apparatus | |
FI112972B (fi) | Laakerin kunnon arviointi | |
US10496466B2 (en) | Preprocessor of abnormality sign diagnosing device and processing method of the same | |
JP5278310B2 (ja) | 診断システム | |
JP6514239B2 (ja) | 機械診断装置および機械診断方法 | |
US20090037121A1 (en) | System and method for detection of rotor eccentricity baseline shift | |
KR102206737B1 (ko) | 기계학습 기반 펌프수차 고장 진단 방법 및 시스템 | |
CN110705609B (zh) | 引风机运行状态诊断方法、装置及电子设备、存储介质 | |
CN111026621B (zh) | 面向Elasticsearch集群的监控报警方法、装置、设备、介质 | |
TW201832033A (zh) | 警示顯示系統及警示顯示方法 | |
JP4417318B2 (ja) | 設備診断装置 | |
CN109855873A (zh) | 汽轮机大轴的故障诊断方法及装置 | |
CN114548437A (zh) | 一种基于工业物联网的旋转设备智能运维***及运维方法 | |
JP3117865B2 (ja) | 回転機器の異常診断方法 | |
JPH04198729A (ja) | 診断用エキスパートシステム | |
JP7057760B2 (ja) | 回転電機の異常診断システム | |
JPH0423131A (ja) | 故障診断システム | |
Yang et al. | Reinforcing fuzzy rule-based diagnosis of turbomachines with case-based reasoning | |
KR20170036445A (ko) | 회전 기계의 이상을 진단하는 방법 및 그 장치 | |
JP2507542B2 (ja) | プラント監視装置 | |
JPH022406A (ja) | プラント故障診断装置 | |
CN116032668B (zh) | 一种计算机网络数据安全保密*** | |
Yang et al. | Fuzzy diagnosis of turbomachines | |
US11746752B2 (en) | Method and system for detecting machine defects |