JPH06201415A - Abnormality diagnostic system for plant - Google Patents
Abnormality diagnostic system for plantInfo
- Publication number
- JPH06201415A JPH06201415A JP4360770A JP36077092A JPH06201415A JP H06201415 A JPH06201415 A JP H06201415A JP 4360770 A JP4360770 A JP 4360770A JP 36077092 A JP36077092 A JP 36077092A JP H06201415 A JPH06201415 A JP H06201415A
- Authority
- JP
- Japan
- Prior art keywords
- plant
- abnormality
- knowledge
- cause
- knowledge base
- 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
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
【０００１】[0001]
【産業上の利用分野】この発明は、例えば原子力プラン
トのような大規模な発電プラントなどに発生する異常事
象を診断するプラントの異常診断装置１に関するもので
ある。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a plant abnormality diagnosing apparatus 1 for diagnosing an abnormal event occurring in a large-scale power plant such as a nuclear power plant.
【０００２】[0002]
【従来の技術】原子力プラントのような大規模な発電プ
ラントの運転は、その運転状態を表す物理量、例えばプ
ラント出力や圧力などを指標として行なわれる。2. Description of the Related Art The operation of a large-scale power generation plant such as a nuclear power plant is carried out using a physical quantity representing the operating state, such as plant output or pressure, as an index.
【０００３】そして、この発電プラントの運転に支障と
なる異常は、前記プラント出力や圧力などの状態量が正
常状態を逸脱したときに警報などにより検知される。The abnormality that hinders the operation of the power generation plant is detected by an alarm or the like when the state quantities such as the plant output and pressure deviate from the normal state.
【０００４】異常が発生したときには正常状態に復旧す
る必要があるが、このためには異常原因の同定と、プラ
ント構成機器の制御動作の状態を判定する必要がある。When an abnormality occurs, it is necessary to restore the normal state. For this purpose, it is necessary to identify the cause of the abnormality and determine the control operation state of the plant component equipment.
【０００５】これらの作業は主に運転員が実行するが、
プラント運転に対する信頼性向上の立場から、発生した
異常を診断する種々のプラント異常診断装置１が提案さ
れている。Although these operations are mainly performed by operators,
From the standpoint of improving reliability in plant operation, various plant abnormality diagnosis devices 1 for diagnosing an abnormality that has occurred have been proposed.
【０００６】図８２は、発電プラント１０２で発生する
異常を診断するための従来のプラント異常診断装置１を
示すブロック構成図である。FIG. 82 is a block diagram showing a conventional plant abnormality diagnosing apparatus 1 for diagnosing an abnormality occurring in the power generation plant 102.
【０００７】図８２において、１０３は発電プラント１
０２からプロセス量Ａ１や機器の動作状態Ａ２を読み込
み、プラントデータベース１０８に記録するプロセス入
力部である。In FIG. 82, 103 is a power plant 1.
02 is a process input unit that reads the process amount A1 and the operating state A2 of the equipment from 02 and records them in the plant database 108.
【０００８】１０５はプラントデータベース１０８から
プラント状態データＢを読み込み、プロセス量の運転目
標値の評価法Ｊ２に従い目標値Ｃを計算し、計算した目
標値Ｃをプラントデータベース１０８に記録する運転目
標値評価部である。Reference numeral 105 reads the plant state data B from the plant database 108, calculates the target value C according to the method J2 for evaluating the operation target value of the process amount, and records the calculated target value C in the plant database 108. It is a department.
【０００９】１０７はプラントデータベース１０８から
読み込んだプロセス量の状態データＦ１とそのプロセス
量の運転目標値Ｆ２との偏差および異常判定用の閾値Ｊ
３から異常を検知し、検知した異常データＧをプラント
データベース１０８へ記録する異常検知部１０である。Reference numeral 107 denotes a deviation J between the process amount state data F1 read from the plant database 108 and the operation target value F2 of the process amount, and a threshold value J for abnormality determination.
The abnormality detection unit 10 detects abnormality from 3 and records the detected abnormality data G in the plant database 108.
【００１０】１０９は異常原因同定のための因果関係Ｊ
を定義した知識データ、あるいは発電プラント１０２を
構成する機器の機能的・構造的関係や物理的関係を記述
したプラント機能知識データＪ１、さらにプロセス量の
運転目標値の評価法Ｊ２や異常判定用の閾値Ｊ３などの
データを記録している知識データベース８，１０９であ
る。109 is a causal relationship J for identifying the cause of abnormality.
Of the plant function knowledge data J1 that describes the functional / structural relationships and physical relationships of the devices that make up the power plant 102, and the evaluation method J2 of the operation target value of the process amount and the abnormality determination The knowledge databases 8 and 109 record data such as the threshold value J3.
【００１１】１１０はプラントデータベース１０８から
読み込んだ検知異常データＨ１およびプラント状態デー
タＨ２と、知識データベース１０９から読み込んだ異常
原因同定のための因果関係Ｊを定義した知識データによ
り異常第１原因の推論を行ない、推論過程結果Ｉを出力
しプラントデータベース１０８に記録する一方、診断結
果Ｋを出力する異常原因推論部１１である。Reference numeral 110 is used to infer the first cause of abnormality based on the detected abnormality data H1 and the plant state data H2 read from the plant database 108 and the knowledge data defining the causal relationship J for identifying the cause of abnormality read from the knowledge database 109. The abnormality cause inference unit 11 outputs the inference process result I and records it in the plant database 108 while outputting the diagnosis result K.
【００１２】１１３は診断結果Ｋを運転員に理解しやす
い形式に変換した結果得られるデータＬをＣＲＴ表示装
置１１４に出力する表示処理部である。Reference numeral 113 is a display processing unit for outputting the data L obtained as a result of converting the diagnosis result K into a format easily understandable by the operator on the CRT display device 114.
【００１３】図８３は、プラントデータベース１０８の
構成を示す説明図である。FIG. 83 is an explanatory diagram showing the structure of the plant database 108.
【００１４】この図に示すようにプラントデータベース
１０８は、夫々のプラントデータに関する名称，夫々の
観測値，運転目標値をまとめて記録した記憶機構１１５
と、異常と判定された異常データ名を記録する記憶機構
１１６と、推論結果などを記録する記憶機構１１７を備
えている。As shown in this figure, the plant database 108 has a storage mechanism 115 in which the names of the respective plant data, the respective observed values, and the operation target values are collectively recorded.
And a storage mechanism 116 for recording an abnormal data name determined to be abnormal, and a storage mechanism 117 for recording an inference result and the like.
【００１５】また、知識データベース１０９に格納され
ている知識ベースには、図８４に示すような異常原因の
ための因果関係知識が定義されたり、図８５に示すよう
な診断対象の発電プラントの機能的関係や物理的関係が
定義されている。この知識ベースの内容は、原因を同定
する方式に依存して決る。Further, in the knowledge base stored in the knowledge database 109, causal relationship knowledge for the cause of abnormality as shown in FIG. 84 is defined, or the function of the power plant to be diagnosed as shown in FIG. 85. The physical and physical relationships are defined. The content of this knowledge base depends on the method of identifying the cause.
【００１６】図８４に示すような異常原因のための因果
関係知識は、例えばＩｆ（条件部），Ｔｈｅｎ（結論
部）の形式で表現されている。The causal relationship knowledge for the cause of abnormality as shown in FIG. 84 is expressed in the form of, for example, If (conditional part) and Then (conclusion part).
【００１７】条件部には、プロセス量の状態あるいはプ
ラント機器の動作状態が条件として与えられる。In the condition section, the state of the process amount or the operating state of the plant equipment is given as a condition.
【００１８】一方、診断対象の発電プラントの機能的関
係や物理的関係に基づいた診断は、プラントの多様な挙
動を対象のモデルに基づいて推定することにより実行す
る。On the other hand, the diagnosis based on the functional relationship and the physical relationship of the power plant to be diagnosed is executed by estimating various behaviors of the plant based on the model of the object.
【００１９】このモデルは、ある時点のプラントの状態
から次の時点のプラントの状態を推定できるモデルであ
り、図８５に示したように対象のプラントを構成してい
る機器（機器１），（機器２）・・・と、それらの機器
で操作される物理量（物理量１），（物理量２）・・・
をノードとし、これらの間で成立している関係をリンク
（リンク１），（リンク２）・・・としたネットワーク
グラフで表現する。This model is a model capable of estimating the state of the plant at the next time from the state of the plant at a certain time, and as shown in FIG. 85, the equipment (equipment 1), (which constitutes the target plant), Equipment 2) ... and physical quantities (physical quantity 1), (physical quantity 2) ...
Is a node, and the relationship established between them is represented by a network graph with links (link 1), (link 2), ....
【００２０】プラントの状態変化は、前記リンクの結合
の方向に沿って伝播する変動状態を推定することにより
予測する。The state change of the plant is predicted by estimating the changing state propagating along the direction of coupling of the links.
【００２１】発電プラントは明確な目的の基に設計され
ており、最上位の目的は安全性の確保と電力の発生と考
え、この上位の目的を達成するためいくつかの下位目標
（機能）が設定され、全体として階層構造となる。The power plant is designed on the basis of a clear purpose, and it is considered that the highest purpose is to ensure safety and generate electric power, and there are some lower goals (functions) in order to achieve this higher purpose. It is set and becomes a hierarchical structure as a whole.
【００２２】上位の目的から下位の階層への機能の分解
は、機能説明書などの設計図書から判断しモデルに反映
させる。The decomposition of a function from a higher purpose to a lower hierarchy is judged from a design document such as a function manual and reflected in the model.
【００２３】本方式のモデル化では、この目的・機能は
操作の対象である物理量をある状態値にすることと等価
であるという考えに基づいて、抽象的な目的・機能の目
標を観測可能あるいは定量的に評価可能な物理量（保有
量，除熱量等）を用いて表現する。In the modeling of this method, it is possible to observe the target of the abstract purpose / function based on the idea that this purpose / function is equivalent to setting the physical quantity to be operated to a certain state value. It is expressed using a physical quantity that can be quantitatively evaluated (amount held, amount of heat removed, etc.).
【００２４】これにより目的・機能の達成評価は、その
目標となっている物理量の値により具体的に判定でき
る。As a result, the achievement evaluation of the purpose / function can be concretely judged by the value of the target physical quantity.
【００２５】物理量のモデル化では、前記目的・機能を
表現するもの（目標物理量と呼ぶ）と、それを達成する
ために操作する物理量（操作物理量と呼ぶ）に区別し、
機能的関係により結合する。In modeling a physical quantity, a physical quantity that expresses the above-mentioned purpose / function (called a target physical quantity) and a physical quantity that is manipulated to achieve it (called an operational physical quantity) are distinguished.
Combined by functional relationships.
【００２６】例えば、目標物理量の加圧器水位と機能的
関係にある操作物理量は加圧器充填・抽出流量偏差であ
る。For example, the operating physical quantity having a functional relationship with the pressurizer water level of the target physical quantity is the pressurizer filling / extracting flow rate deviation.
【００２７】このようなモデル化の考えに基づいてこの
発電プラントに関する知識を知識データベース１０９に
格納する。The knowledge database 109 stores knowledge about this power plant based on such a modeling idea.
【００２８】このモデルに基づいた知識は、図８６，図
８７に示したような構成要素（ノード）の定義に関する
知識１１８，１２０や構成要素間の関係（リンク）に関
する知識１１９，１２１〜１２３により構成する。Knowledge based on this model is obtained from knowledge 118, 120 concerning the definition of the constituent elements (nodes) and knowledge 119, 121-123 concerning the relations (links) between the constituent elements as shown in FIGS. Constitute.
【００２９】これら図８６，図８７に示したように、ノ
ードの定義に関する知識１１８，１２０は、物理量ノー
ドについては物理量の名称，目標物理量・操作物理量の
分類，運転目標値を計算する定義式とその正常範囲など
に関するデータで構成し、機器ノードについては、機器
の名称，弁・ポンプなどの機器の種類，運転目標値を計
算する定義式とその正常範囲などに関するデータで構成
する。As shown in FIGS. 86 and 87, the knowledge 118 and 120 about the definition of the node includes the physical quantity name, the target physical quantity / manipulation physical quantity classification, and the definition formula for calculating the operation target value for the physical quantity node. The data is related to the normal range and the like, and the device node is composed of the name of the device, the type of the device such as valve and pump, the definition formula for calculating the operation target value, and the data regarding the normal range.
【００３０】一方、リンクの定義に関する知識１１９，
１２１〜１２３は、機器の動作と物理量の影響、その関
係の強さ、機能的関係の有無に関する知識で構成し、物
理保存則に従った物理量間の関係，関係の強さ，機能的
関係の有無などで構成される。On the other hand, knowledge 119 about the definition of the link,
121 to 123 are composed of knowledge about the operation of the device and the influence of the physical quantity, the strength of the relationship, the presence or absence of the functional relationship, and the relationship between the physical quantities according to the law of physical conservation, the strength of the relationship, and the functional relationship. It consists of presence and absence.
【００３１】特に物理量間の関係では、プラントの動特
性による変動を定性的に予測するため、質量やエネルギ
ー保存則に従った変動を扱うことになり、これらのバラ
ンスを変動させる要因である入出流量偏差量も陽にモデ
ルで表現し、影響波及先の質量やエネルギーを表す物理
量と結合する。In particular, regarding the relationship between physical quantities, since fluctuations due to the dynamic characteristics of the plant are qualitatively predicted, fluctuations in accordance with the law of conservation of mass and energy are dealt with, and the inlet and outlet flow rates that are the factors that change these balances are dealt with. The amount of deviation is also explicitly expressed in a model, and is combined with the physical quantity that represents the mass and energy of the influence.
【００３２】次に動作について説明する。Next, the operation will be described.
【００３３】図８８は、異常原因同定のための因果関係
知識に基づいた原因同定方式の処理動作を示すフローチ
ャートである。FIG. 88 is a flow chart showing the processing operation of the cause identification system based on the causal relationship knowledge for identifying the cause of abnormality.
【００３４】図８９は、診断対象である発電プラントの
機能的関係や物理的関係に基づいた原因同定方式の処理
動作を示すフローチャートである。FIG. 89 is a flowchart showing the processing operation of the cause identification method based on the functional relationship and physical relationship of the power plant to be diagnosed.
【００３５】このプラントの異常診断装置で行なわれる
診断は、図８８の処理動作においては、一定周期毎にプ
ロセス入力（ステップＳＴ１３６），異常判定（ステッ
プＳＴ１３８），検知異常の有無の判断（ステップＳＴ
１３９）が繰り返される。In the processing operation of FIG. 88, the diagnosis performed by the abnormality diagnosing device of this plant is process input (step ST136), abnormality determination (step ST138), and determination of presence / absence of detected abnormality (step ST).
139) is repeated.
【００３６】また、図８９の処理動作においては、一定
周期毎にプロセス入力（ステップＳＴ１３６），運転目
標値評価（ステップＳＴ１３７），異常判定（ステップ
ＳＴ１３８），検知異常の有無の判断（ステップＳＴ１
３９）が繰り返される。In the processing operation of FIG. 89, the process input (step ST136), the operation target value evaluation (step ST137), the abnormality determination (step ST138), the presence / absence of a detected abnormality (step ST1) are performed at regular intervals.
39) is repeated.
【００３７】ステップＳＴ１３６におけるプロセス入力
処理は、図８２に示すプロセス入力部１０３により実行
され、発電プラント１０２からデータを入力し単位変換
し、プラントデータベース１０８の該当場所に記録する
処理ステップである。The process input process in step ST136 is a process step executed by the process input unit 103 shown in FIG. 82, in which data is input from the power generation plant 102, converted into a unit, and recorded in a corresponding place in the plant database 108.
【００３８】ステップＳＴ１３７における運転目標値評
価処理は、知識データベース１０９から運転目標値定義
式を読み込み、この定義式で参照しているプラント状態
データをプラントデータベース１０８から読み込んで計
算し、図８３に示すプラントデータベース１０８の記憶
機構１１５の所定のエリアに記録する処理ステップであ
る。In the operation target value evaluation processing in step ST137, the operation target value definition formula is read from the knowledge database 109, the plant state data referred to by this definition formula is read from the plant database 108, and the calculation is performed, as shown in FIG. This is a processing step of recording in a predetermined area of the storage mechanism 115 of the plant database 108.
【００３９】ステップＳＴ１３８における異常判定処理
は、知識データベース１０９から異常判定用の正常値範
囲を読み込み、プラント状態データと運転目標値とこの
正常範囲から異常を判定し、プラントデータベース１０
８の記憶機構１１６の所定のエリアに異常データ名を記
録する処理ステップである。In the abnormality determination processing in step ST138, the normal value range for abnormality determination is read from the knowledge database 109, an abnormality is determined from the plant state data, the operation target value and this normal range, and the plant database 10
8 is a processing step of recording an abnormal data name in a predetermined area of the storage mechanism 116 of FIG.
【００４０】この処理ステップの異常判定方法として
は、図９１に示すような方法が考えられる。As a method of judging abnormality in this processing step, a method shown in FIG. 91 can be considered.
【００４１】図９１において、横軸は観測値と運転目標
値の偏差であり、ｅは正常範囲を決める閾値である。In FIG. 91, the horizontal axis is the deviation between the observed value and the driving target value, and e is the threshold value that determines the normal range.
【００４２】図９１に示すように、閾値ｅ付近での異常
判定の不確定さを回避するため、異常の判定に０．５か
ら１までの範囲の確信度を設ける。As shown in FIG. 91, in order to avoid the uncertainty of the abnormality determination near the threshold value e, the certainty factor in the range of 0.5 to 1 is provided for the abnormality determination.
【００４３】この確信度の値が大きいほど確実な判定で
あることを示している。The larger the value of the certainty factor, the more reliable the determination is.
【００４４】また、異常の判定では運転目標値よりプラ
ント状態の示す値が大きいときには「高異常」、小さい
ときには「低異常」とする。In the determination of abnormality, when the value indicated by the plant state is larger than the operation target value, "high abnormality" is set, and when it is small, "low abnormality" is set.
【００４５】この判定により「高異常」あるいは「低異
常」と判定されたプロセス量の名称を図８３に示すプラ
ントデータベース１０８の記憶機構１１６の所定のエリ
アに記録する。The name of the process amount determined as "high abnormality" or "low abnormality" by this determination is recorded in a predetermined area of the storage mechanism 116 of the plant database 108 shown in FIG.
【００４６】図８８，図８９に戻り、ステップＳＴ１３
９における異常有無判定処理は、異常と判定されたプロ
セス量がプラントデータベース１０８の記憶機構１１６
に存在するか否かを調べる処理ステップである。Returning to FIG. 88 and FIG. 89, step ST13
In the abnormality presence / absence determination process in 9, the process amount determined to be abnormal is stored in the storage mechanism 116 of the plant database 108.
This is a processing step for checking whether or not there exists.
【００４７】ここでプラントデータベース１０８の記憶
機構１１６に異常と判定されたプロセス量がなければ、
ここで異常第１原因推定処理を終了し次の異常検知処理
に進む。If there is no process amount judged to be abnormal in the storage mechanism 116 of the plant database 108,
Here, the abnormality first cause estimation processing is ended and the processing proceeds to the next abnormality detection processing.
【００４８】一方、プラントデータベース１０８の記憶
機構１１６に異常と判定されたプロセス量があれば、図
８８に示す処理動作ではその原因を推定する成立因果関
係探索処理に進み（ステップＳＴ１４０）、また図８９
に示す処理動作では探索開始異常選択処理（ステップＳ
Ｔ１４６）に進む。On the other hand, if there is a process amount determined to be abnormal in the storage mechanism 116 of the plant database 108, the processing operation shown in FIG. 88 proceeds to the establishment causal relationship search processing for estimating the cause (step ST140), 89
In the processing operation shown in, the search start abnormality selection processing (step S
Proceed to T146).
【００４９】ここで、図８８に示す異常原因同定のため
の因果関係知識に基づいた原因同定方式の処理動作につ
いて説明する。Here, the processing operation of the cause identifying method based on the causal relationship knowledge for identifying the cause of abnormality shown in FIG. 88 will be described.
【００５０】ここでの異常原因の同定すなわち異常原因
推論は異常原因推論部１１０で行なわれ、知識データベ
ース１０９に格納された異常原因の因果関係の中からプ
ラントデータベース１０８の記憶機構に格納された異常
のパターンに一致する因果関係知識を探し出すことによ
り（ステップＳＴ１４０）異常原因を同定する。The identification of the cause of the abnormality, that is, the abnormality cause inference is performed by the abnormality cause inference unit 110, and the abnormality stored in the storage mechanism of the plant database 108 is selected from the causal relations of the abnormality cause stored in the knowledge database 109. The cause of abnormality is identified by searching for the causal knowledge that matches the pattern (step ST140).
【００５１】すなわち、知識データベース１０９に格納
された異常原因に関する因果関係の知識は、図８４に示
すようにＩｆ（条件部），Ｔｈｅｎ（結論部）の形式で
表現されている。That is, the knowledge of the causal relationship regarding the cause of abnormality stored in the knowledge database 109 is expressed in the form of If (conditional part) and Then (conclusion part) as shown in FIG.
【００５２】この条件部には、プロセス量の状態あるい
はプラント機器の動作状態が条件として与えられている
ので、この条件部に合致するデータがプラントデータベ
ース１０８のテーブルに格納されていればその条件部に
対応した結論部が成立したと判定する（ステップＳＴ１
４４）。Since the condition quantity is given the condition of the amount of process or the operating condition of the plant equipment, if the data matching the condition condition is stored in the table of the plant database 108, the condition condition is satisfied. It is determined that the conclusion part corresponding to is established (step ST1
44).
【００５３】そして、その推論仮説結果が異常の第１原
因であれば、この診断結果Ｋを表示処理部１１３へ送出
し、また第１原因でなければ推論過程仮説としてプラン
トデータベース１０８に格納する（ステップＳＴ１４
３）。Then, if the inference hypothesis result is the first cause of the abnormality, this diagnosis result K is sent to the display processing unit 113, and if it is not the first cause, it is stored in the plant database 108 as the inference process hypothesis ( Step ST14
3).
【００５４】このようにして、知識データベース１０９
に条件部が合致する因果関係の知識が存在しなくなった
時点で異常原因同定処理が終了する。In this way, the knowledge database 109
The abnormality cause identification processing ends when there is no knowledge of the causal relationship that matches the condition part with.
【００５５】次に、図８９に示す診断対象である発電プ
ラントの機能的関係や物理的関係の知識に基づいた原因
同定方式の処理動作について説明する。Next, the processing operation of the cause identification method based on the knowledge of the functional relationship and physical relationship of the power plant to be diagnosed shown in FIG. 89 will be described.
【００５６】ステップＳＴ１４６の探索開始異常選択処
理から以降の異常原因の推定処理は、知識データベース
１０９に格納されたプラントのモデルのネットワークを
構成する結合子を逆方向に辿ることにより行なう。The process of estimating the cause of the abnormality starting from the search start abnormality selection processing in step ST146 is performed by tracing the connectors forming the network of the plant model stored in the knowledge database 109 in the reverse direction.
【００５７】これは、異常の影響がネットワークのモデ
ルの結合子の矢印の方向で伝播するという考えに基づい
ている。This is based on the idea that the effect of anomalies propagates in the direction of the arrow of the model connector of the network.
【００５８】図９２は、プラントのモデル上での原因探
索の過程を示した説明図である。FIG. 92 is an explanatory diagram showing the process of searching for the cause on the plant model.
【００５９】図８９に戻り、ステップＳＴ１４６の探索
開始異常選択処理は、プラントデータベース１０８の記
憶機構１１６に格納されている検知異常プロセス量から
異常原因探索処理が実行されていない任意の１つを選択
し、その異常原因の同定処理開始点を前記ネットワーク
のモデル上で決定する処理ステップである。Returning to FIG. 89, the search start abnormality selection processing in step ST146 selects any one of the detected abnormal process amounts stored in the storage mechanism 116 of the plant database 108, for which the abnormality cause search processing has not been executed. The process step of determining the starting point of the identification process of the cause of the abnormality on the model of the network.
【００６０】この異常原因の探索開始点は、前記プラン
トデータベース１０８の記憶機構１１６から選択された
検知異常プロセス量の種類により次のように決められ
る。The starting point of the search for the cause of the abnormality is determined as follows depending on the type of the detected abnormal process amount selected from the storage mechanism 116 of the plant database 108.
【００６１】すなわち、異常プロセス量が操作物理量で
あるならば、その機能結合先の状態物理量を異常原因探
索開始点とし、また、異常プロセス量が状態物理量なら
ば、その物理量を異常原因探索開始点とする。That is, if the abnormal process quantity is the operation physical quantity, the state physical quantity of the function coupling destination is set as the abnormality cause search start point, and if the abnormal process quantity is the state physical quantity, the physical quantity is set as the abnormality cause search start point. And
【００６２】ステップＳＴ１４７の探索開始異常有無判
定処理は、全ての検知異常プロセス量の異常原因の探索
が行なわれたか否かを調べる処理ステップである。The search start abnormality presence / absence determination processing in step ST147 is a processing step for checking whether or not the search for the abnormality cause of all the detected abnormal process amounts has been performed.
【００６３】このステップＳＴ１４７において探索開始
点がないと判断すると、全ての検知異常プロセス量の原
因探索が終了したことになるので、ステップＳＴ１３６
から始る次の異常検知処理に進む。If it is determined in this step ST147 that there is no search start point, it means that the search for the causes of all the detected abnormal process amounts has been completed, so step ST136.
Proceed to the next abnormality detection process starting from.
【００６４】一方、ステップＳＴ１４７において探索開
始点があると判断すると、次に実行するステップＳＴ１
４８の第１原因推定処理により推定された第１原因とそ
れから影響を受ける全てのプロセス量の関係付けが行な
われる。On the other hand, if it is determined in step ST147 that there is a search start point, step ST1 to be executed next.
The first cause estimated by the first cause estimation process of 48 and all process quantities affected by the first cause are associated with each other.
【００６５】従って、検知された原因と関係のない異常
プロセス量が存在するときには複数の原因が同時に発生
していると判断し、その原因の探索を行なうことにな
り、このステップＳＴ１４８ではプラントに発生した全
ての異常原因を探索することになる。Therefore, when there is an abnormal process amount unrelated to the detected cause, it is judged that a plurality of causes are occurring at the same time, and the cause is searched for. In step ST148, the cause is generated in the plant. You will search for all the causes of abnormality.
【００６６】ステップＳＴ１４８の第１原因推定処理
は、異常原因探索開始点からネットワークのモデルを辿
り異常原因を探索する処理ステップであり、この第１原
因推定処理をさらに詳しく説明したフローチャートが図
９０である。The first cause estimating process of step ST148 is a process step of searching the cause of the abnormality by tracing the model of the network from the abnormality cause searching start point, and a flow chart for explaining the first cause estimating process in more detail is shown in FIG. is there.
【００６７】すなわち、この第１原因推定処理は異常波
及経路候補推定処理（ステップＳＴ１５２）から始り、
この異常波及経路候補推定処理は第１原因探索処理開始
ノードに影響を与える可能性のあるノードの中から異常
影響を与えていると考えられるノードを選択する処理ス
テップである。That is, the first cause estimating process starts from the abnormal spread route candidate estimating process (step ST152),
This abnormal propagation route candidate estimation processing is a processing step of selecting a node that is considered to have an abnormal influence from among the nodes that may affect the first cause search processing start node.
【００６８】この第１原因探索処理開始ノードに影響を
与える可能性のあるノードは、ノード間の関係に関する
知識から判定する。例えば、目標物理量が低下中あるい
は正常状態が持続しているが増加作用の制御機能が動作
中であれば、減少作用の可能性のある機器の状態を仮定
する。The node that may affect the first cause search processing start node is determined from the knowledge of the relationship between the nodes. For example, if the target physical quantity is decreasing or the normal state continues but the control function of increasing action is operating, the state of the device having a possibility of decreasing action is assumed.
【００６９】次に第１原因の候補となるノードがあるか
否かを判断する（ステップＳＴ１５３）。Next, it is determined whether there is a node which is a candidate for the first cause (step ST153).
【００７０】ステップＳＴ１５３において第１原因の候
補となるノードがあると判断すると、その中の１つのノ
ードを選択して次の異常影響波及確認処理（ステップＳ
Ｔ１５４）に進む。When it is determined in step ST153 that there is a node that is a candidate for the first cause, one of the nodes is selected and the next abnormal influence spread confirmation processing (step S
Proceed to T154).
【００７１】一方、第１原因の候補となるノードがない
ときには、原因未確認と判定する（ステップＳＴ１５
５）。On the other hand, when there is no node that is a candidate for the first cause, it is determined that the cause has not been confirmed (step ST15).
5).
【００７２】ステップＳＴ１５４の異常影響波及確認処
理は、仮定した第１原因の候補の影響を推定し、プラン
トの観測状態が前記推定した状態と一致しているか否か
により第１原因仮説を確定するか否かを判断する処理ス
テップである。In the abnormal influence spread confirmation processing in step ST154, the influence of the assumed first cause candidate is estimated, and the first cause hypothesis is determined by whether or not the observed state of the plant matches the estimated state. This is a processing step for determining whether or not.
【００７３】この処理ステップでは、たとえば仮定した
第１原因の候補の物理量への影響が減少作用であり、影
響先の物理量の状態が実際に減少中あるいは増加作用の
機能が動作中であるにもかかわらず影響先の物理量が変
動していなければ前記仮定が成立したと判断し、次のス
テップＳＴ１５６，ステップＳＴ１５８の第１原因判定
処理へ進む。In this processing step, for example, the effect of the hypothesized first cause candidate on the physical quantity is a reducing action, and the state of the affected physical quantity is actually decreasing or the function of increasing action is operating. Regardless, if the physical quantity of the influence destination does not change, it is determined that the above assumption is satisfied, and the process proceeds to the first cause determination process of the following steps ST156 and ST158.
【００７４】また、仮定した第１原因の候補の物理量へ
の影響が減少作用であり、影響先の物理量の状態が減少
していないならば前記仮定は成立しないと判断し、ステ
ップＳＴ５６から先の異常原因探索を中止し、ステップ
ＳＴ１５３に戻り、別の異常波及経路へ異常原因の探索
を進める。Further, if the effect of the assumed first cause on the physical quantity is a reducing effect, and if the state of the affected physical quantity is not decreasing, then it is determined that the above assumption does not hold, and step ST56 and subsequent steps are executed. The search for the cause of the abnormality is stopped, the process returns to step ST153, and the search for the cause of the abnormality is advanced to another abnormal influence route.
【００７５】このステップＳＴ１５４の異常影響波及確
認処理により第１原因の探索と同時に第１原因から影響
を受けて異常となっているプロセス量が判明するので、
プラントデータベース１０８の記憶機構１１６の検知異
常プロセス量の異常原因探索処理開始候補から前記判明
したプロセス量を削除することができる。By the abnormal influence spread confirmation processing in step ST154, at the same time as the search for the first cause, the process amount which is affected by the first cause and becomes abnormal is determined.
The identified process amount can be deleted from the abnormality cause search processing start candidate of the detected abnormal process amount in the storage mechanism 116 of the plant database 108.
【００７６】これにより、同一の原因が多数の異常を引
き起こしても夫々の異常に対し重複して探索することな
く効率的に診断が出来ることになる。As a result, even if a plurality of abnormalities are caused by the same cause, it is possible to efficiently diagnose each abnormality without redundant search.
【００７７】このステップＳＴ１５４の異常影響波及確
認処理により第１原因の候補のノードが推定できれば、
そのノードが第１原因かあるいは第１原因の影響を受け
ているノードであるか否かを判定する第１原因判定処理
を実行することになる（ステップＳＴ１５６）。If the node of the candidate of the first cause can be estimated by the abnormal influence spread confirmation processing in step ST154,
A first cause determination process for determining whether the node is the first cause or a node affected by the first cause is executed (step ST156).
【００７８】そして、基本的には前記ノードが機器ノー
ドであれば第１原因とし、これをプラントデータベース
の１０８の記憶機構１１７の所定のエリアに記録し処理
を終了する。Basically, if the node is an equipment node, it is regarded as the first cause, this is recorded in a predetermined area of the storage mechanism 117 of the plant database 108, and the process is terminated.
【００７９】また、前記ノードが物理量ノードであれば
さらに第１原因の探索を進める（ステップＳＴ１５
８）。If the node is a physical quantity node, the search for the first cause is further advanced (step ST15).
8).
【００８０】この場合のステップＳＴ１５８の第１原因
の推定処理は、再びステップＳＴ１５２から始る一連の
処理を再帰的に呼出して実行することにより行なわれ
る。In this case, the first cause estimating process of step ST158 is performed by recursively calling and executing a series of processes starting from step ST152 again.
【００８１】そして、異常の第１原因が確認されれば
（ステップＳＴ１５６）、処理は終了することになる一
方、確認されないときにはステップＳＴ１５３に戻り別
の異常波及経路へ異常原因の探索を進める。If the first cause of the abnormality is confirmed (step ST156), the process ends, while if not confirmed, the process returns to step ST153 to search another abnormality cause route.
【００８２】このようにして図８９のステップＳＴ１４
８の第１原因推定処理が行なわれた後、次にステップＳ
Ｔ１４９の同定第１原因有無判定処理が行なわれる。In this way, step ST14 in FIG.
After the first cause estimation process of No. 8 is performed, the next step S
The identification first cause presence / absence determination process of T149 is performed.
【００８３】この同定第１原因有無判定処理は、上述し
た第１原因推定処理（ステップＳＴ１４８）により第１
原因が同定されているか否かを判断する処理ステップで
ある。This identification first cause presence / absence determining process is performed by the first cause estimating process (step ST148) described above.
This is a processing step of determining whether or not the cause has been identified.
【００８４】この結果、同定されていると判断すると、
同定結果表示処理（ステップＳＴ１５０）に進み、一方
また同定されていないと判断すると同定不能表示処理
（ステップＳＴ１５１）に進む。As a result, when it is judged that the identification has been made,
The process proceeds to the identification result display process (step ST150). On the other hand, if it is determined that no identification has been made, the process proceeds to the unidentifiable display process (step ST151).
【００８５】これら同定結果表示処理（ステップＳＴ１
５０）や同定不能表示処理（ステップＳＴ１５１）で
は、所定の表示処理を実行し、さらにステップＳＴ１４
６以下の原因の判明されていない異常原因探索処理に進
むことになる。These identification result display processing (step ST1
50) and unidentifiable display processing (step ST151), predetermined display processing is executed, and further step ST14
The process proceeds to an abnormal cause search process in which the causes of 6 or less are not known.
【００８６】[0086]
【発明が解決しようとする課題】従来のプラントの異常
診断装置は以上のように構成されているので、次のよう
な問題点があった。Since the conventional plant abnormality diagnosing device is constructed as described above, it has the following problems.
【００８７】（１）従来のプラントの異常診断装置で
は、あらかじめ設定した警報設定点などを基に異常の検
知を行ない、これにより運転員が判断して発生した異常
に対処したり、検知した異常警報を診断装置などに入力
し異常原因の診断などを行なっていため、プラントの運
転状況にかかわりなくあらかじめ設定された異常判定基
準である警報設定点により異常発生を検知することにな
り、プラントの運転状態の変化に応じた異常判定基準が
設定できず、異常の誤検知や異常検知もれなどが発生す
る問題点があった。(1) The conventional plant abnormality diagnosis device detects an abnormality on the basis of a preset alarm set point or the like, thereby coping with the abnormality generated by the operator or detecting the abnormality. Since an alarm is input to a diagnostic device to diagnose the cause of an abnormality, an abnormality occurrence is detected by an alarm set point that is a preset abnormality determination standard regardless of the operating status of the plant. There is a problem that an abnormality determination standard corresponding to a change in state cannot be set, resulting in erroneous detection of abnormality or failure of detection of abnormality.
【００８８】また、プラントの起動・停止時のような運
転操作がプラントに対し行なわれるようなときには、精
度の高いシミュレーションを利用した異常検知も適用が
困難である問題点がある。Further, there is a problem that it is difficult to apply the abnormality detection using the highly accurate simulation when the plant is operated for starting and stopping.
【００８９】このように、現状の運転操作における起動
・停止のような変動する運転状態では、本来の異常を検
知するための警報信号が単なるステータスモニタとして
しか利用されていない点でもこの問題点は明らかであ
り、かつ重大な問題点となっている。As described above, in a fluctuating driving state such as starting / stopping in the current driving operation, the alarm signal for detecting the original abnormality is used only as a status monitor. It is a clear and serious problem.
【００９０】（２）大規模なプラントでは起動・停止や
通常運転に伴う操作ステップが膨大になってしまい、操
作情報を利用して異常検知を行なうためには、これら膨
大な操作ステップに関しての知識量を効率的に処理しな
ければならないという問題点があった。(2) In a large-scale plant, the number of operation steps associated with start / stop and normal operation becomes enormous, and in order to detect abnormality using operation information, knowledge about these enormous operation steps is required. There was a problem that the amount had to be processed efficiently.
【００９１】（３）従来のプラントの異常診断装置で
は、プラントの観測情報の異常は検知できても実行され
た操作の誤りは検知できないという問題点があった。(3) The conventional plant abnormality diagnosing device has a problem that an abnormality in the observation information of the plant can be detected, but an error in the executed operation cannot be detected.
【００９２】（４）また、大規模なプラントでは実行さ
れた操作の誤りを検知するためには、起動・停止や通常
運転などの膨大な操作ステップに関する知識を効率的に
処理する必要があるのに対し、このような膨大な操作ス
テップに関する知識を効率的に処理する手段が実現され
ていないという問題点があった。(4) Further, in order to detect an error in an operation performed in a large-scale plant, it is necessary to efficiently process knowledge about a huge number of operation steps such as start / stop and normal operation. On the other hand, there has been a problem that means for efficiently processing knowledge about such enormous operation steps has not been realized.
【００９３】（５）さらに、従来の異常診断装置では、
実行された操作の誤りが検知できないことに加えて、正
しい操作が行なわれても充分な効果が観測できなかった
り、操作目標に対する達成度が低いようなときの代替操
作が必要な状況を判定できないという問題点があった。(5) Furthermore, in the conventional abnormality diagnosis device,
In addition to not being able to detect errors in the executed operations, it is not possible to determine sufficient effects even if the correct operations are performed, or it is not possible to determine situations in which alternative operations are required when the achievement level of the operation target is low. There was a problem.
【００９４】（６）また、大規模なプラントでは実行さ
れた操作で充分な効果が観測できなかったり、操作目標
に対する達成度が低いようなときの代替操作が必要な状
況を判定するためには、起動・停止や通常運転などの膨
大な操作ステップに関する知識を効率的に処理する必要
があるのに対し、このような代替操作が必要な状況を判
定するための膨大な操作ステップに関する知識を効率的
に処理する手段が実現されていないという問題点があっ
た。(6) In addition, in order to judge the situation in which a sufficient operation cannot be observed in the operation performed in a large-scale plant, or the alternative operation is required when the achievement level to the operation target is low, However, it is necessary to efficiently process knowledge about a huge number of operation steps such as start / stop and normal operation, while efficient knowledge about a huge number of operation steps for determining a situation where such an alternative operation is necessary. However, there is a problem in that the means for performing the automatic processing has not been realized.
【００９５】（７）従来の異常診断装置では、予め定義
されていた異常原因同定用の因果関係の知識ベースに基
づいてその異常原因を同定しており、多様に変化するプ
ラントの運転状況に応じて柔軟に対応できるようなもの
にはなっておらず、プラントの運転状態が変化すれば異
常原因の同定ができないという問題点があった。(7) In the conventional abnormality diagnosing device, the cause of abnormality is identified based on the knowledge base of the causal relationship for identifying the cause of abnormality, which is defined in advance, and it is possible to respond to various operating conditions of the plant. There is a problem in that the cause of the abnormality cannot be identified if the operating state of the plant changes.
【００９６】（８）従来の異常診断装置では、プラント
の状態変化に対応する異常原因同定を行なうための因果
関係を定義すると、夫々の状態に対応する因果関係を夫
々定義することになり、状態を識別するための条件要素
が複雑になり、処理効率が低下したり因果関係を定義し
た知識ベースの規模が増大し、高速な推論が行なえない
などの問題点があった。(8) In the conventional abnormality diagnosing apparatus, when a causal relationship for identifying an abnormal cause corresponding to a change in the state of a plant is defined, a causal relationship corresponding to each state is defined. There is a problem that the condition element for identifying is complicated, the processing efficiency is reduced, the scale of the knowledge base that defines the causal relationship is increased, and high-speed inference cannot be performed.
【００９７】（９）従来の異常診断装置では、あらかじ
め定義されていた異常原因同定用の規則、あるいは、異
常診断のための診断対象のプラントを構成する機器の機
能的・構造的関係や物理的関係を記述した知識ベースに
基づいて異常原因を同定しており、多様に変化するプラ
ントの運転状況に応じて柔軟に対応できるようなものに
はなっておらず、プラントの運転状態が変化すれば異常
原因の同定ができないという問題点があった。(9) In the conventional abnormality diagnosing device, the rules for identifying the cause of abnormality, which are defined in advance, or the functional / structural relationships and physical relationships of the equipment constituting the plant to be diagnosed for abnormality diagnosis are used. The cause of the abnormality is identified based on the knowledge base that describes the relationship, and it is not designed to flexibly respond to the various operating conditions of the plant.If the operating state of the plant changes, There was a problem that the cause of abnormality could not be identified.
【００９８】（１０）従来の異常診断装置では、プラン
トの状態変化に対応する異常原因同定を行なうため、診
断対象のプラントを構成する機器の機能的・構造的関係
や物理的関係を記述した知識ベースを定義すると、夫々
の状態に対応する知識ベースを夫々定義することにな
り、知識ベースの規模が増大し、高速な推論が行なえな
いなどの問題点があった。(10) In the conventional abnormality diagnosing device, since the cause of abnormality is identified corresponding to the change in the state of the plant, the knowledge describing the functional / structural relation and the physical relation of the equipment constituting the plant to be diagnosed. When the bases are defined, the knowledge bases corresponding to the respective states are to be defined respectively, the scale of the knowledge bases increases, and there is a problem that high-speed inference cannot be performed.
【００９９】請求項１の発明は上記のような問題点を解
消するためになされたもので、操作知識ベースに基づい
てプラントの操作状況に応じた異常検知処理を行なうこ
との出来るプラントの異常診断装置を得ることを目的と
する。The invention of claim 1 has been made to solve the above-mentioned problems, and an abnormality diagnosis of a plant capable of performing abnormality detection processing according to the operation situation of the plant based on an operation knowledge base. The purpose is to obtain the device.
【０１００】請求項２の発明は、操作知識ベースに基づ
いた異常検知処理を状態推移モデルを利用して効率的に
行なうことの出来るプラントの異常診断装置を得ること
を目的とする。It is an object of the present invention to provide a plant abnormality diagnosing device capable of efficiently performing abnormality detection processing based on an operation knowledge base using a state transition model.
【０１０１】請求項３の発明は、操作知識ベースを階層
化，分割化することにより操作知識ベースに基づいた異
常検知処理を効率的に行なうことの出来るプラントの異
常診断装置を得ることを目的とする。An object of the invention of claim 3 is to obtain a plant abnormality diagnosing device capable of efficiently performing abnormality detection processing based on the operation knowledge base by hierarchizing and dividing the operation knowledge base. To do.
【０１０２】請求項４の発明は、操作知識ベースに基づ
いて操作違反を検知することの出来るプラントの異常診
断装置を得ることを目的とする。It is an object of the present invention to provide a plant abnormality diagnosing device capable of detecting an operation violation based on an operation knowledge base.
【０１０３】請求項５の発明は、操作知識ベースに基づ
いて操作違反を検知する際に状態推移モデルを利用して
効率的に操作違反検知を行なうことのできるプラントの
異常診断装置を得ることを目的とする。The invention according to claim 5 is to obtain an abnormality diagnosing device for a plant which can efficiently detect an operation violation by using a state transition model when detecting an operation violation based on an operation knowledge base. To aim.
【０１０４】請求項６の発明は、操作知識ベースに基づ
いた操作違反検知処理を、操作知識ベースを階層化，分
割化することにより効率良く行なうことのできるプラン
トの異常診断装置を得ることを目的とする。It is an object of the present invention to provide a plant abnormality diagnosing device capable of efficiently performing operation violation detection processing based on an operation knowledge base by layering and dividing the operation knowledge base. And
【０１０５】請求項７の発明は、操作知識ベースに基づ
いて補完・代替操作の必要性の有無を判定し、これを提
供することの出来るプラントの異常診断装置を得ること
を目的とする。It is an object of the present invention to obtain a plant abnormality diagnosing device which can judge the necessity of the complementary / substitute operation based on the operation knowledge base and can provide it.
【０１０６】請求項８の発明は、操作知識ベースに基づ
いた補完・代替操作の必要性の有無の判定を、状態推移
モデルを利用して効率的に行なうことの出来るプラント
の異常診断装置を得ることを目的とする。The invention according to claim 8 provides a plant abnormality diagnosing device which can efficiently determine the necessity of a complementary / substitute operation based on an operation knowledge base using a state transition model. The purpose is to
【０１０７】請求項９の発明は、操作知識ベースに基づ
いた補完・代替操作の必要性の有無の判定を、操作知識
ベースを階層化，分割化することにより効率的に行なう
ことの出来るプラントの異常診断装置を得ることを目的
とする。According to the ninth aspect of the present invention, it is possible to efficiently judge the necessity of the complementary / substitute operation based on the operation knowledge base by hierarchizing and dividing the operation knowledge base. The purpose is to obtain an abnormality diagnosis device.
【０１０８】請求項１０の発明は、異常原因同定のため
の因果関係を定義した因果関係知識ベースの内容の操作
状況に応じた切り替えを操作知識ベースに基づいて行な
うことの出来るプラントの異常診断装置を得ることを目
的とする。The invention of claim 10 is a plant abnormality diagnosing apparatus capable of switching the contents of a causal relation knowledge base defining a causal relation for abnormality cause identification in accordance with an operation situation based on the operation knowledge base. Aim to get.
【０１０９】請求項１１の発明は、操作知識ベースに基
づいた因果関係知識ベースの切り替えを状態推移モデル
を利用することにより効率的に行なうことの出来るプラ
ントの異常診断装置を得ることを目的とする。It is an object of the invention of claim 11 to obtain a plant abnormality diagnosing device which can efficiently switch a causal knowledge base based on an operation knowledge base by using a state transition model. .
【０１１０】請求項１２の発明は、操作知識ベースに基
づいた因果関係知識ベースの切り替えを操作知識ベース
を階層化，分割化することにより効率的に行なうことの
出来るプラントの異常診断装置を得ることを目的とす
る。According to the twelfth aspect of the present invention, it is possible to obtain a plant abnormality diagnosing device capable of efficiently switching the causal relationship knowledge base based on the operation knowledge base by hierarchically dividing the operation knowledge base. With the goal.
【０１１１】請求項１３の発明は、操作知識ベースに記
述された該当操作によるプロセス量の設定正常状態や動
作機器の変更などに基づいて、異常原因同定のための処
理で参照する診断対象のプラントの機器の機能的・構造
的関係や物理的関係を記述した知識ベースの内容を動的
に変更し、プラントの操作状況に応じた異常原因の同定
を可能とするプラントの異常診断装置を得ることを目的
とする。According to a thirteenth aspect of the invention, the plant to be diagnosed referred to in the process for identifying the cause of abnormality is based on the setting of the process amount by the corresponding operation described in the operation knowledge base, the normal state, and the change of the operating equipment. To dynamically change the contents of the knowledge base that describes the functional / structural relationships and physical relationships of other equipment, and to obtain a plant abnormality diagnosis device that enables identification of the cause of abnormality according to the operating status of the plant With the goal.
【０１１２】請求項１４の発明は、状態推移モデルを利
用することにより、診断対象のプラントを構成する機器
の機能的・構造的関係や物理的関係を記述した知識ベー
スを決める際の切り替えを効率化できるプラントの異常
診断装置を得ることを目的とする。According to the fourteenth aspect of the present invention, by utilizing the state transition model, it is possible to efficiently perform switching when determining the knowledge base that describes the functional / structural relationship or physical relationship of the devices constituting the plant to be diagnosed. An object of the present invention is to obtain an abnormality diagnosis device for a plant that can be realized.
【０１１３】請求項１５の発明は、操作知識ベースを階
層化，分割化することにより、診断対象のプラントを構
成する機器の機能的・構造的関係や物理的関係を記述し
た知識ベースを決める際の操作候補の切り替えを効率化
できるプラントの異常診断装置を得ることを目的とす
る。According to a fifteenth aspect of the present invention, when the knowledge base describing the functional / structural relationship or physical relationship of the devices constituting the plant to be diagnosed is determined by hierarchizing and dividing the operation knowledge base. It is an object of the present invention to obtain a plant abnormality diagnosis device capable of efficiently switching the operation candidates.
【０１１４】請求項１６の発明は、異常原因探索範囲を
広げることができるプラントの異常診断装置を得ること
を目的とする。An object of the 16th aspect of the present invention is to provide an abnormality diagnosing device for a plant, which is capable of expanding the range of abnormality cause search.
【０１１５】[0115]
【課題を解決するための手段】請求項１の発明に係るプ
ラントの異常診断装置は、上記プラントからの操作情報
と、操作知識ベースに記述されている知識とに基づいて
上記プラントの運転状態に対応した異常判定条件を設定
する異常判定条件動的設定手段と、その異常判定条件動
的設定手段により設定した異常判定条件を基に上記プラ
ントの操作状況に応じた異常検知処理を行なう異常検知
処理手段とを備えたものである。According to a first aspect of the present invention, there is provided an abnormality diagnosing device for a plant, which determines an operating state of the plant based on operation information from the plant and knowledge described in an operation knowledge base. Abnormality determination condition dynamic setting means for setting corresponding abnormality determination conditions, and abnormality detection processing for performing abnormality detection processing according to the operation status of the plant based on the abnormality determination conditions set by the abnormality determination condition dynamic setting means And means.
【０１１６】請求項２の発明に係るプラントの異常診断
装置は、操作知識ベースに記述されている操作開始，終
了などの条件に基づいて上記プロセス量の変動範囲内を
有限個に分割し、それらの範囲間での変動方向を記述し
た状態推移モデルと、異常判定条件を判断する各時点に
おいて、判定すべき操作候補を上記状態推移モデルによ
り絞り込む操作候補絞込み手段と、その操作候補絞込み
手段により絞り込んだ操作候補を基に、異常検知処理を
行なう異常検知処理手段とを備えたものである。An abnormality diagnosing apparatus for a plant according to a second aspect of the present invention divides the process amount variation range into a finite number based on conditions such as operation start and end described in the operation knowledge base, and The state transition model that describes the direction of change between the ranges, and the operation candidate narrowing means that narrows down the operation candidates that should be determined at each time point when the abnormality determination condition is determined by the state transition model, and the operation candidate narrowing means. An abnormality detection processing unit that performs abnormality detection processing based on the operation candidate is provided.
【０１１７】請求項３の発明に係るプラントの異常診断
装置は、異常判定条件を判断する各時点において判定す
べき操作候補を、操作知識ベースの階層化，分割化を基
に絞り込む操作候補絞込み手段と、その操作候補絞込み
手段により絞り込んだ操作候補を基に異常検知処理を行
なう異常検知処理手段とを備えたものである。In the plant abnormality diagnosing apparatus according to the third aspect of the present invention, the operation candidate narrowing means for narrowing down the operation candidates to be judged at each time point for judging the abnormality judging condition based on the hierarchy and division of the operation knowledge base. And an abnormality detection processing means for performing abnormality detection processing based on the operation candidates narrowed down by the operation candidate narrowing means.
【０１１８】請求項４の発明に係るプラントの異常診断
装置は、操作知識ベースに記述されている操作開始，終
了などの条件などと、上記プラントから入力される操作
情報とを比較し、上記操作知識ベースに記述されている
操作開始，終了などの条件に合致しない操作を操作違反
として検知する違反操作検知手段を備えたものである。An abnormality diagnosing device for a plant according to a fourth aspect of the present invention compares the conditions such as the operation start and end described in the operation knowledge base with the operation information input from the plant, and performs the above operation. It is provided with a violating operation detection means for detecting an operation violation that does not match the conditions such as the operation start and end described in the knowledge base.
【０１１９】請求項５の発明に係るプラントの異常診断
装置は、操作知識ベースに記述されている操作開始，終
了などの条件などに基づいて上記プロセス量の変動範囲
内を有限個に分割し、それらの範囲間での変動方向を記
述した状態推移モデルと、違反操作を判断する各時点に
おいて判定すべき操作候補を上記状態推移モデルにより
絞り込む操作候補絞込み手段と、その操作候補絞込み手
段により絞り込んだ操作候補を基に違反操作を検知する
違反操作検知手段とを備えたものである。An abnormality diagnosing device for a plant according to a fifth aspect of the present invention divides the process amount variation range into a finite number based on conditions such as operation start and end described in the operation knowledge base, A state transition model that describes the direction of change between those ranges, operation candidate narrowing-down means that narrows down the operation candidates that should be determined at each time point when determining a violating operation by the above state transition model, and that operation candidate narrowing-down means. It is provided with a violating operation detecting means for detecting a violating operation based on the operation candidates.
【０１２０】請求項６の発明に係るプラントの異常診断
装置は、プラントに変動をもたらす個々の運転操作に関
して、その運転操作により影響を受けるプロセス量，操
作開始，終了条件などの操作に関する知識を操作目的，
操作対象などにより階層化，分割化して記述した操作知
識ベースと、違反操作を判断する各時点において判定す
べき操作候補を上記操作知識ベースの階層化，分割化を
基に絞り込む操作候補絞込み手段と、その操作候補絞込
み手段により絞り込んだ操作候補を基に違反操作を検知
する違反操作検知手段とを備えたものである。According to the sixth aspect of the present invention, a plant abnormality diagnosing apparatus operates knowledge about operations such as a process amount, an operation start and an end condition, which are influenced by the operation, with respect to each operation which causes fluctuations in the plant. Purpose,
An operation knowledge base described in hierarchies and divisions according to an operation target, and operation candidate narrowing means for narrowing down operation candidates to be judged at each time point for judging a violating operation based on the hierarchy and division of the operation knowledge base. And a violating operation detecting means for detecting a violating operation based on the operation candidates narrowed down by the operation candidate narrowing means.
【０１２１】請求項７の発明に係るプラントの異常診断
装置は、操作知識ベースに記述されている操作開始，終
了などの条件などと、上記プラントから入力される操作
情報とを比較し、設定された操作目標に達していない操
作を検知し、補完・代替操作の必要性の有無を判断し提
供する補完・代替操作提供手段を備えたものである。An abnormality diagnosing device for a plant according to a seventh aspect of the present invention is set by comparing conditions such as operation start and end described in the operation knowledge base with operation information input from the plant. It is provided with a complementary / alternative operation providing means for detecting an operation that has not reached the operation target and determining whether or not the complementary / alternative operation is necessary.
【０１２２】請求項８の発明に係るプラントの異常診断
装置は、操作知識ベースに記述されている操作開始，終
了などの条件などに基づいてプロセス量の変動範囲内を
有限個に分割し、それらの範囲間での変動方向を記述し
た状態推移モデルと、上記操作知識ベースに記述されて
いる操作開始，終了などの条件などと、上記プラントか
ら入力される操作情報とを比較し、設定された操作目標
に達していない操作を検知し、補完・代替操作の必要性
の有無を判断し提供する補完・代替操作提供手段と、そ
の補完・代替操作提供手段により補完・代替操作の必要
性の有無を判断する各時点において、判定すべき操作候
補を上記状態推移モデルにより絞り込む操作候補絞込み
手段とを備えたものである。An abnormality diagnosing device for a plant according to an eighth aspect of the present invention divides the process amount variation range into a finite number based on conditions such as operation start and end described in the operation knowledge base, and The state transition model that describes the direction of change between the ranges, the conditions such as the operation start and end described in the operation knowledge base, and the operation information input from the plant are compared and set. Completion / alternative operation providing means that detects an operation that has not reached the operation target and determines whether or not there is a need for complementary / alternative operation, and whether or not there is a need for complementary / alternative operation by the complementary / alternative operation providing means. The operation candidate narrowing-down means for narrowing down the operation candidates to be judged by the above-mentioned state transition model is provided at each time point for judging.
【０１２３】請求項９の発明に係るプラントの異常診断
装置は、階層化，分割化して記述した操作知識ベースに
記述されている操作開始，終了などの条件などと上記プ
ラントから入力される操作情報とを比較し、設定された
操作目標に達していない操作を検知し、補完・代替操作
の必要性の有無を判断し提供する補完・代替操作提供手
段と、その補完・代替操作提供手段により補完・代替操
作の必要性を判断する各時点において、階層化・分割化
して記述した上記操作知識ベースを基に判定すべき操作
候補を絞り込む操作候補絞込み手段とを備えたものであ
る。According to the ninth aspect of the present invention, there is provided a plant abnormality diagnosing apparatus, which includes conditions such as operation start and end described in an operation knowledge base described in hierarchization and division, and operation information input from the plant. Complement and substitute operation providing means that detects the operation that does not reach the set operation target and determines whether or not there is a need for the supplement / alternate operation, and complement by the complement / alternate operation providing means. An operation candidate narrowing means for narrowing down the operation candidates to be judged based on the operation knowledge base described in hierarchization / division at each time when the necessity of the alternative operation is judged.
【０１２４】請求項１０の発明に係るプラントの異常診
断装置は、操作知識ベースに記述された該当操作による
プロセス量の設定正常状態や動作機器の変更などに基づ
いて、異常原因同定のための因果関係を定義した因果関
係知識ベースの内容を変更する動的変更手段と、その動
的変更手段によりプラントの操作状況に対応した異常原
因の同定を可能とする異常原因同定手段とを備えたもの
である。A plant abnormality diagnosing apparatus according to a tenth aspect of the present invention is a causal factor for identifying a cause of an abnormality based on a normal state of a process amount set by a corresponding operation described in an operation knowledge base, a change in operating equipment, and the like. It is equipped with a dynamic changing means for changing the contents of the causal relationship knowledge base that defines the relationship, and an abnormal cause identifying means for enabling the identification of the abnormal cause corresponding to the operating condition of the plant by the dynamic changing means. is there.
【０１２５】請求項１１の発明に係るプラントの異常診
断装置は、操作知識ベースに記述されている操作開始，
終了などの条件などに基づいて上記プロセス量の変動範
囲内を有限個に分割し、それらの範囲間での変動方向を
記述した状態推移モデルと、上記異常の原因を判断する
ための因果関係を定義した因果関係知識を決める各時点
において判断すべき操作候補を上記状態推移モデルによ
り絞り込む操作候補絞込み手段と、その操作候補絞込み
手段により絞り込んだ操作候補を基に上記異常原因の同
定を可能とし、上記プラントの異常を検知する異常原因
同定手段とを備えたものである。The abnormality diagnosing device for a plant according to the invention of claim 11 starts the operation described in the operation knowledge base,
Based on conditions such as termination, divide the process amount variation range into a finite number and describe the state transition model that describes the variation direction between these ranges and the causal relationship for determining the cause of the above abnormality. The operation candidate narrowing means for narrowing down the operation candidates to be judged at each time point for determining the defined causal relationship knowledge by the state transition model, and the identification of the above-mentioned abnormality cause based on the operation candidates narrowed down by the operation candidate narrowing means, An abnormality cause identifying means for detecting an abnormality in the plant is provided.
【０１２６】請求項１２の発明に係るプラントの異常診
断装置は、階層化、分割化して記述した操作知識ベース
と、異常原因を判断するための因果関係を定義した因果
関係知識ベースを決める各時点において判定すべき操作
候補を、上記階層化，分割化して記述した操作知識ベー
スを基に絞り込む操作候補絞込み手段と、その操作候補
絞込み手段により絞り込んだ上記操作候補を基に上記異
常原因の同定を可能とし、上記プラントの異常を検知す
る異常原因同定手段とを備えたものである。According to the twelfth aspect of the present invention, there is provided a plant abnormality diagnosing apparatus, wherein operation knowledge bases described in hierarchies and divisions and causal relation knowledge bases defining causal relations for judging an abnormality cause are determined at each time point. In the operation candidate narrowing means for narrowing down the operation candidates to be judged in the above, based on the operation knowledge base described by layering and dividing, and the identification of the cause of the abnormality based on the operation candidates narrowed down by the operation candidate narrowing means. And an abnormality cause identifying means for detecting an abnormality of the plant.
【０１２７】請求項１３の発明に係るプラントの異常診
断装置は、操作知識ベースに記述された該当操作による
プロセス量の設定正常状態や動作機器の変更などに基づ
いて、知識ベースの内容を変更する動的変更手段と、そ
の動的変更手段により動的に変更した上記知識ベースの
知識に基づいてプラントの操作状況に対応した異常原因
の同定を可能とし、上記プラントの異常を検知する異常
原因同定手段とを備えたものである。An abnormality diagnosing device for a plant according to a thirteenth aspect of the present invention changes the contents of the knowledge base based on the normal state of setting the process amount by the corresponding operation described in the operation knowledge base and the change of operating equipment. Dynamic change means and abnormality cause identification that detects abnormality of the plant by enabling identification of the cause of abnormality corresponding to the operation status of the plant based on the knowledge of the knowledge base dynamically changed by the dynamic change means And means.
【０１２８】請求項１４の発明に係るプラントの異常診
断装置は、操作知識ベースに記述されている操作開始，
終了などの条件などに基づいて上記プロセス量の変動範
囲内を有限個に分割し、それらの範囲間での変動方向を
記述した状態推移モデルと、異常の原因を判断するため
の診断対象のプラントを構成する機器の機能的・構造的
関係や物理的関係を記述した知識ベースを決める各時点
において判定すべき操作候補を上記状態推移モデルによ
り絞り込む操作候補絞込み手段と、その操作候補絞込み
手段により絞り込んだ操作候補を基に上記プラントの異
常を検知し異常原因の同定を可能とする異常原因同定手
段とを備えたものである。A plant abnormality diagnosing apparatus according to a fourteenth aspect of the present invention is arranged to start an operation described in an operation knowledge base,
Based on conditions such as termination, the above process amount fluctuation range is divided into a finite number, and a state transition model that describes the direction of fluctuation between these ranges and the plant to be diagnosed to determine the cause of the abnormality The operation candidate narrowing means that narrows down the operation candidates that should be judged at each point in time that determines the knowledge base that describes the functional / structural relationships and physical relationships of the devices that make up the device, and the operation candidate narrowing means. And an abnormality cause identifying means capable of detecting the abnormality of the plant based on the operation candidate and identifying the cause of the abnormality.
【０１２９】請求項１５の発明に係るプラントの異常診
断装置は、階層化，分割化して記述した操作知識ベース
と、異常原因を判断するための診断対象のプラントを構
成する機器の機能的・構造的関係や物理的関係を記述し
た知識ベースを決める各時点において判定すべき操作候
補を上記操作知識ベースの階層化，分割化を基に絞り込
む操作候補絞込み手段とを備えたものである。A plant abnormality diagnosing apparatus according to a fifteenth aspect of the present invention is an operation knowledge base described in hierarchization and division, and a functional / structure of equipment constituting a plant to be diagnosed for judging an abnormality cause. The operation candidate narrowing means narrows down the operation candidates to be judged at each time point when the knowledge base describing the physical relationship and the physical relationship is determined based on the hierarchy and division of the operation knowledge base.
【０１３０】請求項１６の発明に係るプラントの異常診
断装置は、異常原因判定手段により推定した異常原因候
補から予想されるプロセス量の状態，機器の動作の変動
と一致する上記プラントから検知された観測信号が得ら
れないときには、上記推定した異常原因候補から予想さ
れるプロセス量の状態，機器の動作の変動をもたらすよ
うな他のプロセス量の状態，機器の動作の変動などを探
索することにより異常原因探索範囲を拡大し異常原因候
補を判定する異常原因探索手段と、その異常原因探索手
段により判定した異常原因候補を基に異常原因の同定を
行なう異常原因同定手段とを備えたものである。According to the sixteenth aspect of the present invention, in the plant abnormality diagnosing apparatus, the state of the process amount estimated from the abnormality cause candidate estimated by the abnormality cause determining means and the fluctuation of the operation of the equipment are detected from the plant. When an observation signal cannot be obtained, by searching for the state of the process amount expected from the above estimated anomaly cause candidate, the state of another process amount that causes a change in the operation of the device, the change in the operation of the device, etc. An abnormality cause search unit that expands the abnormality cause search range to determine an abnormality cause candidate, and an abnormality cause identification unit that identifies an abnormality cause based on the abnormality cause candidate determined by the abnormality cause search unit are provided. .
【０１３１】[0131]
【作用】請求項１の発明におけるプラントの異常診断装
置は、プラントに変動をもたらす個々の運転操作により
影響を受けるプロセス量，操作開始，終了条件などの操
作に関する知識とプラントからの操作情報とに基づい
て、プラントの運転状態に対応して異常判定条件を動的
に設定することを可能とし、プラントの状態の変動に対
し上記異常判定条件が柔軟に対応するようにしてプラン
トの状態の変動に対し正確な異常検知を実現する。According to a first aspect of the present invention, there is provided a plant abnormality diagnosing apparatus which provides knowledge about operations such as process amount, operation start and end conditions, and operation information from the plant, which are affected by individual operation operations that cause fluctuations in the plant. Based on this, it is possible to dynamically set the abnormality determination condition corresponding to the operating state of the plant, and to flexibly respond to the variation in the plant state, the abnormality determination condition Realize accurate abnormality detection.
【０１３２】請求項２の発明におけるプラントの異常診
断装置は、操作知識ベースに記述されている操作開始や
終了条件などに基づいてプロセス量の変動範囲内を有限
個に分割し、異常判定条件を判断する場合に上記範囲間
での変動方向を記述した知識に基づき大量の操作手順の
中から特定すべき操作候補を効率的に絞り込むことで、
効率的な異常検知処理を実現する。The plant abnormality diagnosing apparatus according to the second aspect of the present invention divides the process amount variation range into a finite number of pieces based on the operation start and end conditions described in the operation knowledge base, and determines the abnormality determination condition. When making a judgment, by efficiently narrowing down the operation candidates to be specified from a large number of operation procedures based on the knowledge that describes the direction of change between the above ranges,
Achieve efficient abnormality detection processing.
【０１３３】請求項３の発明におけるプラントの異常診
断装置は、操作知識ベースを操作目的や操作対象などに
より階層化，分割化し、異常判定条件を判断する場合に
特定すべき操作候補を大量の操作手順の中から効率的に
絞り込むことで、効率的な異常検知処理を実現する。In the plant abnormality diagnosing apparatus according to the third aspect of the present invention, the operation knowledge base is hierarchized or divided according to the operation purpose or the operation target, and a large number of operation candidates to be specified when the abnormality determination condition is judged are operated. Efficient abnormality detection processing is realized by efficiently narrowing down the procedure.
【０１３４】請求項４の発明におけるプラントの異常診
断装置は、操作知識ベースに記述されている操作開始や
終了などの条件等とプラントから入力される操作情報と
を比較することにより、上記操作知識ベースに記述され
ている操作条件に合致しない操作を違反操作として検知
することを可能にする。The plant abnormality diagnosing apparatus according to the invention of claim 4 compares the above-mentioned operation knowledge by comparing the conditions such as the operation start and end described in the operation knowledge base with the operation information input from the plant. It is possible to detect an operation that does not match the operation conditions described in the base as a violation operation.
【０１３５】請求項５の発明におけるプラントの異常診
断装置は、操作知識ベースに記述されている操作開始や
終了などの条件等に基づいて、プロセス量の変動範囲内
を有限個に分割し、分割した範囲間での変動方向を記述
した知識に基づき、違反操作を判断する場合に大量の操
作候補の中から判断すべき操作候補を効率的に絞り込む
ことで、違反操作の検知を効率的に行なうことを可能に
する。According to a fifth aspect of the present invention, the plant abnormality diagnosing apparatus divides the process amount variation range into a finite number of divisions based on the conditions such as the operation start and end described in the operation knowledge base. Efficiently detect the violating operation by efficiently narrowing down the operation candidates to be judged from a large number of operation candidates when judging the violating operation based on the knowledge describing the direction of change between the ranges To enable that.
【０１３６】請求項６の発明におけるプラントの異常診
断装置は、操作知識ベースを操作目的や操作対象などに
より階層化，分割化することにより、違反操作を判断す
る場合に大量の操作候補の中から判断すべき操作候補を
効率的に絞り込むことで、違反操作の検知を効率的に行
なうことを可能にする。In the plant abnormality diagnosing device according to the sixth aspect of the present invention, the operation knowledge base is hierarchized or divided according to the operation purpose or the operation target, so that a large number of operation candidates can be selected from among a large number of operation candidates when a violating operation is determined. By efficiently narrowing down the operation candidates to be judged, it is possible to efficiently detect a violation operation.
【０１３７】請求項７の発明におけるプラントの異常診
断装置は、操作知識ベースに記述されている操作開始や
終了などの条件等とプラントから入力される操作情報を
比較し、設定された操作目標に達しない操作を検知する
ことにより、正しい操作が行なわれているにもかかわら
ずプラントの状態が所定の状態にならないような状況に
対し補完・代替操作の必要性についての情報を提供する
ことを可能にする。In the plant abnormality diagnosing apparatus according to the invention of claim 7, the operation information input from the plant is compared with conditions such as the operation start and end described in the operation knowledge base, and the set operation target is set. By detecting the operation that does not reach, it is possible to provide information about the necessity of complementary / replacement operation for the situation where the plant state does not reach the prescribed state even though the correct operation is being performed. To
【０１３８】請求項８の発明におけるプラントの異常診
断装置は、操作知識ベースに記述されている操作開始や
終了などの条件等に基づいて、プロセス量の変動範囲内
を有限個に分割し、分割した範囲間での変動方向を記述
した知識に基づき、補完・代替操作を判断する場合に大
量の操作候補の中から判断すべき操作候補を効率的に絞
り込み、補完・代替操作の判断を効率的に行なうことを
可能にする。The plant abnormality diagnosing apparatus according to the invention of claim 8 divides the process amount variation range into a finite number of divisions based on the conditions such as the start and end of the operation described in the operation knowledge base. Based on the knowledge that describes the direction of change between the specified ranges, the operation candidates that should be judged from a large number of operation candidates can be efficiently narrowed down when determining the complementary / replacement operations, and the judgment of complementary / replacement operations can be made efficiently. To be able to do.
【０１３９】請求項９の発明におけるプラントの異常診
断装置は、操作知識ベースを操作目的や操作対象などに
より階層化，分割化し、補完・代替操作を判断する場合
に大量の操作候補の中から判断すべき操作候補を効率的
に絞り込み、補完・代替操作の判断を効率的に行なうこ
とを可能にする。According to the ninth aspect of the present invention, the plant abnormality diagnosing apparatus hierarchizes or divides the operation knowledge base according to the operation purpose or operation target, and judges from a large number of operation candidates when judging complementary or alternative operations. It makes it possible to efficiently narrow down the candidate operations to be performed and efficiently determine the complementary / alternative operation.
【０１４０】請求項１０の発明におけるプラントの異常
診断装置は、操作知識ベースに記述された該当操作によ
るプロセス量の設定正常状態や動作機器の変更に基づい
て、異常原因同定処理で参照する因果関係を定義した因
果関係知識ベースの内容を動的に変更することにより、
プラントの操作状況に対応した異常原因同定処理を実現
する。In the plant abnormality diagnosing apparatus according to the tenth aspect of the present invention, the causal relation referred to in the abnormality cause identifying process is based on the normal setting of the process amount and the change of the operating equipment by the corresponding operation described in the operation knowledge base. By dynamically changing the contents of the causal knowledge base that defines
Realize abnormality cause identification processing that corresponds to the operating status of the plant.
【０１４１】請求項１１の発明におけるプラントの異常
診断装置は、異常原因を判断するための因果関係を定義
した因果関係知識ベースを決める場合に、操作知識ベー
スに記述されている操作開始や終了などの条件等に基づ
いてプロセス量の変動範囲内を有限個に分割し、分割し
た範囲間での変動方向を記述した知識に基づき判断すべ
き操作候補を効率的に絞り込むことにより、効率的な異
常原因同定処理を可能にする。In the plant abnormality diagnosing apparatus according to the invention of claim 11, when determining a causal relationship knowledge base defining a causal relationship for determining an abnormality cause, the operation start or end described in the operation knowledge base, etc. Efficient abnormalities are achieved by dividing the process amount variation range into a finite number based on conditions etc. and efficiently narrowing down the operation candidates that should be judged based on the knowledge that describes the variation direction between the divided ranges. Enables cause identification processing.
【０１４２】請求項１２の発明におけるプラントの異常
診断装置は、異常原因を判断するための因果関係を定義
した因果関係知識ベースを決める場合に、操作知識ベー
スを操作目的や操作対象などにより階層化，分割化する
ことにより判断すべき操作候補を効率的に絞り込み、上
記因果関係知識ベースの決定を効率的に行なうことを可
能にする。In the plant abnormality diagnosing device according to the twelfth aspect of the invention, when determining a causal relation knowledge base defining a causal relation for determining an abnormality cause, the operation knowledge base is hierarchized according to the operation purpose or the operation target. By dividing, the operation candidates to be judged can be efficiently narrowed down, and the causal knowledge base can be efficiently determined.
【０１４３】請求項１３の発明におけるプラントの異常
診断装置は、操作知識ベースに記述された該当操作によ
るプロセス量の設定正常状態や動作機器の変更に基づい
て、異常原因同定処理で参照する診断対象のプラントを
構成する機器の機能的・構造的関係や物理的関係を記述
した知識ベースの内容を動的に変更することにより、プ
ラントの操作状況に対応した異常原因同定処理を実現す
る。According to a thirteenth aspect of the present invention, there is provided a plant abnormality diagnosing apparatus, wherein the diagnosis target referred to in the abnormality cause identifying process is based on the normal state of the process amount setting or the change of the operating equipment according to the corresponding operation described in the operation knowledge base. By dynamically changing the contents of the knowledge base that describes the functional / structural relationships and physical relationships of the devices that make up the plant, the abnormality cause identification processing corresponding to the operating status of the plant is realized.
【０１４４】請求項１４の発明におけるプラントの異常
診断装置は、異常原因を判断する際に、診断対象のプラ
ントを構成する機器の機能的・構造的関係や物理的関係
を記述した操作知識ベースを決める場合に、操作知識ベ
ースに記述されている操作開始や終了などの条件等に基
づいてプロセス量の変動範囲内を有限個に分割し、分割
した範囲間での変動方向を記述した知識に基づき判断す
べき操作候補を効率的に絞り込むことにより、異常原因
の推論を効率的に行なうことを可能にする。According to a fourteenth aspect of the present invention, in a plant abnormality diagnosing device, when determining the cause of an abnormality, an operation knowledge base describing the functional / structural relations and physical relations of the equipment constituting the plant to be diagnosed is described. When deciding, divide the process amount variation range into a finite number based on the conditions such as the operation start and end described in the operation knowledge base, and based on the knowledge that describes the variation direction between the divided ranges. By efficiently narrowing down the operation candidates to be judged, it is possible to efficiently infer the cause of abnormality.
【０１４５】請求項１５の発明におけるプラントの異常
診断装置は、操作知識ベースを操作目的や操作対象など
により階層化，分割化し、診断対象のプラントを構成す
る機器の機能的・構造的関係や物理的関係を記述した異
常原因を判断するための知識ベースを決める場合に、判
断すべき操作候補を効率的に絞り込めるようにして、異
常原因の推論を効率的に行なうことを可能にする。In the plant abnormality diagnosing device according to the invention of claim 15, the operation knowledge base is hierarchized and divided according to the operation purpose and the operation target, and the functional / structural relations and physical properties of the devices constituting the diagnosis target plant are defined. When determining a knowledge base for determining the cause of anomalies that describe a physical relationship, it is possible to efficiently narrow down the operation candidates to be determined, and to efficiently infer the cause of the anomaly.
【０１４６】請求項１６の発明におけるプラントの異常
診断装置は、プラントの構成装置の特性・機能や物理量
間に成立する特性を記述した知識を格納した知識ベース
と、上記プラントから検知された異常およびその他の観
測信号とから異常原因候補が推定され、その推定された
異常原因候補から予想されるプロセス量の状態，機器の
動作の変動と一致する上記観測信号が得られないときに
は、上記推定した異常原因候補から予想されるプロセス
量の状態，機器の動作の変動などをもたらすような他の
プロセス量の状態，機器の動作の変動などを探索し異常
原因候補を探索判定することで異常原因探索範囲を広げ
ることを可能にする。A plant abnormality diagnosing apparatus according to a sixteenth aspect of the present invention is a knowledge base that stores knowledge describing the characteristics / functions of a plant constituent apparatus and the characteristics established between physical quantities, and an abnormality detected from the plant. If an abnormal cause candidate is estimated from other observed signals, and if the observed signal that matches the process quantity state and fluctuations in device operation expected from the estimated abnormal cause candidate cannot be obtained, the estimated abnormal state is detected. Error cause search range by searching for and determining an error cause candidate by searching for the state of the amount of processes expected from the cause candidate, the state of another process amount that causes a change in device operation, and the change in device operation Makes it possible to spread.
【０１４７】[0147]
実施例１．以下、請求項１の発明の一実施例を図につい
て説明する。図１において、１はプラントの異常診断装
置、２は発電プラントであり、プラントの異常診断装置
１は発電プラント２の異常診断を行なう。Example 1. An embodiment of the invention of claim 1 will be described below with reference to the drawings. In FIG. 1, 1 is a plant abnormality diagnosis device, 2 is a power generation plant, and the plant abnormality diagnosis device 1 performs abnormality diagnosis of the power generation plant 2.
【０１４８】プラントの異常診断装置１において、３は
発電プラント２からプロセス量Ａ１と機器の動作状態Ａ
２を読み込んでプラントデータベース４に記録するプロ
セス入力部、５は発電プラント２から入力された操作信
号Ｐを受信する操作入力部である。In the plant abnormality diagnosing device 1, 3 is the process amount A1 from the power plant 2 and the operating state A of the equipment.
A process input unit 5 that reads 2 and records it in the plant database 4 is an operation input unit that receives an operation signal P input from the power generation plant 2.
【０１４９】プラントデータベース４は、図１２に示す
ように各プラントデータについての名称や観測値や運転
目標値などをまとめて記録する記憶機構１５と、検知し
た異常データをデータ名毎に格納する記憶機構１６と、
推論結果を記録する記憶機構１７により構成されてい
る。As shown in FIG. 12, the plant database 4 has a storage mechanism 15 for collectively recording names, observation values, operation target values, etc. for each plant data, and a memory for storing detected abnormal data for each data name. Mechanism 16;
It is composed of a storage mechanism 17 for recording the inference result.
【０１５０】図１に戻り、６は発電プラント２に変動を
もたらす個々の運転操作に関し、その運転操作により影
響を受けるプロセス量，操作開始，終了条件などについ
ての操作知識要素を記述した操作知識ベースである。Returning to FIG. 1, 6 is an operation knowledge base describing operation knowledge elements such as process amount, operation start and end conditions, etc., which are affected by the operation, concerning individual operation which causes fluctuations in the power plant 2. Is.
【０１５１】操作知識ベース６は、図２に示した操作手
順を示す運転手順書を基に作成されている。The operation knowledge base 6 is created based on the operation procedure manual showing the operation procedure shown in FIG.
【０１５２】また、図３は図２に示した運転手順書を基
に作成された操作知識ベースの定義知識の一例を示して
いる。Further, FIG. 3 shows an example of the definition knowledge of the operation knowledge base created based on the operation procedure manual shown in FIG.
【０１５３】図３において、「操作開始前操作」とは、
対象となる操作が実行される前に実行される操作であ
り、複数定義してもよい。In FIG. 3, "operation before starting operation" means
It is an operation executed before the target operation is executed, and a plurality of operations may be defined.
【０１５４】「走査開始条件」とは、対象となる走査を
開始することを前提とした条件であり、プロセス量の観
測値，機器の動作状態，時間的な経過などで定義され、
複数定義してもよい。The "scan start condition" is a condition on the assumption that the target scan is started, and is defined by the observed value of the process amount, the operating state of the equipment, the passage of time, etc.
You may define more than one.
【０１５５】「走査終了条件」とは、対象となる操作を
終了することを規定した条件であり、プロセス量の観測
値，機器の動作状態，時間的な経過などで定義され、複
数定義してもよい。The "scan end condition" is a condition that defines the end of the target operation, and is defined by the observed value of the process amount, the operating state of the equipment, the lapse of time, etc. Good.
【０１５６】「操作続行条件」とは、対象となる操作が
続行されている期間中成立していなければならない条件
であり、プロセス量の観測値，機器の動作状態，時間的
な経過などで定義され、複数定義してもよい。The "operation continuation condition" is a condition that must be satisfied during the period in which the target operation is continued, and is defined by the observed value of the process amount, the operating state of the equipment, the passage of time, etc. It is possible to define more than one.
【０１５７】「操作」とは、操作対象の機器および操作
プロセス量を定義する。The "operation" defines the equipment to be operated and the operation process amount.
【０１５８】「操作目標影響」とは、操作の結果、目的
となる最終状態あるいは変化状態をプロセス量の観測
値，機器の動作状態等で定義し、複数定義してもよい。The "operation target effect" may be defined by defining a final state or a change state as a result of the operation by an observation value of the process amount, an operation state of the equipment, or the like.
【０１５９】「操作目標外影響」とは、操作の結果、目
的となる最終状態あるいは変化状態以外に起こるプロセ
ス量の変化を定義し、複数定義してもよい。The "out-of-operation influence" defines a change in the process amount that occurs as a result of the operation, other than the final state or change state of interest, and may be defined in plural.
【０１６０】「操作後操作」とは、対象となる操作に引
き続いて実行される操作を定義し、複数定義してもよ
い。The "post-operation operation" defines an operation to be executed subsequently to the target operation, and may be defined in plural.
【０１６１】図４は操作知識ベース６に定義された異常
判定用の条件である操作開始条件，操作終了条件，操作
続行条件の一例を示しており、操作知識ベース６におい
て定義された操作開始条件，操作終了条件，操作続行条
件，操作目標影響，操作目標外影響等の条件・作用に
は、図４に示すような観測値や変化率に関しての値の幅
や複数変量間の依存関係や時間経過などがある。FIG. 4 shows an example of the operation start condition, the operation end condition, and the operation continuation condition which are the conditions for abnormality determination defined in the operation knowledge base 6, and the operation start condition defined in the operation knowledge base 6 is shown. The conditions and actions such as the operation end condition, the operation continuation condition, the operation target influence, and the operation non-target influence have a range of values regarding the observed value and the change rate as shown in FIG. There is progress etc.
【０１６２】また順を追って実行される操作の順序は、
操作前操作や操作後操作により定義されている。図５は
操作知識ベース６に定義された操作順序の概念図であ
り、操作ａと操作ｂとが終了後に操作ｃを行ない、さら
に操作ｃ終了後に操作ｄと操作ｅを行なう操作手順を表
している。The order of the operations executed step by step is as follows:
It is defined by pre-operation and post-operation. FIG. 5 is a conceptual diagram of an operation sequence defined in the operation knowledge base 6, showing an operation procedure in which operation c is performed after operation a and operation b are completed, and operation d and operation e are further executed after operation c is completed. There is.
【０１６３】図１に戻り、７ａは操作実行状態監視部
（異常判定条件動的設定手段）であり、操作入力部５か
ら供給される操作信号Ｐと，プラントデータベース４か
ら供給されるプラント状態データＸと，操作知識ベース
６に定義されている操作についての知識Ｑに基づき、現
在実行されている操作に関しての監視条件，操作条件，
終了条件，終了した操作についての条件などを判定し、
これら判定した条件などを異常判定条件Ｍ１として知識
データベース８に出力する。Returning to FIG. 1, 7a is an operation execution state monitoring section (abnormality determination condition dynamic setting means), which is an operation signal P supplied from the operation input section 5 and plant status data supplied from the plant database 4. Based on X and the knowledge Q about the operation defined in the operation knowledge base 6, the monitoring condition, the operation condition,
Determines the end condition, the condition for the operation that ended, etc.,
The determined conditions and the like are output to the knowledge database 8 as the abnormality determination condition M1.
【０１６４】知識データベース８は、異常原因同定のた
めの因果関係を定義した知識Ｊ、あるいは発電プラント
２を構成する機器の機能的・構造的関係や物理的関係を
記述したプラント機能知識Ｊ１を記録したデータベース
である。The knowledge database 8 records knowledge J that defines a causal relationship for identifying the cause of an abnormality, or plant function knowledge J1 that describes the functional / structural relationship or physical relationship of the devices that make up the power plant 2. It is a database.
【０１６５】９は運転目標値評価部であり、プラントデ
ータベース４からプラント状態データＢを入力し、知識
データベース８に格納されたプロセス量の運転目標値の
評価法Ｊ２に従って目標値Ｃを計算し、計算した目標値
Ｃをプラントデータベース４に記録する。Reference numeral 9 denotes an operation target value evaluation unit which inputs the plant state data B from the plant database 4 and calculates the target value C in accordance with the operation target value evaluation method J2 of the process amount stored in the knowledge database 8. The calculated target value C is recorded in the plant database 4.
【０１６６】１０は異常検知部であり、プラントデータ
ベース４から読み込んだプロセス量の状態データＦ１
と，そのプロセス量の運転目標値Ｆ２の偏差と，知識デ
ータベース８に格納された異常判定用の閾値Ｊ３とから
異常を判定し、検知した異常データＧをプラントデータ
ベース４へ出力し記録する。Reference numeral 10 denotes an abnormality detection unit, which is the process amount state data F1 read from the plant database 4.
Then, the abnormality is determined from the deviation of the operation target value F2 of the process amount and the abnormality determination threshold value J3 stored in the knowledge database 8, and the detected abnormality data G is output and recorded in the plant database 4.
【０１６７】１１は異常原因推論部（異常原因判定手
段）であり、プラントデータベース４から読み込んだ検
知異常データＨ１やプラント異常データＨ２、さらに知
識データベース８から読み込んだ異常原因同定のための
因果関係を定義した知識Ｊあるいはプラント機能知識Ｊ
１により異常第１原因の推論を行ない、推論仮定結果Ｉ
をプラントデータベース４へ出力して記録し、さらに診
断結果Ｋを表示処理部１２へ出力する。Reference numeral 11 denotes an abnormality cause inference unit (abnormality cause determination means), which detects the detected abnormality data H1 and the plant abnormality data H2 read from the plant database 4, and the causal relationship for identifying the abnormality cause read from the knowledge database 8. Defined knowledge J or plant function knowledge J
The first reason for the anomaly is inferred according to 1.
Is output to and recorded in the plant database 4, and the diagnosis result K is further output to the display processing unit 12.
【０１６８】表示処理部１２は、診断結果Ｋを運転員に
判りやすい形式に変換し、この結果得られるデータＬを
ＣＲＴ表示装置１３に出力し表示する。The display processing unit 12 converts the diagnosis result K into a format that is easy for the operator to understand, and outputs the resulting data L to the CRT display device 13 for display.
【０１６９】次に動作について説明する。Next, the operation will be described.
【０１７０】図６と図７は、この実施例のプラントの異
常診断装置の動作を説明するためのフローチャートであ
り、図６は因果関係知識に基づいた異常原因同定処理を
示すフローチャート、図７は診断対象の発電プラントの
機能的関係や物理的関係の知識に基づいた異常原因同定
処理を示すフローチャートである。6 and 7 are flow charts for explaining the operation of the plant abnormality diagnosing apparatus of this embodiment. FIG. 6 is a flow chart showing abnormality cause identifying processing based on causal knowledge, and FIG. It is a flowchart which shows the abnormality cause identification process based on the knowledge of the functional relationship and physical relationship of the power plant to be diagnosed.
【０１７１】このプラントの異常診断装置で行なう異常
原因の診断は、図６や図７に示すように一定周期毎にプ
ロセス入力処理（ステップＳＴ１）→操作入力処理（ス
テップＳＴ２）→操作実行状態監視処理（ステップＳＴ
３）→運転目標値評価処理（ステップＳＴ４）→異常検
知判定処理（ステップＳＴ５）→異常有無判定処理（ス
テップＳＴ６）を繰り返している。Diagnosis of the cause of abnormality performed by the abnormality diagnosing device of this plant is, as shown in FIG. 6 and FIG. 7, process input processing (step ST1) → operation input processing (step ST2) → operation execution state monitoring at regular intervals. Processing (step ST
3) → operation target value evaluation process (step ST4) → abnormality detection determination process (step ST5) → abnormality presence / absence determination process (step ST6) is repeated.
【０１７２】プロセス入力処理（ステップＳＴ１）は、
プロセス入力部３において実行され、発電プラント２か
らプロセス量などのデータを入力し、単位変換してプラ
ントデータベース４の該当エリアに記録する処理ステッ
プである。The process input process (step ST1) is
This is a processing step that is executed in the process input unit 3, inputs data such as a process amount from the power generation plant 2, unit-converts it, and records it in the corresponding area of the plant database 4.
【０１７３】操作入力処理（ステップＳＴ２）は操作入
力部５で実行される処理であり、発電プラント２で実行
された操作情報を取り込み操作実行状態監視部７ａへ出
力する処理である。The operation input process (step ST2) is a process executed by the operation input unit 5, and is a process of fetching the operation information executed by the power generation plant 2 and outputting it to the operation execution state monitoring unit 7a.
【０１７４】操作実行状態監視部７ａにおいて実行され
る操作実行状態監視処理（ステップＳＴ３）では、操作
入力部５から送られてくる操作開始や終了などの操作情
報Ｐと、図４に示す操作知識ベース６に定義されている
操作に関する知識とから現在行なわれている操作の続行
条件，作用，副作用などの条件を決定し、最新の運転目
標値定義式や異常判定条件として知識データベース８に
記録する。In the operation execution state monitoring process (step ST3) executed by the operation execution state monitoring unit 7a, the operation information P such as the operation start and end sent from the operation input unit 5 and the operation knowledge shown in FIG. From the knowledge of the operation defined in the base 6, conditions such as the continuation condition, action, and side effect of the current operation are determined, and recorded in the knowledge database 8 as the latest operation target value definition formula and abnormality determination condition. .
【０１７５】また、終了した操作に付随した運転目標値
定義式や異常判定条件を知識データベース８から削除す
る。Further, the operation target value definition formula and the abnormality determination condition associated with the completed operation are deleted from the knowledge database 8.
【０１７６】ここで操作実行状態監視処理（ステップＳ
Ｔ３）において行なわれる、現在行なわれている操作の
続行条件，作用，副作用などの条件を決定する異常判定
条件設定動作について詳しく説明する。Here, the operation execution state monitoring process (step S
The abnormality determination condition setting operation for determining conditions such as the continuation condition, action, and side effect of the operation currently being performed, which is performed in T3), will be described in detail.
【０１７７】図８は、この操作実行状態監視処理（ステ
ップＳＴ３）において行なわれる異常判定条件設定動作
を示すフローチャートである。FIG. 8 is a flowchart showing the abnormality determination condition setting operation performed in the operation execution state monitoring process (step ST3).
【０１７８】図６，図７の操作実行状態監視処理（ステ
ップＳＴ３）では、診断周期の間に発電プラント２にお
いて実行された全ての操作情報が操作入力部５から送ら
れてくる。In the operation execution state monitoring processing (step ST3) of FIGS. 6 and 7, all operation information executed in the power generation plant 2 during the diagnostic cycle is sent from the operation input unit 5.
【０１７９】そして、図８に示したフローチャートに従
って全ての操作情報に対し異常判定条件設定処理が行な
われる。Then, according to the flow chart shown in FIG. 8, the abnormality determination condition setting processing is performed for all the operation information.
【０１８０】図８に示す異常判定条件設定処理では、ま
ず操作要素選択処理（ステップＳＴ２１）を行なう。In the abnormality determination condition setting process shown in FIG. 8, the operation element selection process (step ST21) is first performed.
【０１８１】この場合、操作実行状態監視部（異常判定
条件動的設定手段）７ａには、処理を実行している時点
で続行されている操作（続行操作）、実行してもよい操
作（次期操作候補）に関する情報が記録されていて、ス
テップＳＴ２１では前記操作実行状態監視部（異常判定
条件動的設定手段）７ａに記録されている情報と操作入
力部５から入力された操作信号により現在実行されてい
る操作が終了したか、あるいは新たな操作が開始された
かを判断する。In this case, the operation execution state monitoring section (abnormality determination condition dynamic setting means) 7a has an operation (continuation operation) continued at the time of executing the process and an operation that may be executed (next period). Information regarding the operation candidate) is recorded, and in step ST21, the operation execution state monitoring unit (abnormality determination condition dynamic setting unit) 7a and the operation signal input from the operation input unit 5 are currently executed. It is determined whether the operation being performed has ended or a new operation has been started.
【０１８２】ステップＳＴ２１において新規操作が開始
されたと判断すると、異常判定条件設定処理（ステップ
ＳＴ２２）に移行する。When it is determined in step ST21 that a new operation is started, the process proceeds to the abnormality determination condition setting process (step ST22).
【０１８３】この異常判定条件設定処理では、開始され
た新規操作について操作知識要素として定義されている
操作終了条件，操作続行条件，操作目標影響などから、
目標値の設定法や異常判定条件などを設定する。そし
て、知識データベース８に続行操作として登録する（ス
テップＳＴ２３）。In this abnormality determination condition setting process, from the operation end condition, the operation continuation condition, the operation target effect, etc. defined as the operation knowledge element for the new operation that has been started,
Set the target value setting method and abnormality judgment conditions. Then, it is registered in the knowledge database 8 as a continuing operation (step ST23).
【０１８４】一方ステップＳＴ２１において、操作が終
了したと判断した場合には、異常判定条件削除処理（ス
テップＳＴ２４）を実行する。On the other hand, when it is determined in step ST21 that the operation is completed, the abnormality determination condition deletion processing (step ST24) is executed.
【０１８５】この異常判定条件削除処理では、異常判定
条件設定処理（ステップＳＴ２２）で知識データベース
８に登録された目標値の設定法や異常判定条件などを削
除し、さらに該当する操作について定義されている操作
後操作を次期操作候補として登録する（ステップＳＴ２
５）。In this abnormality determination condition deletion process, the target value setting method and abnormality determination condition registered in the knowledge database 8 in the abnormality determination condition setting process (step ST22) are deleted, and the corresponding operation is defined. The post-operation operation is registered as the next operation candidate (step ST2)
5).
【０１８６】このように異常判定条件を動的に設定した
り削除したりするために、異常判定条件が操作実行と共
に更新される。As described above, in order to dynamically set or delete the abnormality determination condition, the abnormality determination condition is updated as the operation is executed.
【０１８７】図１０は、異常判定条件が操作実行と共に
更新される状態を説明する説明図である。FIG. 10 is an explanatory diagram for explaining a state in which the abnormality determination condition is updated as the operation is executed.
【０１８８】図１０によれば、操作Ｓが開始した時点
（Ｔ１―１）で異常判定条件Ｓ’が有効となり、操作Ｕ
が開始した時点（Ｔ２―１）で異常判定条件Ｕ’が有効
となり、さらに操作Ｕが終了した時点（Ｔ２―２）で異
常判定条件Ｕ’が無効となり、操作Ｓが終了した時点
（Ｔ１―２）で異常判定条件Ｓ’が無効となることを示
している。According to FIG. 10, at the time when the operation S is started (T1-1), the abnormality determination condition S'becomes effective and the operation U
When the operation S ends (T2-1), the abnormality determination condition U ′ becomes valid at the time when the operation starts (T2-1), and the abnormality determination condition U ′ becomes invalid at the time when the operation U ends (T2-2). 2) indicates that the abnormality determination condition S ′ is invalid.
【０１８９】従って、時刻Ｔ１―１から時刻Ｔ２―１の
間は異常判定条件Ｓ’だけが有効であり、また時刻Ｔ２
―１から時刻Ｔ２―２の間は異常判定条件Ｓ’と異常判
定条件Ｕ’が有効、時刻Ｔ２―２から時刻Ｔ１―２の間
は再び異常判定条件Ｓ’だけが有効となる。Therefore, from time T1-1 to time T2-1, only the abnormality determination condition S'is valid, and at time T2.
The abnormality determination condition S ′ and the abnormality determination condition U ′ are valid from −1 to the time T2-2, and only the abnormality determination condition S ′ is valid again from the time T2-2 to the time T1-2.
【０１９０】また、図１１は図１０の異常判定条件の変
化例がひとつのパラメータに設定された場合を示す説明
図である。FIG. 11 is an explanatory diagram showing a case where the variation example of the abnormality determination condition of FIG. 10 is set to one parameter.
【０１９１】すなわち、操作Ｓが開始された時点（Ｔ１
―１）で異常判定条件Ｓ’（変動率に対する条件：領域
３５）が有効となり、操作Ｕが開始された時点（Ｔ２―
１）で異常判定条件Ｕ’（値の正常範囲：領域３６）が
有効となり、操作Ｕが終了した時点で再び異常判定条件
Ｓ’（領域３５）だけが有効となっている様子を示して
いる。That is, when the operation S is started (T1
-1), the abnormality determination condition S '(condition for the fluctuation rate: area 35) becomes valid, and the operation U is started (T2-
In 1), the abnormality determination condition U ′ (normal range of values: region 36) is valid, and when the operation U is completed, only the abnormality determination condition S ′ (region 35) is valid again. .
【０１９２】操作Ｕと操作Ｔが同時に実行されている場
合には、領域３５と領域３６両者の領域の共通領域３７
が正常範囲となる。When the operation U and the operation T are simultaneously executed, the common area 37 of both the areas 35 and 36 is obtained.
Is the normal range.
【０１９３】図１１に示すように、操作の実行によりプ
ロセス量が変化しても、それに伴って異常判定条件が更
新され、操作の実行に伴うプロセス量の変動にあわせた
異常判定条件が設定できるため、プラントの状態が変動
している最中であっても正しく異常判定が可能となるこ
とが判る。As shown in FIG. 11, even if the process amount changes due to the execution of the operation, the abnormality determination condition is updated accordingly, and the abnormality determination condition can be set according to the change of the process amount accompanying the execution of the operation. Therefore, it can be understood that the abnormality determination can be correctly performed even while the state of the plant is changing.
【０１９４】図６または図７に戻り、運転目標値評価処
理（ステップＳＴ４）は、知識データベース８に記録さ
れている最新の運転目標値定義式を読み込み、この運転
目標値定義式で参照しているプラント状態データをプラ
ントデータベース４から読み込んで計算し、図１２に示
すプラントデータベース４の記憶機構１５の該当エリア
に記録する処理ステップである。Returning to FIG. 6 or FIG. 7, in the operation target value evaluation processing (step ST4), the latest operation target value definition formula recorded in the knowledge database 8 is read and referred to by this operation target value definition formula. This is a processing step in which existing plant state data is read from the plant database 4, calculated, and recorded in the corresponding area of the storage mechanism 15 of the plant database 4 shown in FIG.
【０１９５】異常検知判定処理（ステップＳＴ５）は、
知識データベース８に記録されている最新の異常判定用
の条件に従って異常を検知し、図１２に示すプラントデ
ータベース４の記憶機構１６の該当エリアに記録する処
理と、最新の異常判定用の正常値範囲を読み込み、この
正常値範囲とプラント状態データと運転目標値とから異
常を判定し、プラントデータベース４の記憶機構１６の
該当エリアに記録する処理とからなる。The abnormality detection determination process (step ST5) is
A process of detecting an abnormality according to the latest condition for abnormality determination recorded in the knowledge database 8 and recording it in the corresponding area of the storage mechanism 16 of the plant database 4 shown in FIG. 12, and the latest normal value range for abnormality determination. Is read, the abnormality is determined from the normal value range, the plant state data, and the operation target value, and is recorded in the corresponding area of the storage mechanism 16 of the plant database 4.
【０１９６】前者の異常検知判断では、設定される異常
判定条件が図４に示すように幾つかの種類に分けられる
ので、その種類に応じた異常判定処理を行なうことにな
る。In the former abnormality detection determination, the abnormality determination condition to be set is divided into several types as shown in FIG. 4, and therefore the abnormality determination process according to the type is performed.
【０１９７】また後者の異常検知判断は従来と同様の手
法で行なう。Further, the latter abnormality detection judgment is performed by the same method as the conventional one.
【０１９８】すなわち、知識データベース８から異常判
定用の正常範囲を読み込み、プラント状態データと運転
目標値とこの正常範囲から異常を判定し、プラントデー
タベース４の記憶機構１６の所定のエリアに異常データ
名を記録するのであるが、この処理ステップの異常判定
方法として図１３に示すように、閾値ｅ付近での異常判
定の不確定さを回避するため、異常の判定に０．５から
１までの範囲の確信度を設ける。That is, the normal range for abnormality determination is read from the knowledge database 8, the abnormality is determined from the plant state data, the operation target value, and this normal range, and the abnormality data name is stored in a predetermined area of the storage mechanism 16 of the plant database 4. However, in order to avoid the uncertainty of the abnormality determination near the threshold value e as shown in FIG. 13 as the abnormality determination method of this processing step, the range of 0.5 to 1 is used for the abnormality determination. Establish a certainty factor.
【０１９９】そして、異常の判定では運転目標値よりプ
ラント状態の示す値が大きいときには「高異常」、小さ
いときには「低異常」とし、「高異常」あるいは「低異
常」と判定されたプロセス量の名称をプラントデータベ
ース４の記憶機構１６の所定の該当エリアに記録する。In the determination of abnormality, when the value indicated by the plant state is larger than the operation target value, it is "high abnormality", and when it is small, it is "low abnormality", and the process amount determined as "high abnormality" or "low abnormality" is The name is recorded in a predetermined corresponding area of the storage mechanism 16 of the plant database 4.
【０２００】図６または図７に戻り、異常有無判定処理
（ステップＳＴ６）は、異常と判定されたプロセス量が
図１２に示すプラントデータベース４の記憶機構１６に
存在するか否かを調べる処理ステップである。Returning to FIG. 6 or FIG. 7, the abnormality presence / absence determination processing (step ST6) is a processing step for checking whether or not the process amount determined to be abnormal is present in the storage mechanism 16 of the plant database 4 shown in FIG. Is.
【０２０１】ここで異常と判定されたプロセス量が存在
していなければ処理を終了し、ステップＳＴ１に戻りプ
ロセス入力処理（ステップＳＴ１）以降の処理を繰り返
す。If there is no process amount determined to be abnormal, the process is terminated, the process returns to step ST1 and the process after the process input process (step ST1) is repeated.
【０２０２】異常と判定されたプロセス量があれば、図
６に示すフローチャートではその原因を推定する成立因
果関係探索処理（ステップＳＴ７）に進み、また図７に
示すフローチャートでは探索開始異常選択処理（ステッ
プＳＴ１５）に進み、検知された異常原因を同定する。If there is a process amount determined to be abnormal, the process shown in the flowchart of FIG. 6 proceeds to the establishment causal relationship search process (step ST7) for estimating the cause, and the process shown in the flowchart of FIG. In step ST15), the cause of the detected abnormality is identified.
【０２０３】図６のフローチャートに示す異常原因の同
定処理では、異常原因の同定すなわち異常原因推論は異
常原因推論部１１で行なわれ、知識データベース８に格
納された異常原因の因果関係の中からプラントデータベ
ース４に格納された異常のパターンに一致する因果関係
知識を探し出すことにより（ステップＳＴ７）異常原因
を同定する。In the abnormality cause identification processing shown in the flowchart of FIG. 6, the abnormality cause identification, that is, the abnormality cause inference is performed by the abnormality cause inference unit 11, and the plant is selected from the causal relationships of the abnormality causes stored in the knowledge database 8. The cause of the abnormality is identified by searching the causal relationship knowledge that matches the abnormality pattern stored in the database 4 (step ST7).
【０２０４】すなわち、知識データベース８に格納され
た異常原因に関する因果関係の知識は、図１４に示すよ
うにＩｆ（条件部），Ｔｈｅｎ（結論部）の形式で表現
されている。That is, the knowledge of the causal relationship regarding the cause of abnormality stored in the knowledge database 8 is expressed in the form of If (conditional part) and Then (conclusion part) as shown in FIG.
【０２０５】この条件部には、プロセス量の状態あるい
はプラント機器の動作状態が条件として与えられている
ので、この条件部に合致するデータがプラントデータベ
ース１０８の記憶機構に格納されていれば前記結論部が
成立したと判定する（ステップＳＴ８）。Since the condition quantity is given the condition of the process quantity or the operating condition of the plant equipment, if the data matching the condition condition is stored in the storage mechanism of the plant database 108, the above conclusion is reached. It is determined that the section has been established (step ST8).
【０２０６】そして、その推論仮説結果が異常の第１原
因であれば、その診断結果Ｋを表示処理部１２へ送出
し、また第１原因でなければ推論過程仮説としてプラン
トデータベース４に格納する（ステップＳＴ１１）。If the inference hypothesis result is the first cause of abnormality, the diagnosis result K is sent to the display processing unit 12, and if it is not the first cause, it is stored in the plant database 4 as the inference process hypothesis ( Step ST11).
【０２０７】このようにして、知識データベース８に条
件部が合致する因果知識が存在しなくなった時点で異常
原因同定処理が終了する。In this way, when there is no causal knowledge matching the condition part in the knowledge database 8, the abnormality cause identification processing ends.
【０２０８】次に、図７に示すステップＳＴ１５以降の
異常原因同定処理では、ステップＳＴ１５の探索開始異
常選択処理から以降の処理は、知識データベース８に格
納されたプラントのモデルのネットワークを構成する結
合子を逆方向に辿ることにより行なう。Next, in the abnormality cause identification processing after step ST15 shown in FIG. 7, the processing after the search start abnormality selection processing at step ST15 is a combination of the network of the model of the plant stored in the knowledge database 8. This is done by tracing the child in the opposite direction.
【０２０９】これは、異常の影響がネットワークのモデ
ルの結合子の矢印の方向で伝播するという考えに基づい
ている。This is based on the idea that the influence of anomalies propagates in the direction of the arrow of the connector of the model of the network.
【０２１０】図１５は、プラントのモデル上での原因探
索の過程を示した説明図である。FIG. 15 is an explanatory diagram showing the process of searching for the cause on the model of the plant.
【０２１１】図７に戻り、ステップＳＴ１６の探索開始
異常有無判定処理では、プラントデータベース４の記憶
機構１６に格納されている検知異常プロセス量から異常
原因探索処理が実行されていない任意の１つを選択し、
その異常原因の同定処理開始点をネットワークのモデル
上で決定する。Returning to FIG. 7, in the search start abnormality presence / absence determination processing in step ST16, any one of the detected abnormal process amounts stored in the storage mechanism 16 of the plant database 4 for which the abnormality cause search processing is not executed is selected. Selected,
The starting point for identifying the cause of the abnormality is determined on the network model.
【０２１２】この異常原因の探索開始点は、前記プラン
トデータベース４の記憶機構１６から選択された検知異
常プロセス量の種類により次のように決められる。The starting point for searching for the cause of this abnormality is determined as follows depending on the type of the detected abnormal process amount selected from the storage mechanism 16 of the plant database 4.
【０２１３】すなわち、異常プロセス量が操作物理量で
あるならば、その機能結合先の状態物理量を異常原因探
索開始点とし、また、異常プロセス量が状態物理量なら
ば、その物理量を異常原因探索開始点とする。That is, if the abnormal process quantity is the operation physical quantity, the state physical quantity of the functional coupling destination is set as the abnormality cause search starting point, and if the abnormal process quantity is the state physical quantity, the physical quantity is set as the abnormal cause search starting point. And
【０２１４】そして、全ての検知異常プロセス量の異常
原因の探索が行なわれたか否かを調べる。Then, it is checked whether or not the search for the cause of the abnormality of all the detected abnormal process amounts has been performed.
【０２１５】このステップＳＴ１６において探索開始点
がないと判断すると、全ての検知異常プロセス量の原因
探索が終了したことになるので、ステップＳＴ１に戻り
次の異常検知処理に進む。If it is determined in step ST16 that there is no search start point, it means that the search for the causes of all the detected abnormal process amounts has been completed, so the process returns to step ST1 to proceed to the next abnormality detection process.
【０２１６】一方、ステップＳＴ１６において探索開始
点があると判断すると、次に実行するステップＳＴ１７
の第１原因推定処理により推定された第１原因とそれか
ら影響を受ける全てのプロセス量の関係付けが行なわれ
る。On the other hand, if it is determined in step ST16 that there is a search start point, step ST17 to be executed next.
The first cause estimated by the first cause estimation process and all process amounts affected by the first cause are associated with each other.
【０２１７】従って、検知された異常原因と関係のない
異常プロセス量が存在するときには複数の原因が同時に
発生していると判断し、その原因の探索を行なうことに
なり、このステップＳＴ１７ではプラントに発生した全
ての異常原因を探索することになる。Therefore, when there is an abnormal process amount unrelated to the detected abnormal cause, it is judged that a plurality of causes are occurring at the same time, and the cause is searched for. All the causes of abnormality that occurred will be searched.
【０２１８】ステップＳＴ１７の第１原因推定処理は、
異常原因探索開始点からネットワークのモデルを辿り異
常原因を探索する処理ステップであり、この第１原因推
定処理を詳しく説明したフローチャートが図９である。The first cause estimating process in step ST17 is
FIG. 9 is a flowchart showing the processing steps of searching the cause of the abnormality by tracing the model of the network from the abnormality cause search starting point, and explaining the first cause estimation processing in detail.
【０２１９】この第１原因推定処理は、従来技術で説明
した図１９０と同一であるので説明を省略する。This first cause estimating process is the same as that of FIG. 190 described in the prior art, and therefore its explanation is omitted.
【０２２０】このようにして図７のステップＳＴ１７の
第１原因推定処理が行なわれた後、次にステップＳＴ１
８の同定第１原因有無判定処理が行なわれる。After the first cause estimating process of step ST17 of FIG. 7 is performed as described above, the next step ST1 is performed.
The identification first cause presence / absence determination process of 8 is performed.
【０２２１】この同定第１原因有無判定処理は、上述し
た第１原因推定処理（ステップＳＴ１７）により第１原
因が同定されているか否かを判断する処理ステップであ
る。The identifying first cause presence / absence determining process is a process step of determining whether or not the first cause is identified by the above-mentioned first cause estimating process (step ST17).
【０２２２】この結果、同定されていると判断すると、
同定結果表示処理（ステップＳＴ１９）に進み、一方ま
た同定されていないと判断すると同定不能表示処理（ス
テップＳＴ２０）に進む。As a result, when it is judged that the identification has been made,
On the other hand, if it is determined that the identification result has not been identified, the process proceeds to the identification result display process (step ST19).
【０２２３】これら同定結果表示処理（ステップＳＴ１
９）や同定不能表示処理（ステップＳＴ２０）では所定
の表示処理を実行し、さらにステップＳＴ１５以下の原
因の判明されていない異常原因探索処理に進むことにな
る。These identification result display processing (step ST1
In step 9) and the unidentifiable display process (step ST20), a predetermined display process is executed, and the process proceeds to step ST15 and subsequent steps for searching the cause of an abnormality in which the cause is unknown.
【０２２４】実施例２．以下、請求項２の発明の一実施
例を図について説明する。図１６はこの実施例の構成を
示すブロック図であり、図１と同一または相当の部分に
ついては同一の符号を付し説明を省略する。Example 2. An embodiment of the invention of claim 2 will be described below with reference to the drawings. FIG. 16 is a block diagram showing the configuration of this embodiment. The same or corresponding parts as in FIG. 1 are designated by the same reference numerals and the description thereof is omitted.
【０２２５】図１６において４１は状態推移データベー
スであり、操作知識ベース６に記述されている操作開始
や終了などの条件に基づいてプロセス量の変動範囲内を
有限個に分割し、分割した範囲間での変動方向およびそ
の変動に伴って条件の正否が変化する操作が記述されて
いる。In FIG. 16, reference numeral 41 denotes a state transition database, which divides the process amount variation range into a finite number based on the conditions such as the operation start and end described in the operation knowledge base 6, and divides the range between the divided ranges. The operation in which the correctness of the condition changes in accordance with the fluctuation direction and the fluctuation is described.
【０２２６】この状態推移データベース４１では、運転
中に状態の変化がある物理プロセス量や操作機器の状態
毎に状態推移を以下のように定義する。In this state transition database 41, the state transition is defined as follows for each physical process amount whose state changes during operation and each state of the operating equipment.
【０２２７】すなわち、各変動数についてその考えられ
る変化領域を複数の領域に分割する。この分割は、操作
知識ベース６に定義された操作開始条件，終了条件，続
行条件により決める。That is, for each fluctuation number, the possible change area is divided into a plurality of areas. This division is determined by the operation start condition, end condition and continuation condition defined in the operation knowledge base 6.
【０２２８】さらに、その分割した他の領域からその領
域に変化した場合を条件の一つとして持つ操作知識ベー
ス要素を定義する。Further, an operation knowledge base element having a condition of changing from the other divided area to that area is defined.
【０２２９】このような知識を各変量毎に定義したもの
を状態推移定義要素と呼ぶ。What defines such knowledge for each variable is called a state transition definition element.
【０２３０】図１７に、図２に示した操作手順に基づい
た冷却剤温度に対する状態推移データベースの例を示
す。FIG. 17 shows an example of the state transition database with respect to the coolant temperature based on the operation procedure shown in FIG.
【０２３１】この図に示すように、状態推移データベー
ス４１は、領域３１，推移３２，活性化操作３７により
定義される。As shown in this figure, the state transition database 41 is defined by a region 31, a transition 32, and an activation operation 37.
【０２３２】ここで領域３１は、操作手順知識の条件に
より分割された冷却剤温度領域を示し、推移３２は他の
分割領域からの変動を区別する。Here, the region 31 shows the coolant temperature region divided by the condition of the operating procedure knowledge, and the transition 32 distinguishes the variation from the other divided regions.
【０２３３】活性化操作は、知識ベースの対象の変量
（この例の場合は冷却剤温度）に推移３２で識別される
変化が発生した場合に条件の成立状態が変化する操作を
列挙する。The activation operation enumerates the operations that change the satisfaction state of the condition when the change identified in the transition 32 occurs in the variable (coolant temperature in this example) of the knowledge base.
【０２３４】この例の場合、「１３０℃〜」の領域３５
の上昇推移の欄は、冷却剤温度が「１３０℃〜」の領域
３５より低い温殿領域８０℃〜１３０℃の領域３４から
温度が上昇して変化した場合に、「Ａトレン１次系冷却
剤加圧防止制御モード選択スイッチ通常選択」と「Ｂト
レン１次系冷却剤加圧防止制御モード選択スイッチ通常
選択」の両操作が実行可能となる操作であることを示し
ている。In the case of this example, the region 35 of "130 ° C ~"
In the column of the increase transition of, when the temperature rises and changes from the region 34 of the temperature range 80 ° C. to 130 ° C., which is lower than the region 35 of the coolant temperature of “130 ° C. It shows that both operations of the agent pressure prevention control mode selection switch normal selection and the "B train primary system coolant pressure prevention control mode selection switch normal selection" can be executed.
【０２３５】図１６に戻り、操作実行状態監視部７ｂ
（操作候補絞込み手段）は、プラントデータベース４か
ら供給されるプラント状態データＸと状態推移データベ
ース４１に基づいて、あらかじめ変動する可能性のある
操作を絞り込む。Returning to FIG. 16, the operation execution status monitor 7b.
The (operation candidate narrowing-down means) narrows down operations that may fluctuate in advance, based on the plant state data X and the state transition database 41 supplied from the plant database 4.
【０２３６】さらに操作入力部５から供給される操作信
号Ｐ，プラントデータベース４から供給されるプラント
状態データＸ，前記絞り込んだ操作群に関した知識Ｑを
操作知識ベース６から抽出し、現在実行されている操作
に関しての監視条件，操作条件，終了条件や終了した操
作についての条件などを判定し、判定した前記条件など
を異常判定条件Ｍ１として知識データベース８に出力す
る。Further, the operation signal P supplied from the operation input unit 5, the plant state data X supplied from the plant database 4, and the knowledge Q concerning the narrowed-down operation group are extracted from the operation knowledge base 6 and are currently executed. The monitoring condition, the operating condition, the ending condition, the condition regarding the completed operation, and the like regarding the existing operation are determined, and the determined conditions are output to the knowledge database 8 as the abnormality determination condition M1.
【０２３７】次に動作について図１８〜図２２を参照し
て説明する。Next, the operation will be described with reference to FIGS.
【０２３８】図１８〜図２１において図６〜図９と同一
または相当の部分については同一の符号を付し説明を省
略する。18 to 21, parts that are the same as or correspond to those in FIGS. 6 to 9 are given the same reference numerals and description thereof will be omitted.
【０２３９】この実施例のプラントの異常診断装置の診
断でも一定周期毎に図１８，図１９に示すようにプロセ
ス入力処理（ステップＳＴＳＴ１）→操作入力処理（ス
テップＳＴ２）→操作実行状態監視処理（ステップＳＴ
３）→運転目標値評価処理（ステップＳＴ４）→異常検
知判定処理（ステップＳＴ５）→異常有無判定処理（ス
テップＳＴ６）を繰り返している。Even in the diagnosis of the plant abnormality diagnosing apparatus of this embodiment, the process input processing (step STST1) → operation input processing (step ST2) → operation execution state monitoring processing ( Step ST
3) → operation target value evaluation process (step ST4) → abnormality detection determination process (step ST5) → abnormality presence / absence determination process (step ST6) is repeated.
【０２４０】操作実行状態監視処理（ステップＳＴ３）
は、図２１に示したフローチャートに従って行なう。Operation execution state monitoring process (step ST3)
Is performed according to the flowchart shown in FIG.
【０２４１】図２１のフローチャートのより示される処
理は、操作知識要素選択処理（ステップＳＴ２１）の前
に操作知識要素選択対象絞込み処理（ステップＳＴ４
３）を追加し、さらに操作知識要素選択処理（ステップ
ＳＴ２１）では、優先順位に従った操作知識要素の検索
を行なう。In the processing shown by the flowchart in FIG. 21, the operation knowledge element selection target narrowing processing (step ST4) is performed before the operation knowledge element selection processing (step ST21).
3) is added, and in the operation knowledge element selection process (step ST21), the operation knowledge element is searched according to the priority order.
【０２４２】操作知識要素選択対象絞込み処理（ステッ
プＳＴ４３）は、図２２に示すフローチャートに従い全
ての変動量に対して操作知識要素の選択対象を絞り込
む。In the operation knowledge element selection target narrowing processing (step ST43), the operation knowledge element selection objects are narrowed down for all the variations according to the flowchart shown in FIG.
【０２４３】すなわち、状態推移データベース４１の状
態更新処理（ステップＳＴ４４）を行なう。That is, the state update processing of the state transition database 41 (step ST44) is performed.
【０２４４】状態推移データベース４１には、図１７に
示した操作手順との関係を示した静的なデータと共に、
最新のプラントデータベース４の値に従って各状態推移
定義要素毎にどの変化領域に含まれているか（活性化状
態と呼ぶ）を示すデータを保持している。In the state transition database 41, along with the static data showing the relationship with the operation procedure shown in FIG. 17,
In accordance with the latest value in the plant database 4, data indicating which change area is included in each state transition definition element (called an activation state) is held.
【０２４５】例えば、図１７の冷却剤温度については８
０℃〜１３０℃の範囲にあるか、あるいは１３０℃以上
にあるかなどの情報が記録されている。For example, the coolant temperature in FIG. 17 is 8
Information such as whether the temperature is in the range of 0 ° C to 130 ° C or higher than 130 ° C is recorded.
【０２４６】従って、状態更新処理（ステップＳＴ４
４）では、最新のプラントデータベース４の値に従って
活性化状態の更新を行なう。Therefore, the status update processing (step ST4
In 4), the activation state is updated according to the latest value in the plant database 4.
【０２４７】次に、活性化状態の変化の有無を判定する
（ステップＳＴ４５）。Next, it is determined whether or not the activation state has changed (step ST45).
【０２４８】そして、その判定結果に応じて状態変化が
なければ終了する。Then, if there is no state change according to the result of the determination, the process ends.
【０２４９】一方、状態変化があればステップＳＴ４８
に進み、状態推移データベース４１の該当する変量の状
態推移定義要素に定義されている活性化操作手順要素を
優先的に調べる操作知識要素選択対象とする。On the other hand, if there is a state change, step ST48.
Then, the activation operation procedure element defined in the state transition definition element of the corresponding variable in the state transition database 41 is preferentially checked as an operation knowledge element selection target.
【０２５０】この結果、図２１の操作知識要素選択処理
（ステップＳＴ２１）では、対象とする操作知識要素を
効率良く選択することが出来る。As a result, in the operation knowledge element selection process (step ST21) of FIG. 21, the target operation knowledge element can be efficiently selected.
【０２５１】ただし、優先された操作知識要素の中に該
当する操作がなければ、優先的に調べた操作知識要素以
外の全ての操作知識要素を調べることになる。However, if there is no corresponding operation in the prioritized operation knowledge elements, all operation knowledge elements other than the operation knowledge element preferentially checked are checked.
【０２５２】なお、図２１のステップＳＴ２２〜ステッ
プＳＴ２５の処理、図１８のステップＳＴ４〜ステップ
ＳＴ１１、図１９のステップＳＴ４〜ステップＳＴ２０
の処理は実施例１と同様である。The processing of steps ST22 to ST25 in FIG. 21, steps ST4 to ST11 in FIG. 18, and steps ST4 to ST20 in FIG.
The process of is the same as that of the first embodiment.
【０２５３】実施例３．以下、請求項３の発明の一実施
例を図について説明する。図３において図１と同一又は
相当の部分については同一の符号を付し説明を省略す
る。Example 3. An embodiment of the invention of claim 3 will be described below with reference to the drawings. In FIG. 3, parts that are the same as or equivalent to those in FIG.
【０２５４】この実施例では、操作知識ベース６にはプ
ラントに変動をもたらす個々の運転操作により影響を受
けるプロセス量，操作開始，終了条件などについてその
操作に関する知識が、個々の操作についてその操作目的
や操作対象などにより階層化，分割化して記録されてい
る。In this embodiment, the operation knowledge base 6 has knowledge about the operation regarding the process amount, operation start and end conditions, etc., which are affected by each operation that causes fluctuations in the plant, and the operation purpose for each operation. It is recorded hierarchically and divided according to the operation target.
【０２５５】例えば実施例１の図２の例に示した冷却剤
酸素除去の操作の確認項で示した脱塩塔をバイパスする
操作では、さらに詳細な手順が別途定義される。For example, in the operation of bypassing the desalting tower shown in the item for confirming the operation of removing oxygen from the coolant shown in the example of FIG. 2 of Example 1, a more detailed procedure is separately defined.
【０２５６】すなわち、従来技術の機能的・構造的階層
を記述した知識ベースの定義の説明と同様に、発電プラ
ント２では最上位の目的を達成するために、さらに下位
のサブクラスが構成されている。That is, in the same manner as the description of the definition of the knowledge base describing the functional / structural hierarchy of the prior art, in the power generation plant 2, further lower subclasses are configured in order to achieve the highest purpose. .
【０２５７】このため、一階層上のレベルに対する操作
知識はさらに詳細な下位のシステムの操作知識群に展開
される。Therefore, the operation knowledge for the level one level higher is expanded to a more detailed operation knowledge group of the lower system.
【０２５８】図２４は、このような操作知識ベースの階
層性の概念を示した概念図である。FIG. 24 is a conceptual diagram showing the concept of hierarchy of such operation knowledge base.
【０２５９】この図によれば、上位操作レベルの操作ｃ
が下位操作レベルにより構成されていることを示してい
る。According to this figure, the operation c of the higher operation level
Indicates that it is configured by a lower operation level.
【０２６０】すなわち、操作ｃが実行された場合には、
下位操作レベルに実行が移行し、操作ｆが開始され、順
番に操作ｇ，操作ｈ，操作ｉが実行されて操作ｃが終了
したことになり、再び上位レベルの操作に戻り操作ｄ，
操作ｅに実行が移行する。That is, when the operation c is executed,
Execution shifts to a lower operation level, operation f is started, operation g, operation h, and operation i are executed in order and operation c is ended, and the operation returns to the operation at the higher level and operation d,
The execution shifts to the operation e.
【０２６１】このような階層性を定義した操作知識ベー
スは、図２５に示すように操作開始前操作，操作開始条
件，操作終了条件，操作続行条件，操作，操作目標影
響，操作目標外影響，操作後操作の他に下位操作群や上
位操作を定義する。As shown in FIG. 25, the operation knowledge base defining such a hierarchical structure includes operations before operation start, operation start conditions, operation end conditions, operation continuation conditions, operations, operation target influences, operation target outside influences, In addition to post-operation operations, subordinate operation groups and higher level operations are defined.
【０２６２】次に動作について図２６〜図２９に基づい
て説明する。Next, the operation will be described with reference to FIGS. 26 to 29.
【０２６３】図２６，図２７，図２８，２９において図
６，図７，図８，９と同一または相当の処理ステップに
ついては同一の符号を付し説明を省略する。26, 27, 28 and 29, the same or corresponding processing steps as those in FIGS. 6, 7, 8 and 9 are designated by the same reference numerals and their description is omitted.
【０２６４】このプラントの異常診断装置で行なう異常
原因の診断は、図２６や図２７に示すように一定周期毎
にプロセス入力処理（ステップＳＴ１）→操作入力処理
（ステップＳＴ２）→操作実行状態監視処理（ステップ
ＳＴ３）→運転目標値評価処理（ステップＳＴ４）→異
常検知判定処理（ステップＳＴ５）→異常有無判定処理
（ステップＳＴ６）を繰り返している。Diagnosis of the cause of abnormality performed by the abnormality diagnosing device of this plant is, as shown in FIG. 26 and FIG. 27, process input processing (step ST1) → operation input processing (step ST2) → operation execution state monitoring at regular intervals. The process (step ST3) → the operation target value evaluation process (step ST4) → the abnormality detection determination process (step ST5) → the abnormality presence / absence determination process (step ST6) are repeated.
【０２６５】また、図２６や図２７に示す操作実行状態
監視処理（ステップＳＴ３）は、図２９のフローチャー
トに示す手順に従って行なわれる。The operation execution state monitoring process (step ST3) shown in FIGS. 26 and 27 is performed according to the procedure shown in the flowchart of FIG.
【０２６６】図２９に示す処理は、操作実行状態監視部
７ｃ（操作候補絞込み手段）において行われる処理であ
り、実施例１の図８に示した続行操作登録処理（ステッ
プＳＴ２３）の前に階層性による次期操作候補追加処理
（ステップＳＴ５４）を追加したものである。The process shown in FIG. 29 is a process performed in the operation execution state monitoring unit 7c (operation candidate narrowing-down means), and is a layer before the continuous operation registration process (step ST23) shown in FIG. 8 of the first embodiment. The next operation candidate addition process (step ST54) based on sex is added.
【０２６７】また、操作知識選択処理（ステップＳＴ２
１）では優先順位に従った操作知識要素の検索を行な
う。Further, operation knowledge selection processing (step ST2
In 1), the operation knowledge element is searched according to the priority order.
【０２６８】操作知識ベース６の階層性の原理に基づい
た処理を行なうためのフローチャートが図２９であり、
ステップＳＴ２１において新規の操作が実行されたと判
断すると、ステップＳＴ２２の異常判定条件設定処理を
経て前記実行された新規の操作が下位の操作を有してい
るか否かを判定する（ステップＳＴ５３）。FIG. 29 is a flow chart for performing processing based on the principle of hierarchy of the operation knowledge base 6.
When it is determined in step ST21 that a new operation has been executed, it is determined whether or not the executed new operation has a subordinate operation through the abnormality determination condition setting process of step ST22 (step ST53).
【０２６９】この結果、下位の操作を有していると判断
すると、次は前記下位の操作が行なわれる可能性が高い
ので、操作手順知識要素に定義されている前記下位の操
作群を優先的に探索するために次期操作手順候補として
登録する下位操作群登録処理を実行する（ステップＳＴ
５４）。As a result, if it is determined that the subordinate operation is performed, the subordinate operation is likely to be performed next. Therefore, the subordinate operation group defined in the operation procedure knowledge element is given priority. In order to search for the next operation procedure candidate, a lower operation group registration process is executed (step ST
54).
【０２７０】これらステップＳＴ５３とステップＳＴ５
４の処理によりステップＳＴ２１の操作知識要素選択処
理で対象とする操作知識要素を効率良く絞り込み選択す
ることが出来る。These steps ST53 and ST5
By the process of 4, it is possible to efficiently narrow down and select the target operation knowledge element in the operation knowledge element selection process of step ST21.
【０２７１】ただし、優先された操作知識要素の中に該
当する要素がなければ前記優先的に探索した操作知識要
素以外の全ての操作知識要素を探索することになる。However, if there is no corresponding element among the prioritized operation knowledge elements, all the operation knowledge elements other than the operation knowledge element searched preferentially will be searched.
【０２７２】なお、図２９におけるステップＳＴ２３〜
ステップＳＴ２５、図２６，図２７のステップＳＴ４以
降の処理、図２８における処理は実施例１と同様であ
る。Note that, from step ST23 in FIG.
Step ST25, the processing after step ST4 in FIGS. 26 and 27, and the processing in FIG. 28 are the same as in the first embodiment.
【０２７３】実施例４．以下、請求項４の発明の一実施
例を図について説明する。図３０において図１と同一ま
たは相当の部分については同一の符号を付し説明を省略
する。Example 4. An embodiment of the invention of claim 4 will be described below with reference to the drawings. 30, parts that are the same as or correspond to those in FIG. 1 are assigned the same reference numerals and explanations thereof will be omitted.
【０２７４】この実施例では、操作実行状態監視部７ｄ
（違反操作検知手段）は、操作入力部５から供給される
操作信号Ｐと，プラントデータベース４から供給される
プラント状態データＸと，操作知識ベース６に定義され
ている操作についての知識Ｑに基づき、現在実行されて
いる操作に関しての監視条件，操作条件，終了条件，終
了した操作についての条件などをに基づき、現在行なわ
れている操作が正しいか否かを判定し、その判定結果Ｒ
を表示処理部１２へ出力する。In this embodiment, the operation execution status monitor 7d.
The (violating operation detecting means) is based on the operation signal P supplied from the operation input unit 5, the plant state data X supplied from the plant database 4, and the operation knowledge Q defined in the operation knowledge base 6. It is determined whether or not the currently performed operation is correct based on the monitoring condition, the operating condition, the ending condition, the condition regarding the completed operation, etc. regarding the currently executed operation, and the determination result R
Is output to the display processing unit 12.
【０２７５】表示処理部１２は、診断結果Ｒを運転員に
判りやすい形式に変換し、この結果得られるデータＬを
ＣＲＴ表示装置１３に出力し表示する。The display processing unit 12 converts the diagnosis result R into a format that is easy for the operator to understand, and outputs the resulting data L to the CRT display device 13 for display.
【０２７６】次に動作ついて図３１と図３２に基づいて
説明する。Next, the operation will be described with reference to FIGS. 31 and 32.
【０２７７】図３１と図３２は、この実施例のプラント
の異常診断装置における誤操作の診断処理動作を説明す
るためのフローチャートである。FIG. 31 and FIG. 32 are flow charts for explaining the erroneous operation diagnosis processing operation in the plant abnormality diagnosing device of this embodiment.
【０２７８】この実施例のプラントの異常診断装置の診
断でも一定周期毎に図３１のフローチャートに示すよう
にプロセス入力処理（ステップＳＴＳＴ１）→操作入力
処理（ステップＳＴ２）→操作実行状態監視処理（ステ
ップＳＴ３）→誤操作判定処理（ステップＳＴ５５）を
繰り返す。Even in the diagnosis of the plant abnormality diagnosing device of this embodiment, process input processing (step STST1) → operation input processing (step ST2) → operation execution state monitoring processing (step) ST3)-> erroneous operation determination processing (step ST55) is repeated.
【０２７９】プロセス入力処理（ステップＳＴ１）はプ
ロセス入力部３において実行され、発電プラント２から
データを入力し、単位変換してプラントデータベース４
の該当エリアに記録する処理ステップである。The process input process (step ST1) is executed in the process input section 3, data is input from the power generation plant 2, the unit is converted, and the plant database 4 is entered.
This is a processing step of recording in the relevant area.
【０２８０】操作入力処理（ステップＳＴ２）は操作入
力部５で実行される処理であり、発電プラント２で実行
された操作情報を取り込み、取り込んだ操作情報を操作
実行状態監視部７ｄへ出力する処理である。The operation input process (step ST2) is a process executed by the operation input unit 5, and is a process of taking in the operation information executed in the power plant 2 and outputting the taken-in operation information to the operation execution state monitoring unit 7d. Is.
【０２８１】操作実行状態監視処理（ステップＳＴ３）
では、操作入力部５から送られてくる操作開始や終了な
どの操作情報Ｐと、操作知識ベース６に定義されている
操作に関する知識とから現在行なわれている操作の続行
条件，作用，副作用などの定義から、現在実行されてい
る操作が誤った条件で実行されている誤操作であるか否
かを判定する。Operation execution state monitoring process (step ST3)
Then, based on the operation information P such as the operation start and end sent from the operation input unit 5 and the knowledge about the operation defined in the operation knowledge base 6, continuation conditions, actions, side effects, etc. of the operation currently being performed. From the definition of, it is determined whether or not the operation currently being executed is an erroneous operation being executed under an erroneous condition.
【０２８２】この結果、誤操作が行なわれていると判断
すると（ステップＳＴ５５）、操作実行状態監視部７ｄ
はこの誤操作の判定結果Ｒを表示処理部１２へ出力し、
ＣＲＴ表示装置１３において表示する（ステップＳＴ１
０）。As a result, when it is determined that an erroneous operation is performed (step ST55), the operation execution state monitoring section 7d.
Outputs this erroneous operation determination result R to the display processing unit 12,
It is displayed on the CRT display device 13 (step ST1).
0).
【０２８３】図３２は、前記操作実行状態監視処理（ス
テップＳＴ３）による誤操作の判定を説明するためのフ
ローチャートである。FIG. 32 is a flow chart for explaining the erroneous operation determination by the operation execution state monitoring process (step ST3).
【０２８４】操作入力部５からは、診断周期の間に実行
された全ての操作情報が送られてきており、この操作実
行状態監視処理（ステップＳＴ３）では、図３２のフロ
ーチャートに従い全ての前記操作情報に対し誤操作の判
定処理を行なう。All the operation information executed during the diagnostic cycle is sent from the operation input unit 5. In the operation execution state monitoring process (step ST3), all the operations described above are performed according to the flowchart of FIG. Perform erroneous operation determination processing on information.
【０２８５】この誤操作判定処理は、まず操作知識要素
選択処理（ステップＳＴ２１）を行なう。In this erroneous operation determination processing, operation knowledge element selection processing (step ST21) is first performed.
【０２８６】この操作知識要素選択処理（ステップＳＴ
２１）では、操作実行状態監視部７に処理を実行してい
る時点で続行している操作（続行操作）や実行してもよ
い操作（時期操作候補）記録されていて、その記録情報
と操作入力部５から入力された操作情報により現在実行
されている操作が終了したか、あるいは新たな操作が開
始されたかなどを判断する。This operation knowledge element selection process (step ST
In 21), the operation execution state monitoring unit 7 records the operation (continuation operation) that is being continued or the operation that may be executed (temporary operation candidate), and the recorded information and the operation. Based on the operation information input from the input unit 5, it is determined whether the operation currently being executed has ended or a new operation has started.
【０２８７】新たな操作が開始されたと判断すると、次
に操作開始条件判定処理（ステップＳＴ５６）を実行す
る。If it is determined that a new operation has started, then operation start condition determination processing (step ST56) is executed.
【０２８８】この操作開始条件判定処理では、開始され
た操作知識要素の定義されている操作開始条件や操作前
操作の定義により、開始された操作が正しい開始条件を
満たしているか否かを判断し、開始条件が満足されてい
るかとか操作前操作が終了しているかなどの判定を行な
う。In this operation start condition determination processing, it is determined whether or not the started operation satisfies the correct start condition according to the operation start condition defined by the started operation knowledge element and the definition of the pre-operation operation. , It is determined whether the start condition is satisfied or whether the pre-operation is completed.
【０２８９】そしてさらに、続行操作として登録する
（ステップＳＴ２３）。Then, it is further registered as a continuing operation (step ST23).
【０２９０】一方、操作が終了したと判断すると、操作
終了条件判定処理を実行する（ステップＳＴ５７）。On the other hand, if it is determined that the operation is completed, the operation end condition determining process is executed (step ST57).
【０２９１】この操作終了条件判定処理では、終了した
操作の操作知識要素の操作終了条件により、終了した操
作が正しい操作終了条件を満足しているか否かを判断す
る。In this operation end condition judging process, it is judged whether or not the ended operation satisfies the correct operation end condition based on the operation end condition of the operation knowledge element of the ended operation.
【０２９２】そしてさらに、該当する操作に対し定義さ
れている操作後操作を次期操作候補として登録する（ス
テップＳＴ２５）。Then, the post-operation operation defined for the corresponding operation is registered as the next operation candidate (step ST25).
【０２９３】このように開始され、あるいは終了した操
作に対し定義された条件にしたがって誤操作の判定が出
来る。In this way, it is possible to judge an erroneous operation according to the condition defined for the operation started or ended.
【０２９４】実施例５．以下、請求項１の発明の一実施
例を図について説明する。図３３において図３０と同一
または相当の部分については同一の符号を付し説明を省
略する。Example 5. An embodiment of the invention of claim 1 will be described below with reference to the drawings. 33, parts that are the same as or correspond to those in FIG. 30 are assigned the same reference numerals and explanations thereof are omitted.
【０２９５】４１は状態推移データベースであり、操作
知識ベース６に記述されている操作開始や終了などの条
件に基づいてプロセス量の変動範囲内を有限個に分割
し、それら分割した範囲間での変動方向およびその変動
に伴って条件の正否が変化する操作が記述されている。Reference numeral 41 is a state transition database, which divides the process amount variation range into a finite number based on the conditions such as the operation start and end described in the operation knowledge base 6, and It describes the direction of change and the operation in which the correctness of the condition changes in accordance with the change.
【０２９６】この状態推移データベース４１は、実施例
２で説明した状態推移データベースと同一のものであ
る。The state transition database 41 is the same as the state transition database described in the second embodiment.
【０２９７】また、操作実行状態監視部７ｅ（操作候補
絞込み手段，違反操作検知手段）は、プラントデータベ
ース４から出力されたプラント状態データＸと状態推移
データベース４１のデータとに基づき、あらかじめ変動
する可能性のある操作を絞り込み、操作入力部５からの
操作信号Ｐとプラントデータベース４から出力されるプ
ラント状態データＸと、前記絞り込んだ操作群に関した
知識Ｑを操作知識ベース６から抽出し、この抽出した知
識Ｑおよび現在実行されている操作に関した条件などに
基づき、現在行なわれている操作が正しいか否かを判定
する。Further, the operation execution state monitoring section 7e (operation candidate narrowing-down means, violating operation detection means) can change in advance based on the plant state data X output from the plant database 4 and the data in the state transition database 41. Specific operation is extracted, the operation signal P from the operation input unit 5, the plant state data X output from the plant database 4, and the knowledge Q related to the operation group thus narrowed down are extracted from the operation knowledge base 6 and extracted. Based on the knowledge Q and the condition related to the operation currently being executed, it is determined whether or not the operation currently being executed is correct.
【０２９８】次に動作ついて図３４と図３５に基づいて
説明する。Next, the operation will be described with reference to FIGS. 34 and 35.
【０２９９】図３４と図３５は、この実施例のプラント
の異常診断装置における誤操作の診断処理動作を説明す
るためのフローチャートである。34 and 35 are flow charts for explaining the erroneous operation diagnosis processing operation in the plant abnormality diagnosing device of this embodiment.
【０３００】この実施例のプラントの異常診断装置の診
断でも一定周期毎に図３４のフローチャートに示すよう
にプロセス入力処理（ステップＳＴＳＴ１）→操作入力
処理（ステップＳＴ２）→操作実行状態監視処理（ステ
ップＳＴ３）→誤操作判定処理（ステップＳＴ５５）を
繰り返す。Even in the diagnosis of the plant abnormality diagnosing device of this embodiment, the process input process (step STST1) → operation input process (step ST2) → operation execution state monitoring process (step) as shown in the flowchart of FIG. 34 at regular intervals. ST3)-> erroneous operation determination processing (step ST55) is repeated.
【０３０１】また、操作実行状態監視処理（ステップＳ
Ｔ３）は、図３５のフローチャートに示す手順により行
なう。Further, the operation execution state monitoring process (step S
Step T3) is performed according to the procedure shown in the flowchart of FIG.
【０３０２】図３５のフローチャートに示す処理は、実
施例４の図３２に示した操作知識要素選択処理（ステッ
プＳＴ２１）の前に操作知識要素選択対象絞込み処理
（ステップＳＴ４３）を追加したものであり、さらに操
作知識要素選択処理（ステップＳＴ２１）では優先順位
に従った操作知識要素の検索を行なう。The processing shown in the flowchart of FIG. 35 is obtained by adding the operation knowledge element selection target narrowing processing (step ST43) before the operation knowledge element selection processing (step ST21) shown in FIG. 32 of the fourth embodiment. In the operation knowledge element selection process (step ST21), the operation knowledge elements are searched in accordance with the priority order.
【０３０３】操作知識要素選択対象絞込み処理（ステッ
プＳＴ４３）は、図３６に示すフローチャートに従い全
ての変動量に対して操作知識要素選択対象を絞り込む。In the operation knowledge element selection target narrowing processing (step ST43), the operation knowledge element selection objects are narrowed down for all the variation amounts according to the flowchart shown in FIG.
【０３０４】この図３６においては実施例２の図２２と
同一または相当の処理ステップについては同一の符号を
付し説明を省略する。In FIG. 36, the same or corresponding processing steps as those in FIG. 22 of the second embodiment are designated by the same reference numerals and the description thereof will be omitted.
【０３０５】このように全ての変動量に対し操作知識要
素選択対象を絞り込む結果、操作知識要素に定義された
条件に従い効率的に誤操作の判定が出来ることになる。As described above, as a result of narrowing down the operation knowledge element selection targets for all the fluctuation amounts, it is possible to efficiently determine an erroneous operation according to the conditions defined in the operation knowledge elements.
【０３０６】なお、図３５のステップＳＴ２１〜ステッ
プＳＴ２５の処理については、実施例４の図３２と同様
である。The processing of steps ST21 to ST25 of FIG. 35 is the same as that of FIG. 32 of the fourth embodiment.
【０３０７】実施例６．以下、請求項６の発明の一実施
例を図について説明する。図３７において図３０と同一
又は相当の部分については同一の符号を付し説明を省略
する。Example 6. An embodiment of the invention of claim 6 will be described below with reference to the drawings. 37, parts that are the same as or correspond to those in FIG. 30 are assigned the same reference numerals and explanations thereof are omitted.
【０３０８】この実施例では、操作知識ベース６にはプ
ラントに変動をもたらす個々の運転操作により影響を受
けるプロセス量，操作開始，終了条件などについてその
操作に関する知識が、個々の操作についてその操作目的
や操作対象などにより階層化，分割化して記録されてい
る。また、操作実行状態監視部７ｆ（操作候補絞込み手
段，違反操作検知手段）は、違反操作を判断する各時点
において判定すべき操作候補を前記階層化，分割化され
た操作知識ベース６により絞り込む。In this embodiment, the operation knowledge base 6 has knowledge about the operation regarding the process amount, operation start and end conditions, etc., which are affected by the individual operation that causes fluctuations in the plant, and the operation purpose for each operation. It is recorded hierarchically and divided according to the operation target. Further, the operation execution state monitoring unit 7f (operation candidate narrowing-down means, violating operation detecting means) narrows down the operation candidates to be judged at each time point for judging a violating operation by the hierarchical and divided operation knowledge base 6.
【０３０９】この操作知識ベース６の階層化について
は、実施例３の階層化された操作知識ベースについての
説明と同様である。The hierarchical operation knowledge base 6 is the same as the hierarchical operation knowledge base of the third embodiment.
【０３１０】次に図３８と図３９のフローチャートを参
照して動作について説明する。Next, the operation will be described with reference to the flowcharts of FIGS. 38 and 39.
【０３１１】図３８，図３９のフローチャートにおいて
実施例４の図３１，図３２と同一または相当の処理ステ
ップについては同一の符号を付し説明を省略する。In the flowcharts of FIGS. 38 and 39, the same or corresponding processing steps as those of FIGS. 31 and 32 of the fourth embodiment are designated by the same reference numerals, and the description thereof will be omitted.
【０３１２】図３８のフローチャートに示すように、こ
の実施例のプラントの異常診断装置の診断でも一定周期
毎にプロセス入力処理（ステップＳＴＳＴ１）→操作入
力処理（ステップＳＴ２）→操作実行状態監視処理（ス
テップＳＴ３）→誤操作判定処理（ステップＳＴ５５）
を繰り返す。As shown in the flow chart of FIG. 38, even in the diagnosis of the plant abnormality diagnosis apparatus of this embodiment, process input processing (step STST1) → operation input processing (step ST2) → operation execution state monitoring processing ( Step ST3) → erroneous operation determination process (step ST55)
repeat.
【０３１３】また、操作実行状態監視処理（ステップＳ
Ｔ３）は、図３９に示した手順に従って行なう。Also, the operation execution state monitoring process (step S
Step T3) is performed according to the procedure shown in FIG.
【０３１４】図３９のフローチャートにより示される処
理は、実施例４の図３２の処理の続行操作登録処理（ス
テップＳＴ２３）の前に操作手順の階層性を利用した下
位操作群登録処理（ステップＳＴ５４）を追加したもの
である。The process shown in the flowchart of FIG. 39 is the subordinate operation group registration process (step ST54) using the hierarchical nature of the operation procedure before the continuation operation registration process (step ST23) of the process of FIG. 32 of the fourth embodiment. Is added.
【０３１５】また、操作知識要素選択処理（ステップＳ
Ｔ２１）では、優先順位に従った操作知識要素の検索を
行なう。Further, the operation knowledge element selection process (step S
In T21), the operation knowledge element is searched in accordance with the priority order.
【０３１６】操作知識ベース６は図４０に示すように階
層性を有しており、下位の操作手順を待つ上位の操作ａ
〜操作ｅが実行に移されれば、次に実行されるのは前記
上位の操作ａ〜操作ｅに対し下位の操作である操作ｆ〜
操作ｉである確率が高く、この原理に基づいた処理を行
なうためのフローチャートが図３９に示すものである。The operation knowledge base 6 has a hierarchical structure as shown in FIG. 40, and a higher operation a waiting for a lower operation procedure a
~ If the operation e is executed, the next operation to be executed is the operation a ~ the operation e which is a subordinate operation to the operation e ~
FIG. 39 is a flow chart for performing processing based on this principle, which has a high probability of being the operation i.
【０３１７】すなわち、ステップＳＴ２１においては、
優先順位にしたがった操作知識要素の探索を行なって新
規の操作が実行されたと判断すると、ステップＳＴ５６
を経て前記実行された新規の操作が下位の操作を有して
いるか否かを判定する（ステップＳＴ５３）。That is, in step ST21,
If it is determined that a new operation has been executed by searching the operation knowledge elements according to the priority order, step ST56
After that, it is determined whether or not the executed new operation has a subordinate operation (step ST53).
【０３１８】この結果下位の操作を有していると判断す
ると、上述した理由により前記下位の操作が行なわれる
可能性が高いので、操作手順知識要素に定義されている
前記下位の操作群を優先的に探索するために時期操作手
順候補として登録する下位操作群登録処理を実行する
（ステップＳＴ５４）。As a result, when it is determined that the lower-level operation is performed, the lower-level operation is likely to be performed for the reason described above, and therefore the lower-level operation group defined in the operation procedure knowledge element is given priority. A subordinate operation group registration process for registering as a candidate for a timing operation procedure for a desired search is executed (step ST54).
【０３１９】これらステップＳＴ５３とステップＳＴ５
４の処理によりステップＳＴ２１の操作知識要素選択処
理で対象とする操作知識要素を効率良く選択することが
出来る。Step ST53 and step ST5
By the process of 4, the target operation knowledge element can be efficiently selected in the operation knowledge element selection process of step ST21.
【０３２０】その後、図３８に示す誤操作判定処理（ス
テップＳＴ５５）に進み、前記選択した操作知識要素を
基に操作違反検知をなう。After that, the operation proceeds to the erroneous operation determination processing (step ST55) shown in FIG. 38, and the operation violation is detected based on the selected operation knowledge element.
【０３２１】このように操作知識ベース６に記録された
操作要素の階層性により効率的に誤操作の判定が出来る
ことになる。As described above, the hierarchical operation of the operation elements recorded in the operation knowledge base 6 makes it possible to efficiently determine an erroneous operation.
【０３２２】実施例７．以下、請求項７の発明の一実施
例を図について説明する。図４１において図１と同一又
は相当の部分については同一の符号を付し説明を省略す
る。Example 7. An embodiment of the invention of claim 7 will be described below with reference to the drawings. 41, parts that are the same as or correspond to those in FIG. 1 are assigned the same reference numerals and explanations thereof are omitted.
【０３２３】この実施例では、操作知識ベース６には、
プラントに変動をもたらす個々の運転操作について、そ
の操作により影響を受けるプロセス量，操作開始，終了
条件などの操作に関する知識が記述されている。In this embodiment, the operation knowledge base 6 includes
For each operation that causes fluctuations in the plant, knowledge about operations such as process amount, operation start and end conditions that are affected by the operation is described.
【０３２４】また、操作実行状態監視部７ｇ（補完・代
替操作提供手段）では、操作入力部５から供給される操
作信号Ｐとプラントデータベース４から読み出されたプ
ラント状態データＸと操作知識ベース６に定義されたそ
の操作に関する知識Ｑ、および現在実行されている操作
に関する作用に基づき、現在実行されている操作につい
て充分な効果が現われているか否かを判定し、不十分操
作判定結果Ｓを出力する。Further, in the operation execution state monitoring section 7g (complementary / alternative operation providing means), the operation signal P supplied from the operation input section 5, the plant state data X read from the plant database 4 and the operation knowledge base 6 are supplied. Based on the knowledge Q about the operation and the action about the operation currently being executed defined in step 1, it is judged whether or not a sufficient effect is present for the operation currently being executed, and the insufficient operation judgment result S is output. To do.
【０３２５】また、表示処理部１２では、操作実行状態
監視部７ｇ（補完・代替操作提供手段）で判定され出力
される不十分操作判定結果Ｓを、運転員に判りやすい形
式のデータＬに変換し、ＣＲＴ表示装置１３に出力す
る。Further, in the display processing unit 12, the insufficient operation determination result S determined and output by the operation execution state monitoring unit 7g (complementary / alternative operation providing means) is converted into data L in a format that is easy for the operator to understand. And outputs it to the CRT display device 13.
【０３２６】次に図４２と図４３に基づいて動作につい
て説明する。Next, the operation will be described with reference to FIGS. 42 and 43.
【０３２７】この実施例のプラントの異常診断装置で行
なう異常原因の診断は、図４２に示すように一定周期毎
にプロセス入力処理（ステップＳＴ１）→操作入力処理
（ステップＳＴ２）→操作実行状態監視処理（ステップ
ＳＴ３）→不十分操作判定処理（ステップＳＴ５８）を
繰り返している。The diagnosis of the cause of abnormality performed by the abnormality diagnosing device for a plant of this embodiment is, as shown in FIG. 42, process input processing (step ST1) → operation input processing (step ST2) → operation execution state monitoring, at regular intervals. The process (step ST3) → insufficient operation determination process (step ST58) is repeated.
【０３２８】プロセス入力処理（ステップＳＴ１）は、
プロセス入力部３において実行され、発電プラント２か
らデータを入力し、単位変換してプラントデータベース
４の記憶機構の該当エリアに記録する処理ステップであ
る。The process input process (step ST1) is
This is a processing step that is executed in the process input unit 3, inputs data from the power generation plant 2, performs unit conversion, and records the data in the corresponding area of the storage mechanism of the plant database 4.
【０３２９】操作入力処理（ステップＳＴ２）は操作入
力部５で実行される処理であり、発電プラント２で実行
された操作情報を取り込み操作実行状態監視部７へ出力
する処理である。The operation input process (step ST2) is a process executed by the operation input unit 5, and is a process of fetching operation information executed in the power generation plant 2 and outputting it to the operation execution state monitoring unit 7.
【０３３０】操作実行状態監視処理（ステップＳＴ３）
では、操作入力部５から送られてくる操作開始や終了な
どの操作情報Ｐと、操作知識ベース６に定義されている
操作に関する知識から現在行なわれている操作の操作前
操作，実行開始条件，操作後操作など現在実行中の操作
や今後実行される操作などを判定する。Operation execution state monitoring process (step ST3)
Then, based on the operation information P sent from the operation input unit 5 such as the operation start and end, and the knowledge about the operation defined in the operation knowledge base 6, the operation before operation, the execution start condition, Determines the currently executed operation, such as the post-operation operation, and the operation to be executed in the future.
【０３３１】不十分操作判定処理（ステップＳＴ５８）
は、記録されている現在進行中の操作に関して定義され
ている操作続行条件や作用などから現在実行されている
操作について想定される効果が現われているか否かを判
定する。Insufficient operation determination processing (step ST58)
Determines whether or not the expected effect of the operation currently being executed appears from the operation continuation condition or action defined for the recorded operation currently in progress.
【０３３２】この結果、不十分操作が検知されればこの
診断結果である不十分操作判定結果Ｓを表示処理部１２
へ出力し、さらにＣＲＴ表示装置１３に表示する（ステ
ップＳＴ１０）。As a result, if an insufficient operation is detected, the insufficient operation determination result S, which is the diagnosis result, is displayed on the display processing unit 12.
To the CRT display device 13 (step ST10).
【０３３３】図４３は、操作実行状態監視処理（ステッ
プＳＴ３）で行なわれる処理を示すフローチャートであ
る。FIG. 43 is a flowchart showing the processing executed in the operation execution state monitoring processing (step ST3).
【０３３４】操作実行状態監視処理（ステップＳＴ３）
では、操作入力部５から診断周期の間に実行された全て
の操作情報が送られてくる。Operation execution state monitoring process (step ST3)
Then, all the operation information executed during the diagnosis cycle is sent from the operation input unit 5.
【０３３５】そして、これら全ての操作情報に対し図４
３に示したフローチャートに従った処理が行なわれる。FIG. 4 shows all the operation information.
The process according to the flowchart shown in FIG.
【０３３６】図４３では、まず操作知識要素選択処理
（ステップＳＴ２１）を行なう。In FIG. 43, operation knowledge element selection processing (step ST21) is first performed.
【０３３７】この操作知識要素選択処理（ステップＳＴ
２１）では、操作実行状態監視部７に処理を実行してい
る時点で続行している操作（続行操作）や実行してもよ
い操作（時期操作候補）記録されていて、その記録情報
と操作入力部５から入力された操作情報により現在実行
されている操作が終了したか、あるいは新たな操作が開
始されたかなどを判断する。This operation knowledge element selection process (step ST
In 21), the operation execution state monitoring unit 7 records the operation (continuation operation) that is being continued or the operation that may be executed (temporary operation candidate), and the recorded information and the operation. Based on the operation information input from the input unit 5, it is determined whether the operation currently being executed has ended or a new operation has started.
【０３３８】新たな操作が開始されたと判断すると、続
行操作として登録する（ステップＳＴ２３）。When it is determined that a new operation has started, it is registered as a continuing operation (step ST23).
【０３３９】一方、操作が終了したと判断すると、該当
する操作に対し定義されている操作後操作を次期操作候
補として登録する（ステップＳＴ２５）。On the other hand, when it is determined that the operation is completed, the post-operation operation defined for the corresponding operation is registered as the next operation candidate (step ST25).
【０３４０】そして、図４２の不十分操作判定処理（ス
テップＳＴ５８）で、ステップＳＴ２５において登録さ
れ記録された全ての続行操作夫々について不十分操作の
判定を行なう。Then, in the insufficient operation determination process (step ST58) in FIG. 42, the insufficient operation is determined for each of all the continued operations registered and recorded in step ST25.
【０３４１】この不十分操作の判定基準は、各操作に定
義されている操作続行条件や操作目標影響にしたがって
判定する。The criterion for this inadequate operation is determined according to the operation continuation condition and operation target influence defined for each operation.
【０３４２】操作続行条件に定義されている条件で、不
十分操作の判定条件として参照されるものとしては、最
大続行時間条件がある。Among the conditions defined in the operation continuation condition, the maximum continuation time condition is referred to as the insufficient operation determination condition.
【０３４３】この最大続行時間条件は、対象の操作が続
行される場合の許容最大時間と考えられる。This maximum continuation time condition is considered to be the maximum allowable time when the target operation is continued.
【０３４４】従って、この時間を越えて操作が続行され
ていれば、操作の効果が現われていないと判定できる。Therefore, if the operation is continued beyond this time, it can be determined that the effect of the operation has not appeared.
【０３４５】その他には、操作の作用として定義される
状態変化も不十分操作の判定条件として参照される。In addition, the state change defined as the action of the operation is also referred to as the determination condition of the insufficient operation.
【０３４６】たとえば、操作目標影響として増加減少が
定義されている場合に、操作の結果その逆の減少作用が
起これば、操作の効果が不十分であると判定できる。For example, in the case where increase / decrease is defined as the operation target effect, if the opposite decrease action occurs as a result of the operation, it can be determined that the effect of the operation is insufficient.
【０３４７】このように、操作知識要素に定義されてい
る続行条件や操作目標影響の条件に基づいて操作不十分
判定を行なう。In this way, the operation insufficiency determination is performed based on the continuation condition and the operation target influence condition defined in the operation knowledge element.
【０３４８】このように操作定義要素に定義された条件
に従って不十分操作の判定が出来る。In this way, the insufficient operation can be determined according to the conditions defined in the operation definition element.
【０３４９】実施例８．以下、請求項８の発明の一実施
例を図について説明する。図４３において図４１と同一
または相当の部分については同一の符号を付し説明を省
略する。Example 8. An embodiment of the invention of claim 8 will be described below with reference to the drawings. 43, parts that are the same as or correspond to those in FIG. 41 are given the same reference numerals, and descriptions thereof will be omitted.
【０３５０】この実施例では状態推移データベース４１
が設けられており、この状態推移データベース４１に
は、操作知識ベース６に記述されている操作開始や終了
などの条件等に基づいてプロセス量の変動範囲内を有限
個に分割し、それらの範囲間での変動方向およびその変
動に伴って条件の正否が変化する操作が記述されてい
る。In this embodiment, the state transition database 41
This state transition database 41 divides the process amount variation range into a finite number based on the conditions such as the operation start and end described in the operation knowledge base 6, and divides these ranges. It describes the direction of change and the operation of changing the correctness of the condition according to the change.
【０３５１】この状態推移データベース４１は、実施例
２で説明した状態推移データベースと同一のものであ
る。The state transition database 41 is the same as the state transition database described in the second embodiment.
【０３５２】操作実行状態監視部７ｈ（操作候補絞込み
手段，補完・代替操作提供手段）は、プラントデータベ
ース４から出力されたプラント状態データＸと状態推移
データベース４１のデータとに基づき、あらかじめ変動
する可能性のある操作を絞り込み、操作入力部５からの
操作信号Ｐとプラントデータベース４から出力されるプ
ラント状態データＸと、前記絞り込んだ操作群に関した
知識Ｑを操作知識ベース６から抽出し、この抽出した知
識Ｑおよび現在実行されている操作に関した条件などに
基づき、現在行なわれている操作について充分な効果が
現われているか否かを判定する。The operation execution status monitor 7h (operation candidate narrowing-down means, complementary / alternative operation providing means) can change in advance based on the plant status data X output from the plant database 4 and the data in the status transition database 41. Specific operation is extracted, the operation signal P from the operation input unit 5, the plant state data X output from the plant database 4, and the knowledge Q related to the operation group thus narrowed down are extracted from the operation knowledge base 6 and extracted. Based on the knowledge Q and the condition related to the operation currently being executed, it is determined whether or not a sufficient effect is exhibited for the operation currently being executed.
【０３５３】次に図４５と図４６に基づいて動作につい
て説明する。Next, the operation will be described with reference to FIGS. 45 and 46.
【０３５４】図４５，図４６において図４２，図４３と
同一または相当の処理ステップについては同一の符号を
付し説明を省略する。45 and 46, the same or corresponding processing steps as those in FIGS. 42 and 43 are designated by the same reference numerals and the description thereof will be omitted.
【０３５５】この実施例のプラントの異常診断装置で行
なう異常原因の診断は、図４５に示すように一定周期毎
にプロセス入力処理（ステップＳＴ１）→操作入力処理
（ステップＳＴ２）→操作実行状態監視処理（ステップ
ＳＴ３）→不十分操作判定処理（ステップＳＴ５８）を
繰り返している。Diagnosis of the cause of abnormality performed by the plant abnormality diagnosing device of this embodiment is, as shown in FIG. 45, process input processing (step ST1) → operation input processing (step ST2) → operation execution state monitoring at regular intervals. The process (step ST3) → insufficient operation determination process (step ST58) is repeated.
【０３５６】また、操作実行状態監視処理（ステップＳ
Ｔ３）は、図４６のフローチャートに示す手順に従って
おこなう。In addition, the operation execution state monitoring process (step S
T3) is performed according to the procedure shown in the flowchart of FIG.
【０３５７】すなわち、操作知識要素選択対象絞込み処
理（ステップＳＴ４３）が操作知識要素選択処理（ステ
ップＳＴ２１）の前に追加され、操作知識要素選択処理
（ステップＳＴ２１）では優先順位に従った操作知識要
素の探索を行なう。That is, the operation knowledge element selection target narrowing processing (step ST43) is added before the operation knowledge element selection processing (step ST21), and the operation knowledge element selection processing (step ST21) follows the operation knowledge elements according to the priority order. Search for.
【０３５８】操作知識要素選択対象絞込み処理（ステッ
プＳＴ４３）は、図４７に示すフローチャートに従い全
ての変動量に対して操作知識要素選択対象を絞り込む。In the operation knowledge element selection target narrowing processing (step ST43), the operation knowledge element selection objects are narrowed down for all the variation amounts according to the flowchart shown in FIG.
【０３５９】この図４７において図２２と同一または相
当の処理ステップについては同一の符号を付し説明を省
略する。In FIG. 47, the same or corresponding processing steps as those in FIG. 22 are designated by the same reference numerals and the description thereof will be omitted.
【０３６０】このように操作知識要素選択対象を絞り込
む結果、操作知識要素に定義された条件に従い効率的に
不十分操作の判定が出来ることになる。As a result of narrowing down the operation knowledge element selection targets, it is possible to efficiently determine an insufficient operation according to the conditions defined in the operation knowledge element.
【０３６１】実施例９．以下、請求項９の発明の一実施
例を図について説明する。図４８において図４１と同一
または相当の部分については同一の符号を付し説明を省
略する。Example 9. An embodiment of the invention of claim 9 will be described below with reference to the drawings. In FIG. 48, those parts which are the same as or correspond to those in FIG. 41 are designated by the same reference numerals, and a description thereof will be omitted.
【０３６２】この実施例では、操作知識ベース６にはプ
ラントに変動をもたらす個々の運転操作により影響を受
けるプロセス量，操作開始，終了条件などについてその
操作に関する知識が、個々の操作についてその操作目的
や操作対象などにより階層化，分割化して記録されてい
る。In this embodiment, the operation knowledge base 6 has knowledge about the operation regarding the process amount, operation start and end conditions, etc., which are affected by each operation that causes fluctuations in the plant, and the operation purpose for each operation. It is recorded hierarchically and divided according to the operation target.
【０３６３】この操作知識ベース６の階層化について
は、実施例３の操作知識ベースについての説明と同様で
ある。また、操作実行状態監視部７ｉ（操作候補絞込み
手段，補完・代替操作提供手段）は、補完・代替操作の
必要性を判断する各時点において、前記階層化，分割化
された操作知識ベース６により判定すべき操作候補を絞
り込む。Hierarchization of the operation knowledge base 6 is the same as that of the operation knowledge base of the third embodiment. Further, the operation execution state monitoring unit 7i (operation candidate narrowing-down means, complementary / alternative operation providing means) uses the hierarchical and divided operation knowledge base 6 at each time point when determining the necessity of complementary / alternative operation. Narrow down the operation candidates to be judged.
【０３６４】次に図４９と図５０のフローチャートを参
照して動作について説明する。Next, the operation will be described with reference to the flowcharts in FIGS. 49 and 50.
【０３６５】図４９，図５０のフローチャートにおいて
図４２，図４３と同一または相当の処理ステップについ
ては同一の符号を付し説明を省略する。In the flowcharts of FIGS. 49 and 50, the same or corresponding processing steps as those of FIGS. 42 and 43 are designated by the same reference numerals and the description thereof will be omitted.
【０３６６】図４９のフローチャートに示すように、こ
の実施例のプラントの異常診断装置の診断でも一定周期
毎にプロセス入力処理（ステップＳＴＳＴ１）→操作入
力処理（ステップＳＴ２）→操作実行状態監視処理（ス
テップＳＴ３）→不十分操作判定処理（ステップＳＴ５
８）を繰り返す。As shown in the flow chart of FIG. 49, the process input processing (step STST1) → operation input processing (step ST2) → operation execution state monitoring processing ( Step ST3) → insufficient operation determination process (step ST5)
Repeat 8).
【０３６７】また、操作実行状態監視処理（ステップＳ
Ｔ３）は、図５０に示した手順に従って行なう。Also, the operation execution state monitoring process (step S
Step T3) is performed according to the procedure shown in FIG.
【０３６８】図５０のフローチャートに示した処理は、
図４３の処理の続行操作登録処理（ステップＳＴ２３）
の前に操作手順の階層性を利用した下位操作群登録処理
（ステップＳＴ５４）を追加したものである。The processing shown in the flow chart of FIG.
Continuation operation registration process of the process of FIG. 43 (step ST23)
The subordinate operation group registration processing (step ST54) utilizing the hierarchical nature of the operation procedure is added before the above.
【０３６９】また、操作知識要素選択処理（ステップＳ
Ｔ２１）では、優先順位に従った操作知識要素の検索を
行なう。In addition, operation knowledge element selection processing (step S
In T21), the operation knowledge element is searched in accordance with the priority order.
【０３７０】操作知識ベース６は図５１に示すように階
層性を有しており、下位の操作手順を待つ上位の操作ａ
〜操作ｅが実行に移されれば、次に実行されるのは前記
上位の操作ａ〜操作ｅに対し下位の操作である操作ｆ〜
操作ｉである確率が高く、この原理に基づいた処理を行
なうためのフローチャートが図５０に示すものである。The operation knowledge base 6 has a hierarchical structure as shown in FIG. 51, and a higher operation a waiting for a lower operation procedure a
~ If the operation e is executed, the next operation to be executed is the operation a ~ the operation e which is a subordinate operation to the operation e ~
FIG. 50 shows a flowchart for performing a process based on this principle, which is highly likely to be the operation i.
【０３７１】すなわち、ステップＳＴ２１においては、
優先順位にしたがった操作知識要素の探索を行なって新
規の操作が実行されたと判断すると、前記実行された新
規の操作が下位の操作を有しているか否かを判定する
（ステップＳＴ５３）。That is, in step ST21,
When it is determined that a new operation is executed by searching the operation knowledge element according to the priority order, it is determined whether or not the executed new operation has a subordinate operation (step ST53).
【０３７２】この結果下位の操作を有していると判断す
ると、上述した理由により前記下位の操作が行なわれる
可能性が高いので、操作手順知識要素に定義されている
前記下位の操作群を優先的に探索するために時期操作手
順候補として登録する下位操作群登録処理を実行する
（ステップＳＴ５４）。As a result, when it is determined that the lower-level operation is performed, the lower-level operation is likely to be performed for the reason described above, and therefore the lower-level operation group defined in the operation procedure knowledge element is given priority. A subordinate operation group registration process for registering as a candidate for a timing operation procedure for a desired search is executed (step ST54).
【０３７３】これらステップＳＴ５３とステップＳＴ５
４の処理によりステップＳＴ２１の操作知識要素選択処
理で対象とする操作知識要素を効率良く選択することが
出来る。Step ST53 and step ST5
By the process of 4, the target operation knowledge element can be efficiently selected in the operation knowledge element selection process of step ST21.
【０３７４】その後、図４９に示す不十分操作判定処理
に進み、前記選択した操作知識要素を基に不十分操作の
判定をなう（ステップＳＴ５８）。Thereafter, the process proceeds to the insufficient operation determination processing shown in FIG. 49, and the insufficient operation is determined based on the selected operation knowledge element (step ST58).
【０３７５】このように操作知識ベース６の階層性によ
り効率的に不十分操作の判定が出来ることになる。As described above, due to the hierarchical nature of the operation knowledge base 6, the insufficient operation can be efficiently judged.
【０３７６】実施例１０．以下、請求項１０の発明の一
実施例を図について説明する。図５２において図１と同
一または相当の部分については同一の符号を付し説明を
省略する。Example 10. An embodiment of the invention of claim 10 will be described below with reference to the drawings. 52, those parts which are the same as or correspond to those in FIG. 1 are designated by the same reference numerals, and a description thereof will be omitted.
【０３７７】この実施例では、操作実行状態監視部（動
的変更手段）７ｊは、操作入力部５からの操作信号Ｐと
プラントデータベース４から読み出されるプラント状態
データＸと操作知識ベース６に定義されたその操作に関
する知識Ｑとに基づいて、現在実行されている操作に関
する操作目標，作用，副作用などを活性化因果関係知識
群情報Ｍ２として知識データベース８に出力する。In this embodiment, the operation execution state monitoring section (dynamic change means) 7j is defined in the operation signal P from the operation input section 5, the plant state data X read from the plant database 4 and the operation knowledge base 6. Based on the knowledge Q about the operation, the operation target, action, side effect, etc. regarding the currently executed operation are output to the knowledge database 8 as activation causal relationship knowledge group information M2.
【０３７８】知識データベース８には、異常原因同定の
ための因果関係Ｊを定義した知識が記録されている。The knowledge database 8 records knowledge defining a causal relationship J for identifying an abnormal cause.
【０３７９】知識データベース８の因果関係ベースに多
様な運転状態に対応するための運転状態を識別する条件
を設定すると図５２に示すようになり、異常を判定する
ための条件が多くなり、夫々の運転状態毎の異常状態を
定義するためには、因果関係の知識を大量に定義しなけ
ればならない。When the conditions for identifying the operating states for responding to various operating states are set in the causal relationship base of the knowledge database 8, the conditions are as shown in FIG. 52. In order to define an abnormal state for each operating state, a large amount of causal knowledge must be defined.
【０３８０】因果関係による異常診断では、知識データ
ベース６に提示されている因果関係の条件部が満たされ
ているものを探索して原因を同定するので、因果関係の
知識が増加することは実時間あるいは高速で結論を得な
ければならない異常診断では避ける必要があり、このた
め運転状態は操作手順から推定できることに着目し、操
作手順から推定できる運転状態と異常原因同定用の因果
関係Ｊを定義した知識群を関係付けることにより、因果
関係知識の条件に前記運転状態を判定する条件を設定す
ることを省く。In the abnormality diagnosis based on the causal relationship, since the cause is identified by searching for the one satisfying the condition part of the causal relationship presented in the knowledge database 6, it is possible to increase the knowledge of the causal relationship in real time. Or, it should be avoided in abnormality diagnosis that requires conclusions at high speed. Therefore, focusing on the fact that the operating state can be estimated from the operating procedure, the operating state that can be estimated from the operating procedure and the causal relationship J for identifying the cause of abnormality are defined. By associating the knowledge groups, it is possible to omit setting the condition for determining the operating state in the condition of the causal knowledge.
【０３８１】このような考え方に従って操作知識ベース
６に定義される操作手順知識要素の知識例を示したのが
図５４である。FIG. 54 shows an example of knowledge of the operation procedure knowledge elements defined in the operation knowledge base 6 according to such a concept.
【０３８２】この図に示すように、操作が実行された場
合に有効となる因果関係知識群を活性化因果関係知識５
９に宣言する。宣言する活性化因果関係知識は、単独の
知識の場合、あるいは複数の知識をまとめたルール群い
ずれでも宣言できる。As shown in this figure, the causal relationship knowledge group that becomes effective when an operation is executed activates the causal relationship knowledge 5
Declare to 9. The activation causal knowledge to be declared can be declared in the case of a single piece of knowledge or in a group of rules in which a plurality of pieces of knowledge are put together.
【０３８３】図５１に戻り、異常原因推論部（異常原因
同定手段）１１は、プラントデータベース４から読み込
んだ検知異常データＨ１とプラント状態データＨ２と知
識データベース８から読み込んだ知識Ｊにより異常第１
原因の推論を行ない、推論仮定結果Ｉをプラントデータ
ベース４へ記録し、さらに診断結果Ｋを表示処理部１２
へ出力する。Returning to FIG. 51, the abnormality cause inference unit (abnormality cause identifying means) 11 detects the abnormality first by the detection abnormality data H1 read from the plant database 4, the plant state data H2, and the knowledge J read from the knowledge database 8.
The reason is inferred, the inference assumption result I is recorded in the plant database 4, and the diagnosis result K is further displayed.
Output to.
【０３８４】次に動作について図５５と図５６に基づい
て説明する。Next, the operation will be described with reference to FIGS. 55 and 56.
【０３８５】図５５，図５６のフローチャートにおいて
図６，図８と同一または相当の処理ステップについては
同一の符号を付し説明を省略する。In the flowcharts of FIGS. 55 and 56, the same or corresponding processing steps as those of FIGS. 6 and 8 are designated by the same reference numerals, and the description thereof will be omitted.
【０３８６】図５５のフローチャートに示すように、こ
の実施例のプラントの異常診断装置の診断でも一定周期
毎にプロセス入力処理（ステップＳＴＳＴ１）→操作入
力処理（ステップＳＴ２）→操作実行状態監視処理（ス
テップＳＴ３）→運転目標値評価処理（ステップＳＴ
４）→異常検知判定処理（ステップＳＴ５）→異常有無
判定処理（ステップＳＴ６）を繰り返す。As shown in the flow chart of FIG. 55, even in the diagnosis of the plant abnormality diagnosis apparatus of this embodiment, the process input processing (step STST1) → operation input processing (step ST2) → operation execution state monitoring processing ( Step ST3) → operation target value evaluation process (step ST
4) → abnormality detection determination process (step ST5) → abnormality determination process (step ST6) is repeated.
【０３８７】この実施例１０のプラントの異常診断装置
が実施例１と異なる点は次の処理である。The plant abnormality diagnosing apparatus of the tenth embodiment differs from that of the first embodiment in the following processing.
【０３８８】まず、図５５に示す操作実行状態監視処理
（ステップＳＴ３）では、操作入力部５から送られてく
る操作開始や終了などの操作情報Ｐと、操作知識ベース
６に定義されている操作に関する知識Ｑから現在行なわ
れている操作の活性化因果関係知識に定義された因果関
係知識群情報Ｍ２より、各運転モードで有効な因果関係
を設定する。First, in the operation execution state monitoring process (step ST3) shown in FIG. 55, the operation information P such as the operation start and end sent from the operation input unit 5 and the operation defined in the operation knowledge base 6 are executed. Based on the knowledge Q regarding the activation of the operation currently performed based on the knowledge Q about the causal relationship knowledge group information M2 defined in the causal relationship knowledge, an effective causal relationship is set in each operation mode.
【０３８９】さらに、異常原因推論部（異常原因判定手
段）１１は、知識データベース８に格納された異常原因
の因果関係知識の中で、操作実行状態監視処理（ステッ
プＳＴ３）で設定された因果関係知識群情報Ｍ２の中か
ら、プラントデータベース４に格納された異常のパター
ンに一致する知識を探す（ステップＳＴ７）ことにより
異常原因を同定するFurther, the abnormality cause inference unit (abnormality cause determining means) 11 has the causal relation set in the operation execution state monitoring process (step ST3) in the causal relation knowledge of the abnormal cause stored in the knowledge database 8. The cause of the abnormality is identified by searching the knowledge group information M2 for knowledge that matches the abnormality pattern stored in the plant database 4 (step ST7).
【０３９０】有効因果関係群の中から異常原因を同定す
る異常原因同定処理は、従来技術において説明した異常
原因同定処理と同一である。The abnormal cause identifying process for identifying the abnormal cause from the effective causal relationship group is the same as the abnormal cause identifying process described in the prior art.
【０３９１】また、有効因果関係知識群により異常原因
が同定できないときには、無効因果関係知識群以外の因
果関係知識群に基づいた異常原因の同定を行なう。Further, when the abnormal cause cannot be identified by the effective causal knowledge group, the abnormal cause is identified based on the causal knowledge group other than the invalid causal knowledge group.
【０３９２】図５６は、図５５の操作実行状態監視処理
（ステップＳＴ３）で行なわれる操作知識ベースに基づ
いた異常判定条件決定の方法を示すフローチャートであ
る。FIG. 56 is a flow chart showing a method of determining an abnormality determination condition based on the operation knowledge base, which is performed in the operation execution state monitoring process (step ST3) of FIG.
【０３９３】図５５の操作実行状態監視処理（ステップ
ＳＴ３）では、操作入力部５から診断周期の間に実行さ
れた全ての操作情報が送られてくる。In the operation execution state monitoring process (step ST3) of FIG. 55, all the operation information executed during the diagnostic cycle is sent from the operation input unit 5.
【０３９４】そして、図５６に示すフローチャートに従
って、全ての操作情報に対して異常判定条件設定処理を
行なう。Then, according to the flow chart shown in FIG. 56, the abnormality determination condition setting processing is performed for all operation information.
【０３９５】図５６のフローチャートに示す処理では、
まず操作知識要素選択処理（ステップＳＴ２１）を行な
う。In the process shown in the flowchart of FIG. 56,
First, operation knowledge element selection processing (step ST21) is performed.
【０３９６】操作実行状態監視部７では、処理を実行し
ている時点で続行している操作（続行操作）、実行して
もよい操作（次期操作候補）が記録されていて、その記
録情報と操作入力部５から入力された操作信号により、
現在実行されている操作が終了したか、あるいは新たな
操作が開始されたかを判断する。The operation execution status monitor 7 records the operation (continuation operation) which is being continued at the time when the process is being executed, and the operation (next operation candidate) which may be executed, and the recorded information. By the operation signal input from the operation input unit 5,
It is determined whether the operation currently being executed has ended or a new operation has started.
【０３９７】ステップＳＴ２１において新たな操作が開
始されたと判断すると、有効因果関係群設定処理（ステ
ップＳＴ６０）が行なわれる。If it is determined in step ST21 that a new operation has started, effective causal relationship group setting processing (step ST60) is performed.
【０３９８】この有効因果関係群設定処理（ステップＳ
Ｔ６０）では、開始された操作知識要素に定義されてい
る有効因果関係設定群を知識データベース８に登録し、
さらに続行操作として登録する（ステップＳＴ２３）。This effective causal relationship group setting process (step S
In T60), the effective causal relationship setting group defined in the started operation knowledge element is registered in the knowledge database 8,
Further, it is registered as a continuing operation (step ST23).
【０３９９】一方、ステップＳＴ２１において操作が終
了したと判断すると、有効因果関係群削除処理（ステッ
プＳＴ６１）が行なわれる。On the other hand, when it is determined in step ST21 that the operation has been completed, effective causal relationship group deleting processing (step ST61) is performed.
【０４００】この有効因果関係群削除処理（ステップＳ
Ｔ６１）では、有効因果関係群設定処理（ステップＳＴ
６０）において知識データベース８に登録された有効因
果関係群を無効とする。そして、該当する操作に定義さ
れている操作後操作を次期操作候補として登録する（ス
テップＳＴ２５）。This effective causal relationship group deletion processing (step S
In T61, effective causal relationship group setting processing (step ST
In 60), the valid causal relationship group registered in the knowledge database 8 is invalidated. Then, the post-operation operation defined in the corresponding operation is registered as the next operation candidate (step ST25).
【０４０１】このように操作状況に応じて有効因果関係
群を設定したり解除したりするため、操作実行と共に絞
り込まれた因果関係知識により効率的に異常原因の診断
ができる。As described above, since the effective causal relationship group is set or released according to the operation status, the cause of abnormality can be efficiently diagnosed by the causal relationship knowledge narrowed down as the operation is executed.
【０４０２】実施例１１．以下、請求項１１の発明の一
実施例を図について説明する。Example 11. An embodiment of the invention of claim 11 will be described below with reference to the drawings.
【０４０３】図５７において図５２と同一又は相当の部
分については同一の符号を付し説明を省略する。In FIG. 57, those parts which are the same as or correspond to those in FIG. 52 are designated by the same reference numerals, and description thereof will be omitted.
【０４０４】４１は状態推移データベース（状態推移モ
デル）であり、操作知識ベース６に記述されている操作
開始や終了などの条件に基づいてプロセス量の変動範囲
内を有限個に分割し、それら分割した範囲間での変動方
向およびその変動に伴って条件の正否が変化する操作が
記述されている。Reference numeral 41 denotes a state transition database (state transition model), which divides the process amount variation range into a finite number based on the conditions such as the operation start and end described in the operation knowledge base 6 and divides them. It describes the direction of change between the ranges and the operation that changes the correctness of the condition with the change.
【０４０５】この状態推移データベース４１は、実施例
２で説明した状態推移データベースと同一のものであ
る。The state transition database 41 is the same as the state transition database described in the second embodiment.
【０４０６】また、操作実行状態監視部７ｋ（操作候補
絞込み手段）は、プラントデータベース４から出力され
たプラント状態データＸと状態推移データベース４１の
データとに基づき、あらかじめ変動する可能性のある操
作を絞り込み、操作入力部５からの操作信号Ｐとプラン
トデータベース４から出力されるプラント状態データＸ
と、さらに絞り込んだ操作群に関した知識Ｑを操作知識
ベース６から抽出し、この抽出した知識Ｑおよび現在実
行されている操作に関した操作目標，作用，副作用など
を有効因果関係知識群情報Ｍ２として知識データベース
８に出力する。Further, the operation execution state monitoring unit 7k (operation candidate narrowing-down means), based on the plant state data X output from the plant database 4 and the data of the state transition database 41, performs an operation which may fluctuate in advance. Narrow down, operation signal P from the operation input unit 5 and plant state data X output from the plant database 4
Further, the knowledge Q about the operation group further narrowed down is extracted from the operation knowledge base 6, and the extracted knowledge Q and the operation target, action, side effect, etc. concerning the operation currently being executed are set as the effective causal knowledge group information M2. Output to the knowledge database 8.
【０４０７】次に動作ついて図５８と図５９に基づいて
説明する。なお、図５８，図５９において図５５，図５
６と同一または相当の処理ステップについては同一の符
号を付し説明を省略する。Next, the operation will be described with reference to FIGS. 58 and 59. It should be noted that in FIGS. 58 and 59, FIGS.
The same or corresponding processing steps as those in No. 6 are designated by the same reference numerals and the description thereof will be omitted.
【０４０８】図５８のフローチャートに示すように、こ
の実施例のプラントの異常診断装置の診断でも実施例１
０と同様に一定周期毎にプロセス入力処理（ステップＳ
ＴＳＴ１）→操作入力処理（ステップＳＴ２）→操作実
行状態監視処理（ステップＳＴ３）→運転目標値評価処
理（ステップＳＴ４）→異常検知判定処理（ステップＳ
Ｔ５）→異常有無判定処理（ステップＳＴ６）を繰り返
す。As shown in the flow chart of FIG. 58, the diagnosis of the plant abnormality diagnosing device of this embodiment is also carried out in the first embodiment.
Process input processing (step S
TST1) → operation input process (step ST2) → operation execution state monitoring process (step ST3) → operation target value evaluation process (step ST4) → abnormality detection determination process (step S)
T5) → abnormality determination process (step ST6) is repeated.
【０４０９】そして、操作実行状態監視処理（ステップ
ＳＴ３）は、図５９のフローチャートに従った手順によ
り行なわれる。Then, the operation execution state monitoring process (step ST3) is performed by the procedure according to the flowchart of FIG.
【０４１０】図５９のフローチャートに示される操作実
行状態監視処理は、実施例１０で示した図５６のフロー
チャートの操作知識要素選択処理（ステップＳＴ２１）
の前に操作知識要素選択対象絞込み処理（ステップＳＴ
４３）を追加したものであり、さらに操作知識要素選択
処理（ステップＳＴ２１）では優先順位に従った操作知
識要素の探索を行なう。The operation execution state monitoring process shown in the flowchart of FIG. 59 is the operation knowledge element selecting process of the flowchart of FIG. 56 shown in the tenth embodiment (step ST21).
Operation knowledge element selection target narrowing processing (step ST
43) is added, and in the operation knowledge element selection process (step ST21), an operation knowledge element is searched in accordance with the priority order.
【０４１１】操作知識要素選択対象絞込み処理（ステッ
プＳＴ４３）は、図６０に示すフローチャートにより示
され、この操作知識要素選択対象絞込み処理は実施例２
で説明した操作知識要素選択対象絞込み処理と同一のも
のである。The operation knowledge element selection target narrowing processing (step ST43) is shown by the flowchart shown in FIG. 60, and this operation knowledge element selection target narrowing processing is the second embodiment.
This is the same as the operation knowledge element selection target narrowing processing described in.
【０４１２】このように、効率的に有効因果関係群を設
定したり解除することにより、操作実行と共に絞り込ま
れた因果関係知識により効率的に異常原因の診断が出来
る。As described above, by efficiently setting or canceling the effective causal relationship group, the cause of abnormality can be efficiently diagnosed by the causal relationship knowledge narrowed down as the operation is executed.
【０４１３】実施例１２．以下、請求項１２の発明の一
実施例を図について説明する。Example 12. An embodiment of the invention of claim 12 will be described below with reference to the drawings.
【０４１４】図６１において図５２と同一または相当の
部分については同一の符号を付し説明を省略する。In FIG. 61, those parts which are the same as or correspond to those in FIG. 52 are designated by the same reference numerals, and a description thereof will be omitted.
【０４１５】この実施例では、操作知識ベース６にはプ
ラントに変動をもたらす個々の運転操作により影響を受
けるプロセス量，操作開始，終了条件などについてその
操作に関する知識が、個々の操作についてその操作目的
や操作対象などにより階層化，分割化して記録されてい
る。In this embodiment, the operation knowledge base 6 has knowledge about the operation regarding the process amount, operation start and end conditions, etc., which are affected by each operation that causes fluctuations in the plant, and the operation purpose for each operation. It is recorded hierarchically and divided according to the operation target.
【０４１６】この操作知識ベース６の階層化について
は、実施例３の説明と同様である。また、操作実行状態
監視部（操作候補絞り込み手段）７ｍは、異常原因を判
断するための因果関係を定義した因果関係知識ベースを
決める各時点において判定すべき操作候補を前記階層化
・分割化された操作知識ベース６により絞り込む。The hierarchization of the operation knowledge base 6 is the same as that described in the third embodiment. In addition, the operation execution state monitoring unit (operation candidate narrowing-down means) 7m divides the operation candidates to be determined at each time point for determining a causal relationship knowledge base defining a causal relationship for determining an abnormal cause into the above-mentioned hierarchies and divisions. It narrows down by the operation knowledge base 6.
【０４１７】次に図６２と図６３のフローチャートを参
照して動作について説明する。Next, the operation will be described with reference to the flowcharts of FIGS. 62 and 63.
【０４１８】図６２，図６３のフローチャートにおいて
図５５，図５６と同一または相当の処理ステップについ
ては同一の符号を付し説明を省略する。In the flowcharts of FIGS. 62 and 63, the same or corresponding processing steps as those of FIGS. 55 and 56 are designated by the same reference numerals, and the description thereof will be omitted.
【０４１９】図６２のフローチャートに示すように、こ
の実施例のプラントの異常診断装置の診断でも一定周期
毎にプロセス入力処理（ステップＳＴＳＴ１）→操作入
力処理（ステップＳＴ２）→操作実行状態監視処理（ス
テップＳＴ３）→運転目標値評価処理（ステップＳＴ
４）→異常検知判定処理（ステップＳＴ５）→異常有無
判定処理（ステップＳＴ６）を繰り返す。As shown in the flow chart of FIG. 62, even in the diagnosis of the plant abnormality diagnosing device of this embodiment, process input processing (step STST1) → operation input processing (step ST2) → operation execution state monitoring processing ( Step ST3) → operation target value evaluation process (step ST
4) → abnormality detection determination process (step ST5) → abnormality determination process (step ST6) is repeated.
【０４２０】また、操作実行状態監視処理（ステップＳ
Ｔ３）は、図６３に示した手順に従って行なう。Also, the operation execution state monitoring process (step S
Step T3) is performed according to the procedure shown in FIG.
【０４２１】図６３のフローチャートに示した処理は、
実施例１０に示した図５６の処理の続行操作登録処理
（ステップＳＴ２３）の前に操作手順の階層性を利用し
た下位操作群登録処理（ステップＳＴ５４）を追加した
ものである。The processing shown in the flowchart of FIG.
This is a process in which a subordinate operation group registration process (step ST54) utilizing the hierarchical nature of the operation procedure is added before the continuation operation registration process (step ST23) of the process of FIG. 56 shown in the tenth embodiment.
【０４２２】また、操作知識要素選択処理（ステップＳ
Ｔ２１）では、優先順位に従った操作知識要素の検索を
行なう。Further, operation knowledge element selection processing (step S
In T21), the operation knowledge element is searched in accordance with the priority order.
【０４２３】操作知識ベース６は図６４に示すように階
層性を有しており、下位の操作手順を待つ上位の操作ａ
〜操作ｅが実行に移されれば、次に実行されるのは前記
上位の操作ａ〜操作ｅに対し下位の操作である操作ｆ〜
操作ｉである確率が高く、この原理に基づいた処理を行
なうためのフローチャートが図６３に示すものである。The operation knowledge base 6 has a hierarchy as shown in FIG. 64, and a higher operation a waiting for a lower operation procedure a
~ If the operation e is executed, the next operation to be executed is the operation a ~ the operation e which is a subordinate operation to the operation e ~
FIG. 63 is a flow chart for performing a process based on this principle, which is likely to be the operation i.
【０４２４】すなわち、ステップＳＴ２１において優先
順位にしたがった操作知識要素の探索を行なって新規の
操作が実行されたと判断すると、ステップＳＴ６０の有
効因果関係群設定処理を経て、前記実行された新規の操
作が下位の操作を有しているか否かを判定する（ステッ
プＳＴ５３）。That is, when it is determined in step ST21 that a new operation has been executed by searching for the operation knowledge element according to the priority order, the executed new operation is executed through the effective causal relationship group setting process of step ST60. Determines whether or not it has a lower operation (step ST53).
【０４２５】この結果下位の操作を有していると判断す
ると、上述した理由により前記下位の操作が行なわれる
可能性が高いので、操作手順知識要素に定義されている
前記下位の操作群を優先的に探索するために時期操作手
順候補として登録する下位操作群登録処理を実行する
（ステップＳＴ５４）。As a result, when it is determined that the lower-level operation is performed, the lower-level operation is likely to be performed for the reason described above, and therefore the lower-level operation group defined in the operation procedure knowledge element is given priority. A subordinate operation group registration process for registering as a candidate for a timing operation procedure for a desired search is executed (step ST54).
【０４２６】これらステップＳＴ５３とステップＳＴ５
４の処理により操作知識ベース６の階層性を利用して効
率的に有効因果関係群を設定したり解除して、操作実行
と共に絞り込まれた因果関係知識により効率的に異常診
断ができる。[0426] These steps ST53 and ST5
By the process of 4, the effective causal relationship group can be efficiently set or canceled by utilizing the hierarchy of the operation knowledge base 6, and the abnormality diagnosis can be efficiently performed by the causal relationship knowledge narrowed down as the operation is executed.
【０４２７】実施例１３．以下、請求項１３の発明の一
実施例を図について説明する。図６２において図１と同
一または相当の部分については同一の符号を付し説明を
省略する。Example 13. An embodiment of the invention of claim 13 will be described below with reference to the drawings. In FIG. 62, parts that are the same as or correspond to those in FIG. 1 are given the same reference numerals, and descriptions thereof will be omitted.
【０４２８】この実施例では、操作実行状態監視部７ｎ
（動的変更手段）は、操作入力部５からの操作信号Ｐと
プラントデータベース４から読み出されるプラント状態
データＸと操作知識ベース６に定義されたその操作に関
する知識Ｑとに基づいて、現在実行されている操作に関
する操作対象機器，操作目標，作用，副作用などを有効
影響関係情報Ｍ３として知識データベース８に出力す
る。In this embodiment, the operation execution status monitor 7n
The (dynamic change means) is currently executed based on the operation signal P from the operation input unit 5, the plant state data X read from the plant database 4, and the knowledge Q about the operation defined in the operation knowledge base 6. The operation target device, the operation target, the action, the side effect, etc. relating to the operation being performed are output to the knowledge database 8 as the effective influence relationship information M3.
【０４２９】また、知識データベース８には、異常原因
同定のための発電プラント２を構成する機器の機能的・
構造的関係や物理的関係を定義したプラント機能知識Ｊ
１が記録されている。[0429] The knowledge database 8 includes functional and functional information of the equipment constituting the power plant 2 for identifying the cause of abnormality.
Plant functional knowledge J that defines structural relationships and physical relationships
1 is recorded.
【０４３０】この機能的・構造的関係や物理的関係を定
義した知識データベース８は、図８５に示すように、基
本的に影響を及ぼす可能性のあるノード間を結合しで関
連付けることにより構築されている。As shown in FIG. 85, the knowledge database 8 defining this functional / structural relationship and physical relationship is constructed by linking and associating nodes that may basically affect. ing.
【０４３１】しかし、この影響関係は運転状態に依存す
る。すなわち、ある運転状態で関係のあるノード間でも
他の運転状態では関係が発生しない場合もあり、また関
係があることは変化しないが影響の伝わりかたが異なる
場合もある。However, this influence relationship depends on the operating condition. That is, there may be a case where a relationship does not occur in other operation states even between nodes that are related in a certain operation state, and there is also a case where the relationship is not changed but the influence transmission is different.
【０４３２】従って、因果関係の知識による異常診断と
同様に、前記機能的・構造的関係や物理的関係を定義し
た知識データベース８による異常診断においても、影響
関係の前提となる運転状態を考慮しなければならない。Therefore, similarly to the abnormality diagnosis based on the knowledge of causal relationship, the abnormality database based on the knowledge database 8 which defines the functional / structural relationship and the physical relationship also considers the operating state which is the premise of the influence relationship. There must be.
【０４３３】多様な運転状態に対応するために、運転状
態を識別するための条件を機能的・構造的関係や物理的
関係を定義した知識データベース８に定義すれば、従来
のステップＳＴ論方法で異常原因同定を行なうことも可
能であるが、夫々の運転状態での影響関係をすべて定義
し、かつその中から各時点で成立する影響関係を選択し
なければならない。In order to deal with various driving states, if the conditions for identifying the driving states are defined in the knowledge database 8 which defines the functional / structural relations and the physical relations, the conventional step ST theory method is used. Although it is possible to identify the cause of the abnormality, it is necessary to define all the influence relations in each operating state and select the influence relation established at each time point from among them.
【０４３４】従って、従来のステップＳＴ論より複雑な
処理が必要となり、時間を要する結果、実時間あるいは
結論を迅速に得る必要のある異常診断では不適当であ
る。Therefore, more complicated processing than that of the conventional step ST theory is required, and as a result of time-consuming, it is not suitable for an abnormality diagnosis that requires real time or quick conclusion.
【０４３５】そこで、運転状態は操作手順から推定でき
ることに着目し、操作手順から推定できる運転状態と成
立する影響関係とを関係付けることにより、異常原因探
索推論時に成立している影響を選択する推論を不要とす
る。Therefore, focusing on the fact that the operating state can be estimated from the operating procedure, and by relating the operating state that can be estimated from the operating procedure to the influence relationship that holds, an inference that selects the effect that has been established during the inference reason search reasoning Is unnecessary.
【０４３６】このような考えに従って操作知識ベース６
に定義される操作手順知識要素の知識例を図６８に示
す。In accordance with such an idea, the operation knowledge base 6
68 shows a knowledge example of the operation procedure knowledge element defined in FIG.
【０４３７】この図に示されるように活性化影響関係６
２に、操作が実行された場合に有効となる影響関係を宣
言する。As shown in this figure, activation influence relationship 6
In 2, declare the impact relationship that is valid when the operation is performed.
【０４３８】図６５に戻り、異常原因推論部（異常原因
同定手段）１１は、プラントデータベース４から読み込
んだ検知異常データＨ１とプラント状態データＨ２と知
識データベース８から読み込んだプラント機能知識Ｊ１
により異常第１原因の推論を行ない、推論過程結果Ｉを
プラントデータベース４へ出力し記録し、さらに診断結
果Ｋを表示処理部１２へ出力する。Returning to FIG. 65, the abnormality cause inference unit (abnormality cause identifying means) 11 detects the detected abnormality data H1 read from the plant database 4, the plant state data H2, and the plant function knowledge J1 read from the knowledge database 8.
The inference process result I is output to and recorded in the plant database 4, and the diagnosis result K is output to the display processing unit 12.
【０４３９】次に動作について図６６と図６７に基づい
て説明する。Next, the operation will be described with reference to FIGS. 66 and 67.
【０４４０】図６６，図６７のフローチャートにおいて
図７，図８と同一または相当の処理ステップについては
同一の符号を付し説明を省略する。In the flowcharts of FIGS. 66 and 67, the same or corresponding processing steps as those of FIGS. 7 and 8 are designated by the same reference numerals, and the description thereof will be omitted.
【０４４１】図６６のフローチャートに示すように、こ
の実施例のプラントの異常診断装置の診断でも一定周期
毎にプロセス入力処理（ステップＳＴＳＴ１）→操作入
力処理（ステップＳＴ２）→操作実行状態監視処理（ス
テップＳＴ３）→運転目標値評価処理（ステップＳＴ
４）→異常検知判定処理（ステップＳＴ５）→異常有無
判定処理（ステップＳＴ６）を繰り返す。As shown in the flow chart of FIG. 66, even in the diagnosis of the plant abnormality diagnosis apparatus of this embodiment, the process input processing (step STST1) → operation input processing (step ST2) → operation execution state monitoring processing ( Step ST3) → operation target value evaluation process (step ST
4) → abnormality detection determination process (step ST5) → abnormality determination process (step ST6) is repeated.
【０４４２】この実施例１３のプラントの異常診断装置
が実施例１と異なる点は次の処理である。The plant abnormality diagnosing device of the thirteenth embodiment differs from that of the first embodiment in the following processing.
【０４４３】まず、図６６に示す操作実行状態監視処理
（ステップＳＴ３）では、操作入力部５から送られてく
る操作開始や終了などの操作情報Ｐと、操作知識ベース
６に定義されている操作に関する知識を基に、現在行な
われている操作の活性化影響関係知識に定義された有効
影響関係情報Ｍ３により各運転モードで有効な影響関係
を設定する。First, in the operation execution state monitoring processing (step ST3) shown in FIG. 66, operation information P such as operation start and end sent from the operation input unit 5 and the operation defined in the operation knowledge base 6 are executed. On the basis of the knowledge regarding the above, the effective influence relation is set in each operation mode by the effective influence relation information M3 defined in the activation influence relation knowledge of the operation currently being performed.
【０４４４】さらに、異常原因推論部１１は、知識デー
タベース８に格納された知識の中で、操作実行状態監視
処理（ステップＳＴ３）で設定された有効な機能的関係
や物理的関係などの影響関係に基づいて異常原因を探索
し同定する。Further, the abnormality cause inference unit 11 uses the knowledge stored in the knowledge database 8 to determine the effective functional relationships and physical relationships such as the effective functional relationships set in the operation execution status monitoring process (step ST3). The cause of abnormality is searched and identified based on.
【０４４５】有効影響関係の中から異常原因を同定する
異常原因同定処理は、従来技術において説明した異常原
因同定処理と同一である。The abnormality cause identification processing for identifying the abnormality cause from the effective influence relationship is the same as the abnormality cause identification processing described in the prior art.
【０４４６】また、有効影響関係により異常原因が同定
できないときには、無効影響関係以外の影響関係に基づ
いた異常原因の同定を行なう。If the cause of abnormality cannot be identified due to the effective influence relation, the cause of abnormality is identified based on the influence relation other than the invalid influence relation.
【０４４７】図６７は、図６６の操作実行状態監視処理
（ステップＳＴ３）で行なわれる操作知識ベースに基づ
いた異常判定条件決定の方法を示すフローチャートであ
る。FIG. 67 is a flow chart showing a method of determining an abnormality determination condition based on the operation knowledge base, which is performed in the operation execution state monitoring process (step ST3) of FIG.
【０４４８】図６６の操作実行状態監視処理（ステップ
ＳＴ３）では、操作入力部５から診断周期の間に実行さ
れた全ての操作情報が送られてくる。In the operation execution state monitoring processing (step ST3) of FIG. 66, all the operation information executed during the diagnostic cycle is sent from the operation input unit 5.
【０４４９】そして、図６７に示したフローチャートに
従って、全ての操作情報に対して異常判定条件設定処理
を行なう。Then, according to the flowchart shown in FIG. 67, the abnormality determination condition setting process is performed for all the operation information.
【０４５０】図６７に示す異常判定条件設定処理では、
まず操作知識要素選択処理（ステップＳＴ２１）を行な
った後、操作実行状態監視部７ｎ（動的変更手段）に記
録されている処理を実行している時点で続行している操
作（続行操作）、実行してもよい操作（次期操作候補）
の記録情報と操作入力部５から入力された操作信号によ
り、現在実行されている操作が終了したか、あるいは新
たな操作が開始されたかを判断する。In the abnormality determination condition setting process shown in FIG. 67,
First, after performing the operation knowledge element selection process (step ST21), the operation being continued when the process recorded in the operation execution state monitoring unit 7n (dynamic change means) is being executed (continuation operation), Operations that can be executed (next operation candidates)
Based on the recorded information of 1 and the operation signal input from the operation input unit 5, it is determined whether the currently executed operation has ended or a new operation has started.
【０４５１】ステップＳＴ２１において新たな操作が開
始されたと判断すると、有効影響関係設定処理（ステッ
プＳＴ６３）が行なわれる。When it is determined in step ST21 that a new operation has started, effective influence relationship setting processing (step ST63) is performed.
【０４５２】この有効影響関係設定処理（ステップＳＴ
６３）では、開始された操作知識要素の定義されている
有効影響関係を知識データベース８に登録し、さらに続
行操作として登録する（ステップＳＴ２３）。This effective influence relationship setting process (step ST
In 63), the defined effective influence relationship of the started operation knowledge element is registered in the knowledge database 8 and further registered as a continuing operation (step ST23).
【０４５３】一方、ステップＳＴ２１において操作が終
了したと判断すると、有効影響関係削除処理（ステップ
ＳＴ６４）が行なわれる。On the other hand, when it is determined in step ST21 that the operation has been completed, effective influence relationship deletion processing (step ST64) is performed.
【０４５４】この有効影響関係削除処理（ステップＳＴ
６４）では、有効影響関係設定処理（ステップＳＴ６
３）において知識データベース８に登録された有効影響
関係を無効とする。そして、該当する操作に定義されて
いる操作後操作を次期操作候補として登録する（ステッ
プＳＴ２５）。[0454] This effective influence relationship deletion processing (step ST
64), effective influence relationship setting processing (step ST6)
The effective influence relationship registered in the knowledge database 8 in 3) is invalidated. Then, the post-operation operation defined in the corresponding operation is registered as the next operation candidate (step ST25).
【０４５５】このように有効影響関係を設定したり解除
したりするため、操作実行と共に絞り込まれた影響関係
知識により効率的に異常原因の診断ができる。Since the effective influence relationship is set or canceled in this manner, the cause of the abnormality can be efficiently diagnosed by the influence relationship knowledge narrowed down as the operation is executed.
【０４５６】実施例１４．以下、請求項１４の発明の一
実施例を図について説明する。Example 14. An embodiment of the invention of claim 14 will be described below with reference to the drawings.
【０４５７】図６９において図６５と同一又は相当の部
分については同一の符号を付し説明を省略する。In FIG. 69, those parts which are the same as or equivalent to those in FIG. 65 are designated by the same reference numerals, and a description thereof will be omitted.
【０４５８】４１は状態推移データベース（状態推移モ
デル）であり、操作知識ベース６に記述されている操作
開始や終了などの条件に基づいてプロセス量の変動範囲
内を有限個に分割し、それら分割した範囲間での変動方
向およびその変動に伴って条件の正否が変化する操作が
記述されている。Reference numeral 41 denotes a state transition database (state transition model), which divides the process amount variation range into a finite number based on the conditions such as the operation start and end described in the operation knowledge base 6 and divides them. It describes the direction of change between the ranges and the operation that changes the correctness of the condition with the change.
【０４５９】この状態推移データベース４１は、実施例
２で説明した状態推移データベースと同一のものであ
る。The state transition database 41 is the same as the state transition database described in the second embodiment.
【０４６０】また、操作実行状態監視部（操作候補絞込
み手段）７ｐは、プラントデータベース４から出力され
たプラント状態データＸと状態推移データベース４１の
データとに基づき、あらかじめ変動する可能性のある操
作を絞り込み、操作入力部５からの操作信号Ｐとプラン
トデータベース４から出力されるプラント状態データＸ
と、さらに絞り込んだ操作群に関した知識Ｑを操作知識
ベース６から抽出し、この抽出した知識Ｑおよび現在実
行されている操作に関した操作目標，作用，副作用など
を知識ベース制御情報Ｍ３として知識データベース８に
出力する。Further, the operation execution state monitoring section (operation candidate narrowing-down means) 7p, based on the plant state data X output from the plant database 4 and the data of the state transition database 41, performs an operation which may fluctuate in advance. Narrow down, operation signal P from the operation input unit 5 and plant state data X output from the plant database 4
And a further narrowed down knowledge Q about the operation group from the operation knowledge base 6, and the extracted knowledge Q and operation targets, actions, side effects, etc. concerning the currently executed operation as knowledge base control information M3. Output to 8.
【０４６１】次に動作について図７０と図７１に基づい
て説明する。なお、図７０において図６と、また図７１
において図６７と同一または相当の処理ステップについ
ては同一の符号を付し説明を省略する。Next, the operation will be described with reference to FIGS. 70 and 71. In addition, in FIG. 70, FIG.
In FIG. 67, the same or corresponding processing steps as those in FIG. 67 are designated by the same reference numerals and description thereof will be omitted.
【０４６２】図６６のフローチャートに示すように、こ
の実施例のプラントの異常診断装置の診断でも実施例１
３と同様に一定周期毎にプロセス入力処理（ステップＳ
ＴＳＴ１）→操作入力処理（ステップＳＴ２）→操作実
行状態監視処理（ステップＳＴ３）→運転目標値評価処
理（ステップＳＴ４）→異常検知判定処理（ステップＳ
Ｔ５）→異常有無判定処理（ステップＳＴ６）を繰り返
す。As shown in the flow chart of FIG. 66, the diagnosis of the plant abnormality diagnosis apparatus according to this embodiment is also carried out by the first embodiment.
As in step 3, process input processing (step S
TST1) → operation input process (step ST2) → operation execution state monitoring process (step ST3) → operation target value evaluation process (step ST4) → abnormality detection determination process (step S)
T5) → abnormality determination process (step ST6) is repeated.
【０４６３】そして、操作実行状態監視処理（ステップ
ＳＴ３）は、図７１のフローチャートに従った手順によ
り行なわれる。Then, the operation execution state monitoring process (step ST3) is performed by the procedure according to the flowchart of FIG.
【０４６４】図７１のフローチャートに示される操作実
行状態監視処理は、実施例１３で示した図６４のフロー
チャートの操作知識要素選択処理（ステップＳＴ２１）
の前に操作知識要素選択対象絞込み処理（ステップＳＴ
４３）を追加し、さらに操作知識要素選択処理（ステッ
プＳＴ２１）では優先順位に従った操作知識要素の探索
を行なう。The operation execution state monitoring process shown in the flowchart of FIG. 71 is the operation knowledge element selecting process (step ST21) of the flowchart of FIG. 64 shown in the thirteenth embodiment.
Operation knowledge element selection target narrowing processing (step ST
43) is added, and in the operation knowledge element selection process (step ST21), the operation knowledge element is searched in accordance with the priority order.
【０４６５】操作知識要素選択対象絞込み処理（ステッ
プＳＴ４３）は、図７２に示すフローチャートにより示
され、この操作知識要素選択対象絞込み処理は実施例２
の図２２により説明した操作知識要素選択対象絞込み処
理と同一のものである。The operation knowledge element selection target narrowing processing (step ST43) is shown by the flowchart shown in FIG. 72, and this operation knowledge element selection target narrowing processing is the second embodiment.
22 is the same as the operation knowledge element selection target narrowing processing described with reference to FIG.
【０４６６】このように、有効影響関係を設定したり解
除することにより、操作実行と共に絞り込まれた影響関
係知識により効率的に異常原因の診断が出来る。As described above, by setting or canceling the effective influence relationship, the cause of abnormality can be efficiently diagnosed by the influence relationship knowledge narrowed down as the operation is executed.
【０４６７】実施例１５．以下、請求項１５の発明の一
実施例を図について説明する。図７３において図６５と
同一または相当の部分については同一の符号を付し説明
を省略する。Example 15. An embodiment of the invention of claim 15 will be described below with reference to the drawings. In FIG. 73, parts that are the same as or correspond to those in FIG. 65 are given the same reference numerals, and descriptions thereof will be omitted.
【０４６８】この実施例では、操作知識ベース６にはプ
ラントに変動をもたらす個々の運転操作により影響を受
けるプロセス量，操作開始，終了条件などについてその
操作に関する知識が、個々の操作についてその操作目的
や操作対象などにより階層化，分割化して記録されてい
る。In this embodiment, the operation knowledge base 6 has knowledge about the operation regarding the process amount, operation start and end conditions, etc., which are affected by the individual operation that causes fluctuations in the plant, and the operation purpose for each operation. It is recorded hierarchically and divided according to the operation target.
【０４６９】この操作知識ベース６の階層化について
は、実施例３の操作知識ベースについての説明と同様で
ある。また、操作実行状態監視部７ｐ（操作候補絞り込
み手段）は、異常原因を判断するための診断対象のプラ
ントを構成する記憶機構の機能的・構造的関係や物理的
関係を記述した知識ベースを決める各時点において判定
すべき操作候補を前記階層化・分割化された操作知識ベ
ース６により絞り込む。The hierarchy of the operation knowledge base 6 is the same as that of the operation knowledge base of the third embodiment. In addition, the operation execution state monitoring unit 7p (operation candidate narrowing-down means) determines a knowledge base that describes the functional / structural relationship or physical relationship of the storage mechanism that constitutes the diagnosis target plant for determining the cause of abnormality. The operation candidates to be judged at each time point are narrowed down by the operation knowledge base 6 which is hierarchical and divided.
【０４７０】次に図７４と図７５のフローチャートを参
照して動作について説明する。Next, the operation will be described with reference to the flowcharts of FIGS. 74 and 75.
【０４７１】図７４，図７５のフローチャートにおいて
図６６，図６７と同一または相当の処理ステップについ
ては同一の符号を付し説明を省略する。In the flowcharts of FIGS. 74 and 75, the same or corresponding processing steps as those of FIGS. 66 and 67 are designated by the same reference numerals and the description thereof will be omitted.
【０４７２】図７４のフローチャートに示すように、こ
の実施例のプラントの異常診断装置の診断でも一定周期
毎にプロセス入力処理（ステップＳＴＳＴ１）→操作入
力処理（ステップＳＴ２）→操作実行状態監視処理（ス
テップＳＴ３）→運転目標値評価処理（ステップＳＴ
４）→異常検知判定処理（ステップＳＴ５）→異常有無
判定処理（ステップＳＴ６）を繰り返す。As shown in the flow chart of FIG. 74, even in the diagnosis of the plant abnormality diagnosing device of this embodiment, the process input processing (step STST1) → operation input processing (step ST2) → operation execution state monitoring processing ( Step ST3) → operation target value evaluation process (step ST
4) → abnormality detection determination process (step ST5) → abnormality determination process (step ST6) is repeated.
【０４７３】また、操作実行状態監視処理（ステップＳ
Ｔ３）は、図７５に示した手順に従って行なう。Also, the operation execution state monitoring process (step S
Step T3) is performed according to the procedure shown in FIG.
【０４７４】図７５のフローチャートに示した処理は、
実施例１３の図６７の処理の続行操作登録処理（ステッ
プＳＴ２３）の前に操作手順の階層性を利用した下位操
作群登録処理（ステップＳＴ５４）を追加したものであ
る。The processing shown in the flowchart of FIG.
The continuation operation registration process (step ST23) of the process of FIG. 67 of the thirteenth embodiment is added with a subordinate operation group registration process (step ST54) utilizing the hierarchical nature of the operation procedure.
【０４７５】また、操作知識要素選択処理（ステップＳ
Ｔ２１）では、優先順位に従った操作知識要素の検索を
行なう。Further, the operation knowledge element selection process (step S
In T21), the operation knowledge element is searched in accordance with the priority order.
【０４７６】操作知識ベース６は図７６に示すように階
層性を有しており、下位の操作手順を待つ上位の操作ａ
〜操作ｅが実行に移されれば、次に実行されるのは前記
上位の操作ａ〜操作ｅに対し下位の操作である操作ｆ〜
操作ｉである確率が高く、この原理に基づいた処理を行
なうためのフローチャートが図７５に示すものである。The operation knowledge base 6 has a hierarchical structure as shown in FIG. 76, and an upper operation a waiting for a lower operation procedure a
~ If the operation e is executed, the next operation to be executed is the operation a ~ the operation e which is a subordinate operation to the operation e ~
The probability that the operation i is performed is high, and a flow chart for performing processing based on this principle is shown in FIG.
【０４７７】すなわち、ステップＳＴ２１においては、
優先順位にしたがった操作知識要素の探索を行なって新
規の操作が実行されたと判断すると、前記実行された新
規の操作が下位の操作を有しているか否かを判定する
（ステップＳＴ５３）。That is, in step ST21,
When it is determined that a new operation is executed by searching the operation knowledge element according to the priority order, it is determined whether or not the executed new operation has a subordinate operation (step ST53).
【０４７８】この結果、下位の操作を有していると判断
すると、上述した理由により前記下位の操作が行なわれ
る可能性が高いので、操作手順知識要素に定義されてい
る前記下位の操作群を優先的に探索するために次期操作
手順候補として登録する下位操作群登録処理を実行する
（ステップＳＴ５４）。As a result, if it is determined that the subordinate operation is performed, the subordinate operation is likely to be performed for the reason described above. Therefore, the subordinate operation group defined in the operation procedure knowledge element is set. A lower operation group registration process for registering as a next operation procedure candidate for preferential search is executed (step ST54).
【０４７９】このように操作知識ベースを階層的に定義
することにより、効率的に有効影響関係を設定したり解
除して操作実行と共に絞り込まれた影響関係知識により
効率的に異常原因の診断ができる。By hierarchically defining the operation knowledge base in this way, the cause of the abnormality can be efficiently diagnosed by effectively setting or canceling the effective influence relation and narrowing the influence relation knowledge together with the operation execution. .
【０４８０】実施例１６．以下、請求項１６の発明の一
実施例を図について説明する。図７７において図８２と
同一または相当の部分については同一の符号を付し説明
を省略する。Example 16. An embodiment of the invention of claim 16 will be described below with reference to the drawings. 77, those parts which are the same as or correspond to those in FIG. 82 are designated by the same reference numerals, and a description thereof will be omitted.
【０４８１】この実施例１６では、知識データベース１
０９には、発電プラント１０２を構成する機器の機能的
・構造的関係や物理的関係を記述したプラント機能知識
Ｊ１が記録されている。In the sixteenth embodiment, the knowledge database 1
In 09, plant function knowledge J1 in which functional / structural relationships and physical relationships of the devices that configure the power generation plant 102 are described is recorded.
【０４８２】また、異常原因推論部（異常原因判定手
段）１１０は、プラントデータベース１０８から読み込
んだ検知異常データＨ１やプラント異常データＨ２、さ
らに知識データベース１０９から読み込んだプラント機
能知識Ｊ１により異常第１原因の推論を行ない、推論仮
定結果Ｉをプラントデータベース１０８へ出力して記録
し、さらに診断結果Ｋを表示処理部１１３へ出力する。Further, the abnormality cause inference unit (abnormality cause determining means) 110 uses the detected abnormality data H1 and the plant abnormality data H2 read from the plant database 108, and the plant function knowledge J1 read from the knowledge database 109 to generate the first cause of abnormality. The inference assumption result I is output to and recorded in the plant database 108, and the diagnosis result K is output to the display processing unit 113.
【０４８３】次に動作について図７８〜図８１のフロー
チャートに基づいて説明する。Next, the operation will be described based on the flowcharts of FIGS. 78 to 81.
【０４８４】図７８において図８９と同一または相当の
処理ステップについては同一の符号を付し説明を省略す
る。In FIG. 78, the same or corresponding processing steps as those in FIG. 89 are designated by the same reference numerals and the description thereof will be omitted.
【０４８５】図７８において、ステップＳＴ７０の第１
原因推定処理は、図７９のフローチャートを実行するこ
とにより行なわれる。In FIG. 78, the first step in step ST70
The cause estimation process is performed by executing the flowchart of FIG. 79.
【０４８６】なお、図７９において図９０と同一又は相
当の処理ステップについては同一の符号を付し説明を省
略する。79. In FIG. 79, the same or corresponding processing steps as those in FIG. 90 are designated by the same reference numerals and the description thereof will be omitted.
【０４８７】この第１原因推定処理は、異常波及経路候
補推定処理（ステップＳＴ１５２）から始る。The first cause estimating process starts from the abnormal spread route candidate estimating process (step ST152).
【０４８８】図７９の第１原因推定処理が図９０の従来
の第１原因推定処理と異なるのは、ステップＳＴ７１で
影響波及先がないと判断したときにステップＳＴ７２の
状態予測処理を実行し、その判定結果に応じて異常原因
の探索を続行するか否か判断することである（ステップ
ＳＴ７３）。The first cause estimating process of FIG. 79 is different from the conventional first cause estimating process of FIG. 90 when the state predicting process of step ST72 is executed when it is determined that there is no influence destination in step ST71. It is to determine whether or not to continue the search for the cause of abnormality according to the determination result (step ST73).
【０４８９】この状態予測処理は、状態予測部（異常原
因探索手段）１１０ａにより行なわれる。This state prediction processing is performed by the state prediction section (abnormality cause searching means) 110a.
【０４９０】図８０に図７９のフローチャートに示す状
態予測処理（ステップＳＴ７２）のフローチャートを示
す。FIG. 80 shows a flowchart of the state prediction process (step ST72) shown in the flowchart of FIG.
【０４９１】この状態予測処理は、状態の観測できない
ノードが異常原因候補として推定され、かつその推定結
果を確認できるような観測事象が存在しないような場合
に、そのノードに影響を与えるような他の観測ノードを
検索することにより推定結果を確定するものである。This state prediction processing is such that when a node whose state is not observable is estimated as an anomaly cause candidate and there is no observed event for which the estimation result can be confirmed, there is a possibility of affecting that node. The estimation result is confirmed by searching the observation node of.
【０４９２】図８０に示した状態予測処理は、影響が確
認されなかった原因候補ノードの観測性判定（ステップ
ＳＴ８０）から開始する。The state prediction process shown in FIG. 80 starts from the observability determination (step ST80) of the cause candidate node whose influence has not been confirmed.
【０４９３】対象のノードが可観測であればこの状態予
測処理を終了して原因候補から削除する（ステップＳＴ
８１）。If the target node is observable, this state prediction process is terminated and deleted from the cause candidates (step ST
81).
【０４９４】一方、対象のノードが非観測であればその
ノードの影響を受けるノードの数が複数なのかあるいは
単数なのかを判定する（ステップＳＴ８２）。On the other hand, if the target node is not observed, it is determined whether the number of nodes affected by the node is plural or singular (step ST82).
【０４９５】複数であると判断したときには、影響を確
認できないと判断し、この状態予測処理を終了して原因
候補から削除する（ステップＳＴ８３）。When it is determined that there are a plurality of influences, it is determined that the influence cannot be confirmed, the state prediction process is terminated, and the cause candidate is deleted (step ST83).
【０４９６】影響を受けるノードが単数ならば、次にそ
のノードに足して影響を与えるノードの中から〜観測の
ノードが有るか否かを判定する（ステップＳＴ８４）。If the number of affected nodes is singular, it is next determined whether or not there is an observation node from among the nodes having an influence by adding to that node (step ST84).
【０４９７】ステップＳＴ８４の判断処理により可観測
のノードがなければ対象のノードの状態を決定するため
の情報が不足しているので本処理を終了し（ステップＳ
Ｔ８５）、原因候補から削除する。If there is no observable node in the judgment processing in step ST84, there is insufficient information for determining the state of the target node, so this processing is terminated (step S
T85), deleting from the cause candidates.
【０４９８】ステップＳＴ８４の判断処理により可観測
のノードがあれば、その可観測のノードの状態が異常原
因探索過程で推定された対象の非観測ノードの状態をも
たらすような影響を有しているか否かを判断する（ステ
ップＳＴ８６，ステップＳＴ８７）。If there is an observable node as a result of the judgment processing in step ST84, does the state of the observable node have an effect that brings about the state of the target non-observable node estimated in the abnormality cause search process? It is determined whether or not (step ST86, step ST87).
【０４９９】例えば、非観測のノードが異常低であると
判断された場合には、入力側の可観測のノードが減少作
用をもたらすような状態になっていれば、入力側の状態
により推定された異常低状態となっていると判断する。For example, when it is determined that the unobservable node is abnormally low, if the observable node on the input side is in a state that causes a decrease action, it is estimated by the state on the input side. It is judged to be in an abnormally low state.
【０５００】このような判定により入力側の可観測のノ
ードの状態が非観測のノードに影響があると判断されれ
ば、本処理を終了し原因候補として登録する。If it is determined by such a determination that the state of the observable node on the input side affects the non-observable node, this processing is terminated and registered as a cause candidate.
【０５０１】図８１にこの状態予測処理による異常原因
の推定法の考え方を説明する。FIG. 81 illustrates the concept of the method of estimating the cause of abnormality by this state prediction processing.
【０５０２】この状態予測処理は、探索元ノード５１の
状態からの異常原因候補として非観測ノード５０（この
非観測ノード５０は影響を与えるノードとして探索元ノ
ード５１のみしか定義できない）が異常原因候補として
推定された場合に適用される。In this state prediction process, the non-observation node 50 (this non-observation node 50 can define only the search source node 51 as an influencing node) as an abnormality cause candidate from the state of the search source node 51 is an abnormality cause candidate. Applied when estimated as.
【０５０３】従って、同じ非観測のノードでも非観測ノ
ード５２のように影響先が複数ある場合には、従来のよ
うに複数の影響を確認することにより原因探索を行な
い、この状態予測処理は適用しない。Therefore, even if the same non-observation node has a plurality of influence destinations such as the non-observation node 52, cause search is performed by confirming a plurality of influences as in the conventional case, and this state prediction processing is applied. do not do.
【０５０４】このような非観測ノード５０が異常原因候
補として推定された場合、この状態予測処理では、非観
測ノード５０の入力側の可観測ノード５３の状態を調
べ、可観測ノード５３の状態が前記推定された非観測ノ
ード５０の状態の原因と考えられるか否かを調べ、その
可能性があれば前記前記推定された非観測ノード５０の
状態が可観測ノード５３で起きていると判定し、原因探
索過程をさらに可観測ノード５３から先の故障影響候補
５４に進める。When such a non-observable node 50 is estimated as an anomaly cause candidate, in this state prediction processing, the state of the observable node 53 on the input side of the non-observable node 50 is checked, and the state of the observable node 53 is It is examined whether or not the estimated state of the non-observable node 50 is considered, and if there is a possibility, it is determined that the estimated state of the non-observable node 50 is occurring in the observable node 53. The cause search process is further advanced from the observable node 53 to the previous failure effect candidate 54.
【０５０５】実施例１７．なお、以上説明した実施例１
〜実施例１６は、発電プラントの異常診断装置について
説明したが、発電プラントに限らず物理的プロセスや化
学的プロセスを利用してエネルギーや物質を生成するプ
ロセスプラントに適用することも可能である。Example 17 In addition, the first embodiment described above
Although the sixteenth embodiment has been described with respect to the abnormality diagnosis device for the power generation plant, the invention is not limited to the power generation plant and can be applied to a process plant that generates energy or a substance by using a physical process or a chemical process.
【０５０６】[0506]
【発明の効果】以上のように、請求項１の発明によれば
プラントからの操作情報と、操作知識ベースの知識とに
基づいて上記プラントの運転状態に対応して異常判定条
件を設定する操作実行状態監視部（異常判定条件動的設
定手段）により設定した異常判定条件を基に上記プラン
トの異常検知処理を行なうように構成したので、プラン
トの運転状態に応じて異常判定条件が動的に設定可能と
なり、プラントの運転状態に応じた精度の高い異常検知
を行なうことが出来る効果がある。As described above, according to the first aspect of the invention, the operation of setting the abnormality determination condition corresponding to the operating state of the plant based on the operation information from the plant and the knowledge of the operation knowledge base. Since the abnormality detection processing of the plant is performed based on the abnormality determination condition set by the execution state monitoring unit (abnormality determination condition dynamic setting means), the abnormality determination condition dynamically changes according to the operating state of the plant. It becomes possible to set, and there is an effect that it is possible to perform highly accurate abnormality detection according to the operating state of the plant.
【０５０７】請求項２の発明によれば異常判定条件を判
断する各時点において判定すべき操作候補を状態推移デ
ータベース（状態推移モデル）により絞り込む操作候補
絞込み手段により絞り込んだ操作候補を基に異常検知処
理を行なうように構成したので、操作知識ベースに基づ
いた異常検知を状態推移モデルにより効率的に行なうこ
とができる効果がある。According to the second aspect of the present invention, the abnormality detection is performed based on the operation candidates narrowed down by the operation candidate narrowing means that narrows down the operation candidates to be judged at each time point when judging the abnormality judgment condition by the state transition database (state transition model). Since the processing is performed, there is an effect that the abnormality detection based on the operation knowledge base can be efficiently performed by the state transition model.
【０５０８】請求項３の発明によれば異常判定条件を判
断する各時点において判定すべき操作候補を、操作知識
ベースの階層化，分割化を基に絞り込む操作実行状態監
視部（操作候補絞込み手段）と、その操作実行状態監視
部（操作候補絞込み手段）により絞り込んだ操作候補を
基に異常検知処理を行なうように構成したので、操作知
識ベースに基づいた異常検知を操作知識ベースの階層
化，分割化により効率的に行なうことができる効果があ
る。According to the third aspect of the present invention, the operation execution state monitoring unit (operation candidate narrowing means) narrows down the operation candidates to be judged at each time when the abnormality judgment condition is judged, based on hierarchization and division of the operation knowledge base. ) And the abnormality detection processing based on the operation candidates narrowed down by the operation execution state monitoring unit (operation candidate narrowing down means), the abnormality detection based on the operation knowledge base is made hierarchical in the operation knowledge base, There is an effect that the division can be performed efficiently.
【０５０９】請求項４の発明によれば操作知識ベースに
記述されている操作開始，終了などの条件などと、上記
プラントから入力される操作情報とを比較し、上記操作
知識ベースに記述されている操作開始，終了などの条件
に合致しない操作を操作違反として検知する操作実行状
態監視部（違反操作検知手段）を備えるように構成した
ので、誤った操作やプラントを構成する機器の誤動作な
どを違反操作として検知できる効果がある。According to the fourth aspect of the present invention, the conditions such as the operation start and end described in the operation knowledge base are compared with the operation information input from the plant, and the operation information is described in the operation knowledge base. Since the operation execution status monitoring unit (violation operation detection means) that detects an operation that does not meet the conditions such as the start and end of an operation as an operation violation is configured, an erroneous operation or a malfunction of the equipment configuring the plant can be prevented. It has the effect of being detected as a violation operation.
【０５１０】請求項５の発明によれば違反操作を判断す
る各時点において判定すべき操作候補を状態推移データ
ベース（状態推移モデル）により絞り込んだ操作候補を
基に違反操作を検知するように構成したので、誤った操
作やプラントを構成する機器の誤動作を効率的に検知で
きる効果がある。According to the fifth aspect of the invention, the violating operation is detected based on the operation candidates narrowed down by the state transition database (state transition model) for the operation candidates to be determined at each time when the violating operation is determined. Therefore, there is an effect that an erroneous operation or an erroneous operation of equipment constituting the plant can be efficiently detected.
【０５１１】請求項６の発明によれば違反操作を判断す
る各時点において判定すべき操作候補を操作知識ベース
の階層化，分割化を基に絞り込む操作候補絞込み手段に
より操作候補を絞り込み違反操作を検知するように構成
したので、誤った操作やプラントを構成する機器の誤動
作などの違反操作を上記操作知識ベースの階層化，分割
化により効率的に検知できる効果がある。According to the sixth aspect of the present invention, the operation candidates to be judged at each time of judging the violating operation are narrowed down by the operation candidate narrowing means based on the hierarchy and division of the operation knowledge base, and the violating operation is narrowed down. Since the operation knowledge base is configured to be detected, an illegal operation such as an erroneous operation or an erroneous operation of a device forming a plant can be effectively detected by layering and dividing the operation knowledge base.
【０５１２】請求項７の発明によれば操作知識ベースに
記述されている操作開始，終了などの条件などと、プラ
ントから入力される操作情報とを比較し、設定された操
作目標に達していない操作を検知し、補完・代替操作の
必要性の有無を判断し提供する補完・代替操作提供手段
を備えるように構成したので、運転員が補完・代替操作
の必要性の有無を判断する必要性がなくなり、運転員の
負担が軽減する効果がある。According to the seventh aspect of the invention, the conditions such as the operation start and end described in the operation knowledge base are compared with the operation information input from the plant, and the set operation target is not reached. It is necessary to determine whether or not there is a need for a supplementary / substitute operation because the system is equipped with a supplementary / substitute operation providing means that detects an operation and determines whether or not a supplemental / substitute operation is necessary. Is eliminated and the burden on the operator is reduced.
【０５１３】請求項８の発明によれば操作知識ベースに
記述されている操作開始，終了などの条件などと、プラ
ントから入力される操作情報とを比較し、設定された操
作目標に達していない操作を検知し、補完・代替操作の
必要性の有無を判断し、その補完・代替操作の必要性の
有無を判断する各時点において、判定すべき操作候補を
上記状態推移モデルにより絞り込むように構成したの
で、操作知識ベースに基づいた補完・代替操作の必要性
の有無の判定処理を状態推移モデルを基に効率的に行な
うことが出来る効果がある。According to the invention of claim 8, the conditions such as the operation start and end described in the operation knowledge base are compared with the operation information input from the plant, and the set operation target is not reached. It is configured to detect operations, determine whether or not there is a need for complementary / alternate operations, and narrow down the operation candidates to be determined by the above state transition model at each point when determining whether or not there is a need for complementary / alternate operations. Therefore, there is an effect that it is possible to efficiently perform the determination process of the necessity of the complementary / substitution operation based on the operation knowledge base based on the state transition model.
【０５１４】請求項９の発明によれば階層化，分割化し
て記述した操作知識ベースに記述されている操作開始，
終了などの条件などと、プラントから入力される操作情
報とを比較し、設定された操作目標に達していない操作
を検知し、補完・代替操作の必要性の有無を判断し、そ
の補完・代替操作の必要性を判断する各時点において、
上記操作知識ベースを基に判定すべき操作候補を絞り込
むように構成したので、操作知識ベースに基づいた補完
・代替操作の必要性の判定を操作知識ベースの階層化・
分割化により効率的に行なうことができる効果がある。[0514] According to the invention of claim 9, the operation start described in the operation knowledge base described in layers and divisions,
Conditions such as termination are compared with operation information input from the plant, operations that do not reach the set operation target are detected, and it is determined whether there is a need for complementary or alternative operations, and the complementary or alternative operations are performed. At each point in time to determine the need for operation,
Since the operation candidates to be judged are narrowed down based on the operation knowledge base, the necessity of the complementary / substitute operation is judged based on the operation knowledge base, and the operation knowledge base is hierarchized.
There is an effect that the division can be performed efficiently.
【０５１５】請求項１０の発明によれば操作知識ベース
に記述された該当操作によるプロセス量の設定正常状態
や動作機器の変更などに基づいて、異常原因同定のため
の因果関係を定義した因果関係知識ベースの内容を変更
し、これによりプラントの操作状況に対応した異常原因
の同定を可能としたので、因果関係の知識に基づいた異
常原因同定処理がプラントの操作状況に対応して可能と
なる効果がある。According to the tenth aspect of the present invention, the causal relation for defining the cause of abnormality is defined based on the setting of the process amount by the corresponding operation described in the operation knowledge base, the normal state and the change of the operating device. Since the contents of the knowledge base have been changed and it has become possible to identify the cause of abnormality corresponding to the operating status of the plant, it is possible to perform abnormality cause identification processing based on the knowledge of causal relationships depending on the operating status of the plant. effective.
【０５１６】請求項１１の発明によれば上記異常の原因
を判断するための因果関係を定義した因果関係知識を決
める各時点において判断すべき操作候補を状態推移モデ
ルにより絞り込み、これにより絞り込んだ操作候補を基
に上記異常原因の同定を可能とし、プラントの異常を検
知するように構成したので、状態推移モデルを用いるこ
とにより上記因果関係知識を効率的に切り替え、効率的
な異常原因同定処理が可能となる効果がある。According to the eleventh aspect of the present invention, operation candidates to be judged at each time point when determining causal relationship knowledge defining a causal relationship for judging the cause of the abnormality are narrowed down by the state transition model, and the narrowed down operation Since it is possible to identify the cause of the abnormality based on the candidate, and is configured to detect the abnormality of the plant, the state transition model is used to efficiently switch the knowledge of the causal relationship, and an efficient abnormality cause identification process can be performed. There is a possible effect.
【０５１７】請求項１２の発明によれば異常原因を判断
するための因果関係を定義した因果関係知識ベースを決
める各時点において判定すべき操作候補を、階層化，分
割化して記述した操作知識ベースを基に絞り込む操作候
補絞込み手段と、その操作候補絞込み手段により絞り込
んだ上記操作候補を基に上記異常原因の同定を可能と
し、上記プラントの異常を検知する異常原因同定手段と
を備えるように構成したので、操作知識ベースを階層化
・分割化することで因果関係知識ベースを効率的に切り
替え、これにより効率的な異常原因同定処理が可能とな
る効果がある。According to the twelfth aspect of the present invention, the operation knowledge base is described in which the operation candidates to be judged at each time point for determining the causal relationship knowledge base defining the causal relationship for judging the cause of abnormality are hierarchized and divided. It is configured to include an operation candidate narrowing means based on the above, and an abnormality cause identifying means for detecting the abnormality of the plant that enables the identification of the abnormality cause based on the operation candidates narrowed down by the operation candidate narrowing means. Therefore, by hierarchically dividing the operation knowledge base, the causal relationship knowledge base can be efficiently switched, and this has the effect of enabling efficient abnormality cause identification processing.
【０５１８】請求項１３の発明によれば操作知識ベース
に記述された該当操作によるプロセス量の設定正常状態
や動作機器の変更などに基づいて、異常原因同定のため
の処理で参照する診断対象のプラントの機器の機能的・
構造的関係や物理的関係を記述した知識ベースの内容を
動的に変更し、その知識ベースの動的に変更した知識に
基づいてプラントの操作状況に対応した異常原因の同定
を可能とし、上記プラントの異常を検知するように構成
したので、診断対象のプラントを構成する機器の機能的
・構造的関係や物理的関係に基づいた異常原因同定が操
作状況に応じて可能となる効果がある。According to the thirteenth aspect of the present invention, the diagnosis target referred to in the process for identifying the cause of the abnormality is referred to in the process for identifying the cause of abnormality based on the setting of the process amount by the corresponding operation described in the operation knowledge base, the normal state, and the change of the operating device. Functional of plant equipment
By dynamically changing the contents of the knowledge base that describes the structural and physical relationships, it is possible to identify the cause of anomalies that correspond to the operating conditions of the plant based on the dynamically changed knowledge of the knowledge base. Since it is configured to detect the abnormality of the plant, there is an effect that the cause of abnormality can be identified based on the functional / structural relationship or the physical relationship of the devices configuring the plant to be diagnosed according to the operation status.
【０５１９】請求項１４の発明によれば診断対象のプラ
ントを構成する機器の機能的・構造的関係や物理的関係
を記述した知識ベースを決める各時点において判定すべ
き操作候補を状態推移モデルにより絞り込み、絞り込ん
だ操作候補を基に上記プラントの異常を検知し異常原因
の同定を可能とするように構成したので、異常の原因を
判断するための診断対象のプラントを構成する機器の機
能的・構造的関係や物理的関係を記述した知識ベースを
状態推移モデルを利用することで効率的に切り替え、こ
れにより異常原因同定を効率的に行なうことが出来る効
果がある。According to the fourteenth aspect of the present invention, operation candidates to be determined at each point of time when determining a knowledge base that describes the functional / structural relationship or physical relationship of the devices making up the plant to be diagnosed by the state transition model. Since it is configured to detect the abnormality of the plant based on the narrowed down operation candidates and to identify the cause of the abnormality, it is possible to determine the functional / functionality of the equipment configuring the plant to be diagnosed to determine the cause of the abnormality. There is an effect that the knowledge base that describes the structural relationship and the physical relationship can be efficiently switched by using the state transition model, and thereby the cause of the abnormality can be efficiently identified.
【０５２０】請求項１５の発明によれば異常原因を判断
するための診断対象のプラントを構成する機器の機能的
・構造的関係や物理的関係を記述した知識ベースを決め
る各時点において判定すべき操作候補を知識ベースの階
層化，分割化を基に絞り込むように構成したので、診断
対象のプラントを構成する機器の機能的・構造的関係や
物理的関係を記述した知識ベースを決める各時点におい
て判定すべき操作候補を上記知識データベースの階層
化，分割化により効率的に行なうことが出来る効果があ
る。According to the fifteenth aspect of the present invention, the determination should be made at each time point when the knowledge base describing the functional / structural relationship and physical relationship of the equipment constituting the plant to be diagnosed for determining the cause of abnormality is described. Since the operation candidates are configured to be narrowed down based on the hierarchy and division of the knowledge base, at each point in time when the knowledge base describing the functional / structural relationships and physical relationships of the devices that make up the plant to be diagnosed is determined. There is an effect that the operation candidates to be determined can be efficiently performed by layering and dividing the knowledge database.
【０５２１】請求項１６の発明によれば異常原因判定手
段により推定した異常原因候補から予想されるプロセス
量の状態，機器の動作の変動と一致する上記観測信号が
得られないときには、上記推定した異常原因候補から予
想されるプロセス量の状態，機器の動作の変動をもたら
すような他のプロセス量の状態，機器の動作の変動など
を探索するように構成したので、異常原因探索範囲を拡
大することが出来る効果がある。According to the sixteenth aspect of the present invention, when the observation signal that matches the state of the process amount and the fluctuation in the operation of the equipment expected from the abnormality cause candidate estimated by the abnormality cause determining means cannot be obtained, the above estimation is made. Since it is configured to search the state of the process amount expected from the abnormality cause candidate, the state of other process amount that causes the fluctuation of the device operation, the fluctuation of the device operation, etc., the error cause search range is expanded. There is an effect that can be.
【図１】請求項１の発明の一実施例によるプラントの異
常診断装置を示すブロック図である。FIG. 1 is a block diagram showing an abnormality diagnosis device for a plant according to an embodiment of the present invention.
【図２】請求項１の発明の一実施例によるプラントの異
常診断装置の操作知識ベースの基となる運転手引書を示
す説明図である。FIG. 2 is an explanatory diagram showing a driver's guide serving as a basis of an operation knowledge base of a plant abnormality diagnosing device according to an embodiment of the invention of claim 1;
【図３】請求項１の発明の一実施例によるプラントの異
常診断装置の操作知識ベースに定義された操作知識要素
を示す説明図である。FIG. 3 is an explanatory diagram showing operation knowledge elements defined in an operation knowledge base of a plant abnormality diagnosis device according to an embodiment of the invention of claim 1;
【図４】請求項１の発明の一実施例によるプラントの異
常診断装置の操作知識ベースに定義された操作知識要素
を示す説明図である。FIG. 4 is an explanatory diagram showing operation knowledge elements defined in the operation knowledge base of the plant abnormality diagnosis device according to the embodiment of the invention of claim 1;
【図５】請求項１の発明の一実施例によるプラントの異
常診断装置の操作知識ベースに定義された操作順序の概
念図である。FIG. 5 is a conceptual diagram of an operation sequence defined in an operation knowledge base of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 1;
【図６】請求項１の発明の一実施例によるプラントの異
常診断装置の動作を示すフローチャートである。FIG. 6 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 1;
【図７】請求項１の発明の一実施例によるプラントの異
常診断装置の動作を示すフローチャートである。FIG. 7 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 1;
【図８】請求項１の発明の一実施例によるプラントの異
常診断装置における操作実行状態監視処理の動作を示す
フローチャートである。FIG. 8 is a flowchart showing an operation of an operation execution state monitoring process in the plant abnormality diagnosis device according to the embodiment of the invention of claim 1;
【図９】請求項１の発明の一実施例によるプラントの異
常診断装置における第１原因推定処理を示すフローチャ
ートである。FIG. 9 is a flowchart showing a first cause estimation process in the plant abnormality diagnosis device according to the embodiment of the invention of claim 1;
【図１０】請求項１の発明の一実施例によるプラントの
異常診断装置において異常検知条件が操作の実行と共に
更新される様子を示す説明図である。FIG. 10 is an explanatory diagram showing a state in which an abnormality detection condition is updated with execution of an operation in the abnormality diagnosis device for a plant according to the embodiment of the invention of claim 1;
【図１１】請求項１の発明の一実施例によるプラントの
異常診断装置において異常検知条件とプロセス量の変化
の関係を示す説明図である。FIG. 11 is an explanatory diagram showing a relationship between an abnormality detection condition and a process amount change in the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 1;
【図１２】請求項１の発明の一実施例によるプラントの
異常診断装置のプラントデータベースの構成を示す説明
図である。FIG. 12 is an explanatory diagram showing a configuration of a plant database of a plant abnormality diagnosing device according to an embodiment of the present invention.
【図１３】請求項１の発明の一実施例によるプラントの
異常診断装置における異常の程度を示す評価関数の特性
図である。FIG. 13 is a characteristic diagram of an evaluation function indicating the degree of abnormality in the abnormality diagnosis device for a plant according to the embodiment of the invention of claim 1;
【図１４】請求項１の発明の一実施例によるプラントの
異常診断装置の知識データベースに格納された因果関係
知識を示す説明図である。FIG. 14 is an explanatory diagram showing the causal relationship knowledge stored in the knowledge database of the plant abnormality diagnosis device according to the embodiment of the invention of claim 1;
【図１５】請求項１の発明の一実施例によるプラントの
異常診断装置における診断過程を示す説明図である。FIG. 15 is an explanatory diagram showing a diagnosis process in the plant abnormality diagnosis device according to the embodiment of the invention of claim 1;
【図１６】請求項２の発明の一実施例によるプラントの
異常診断装置を示すブロック図である。FIG. 16 is a block diagram showing an abnormality diagnosis device for a plant according to an embodiment of the present invention.
【図１７】請求項２の発明の一実施例によるプラントの
異常診断装置の状態推移データベースに格納された状態
推移知識ベースの説明図である。FIG. 17 is an explanatory diagram of a state transition knowledge base stored in a state transition database of a plant abnormality diagnosis device according to an embodiment of the invention of claim 2;
【図１８】請求項２の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 18 is a flowchart showing the operation of the plant abnormality diagnosis device according to the embodiment of the invention of claim 2;
【図１９】請求項２の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 19 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 2;
【図２０】請求項２の発明の一実施例によるプラントの
異常診断装置における第１原因推定処理を示すフローチ
ャートである。FIG. 20 is a flowchart showing a first cause estimation process in the plant abnormality diagnosis device according to the embodiment of the invention of claim 2;
【図２１】請求項２の発明の一実施例によるプラントの
異常診断装置における操作実行状態監視処理の動作を示
すフローチャートである。FIG. 21 is a flowchart showing the operation of operation execution state monitoring processing in the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 2;
【図２２】請求項２の発明の一実施例によるプラントの
異常診断装置における操作知識要素選択対象絞込み処理
を示すフローチャートである。FIG. 22 is a flowchart showing an operation knowledge element selection target narrowing process in the plant abnormality diagnosis device according to the embodiment of the invention in claim 2;
【図２３】請求項３の発明の一実施例によるプラントの
異常診断装置を示すブロック図である。FIG. 23 is a block diagram showing an abnormality diagnosis device for a plant according to an embodiment of the present invention.
【図２４】請求項３の発明の一実施例によるプラントの
異常診断装置における操作知識ベースの階層性を示す説
明図である。FIG. 24 is an explanatory diagram showing the hierarchical structure of the operation knowledge base in the plant abnormality diagnosis device according to the embodiment of the invention of claim 3;
【図２５】請求項３の発明の一実施例によるプラントの
異常診断装置において階層化され定義された操作知識ベ
ースの操作手順知識を示す説明図である。FIG. 25 is an explanatory diagram showing operation procedure knowledge of an operation knowledge base hierarchically defined in the plant abnormality diagnosis device according to the embodiment of the invention of claim 3;
【図２６】請求項３の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 26 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the third embodiment of the invention.
【図２７】請求項３の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 27 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the third embodiment of the invention.
【図２８】請求項３の発明の一実施例によるプラントの
異常診断装置における第１原因推定処理を示すフローチ
ャートである。FIG. 28 is a flowchart showing a first cause estimation process in the plant abnormality diagnosis apparatus according to the third embodiment of the invention.
【図２９】請求項３の発明の一実施例によるプラントの
異常診断装置における操作実行状態監視処理を示すフロ
ーチャートである。FIG. 29 is a flowchart showing an operation execution state monitoring process in the plant abnormality diagnosis device according to the third embodiment of the invention.
【図３０】請求項４の発明の一実施例によるプラントの
異常診断装置を示すブロック図である。FIG. 30 is a block diagram showing an abnormality diagnosis device for a plant according to an embodiment of the invention of claim 4;
【図３１】請求項４の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 31 is a flowchart showing the operation of the plant abnormality diagnosis device according to the embodiment of the invention of claim 4;
【図３２】請求項４の発明の一実施例によるプラントの
異常診断装置の操作実行状態監視処理で行なわれる誤操
作判定処理を示すフローチャートである。FIG. 32 is a flowchart showing an erroneous operation determination process performed in the operation execution state monitoring process of the plant abnormality diagnosis device according to the embodiment of the invention in claim 4;
【図３３】請求項５の発明の一実施例によるプラントの
異常診断装置を示すブロック図である。FIG. 33 is a block diagram showing an abnormality diagnosis device for a plant according to an embodiment of the invention of claim 5;
【図３４】請求項５の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 34 is a flowchart showing the operation of the plant abnormality diagnosis device according to the embodiment of the invention of claim 5;
【図３５】請求項５の発明の一実施例によるプラントの
異常診断装置の操作知識要素選択対象絞込み処理を含む
操作実行状態監視処理を示すフローチャートである。FIG. 35 is a flowchart showing an operation execution state monitoring process including an operation knowledge element selection target narrowing process of the plant abnormality diagnosis device according to the embodiment of the invention of claim 5;
【図３６】請求項５の発明の一実施例によるプラントの
異常診断装置の操作知識要素選択対象絞込み処理を示す
フローチャートである。FIG. 36 is a flowchart showing an operation knowledge element selection target narrowing process of the plant abnormality diagnosis device according to the embodiment of the invention of claim 5;
【図３７】請求項６の発明の一実施例によるプラントの
異常診断装置を示すブロック図である。FIG. 37 is a block diagram showing an abnormality diagnosis device for a plant according to an embodiment of the invention of claim 6;
【図３８】請求項６の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 38 is a flow chart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 6;
【図３９】請求項６の発明の一実施例によるプラントの
異常診断装置における下位操作群登録処理を含む操作実
行状態監視処理を示すフローチャートである。FIG. 39 is a flowchart showing an operation execution state monitoring process including a lower operation group registration process in the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 6;
【図４０】請求項６の発明の一実施例によるプラントの
異常診断装置における階層化され定義された操作知識ベ
ースの操作手順知識を示す説明図である。FIG. 40 is an explanatory diagram showing operation procedure knowledge of a hierarchically defined operation knowledge base in the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 6;
【図４１】請求項７の発明の一実施例によるプラントの
異常診断装置を示すブロック図である。FIG. 41 is a block diagram showing an abnormality diagnosis device for a plant according to an embodiment of the invention of claim 7;
【図４２】請求項７の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 42 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 7;
【図４３】請求項７の発明の一実施例によるプラントの
異常診断装置における操作実行状態監視処理を示すフロ
ーチャートである。FIG. 43 is a flowchart showing an operation execution state monitoring process in the plant abnormality diagnosis device according to the embodiment of the invention of claim 7;
【図４４】請求項８の発明の一実施例によるプラントの
異常診断装置を示すブロック図である。FIG. 44 is a block diagram showing a plant abnormality diagnosis apparatus according to an embodiment of the invention of claim 8;
【図４５】請求項８の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 45 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 8;
【図４６】請求項８の発明の一実施例によるプラントの
異常診断装置における操作知識要素選択対象絞込み処理
を含む操作実行状態監視処理を示すフローチャートであ
る。FIG. 46 is a flowchart showing operation execution state monitoring processing including operation knowledge element selection target narrowing processing in the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 8;
【図４７】請求項８の発明の一実施例によるプラントの
異常診断装置の操作知識要素選択対象絞込み処理を示す
フローチャートである。FIG. 47 is a flowchart showing an operation knowledge element selection target narrowing-down process of the plant abnormality diagnosis device according to the embodiment of the invention of claim 8;
【図４８】請求項９の発明の一実施例によるプラントの
異常診断装置を示すブロック図である。FIG. 48 is a block diagram showing a plant abnormality diagnosis apparatus according to an embodiment of the invention of claim 9;
【図４９】請求項９の発明の一実施例によるプラントの
異常診断装置の動作を示すフローチャートである。FIG. 49 is a flow chart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 9;
【図５０】請求項９の発明の一実施例によるプラントの
異常診断装置における下位操作群登録処理を含む操作実
行状態監視処理を示すフローチャートである。FIG. 50 is a flowchart showing an operation execution state monitoring process including a subordinate operation group registration process in the plant abnormality diagnosis device according to the embodiment of the invention of claim 9;
【図５１】請求項９の発明の一実施例によるプラントの
異常診断装置における階層化され定義された操作知識ベ
ースの操作手順知識を示す説明図である。FIG. 51 is an explanatory diagram showing operation procedure knowledge of a hierarchically defined operation knowledge base in the plant abnormality diagnosis device according to the embodiment of the invention of claim 9;
【図５２】請求項１０の発明の一実施例によるプラント
の異常診断装置を示すブロック図である。FIG. 52 is a block diagram showing an abnormality diagnosing device for a plant according to an embodiment of the present invention.
【図５３】請求項１０の発明の一実施例によるプラント
の異常診断装置の知識データベースに格納された因果関
係知識を示す説明図である。FIG. 53 is an explanatory diagram showing causal relationship knowledge stored in the knowledge database of the plant abnormality diagnosis device according to the embodiment of the invention of claim 10;
【図５４】請求項１０の発明の一実施例によるプラント
の異常診断装置における異常判定因果関係知識との関係
が定義された操作手順知識要素を示す説明図である。FIG. 54 is an explanatory diagram showing operating procedure knowledge elements in which the relationship with the abnormality determination causal relationship knowledge in the plant abnormality diagnosis device according to the embodiment of the tenth aspect of the invention is defined.
【図５５】請求項１０の発明の一実施例によるプラント
の異常診断装置の動作を示すフローチャートである。FIG. 55 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 10;
【図５６】請求項１０の発明の一実施例によるプラント
の異常診断装置における有効因果関係設定処理を説明す
るためのフローチャートである。FIG. 56 is a flowchart for explaining effective causal relationship setting processing in the plant abnormality diagnosis device according to the embodiment of the invention of claim 10;
【図５７】請求項１１の発明の一実施例によるプラント
の異常診断装置を示すブロック図である。FIG. 57 is a block diagram showing an abnormality diagnosing device for a plant according to an embodiment of the invention of claim 11;
【図５８】請求項１１の発明の一実施例によるプラント
の異常診断装置の動作を示すフローチャートである。FIG. 58 is a flowchart showing the operation of the plant abnormality diagnosis device according to the embodiment of the invention of claim 11;
【図５９】請求項１１の発明の一実施例によるプラント
の異常診断装置における操作知識要素選択対象絞込み処
理を含む操作実行状態監視処理を示すフローチャートで
ある。FIG. 59 is a flowchart showing operation execution state monitoring processing including operation knowledge element selection target narrowing processing in the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 11;
【図６０】請求項１１の発明の一実施例によるプラント
の異常診断装置の操作知識要素選択対象絞込み処理を示
すフローチャートである。FIG. 60 is a flowchart showing an operation knowledge element selection target narrowing process of the plant abnormality diagnosis device according to the embodiment of the invention of claim 11;
【図６１】請求項１２の発明の一実施例によるプラント
の異常診断装置を示すブロック図である。FIG. 61 is a block diagram showing a plant abnormality diagnosis apparatus according to an embodiment of the invention of claim 12;
【図６２】請求項１２の発明の一実施例によるプラント
の異常診断装置の動作を示すフローチャートである。FIG. 62 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 12;
【図６３】請求項１２の発明の一実施例によるプラント
の異常診断装置における下位操作群登録処理を含む操作
実行状態監視処理を示すフローチャートである。FIG. 63 is a flowchart showing an operation execution state monitoring process including a lower operation group registration process in the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 12;
【図６４】請求項１２の発明の一実施例によるプラント
の異常診断装置における階層化され定義された操作知識
ベースの操作手順知識を示す説明図である。FIG. 64 is an explanatory diagram showing operation procedure knowledge of a hierarchically defined operation knowledge base in the plant abnormality diagnosis device according to the embodiment of the invention of claim 12;
【図６５】請求項１３の発明の一実施例によるプラント
の異常診断装置を示すブロック図である。FIG. 65 is a block diagram showing an abnormality diagnosing device for a plant according to an embodiment of the invention of claim 13;
【図６６】請求項１３の発明の一実施例によるプラント
の異常診断装置の動作を示すフローチャートである。FIG. 66 is a flowchart showing the operation of the plant abnormality diagnosis device according to the embodiment of the invention of claim 13;
【図６７】請求項１３の発明の一実施例によるプラント
の異常診断装置において異常判定条件設定処理を説明す
るためのフローチャートである。FIG. 67 is a flow chart for explaining an abnormality determination condition setting process in the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 13;
【図６８】請求項１３の発明の一実施例によるプラント
の異常診断装置において影響関係知識との関係が定義さ
れた操作手順知識要素を示す説明図である。FIG. 68 is an explanatory diagram showing the operation procedure knowledge element in which the relationship with the influence relationship knowledge is defined in the plant abnormality diagnosis device according to the embodiment of the thirteenth invention;
【図６９】請求項１４の発明の一実施例によるプラント
の異常診断装置を示すブロック図である。FIG. 69 is a block diagram showing an abnormality diagnosis device for a plant according to an embodiment of the invention in claim 14;
【図７０】請求項１４の発明の一実施例によるプラント
の異常診断装置の動作を示すフローチャートである。FIG. 70 is a flow chart showing the operation of the plant abnormality diagnosis device according to the embodiment of the invention of claim 14;
【図７１】請求項１４の発明の一実施例によるプラント
の異常診断装置において操作知識要素選択対象絞込み処
理を含む操作実行状態監視処理を示すフローチャートで
ある。FIG. 71 is a flowchart showing an operation execution state monitoring process including an operation knowledge element selection target narrowing process in the plant abnormality diagnosis device according to the embodiment of the invention of claim 14;
【図７２】請求項１４の発明の一実施例によるプラント
の異常診断装置における操作知識要素選択対象絞込み処
理を示すフローチャートである。FIG. 72 is a flow chart showing the operation knowledge element selection target narrowing processing in the plant abnormality diagnosis device according to the embodiment of the fourteenth invention;
【図７３】請求項１５の発明の一実施例によるプラント
の異常診断装置を示すブロック図である。FIG. 73 is a block diagram showing a plant abnormality diagnosis apparatus according to an embodiment of the invention of claim 15;
【図７４】請求項１５の発明の一実施例によるプラント
の異常診断装置の動作を示すフローチャートである。FIG. 74 is a flowchart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the fifteenth aspect of the present invention;
【図７５】請求項１５の発明の一実施例によるプラント
の異常診断装置において下位操作群登録処理を含む操作
実行状態監視処理を示すフローチャートである。FIG. 75 is a flowchart showing an operation execution state monitoring process including a lower operation group registration process in the plant abnormality diagnosis device according to the embodiment of the fifteenth aspect of the present invention;
【図７６】請求項１５の発明の一実施例によるプラント
の異常診断装置における階層化され定義された操作知識
ベースの操作手順知識を示す説明図である。FIG. 76 is an explanatory diagram showing operation procedure knowledge of a hierarchically defined operation knowledge base in the plant abnormality diagnosis device according to the embodiment of the invention of claim 15;
【図７７】請求項１６の発明の一実施例によるプラント
の異常診断装置を示すブロック図である。FIG. 77 is a block diagram showing an abnormality diagnosis device for a plant according to an embodiment of the invention of claim 16;
【図７８】請求項１６の発明の一実施例によるプラント
の異常診断装置の動作を示すフローチャートである。FIG. 78 is a flow chart showing the operation of the plant abnormality diagnosis apparatus according to the embodiment of the invention of claim 16;
【図７９】請求項１６の発明の一実施例によるプラント
の異常診断装置における第１原因推定処理を示すフロー
チャートである。FIG. 79 is a flowchart showing a first cause estimating process in the plant abnormality diagnosing device according to the embodiment of the invention of claim 16;
【図８０】請求項１６の発明の一実施例によるプラント
の異常診断装置における状態予測処理を示すフローチャ
ートである。FIG. 80 is a flow chart showing a state prediction process in the plant abnormality diagnosis device according to the embodiment of the invention of claim 16;
【図８１】請求項１６の発明の一実施例によるプラント
の異常診断装置において非観測ノードの状態を推定する
過程を示す説明図である。81 is an explanatory diagram showing a process of estimating the state of an unobserved node in the plant abnormality diagnosis device according to the embodiment of the sixteenth aspect of the present invention; FIG.
【図８２】従来のプラントの異常診断装置を示すブロッ
ク図である。FIG. 82 is a block diagram showing a conventional plant abnormality diagnosis device.
【図８３】従来のプラントの異常診断装置におけるプラ
ントデータベースの構成を示す説明図である。FIG. 83 is an explanatory diagram showing a configuration of a plant database in a conventional plant abnormality diagnosis device.
【図８４】従来のプラントの異常診断装置の知識データ
ベースに格納された因果関係知識を示す説明図である。FIG. 84 is an explanatory diagram showing causal relationship knowledge stored in the knowledge database of the conventional plant abnormality diagnosis device.
【図８５】従来のプラントの異常診断装置における診断
対象のモデル化概念図である。[Fig. 85] Fig. 85 is a modeling conceptual diagram of a diagnosis target in a conventional plant abnormality diagnosis device.
【図８６】従来のプラントの異常診断装置における知識
データベースに格納された診断対象の構成要素の定義に
ついての知識を示す説明図である。[Fig. 86] Fig. 86 is an explanatory diagram showing the knowledge about the definition of the component of the diagnosis target stored in the knowledge database in the conventional plant abnormality diagnosis device.
【図８７】従来のプラントの異常診断装置における知識
データベースに格納された診断対象の構成要素の定義に
ついての知識を示す説明図である。FIG. 87 is an explanatory diagram showing the knowledge about the definition of the component of the diagnosis target stored in the knowledge database in the conventional plant abnormality diagnosis device.
【図８８】従来のプラントの異常診断装置の動作を示す
フローチャートである。FIG. 88 is a flowchart showing the operation of a conventional plant abnormality diagnosis device.
【図８９】従来のプラントの異常診断装置の動作を示す
フローチャートである。FIG. 89 is a flowchart showing an operation of the conventional plant abnormality diagnosis device.
【図９０】従来のプラントの異常診断装置の第１原因推
定処理の動作を示すフローチャートである。FIG. 90 is a flowchart showing the operation of the first cause estimation processing of the conventional plant abnormality diagnosis device.
【図９１】従来のプラントの異常診断装置における異常
の程度を示す評価関数の特性図である。FIG. 91 is a characteristic diagram of an evaluation function indicating the degree of abnormality in the conventional plant abnormality diagnosis apparatus.
【図９２】従来のプラントの異常診断装置における異常
プラントの異常診断過程を示す説明図である。FIG. 92 is an explanatory diagram showing an abnormality diagnosing process of an abnormal plant in a conventional plant abnormality diagnosing apparatus.
１ プラントの異常診断装置 ２ 発電プラント ６ 操作知識ベース ７ａ 操作実行状態監視部（異常判定条件動的設定手
段） ７ｂ 操作実行状態監視部（操作候補絞込み手段） ７ｃ 操作実行状態監視部（操作候補絞込み手段） ７ｄ 操作実行状態監視部（違反操作検知手段） ７ｅ 操作実行状態監視部（操作候補絞込み手段，違反
操作検知手段） ７ｆ 操作実行状態監視部（操作候補絞込み手段，違反
操作検知手段） ７ｇ 操作実行状態監視部（補完・代替操作提供手段） ７ｈ 操作実行状態監視部（操作候補絞込み手段，補完
・代替操作提供手段） ７ｉ 操作実行状態監視部（操作候補絞込み手段，補完
・代替操作提供手段） ７ｊ 操作実行状態監視部（動的変更手段） ７ｋ 操作実行状態監視部（操作候補絞込み手段） ７ｍ 操作実行状態監視部（操作候補絞込み手段） ７ｎ 操作実行状態監視部（動的変更手段） ７ｐ 操作実行状態監視部（操作候補絞込み手段） ７ｑ 操作実行状態監視部（操作候補絞込み手段） ８，１０９ 知識データベース（因果関係知識ベー
ス） １０ 異常検知部（異常検知処理手段） １１ 異常原因推論部（異常原因同定手段） ４１ 状態推移データベース（状態推移モデル） １１０ 異常原因推論部（異常原因判定手段） １１０ａ 状態予測部（異常原因探索手段）1 Plant Abnormality Diagnosis Device 2 Power Generation Plant 6 Operation Knowledge Base 7a Operation Execution State Monitoring Unit (Abnormality Judgment Condition Dynamic Setting Means) 7b Operation Execution State Monitoring Unit (Operation Candidate Narrowing Means) 7c Operation Execution State Monitoring Unit (Operation Candidates Refining) 7d Operation execution state monitoring unit (violation operation detection unit) 7e Operation execution state monitoring unit (operation candidate narrowing down unit, violating operation detection unit) 7f Operation execution state monitoring unit (operation candidate narrowing down unit, violating operation detection unit) 7g Operation Execution status monitoring unit (complementary / alternative operation providing means) 7h Operation execution status monitoring unit (operation candidate narrowing means, complementary / alternative operation providing means) 7i Operation execution status monitoring unit (operation candidate narrowing means, complementary / alternative operation providing means) 7j Operation execution state monitoring unit (dynamic change unit) 7k Operation execution state monitoring unit (operation candidate narrowing down unit) 7m Operation execution state monitoring unit 7n Operation execution state monitoring unit (dynamic change unit) 7p Operation execution state monitoring unit (operation candidate narrowing unit) 7q Operation execution state monitoring unit (operation candidate narrowing unit) 8,109 Knowledge database (causal relationship knowledge) 10) Abnormality detection part (abnormality detection processing means) 11 Abnormality cause inference part (abnormality cause identification means) 41 State transition database (state transition model) 110 Abnormality reason inference part (abnormality cause determination means) 110a State prediction part (abnormality cause) Search method)
Claims (16)
してエネルギーや物質を生成するプラントからの観測信
号の異常を検知し、上記異常の原因を同定し、その同定
した結果を提供するプラントの異常診断装置において、
上記プラントに変動をもたらす個々の運転操作に関し
て、その運転操作により影響を受けるプロセス量，操作
開始，終了条件などの操作に関する知識を記述した操作
知識ベースと、上記プラントからの操作情報と上記操作
知識ベースに記述されている知識に基づいて上記プラン
トの運転状態に対応した異常判定条件を設定する異常判
定条件動的設定手段と、その異常判定条件動的設定手段
により設定した異常判定条件を基に上記プラントの異常
検知処理を行なう異常検知処理手段とを備えたことを特
徴とするプラントの異常診断装置。1. A plant that detects anomalies in an observation signal from a plant that produces energy or a substance using a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device,
An operation knowledge base that describes knowledge about operations such as process amount, operation start and end conditions that are affected by the operation, for each operation that causes fluctuations in the plant, operation information from the plant, and operation knowledge Based on the abnormality determination condition dynamic setting means for setting the abnormality determination condition corresponding to the operating state of the plant based on the knowledge described in the base, and the abnormality determination condition set by the abnormality determination condition dynamic setting means An abnormality diagnosis device for a plant, comprising: an abnormality detection processing means for performing the abnormality detection processing for the plant.
してエネルギーや物質を生成するプラントからの観測信
号の異常を検知し、上記異常の原因を同定し、その同定
した結果を提供するプラントの異常診断装置において、
上記プラントに変動をもたらす個々の運転操作に関し
て、その運転操作により影響を受けるプロセス量，操作
開始，終了条件などの操作に関する知識を記述した操作
知識ベースと、その操作知識ベースに記述されている操
作開始，終了などの条件に基づいて上記プロセス量の変
動範囲内を有限個に分割し、それらの範囲間での変動方
向を記述した状態推移モデルと、異常判定条件を判断す
る各時点において判定すべき操作候補を上記状態推移モ
デルにより絞り込む操作候補絞込み手段と、その操作候
補絞込み手段により絞り込んだ操作候補を基に異常検知
処理を行なう異常検知処理手段とを備えたことを特徴と
するプラントの異常診断装置。2. A plant that detects anomalies in an observation signal from a plant that produces energy or substances by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified results. In the abnormality diagnosis device,
An operation knowledge base that describes knowledge about operations such as the process amount, operation start and end conditions, etc. that are affected by the operation operation for each operation operation that causes fluctuations in the plant, and the operation described in the operation knowledge base Based on conditions such as start and end, divide the above range of process quantity into a finite number and make a state transition model that describes the direction of variation between these ranges, and make a determination at each point in time when determining an abnormality determination condition. Abnormality of plant characterized by comprising operation candidate narrowing-down means for narrowing down the operation candidates to be selected by the state transition model, and abnormality detection processing means for performing abnormality detection processing based on the operation candidates narrowed down by the operation candidate narrowing-down means. Diagnostic device.
してエネルギーや物質を生成するプラントからの観測信
号の異常を検知し、上記異常の原因を同定し、その同定
した結果を提供するプラントの異常診断装置において、
上記プラントに変動をもたらす個々の運転操作に関し
て、その運転操作により影響を受けるプロセス量，操作
開始，終了条件などの操作に関する知識を操作目的，操
作対象などにより階層化，分割化して記述した操作知識
ベースと、異常判定条件を判断する各時点において判定
すべき操作候補を上記操作知識データベースの階層化，
分割化を基に絞り込む操作候補絞込み手段と、その操作
候補絞込み手段により絞り込んだ操作候補を基に異常検
知処理を行なう異常検知処理手段とを備えたことを特徴
とするプラントの異常診断装置。3. A plant that detects anomalies in an observation signal from a plant that produces energy or substances by utilizing physical processes or chemical processes, identifies the cause of the anomalies, and provides the identified results. In the abnormality diagnosis device,
Operational knowledge that describes the knowledge about operations such as process amount, operation start and end conditions, etc., which are affected by the operation for each operation that causes fluctuations in the above-mentioned plant by layering or dividing by operation purpose, operation target, etc. The base and the operation candidates to be judged at each time of judging the abnormality judgment condition are hierarchized in the operation knowledge database,
An abnormality diagnosis device for a plant, comprising: an operation candidate narrowing-down means for narrowing down based on division; and an abnormality detection processing means for performing abnormality detection processing based on the operation candidates narrowed down by the operation candidate narrowing-down means.
してエネルギーや物質を生成するプラントからの観測信
号の異常を検知し、上記異常の原因を同定し、その同定
した結果を提供するプラントの異常診断装置において、
上記プラントに変動をもたらす個々の運転操作に関し
て、その運転操作により影響を受けるプロセス量，操作
開始，終了条件などの操作に関する知識を記述した操作
知識ベースと、その操作知識ベースに記述されている操
作開始，終了などの条件などと、上記プラントから入力
される操作情報とを比較し、上記操作知識ベースに記述
されている操作開始，終了などの条件に合致しない操作
を操作違反として検知する違反操作検知手段とを備えた
ことを特徴とするプラントの異常診断装置。4. A plant that detects anomalies in an observation signal from a plant that produces energy or a substance by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device,
An operation knowledge base that describes knowledge about operations such as the process amount, operation start and end conditions, etc. that are affected by the operation operation for each operation operation that causes fluctuations in the plant, and the operation described in the operation knowledge base A violation operation that compares conditions such as start and end with operation information input from the plant and detects operations that do not match the conditions such as operation start and end described in the operation knowledge base as operation violations. An abnormality diagnosis device for a plant, comprising: a detection unit.
してエネルギーや物質を生成するプラントからの観測信
号の異常を検知し、上記異常の原因を同定し、その同定
した結果を提供するプラントの異常診断装置において、
上記プラントに変動をもたらす個々の運転操作に関し
て、その運転操作により影響を受けるプロセス量，操作
開始，終了条件などの操作に関する知識を記述した操作
知識ベースと、その操作知識ベースに記述されている操
作開始，終了などの条件などに基づいて上記プロセス量
の変動範囲内を有限個に分割し、それらの範囲間での変
動方向を記述した状態推移モデルと、違反操作を判断す
る各時点において判定すべき操作候補を上記状態推移モ
デルにより絞り込む操作候補絞込み手段と、その操作候
補絞込み手段により絞り込んだ操作候補を基に違反操作
を検知する違反操作検知手段とを備えたことを特徴とす
るプラントの異常診断装置。5. A plant that detects anomalies in an observation signal from a plant that produces energy or substances by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified results. In the abnormality diagnosis device,
An operation knowledge base that describes knowledge about operations such as the process amount, operation start and end conditions, etc. that are affected by the operation operation for each operation operation that causes fluctuations in the plant, and the operation described in the operation knowledge base Based on the conditions such as start and end, divide the above range of process quantity into a finite number, and make a state transition model that describes the direction of variation between these ranges, and make a determination at each point when a violation operation is determined. Abnormality of plant characterized by comprising operation candidate narrowing means for narrowing down power candidate operations by the state transition model, and violation operation detecting means for detecting a violation operation based on the operation candidates narrowed down by the operation candidate narrowing means Diagnostic device.
してエネルギーや物質を生成するプラントからの観測信
号の異常を検知し、上記異常の原因を同定し、その同定
した結果を提供するプラントの異常診断装置において、
上記プラントに変動をもたらす個々の運転操作に関し
て、その運転操作により影響を受けるプロセス量，操作
開始，終了条件などの操作に関する知識を操作目的，操
作対象などにより階層化，分割化して記述した操作知識
ベースと、違反操作を判断する各時点において判定すべ
き操作候補を上記階層化，分割化して記述した操作知識
ベースを基に絞り込む操作候補絞込み手段と、その操作
候補絞込み手段により絞り込んだ操作候補を基に違反操
作を検知する違反操作検知手段とを備えたことを特徴と
するプラントの異常診断装置。6. A plant that detects anomalies in an observation signal from a plant that produces energy or a substance using a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device,
Operational knowledge that describes the knowledge about operations such as process amount, operation start and end conditions, etc., which are affected by the operation for each operation that causes fluctuations in the above-mentioned plant by layering or dividing by operation purpose, operation target, etc. A base and an operation candidate narrowing-down means for narrowing down the operation candidates to be judged at each time of judging a violating operation based on the operation knowledge base described by layering and dividing the operation candidates, and operation candidates narrowed down by the operation candidate narrowing-down means. An abnormality diagnosis device for a plant, comprising: a violation operation detection unit for detecting a violation operation based on the above.
してエネルギーや物質を生成するプラントからの観測信
号の異常を検知し、上記異常の原因を同定し、その同定
した結果を提供するプラントの異常診断装置において、
上記プラントに変動をもたらす個々の運転操作に関し
て、その運転操作により影響を受けるプロセス量，操作
開始，終了条件などの操作に関する知識を記述した操作
知識ベースと、その操作知識ベースに記述されている操
作開始，終了などの条件などと、上記プラントから入力
される操作情報とを比較し、設定された操作目標に達し
ていない操作を検知し、補完・代替操作の必要性の有無
を判断し提供する補完・代替操作提供手段とを備えたこ
とを特徴とするプラントの異常診断装置。7. A plant that detects anomalies in an observation signal from a plant that generates energy or a substance by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device,
An operation knowledge base that describes knowledge about operations such as the process amount, operation start and end conditions, etc. that are affected by the operation operation for each operation operation that causes fluctuations in the plant, and the operation described in the operation knowledge base Comparing conditions such as start and end with operation information input from the plant above, detects operations that have not reached the set operation target, and determines whether there is a need for complementary or alternative operations and provides them. An abnormality diagnosis device for a plant, which is provided with a complementary / alternative operation providing means.
してエネルギーや物質を生成するプラントからの観測信
号の異常を検知し、上記異常の原因を同定し、その同定
した結果を提供するプラントの異常診断装置において、
上記プラントに変動をもたらす個々の運転操作に関し
て、その運転操作により影響を受けるプロセス量，操作
開始，終了条件などの操作に関する知識を記述した操作
知識ベースと、その操作知識ベースに記述されている操
作開始，終了などの条件などに基づいて上記プロセス量
の変動範囲内を有限個に分割し、それらの範囲間での変
動方向を記述した状態推移モデルと、上記操作知識ベー
スに記述されている操作開始，終了などの条件などと、
上記プラントから入力される操作情報とを比較し、設定
された操作目標に達していない操作を検知し、補完・代
替操作の必要性の有無を判断し提供する補完・代替操作
提供手段と、その補完・代替操作提供手段により補完・
代替操作の必要性の有無を判断する各時点において、判
定すべき操作候補を上記状態推移モデルにより絞り込む
操作候補絞込み手段とを備えたことを特徴とするプラン
トの異常診断装置。8. A plant that detects anomalies in an observation signal from a plant that generates energy or a substance by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device,
An operation knowledge base that describes knowledge about operations such as the process amount, operation start and end conditions, etc. that are affected by the operation operation for each operation operation that causes fluctuations in the plant, and the operation described in the operation knowledge base Based on conditions such as start and end, divide the above range of process amount into a finite number and describe the direction of change between those ranges, and the operation described in the above operation knowledge base. Conditions such as start and end,
Complementary / alternative operation providing means that compares operation information input from the plant, detects an operation that has not reached the set operation target, determines whether or not there is a need for complementary / alternative operation, and its Complementation / complementation by alternative operation providing means
An abnormality diagnosing device for a plant, comprising: an operation candidate narrowing means for narrowing down operation candidates to be judged by the state transition model at each time point when it is judged whether or not an alternative operation is necessary.
してエネルギーや物質を生成するプラントからの観測信
号の異常を検知し、上記異常の原因を同定し、その同定
した結果を提供するプラントの異常診断装置において、
上記プラントに変動をもたらす個々の運転操作に関し
て、その運転操作により影響を受けるプロセス量，操作
開始，終了条件などの操作に関する知識を操作目的，操
作対象などにより階層化，分割化して記述した操作知識
ベースと、その操作知識ベースに記述されている操作開
始，終了などの条件などと、上記プラントから入力され
る操作情報とを比較し、設定された操作目標に達してい
ない操作を検知し、補完・代替操作の必要性の有無を判
断し提供する補完・代替操作提供手段と、その補完・代
替操作提供手段により補完・代替操作の必要性を判断す
る各時点において、上記階層化・分割化して記述した操
作知識ベースを基に判定すべき操作候補を絞り込む操作
候補絞込み手段とを備えたことを特徴とするプラントの
異常診断装置。9. A plant that detects anomalies in observed signals from a plant that produces energy or substances by utilizing physical processes or chemical processes, identifies the cause of the anomalies, and provides the identified results. In the abnormality diagnosis device,
Operational knowledge that describes the knowledge about operations such as process amount, operation start and end conditions, etc., which are affected by the operation for each operation that causes fluctuations in the above-mentioned plant by layering or dividing by operation purpose, operation target, etc. The base and the operation start and end conditions described in the operation knowledge base are compared with the operation information input from the plant, and the operation that does not reach the set operation target is detected and complemented. -Complementary / alternative operation providing means for determining whether or not alternative operation is necessary and providing, and complementation / alternate operation providing means to determine the necessity of alternative operation. An abnormality diagnosis apparatus for a plant, comprising: an operation candidate narrowing means for narrowing down operation candidates to be judged based on the described operation knowledge base.
用してエネルギーや物質を生成するプラントからの観測
信号の異常を検知し、上記異常の原因を同定し、その同
定した結果を提供するプラントの異常診断装置におい
て、上記プラントに変動をもたらす個々の運転操作に関
して、その運転操作により影響を受けるプロセス量，操
作開始，終了条件などの操作に関する知識を記述した操
作知識ベースと、その操作知識ベースに記述された該当
操作によるプロセス量の設定正常状態や動作機器の変更
などに基づいて、異常原因同定のための因果関係を定義
した因果関係知識ベースの内容を変更する動的変更手段
と、その動的変更手段によりプラントの操作状況に対応
した異常原因の同定を可能とする異常原因同定手段とを
備えたことを特徴とするプラントの異常診断装置。10. A plant that detects anomaly of an observation signal from a plant that generates energy or a substance by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device, regarding each operation that causes fluctuations in the plant, an operation knowledge base that describes knowledge about operations such as process amount, operation start and end conditions that are affected by the operation, and the operation knowledge base Dynamic change means for changing the contents of the causal relationship knowledge base that defines the causal relationship for identifying the cause of abnormality based on the normal state and the change of operating equipment, etc. based on the described operation settings and the operation And an abnormal cause identifying means capable of identifying the abnormal cause corresponding to the operating condition of the plant by means of the dynamic changing means. Abnormality diagnostic equipment for plants.
用してエネルギーや物質を生成するプラントからの観測
信号の異常を検知し、上記異常の原因を同定し、その同
定した結果を提供するプラントの異常診断装置におい
て、上記プラントに変動をもたらす個々の運転操作に関
して、その運転操作により影作により影響を受けるプロ
セス量，操作開始，終了条件などの操作に関する知識を
記述した操作知識ベースと、その操作知識ベースに記述
されている操作開始，終了などの条件などに基づいて上
記プロセス量の変動範囲内を有限個に分割し、それらの
範囲間での変動方向を記述した状態推移モデルと、上記
異常の原因を判断するための因果関係を定義した因果関
係知識を決める各時点において判断すべき操作候補を上
記状態推移モデルにより絞り込む操作候補絞込み手段
と、その操作候補絞込み手段により絞り込んだ操作候補
を基に上記異常原因の同定を可能とし、上記プラントの
異常を検知する異常原因同定手段とを備えたことを特徴
とするプラントの異常診断装置。11. A plant that detects anomalies in an observation signal from a plant that generates energy or a substance using a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In an abnormality diagnosis device, an operation knowledge base that describes knowledge about operations such as process amount, operation start and end conditions, etc. that are affected by shadowing due to the operation for each operation that causes fluctuations in the plant, and the operation Based on the conditions such as operation start and end described in the knowledge base, the process amount fluctuation range is divided into a finite number, and the state transition model that describes the direction of fluctuation between these ranges and the above abnormality Based on the above state transition model, the operation candidates that should be judged at each point in time when the causal relationship knowledge that defines the causal relationship for determining the cause of The operation candidate narrowing means and the abnormality cause identifying means for detecting the abnormality of the plant, which enables the identification of the cause of the abnormality based on the operation candidates narrowed down by the operation candidate narrowing means, are provided. Abnormality diagnostic equipment for plants.
用してエネルギーや物質を生成するプラントからの観測
信号の異常を検知し、上記異常の原因を同定し、その同
定した結果を提供するプラントの異常診断装置におい
て、上記プラントに変動をもたらす個々の運転操作に関
して、その運転操作により影響を受けるプロセス量，操
作開始，終了条件などの操作に関する知識を操作目的，
操作対象などにより階層化，分割化して記述した操作知
識ベースと、異常原因を判断するための因果関係を定義
した因果関係知識ベースを決める各時点において判定す
べき操作候補を上記階層化，分割化して記述した操作知
識ベースを基に絞り込む操作候補絞込み手段と、その操
作候補絞込み手段により絞り込んだ上記操作候補を基に
上記異常原因の同定を可能とし、上記プラントの異常を
検知する異常原因同定手段とを備えたことを特徴とする
プラントの異常診断装置。12. A plant that detects anomalies in an observation signal from a plant that produces energy or a substance by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device, knowledge about operations such as process amount, operation start and end conditions, etc., which are affected by the operation, regarding each operation that causes fluctuations in the plant, operation purpose,
Operational knowledge bases that are described in hierarchies and divisions according to the operation target, and causal relationship knowledge bases that define causal relations for determining the cause of anomalies are determined. Operation candidate narrowing means for narrowing down based on the operation knowledge base described above, and abnormality cause identifying means for detecting the abnormality of the plant, which enables identification of the abnormality cause based on the operation candidates narrowed down by the operation candidate narrowing means An abnormality diagnosis device for a plant, comprising:
用してエネルギーや物質を生成するプラントからの観測
信号の異常を検知し、上記異常の原因を同定し、その同
定した結果を提供するプラントの異常診断装置におい
て、上記プラントに変動をもたらす個々の運転操作に関
して、その運転操作により影響を受けるプロセス量，操
作開始，終了条件などの操作に関する知識を記述した操
作知識ベースと、その操作知識ベースに記述された該当
操作によるプロセス量の設定正常状態や動作機器の変更
などに基づいて、異常原因同定のための処理で参照する
診断対象のプラントの機器の機能的・構造的関係や物理
的関係を記述した知識ベースの内容を変更する動的変更
手段と、その動的変更手段により変更した知識に基づい
てプラントの操作状況に対応した異常原因の同定を可能
とし、上記プラントの異常を検知する異常原因同定手段
とを備えたことを特徴とするプラントの異常診断装置。13. A plant which detects anomalies in an observation signal from a plant that produces energy or a substance by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device, regarding each operation that causes fluctuations in the plant, an operation knowledge base that describes knowledge about operations such as process amount, operation start and end conditions that are affected by the operation, and the operation knowledge base Set the process amount by the described applicable operation Based on the normal state and change of operating equipment, the functional / structural relationship and physical relationship of the equipment of the diagnosis target plant that is referred to in the process for identifying the cause of abnormality are referred to. Dynamic change means for changing the contents of the described knowledge base, and the operation status of the plant based on the knowledge changed by the dynamic change means An abnormality diagnosis device for a plant, which is capable of identifying an abnormality cause corresponding to the above, and is provided with abnormality cause identification means for detecting an abnormality in the plant.
用してエネルギーや物質を生成するプラントからの観測
信号の異常を検知し、上記異常の原因を同定し、その同
定した結果を提供するプラントの異常診断装置におい
て、上記プラントに変動をもたらす個々の運転操作に関
して、その運転操作により影響を受けるプロセス量，操
作開始，終了条件などの操作に関する知識を記述した操
作知識ベースと、その操作知識ベースに記述されている
操作開始，終了などの条件などに基づいて上記プロセス
量の変動範囲内を有限個に分割し、それらの範囲間での
変動方向を記述した状態推移モデルと、上記異常の原因
を判断するための診断対象のプラントを構成する機器の
機能的・構造的関係や物理的関係を記述した知識ベース
を決める各時点において判定すべき操作候補を上記状態
推移モデルにより絞り込む操作候補絞込み手段と、その
操作候補絞込み手段により絞り込んだ操作候補を基に上
記プラントの異常を検知し異常原因の同定を可能とする
異常原因同定手段とを備えたことを特徴とするプラント
の異常診断装置。14. A plant that detects anomalies in an observation signal from a plant that generates energy or a substance using a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device, regarding each operation that causes fluctuations in the plant, an operation knowledge base that describes knowledge about operations such as process amount, operation start and end conditions that are affected by the operation, and the operation knowledge base Based on the described conditions such as operation start and end, divide the process amount variation range into a finite number and describe the state transition model that describes the direction of variation between these ranges and the cause of the above abnormality. At each point in time when determining the knowledge base that describes the functional / structural relationships and physical relationships of the equipment that makes up the plant to be diagnosed Operation candidate narrowing means that narrows down the operation candidates to be determined by the state transition model, and abnormality cause identification that enables the identification of the abnormality cause by detecting the abnormality of the plant based on the operation candidates narrowed down by the operation candidate narrowing means. An abnormality diagnosis device for a plant, comprising:
用してエネルギーや物質を生成するプラントからの観測
信号の異常を検知し、上記異常の原因を同定し、その同
定した結果を提供するプラントの異常診断装置におい
て、上記プラントに変動をもたらす個々の運転操作に関
して、その運転操作により影響を受けるプロセス量，操
作開始，終了条件などの操作に関する知識を操作目的，
操作対象などにより階層化，分割化して記述した操作知
識ベースと、異常原因を判断するための診断対象のプラ
ントを構成する機器の機能的・構造的関係や物理的関係
を記述した知識ベースを決める各時点において判定すべ
き操作候補を上記知識データベースの階層化，分割化を
基に絞り込む操作候補絞込み手段とを備えたことを特徴
とするプラントの異常診断装置。15. A plant that detects anomalies in an observation signal from a plant that produces energy or a substance by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device, knowledge about operations such as process amount, operation start and end conditions, etc., which are affected by the operation, regarding each operation that causes fluctuations in the plant, operation purpose,
Determine the operation knowledge base that is described hierarchically and divided according to the operation target, and the knowledge base that describes the functional / structural relationship and physical relationship of the devices that make up the diagnostic target plant for determining the cause of an abnormality An abnormality diagnosing device for a plant, comprising: operation candidate narrowing means for narrowing down operation candidates to be determined at each time point based on the hierarchy and division of the knowledge database.
用してエネルギーや物質を生成するプラントからの観測
信号の異常を検知し、上記異常の原因を同定し、その同
定した結果を提供するプラントの異常診断装置におい
て、上記プラントの構成装置の特性・機能や物理量間に
成立する特性を記述した知識を格納した知識ベースと、
上記プラントから検知された異常およびその他の観測信
号とから異常原因候補を推定し、その推定した異常原因
候補から予想されるプロセス量の状態，機器の動作の変
動と上記プラントから検知された観測信号とが一致する
異常原因候補を異常の第１原因と判定する異常原因判定
手段と、上記推定した異常原因候補から予想されるプロ
セス量の状態，機器の動作の変動と一致する上記プラン
トから検知された観測信号が得られないときには、上記
推定した異常原因候補から予想されるプロセス量の状
態，機器の動作の変動をもたらすような他のプロセス量
の状態，機器の動作の変動などを探索することにより異
常原因探索範囲を拡大し異常原因候補を判定する異常原
因探索手段と、その異常原因探索手段により判定した異
常原因候補を基に異常原因の同定を行なう異常原因同定
手段とを備えたことを特徴とするプラントの異常診断装
置。16. A plant that detects anomalies in an observation signal from a plant that produces energy or a substance by utilizing a physical process or a chemical process, identifies the cause of the anomaly, and provides the identified result. In the abnormality diagnosis device, a knowledge base that stores knowledge that describes the characteristics / functions of the above-mentioned plant constituent devices and the characteristics that hold between physical quantities,
Anomaly cause candidates are estimated from the anomaly and other observation signals detected from the plant, the state of the process amount expected from the estimated anomaly cause candidates, the fluctuation in the operation of the equipment, and the observed signals detected from the plant An abnormality cause determining unit that determines an abnormality cause candidate that matches with the first cause of an abnormality, and a state of the process amount expected from the estimated abnormality cause candidate and a variation in the operation of the equipment that are detected from the plant. If the observed signal cannot be obtained, search for the state of the process amount expected from the above estimated anomalous cause candidate, the state of other process amount that causes the change in the operation of the device, the change in the operation of the device, etc. The abnormality cause search means that determines the abnormality cause candidate by expanding the abnormality cause search range and the abnormality cause candidate that is determined by the abnormality cause search means Abnormality diagnosis device of a plant, characterized in that it includes an abnormality cause identification means for identification of the cause.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4360770A JPH06201415A (en) | 1992-12-29 | 1992-12-29 | Abnormality diagnostic system for plant |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4360770A JPH06201415A (en) | 1992-12-29 | 1992-12-29 | Abnormality diagnostic system for plant |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06201415A true JPH06201415A (en) | 1994-07-19 |
Family
ID=18470847
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4360770A Pending JPH06201415A (en) | 1992-12-29 | 1992-12-29 | Abnormality diagnostic system for plant |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06201415A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013041492A (en) * | 2011-08-18 | 2013-02-28 | Ihi Corp | Abnormality diagnostic device |
| JP2015005083A (en) * | 2013-06-20 | 2015-01-08 | 三菱電機株式会社 | Plant operation support system |
-
1992
- 1992-12-29 JP JP4360770A patent/JPH06201415A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013041492A (en) * | 2011-08-18 | 2013-02-28 | Ihi Corp | Abnormality diagnostic device |
| JP2015005083A (en) * | 2013-06-20 | 2015-01-08 | 三菱電機株式会社 | Plant operation support system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Janusz et al. | Automatic generation of qualitative descriptions of process trends for fault detection and diagnosis | |
| USRE33162E (en) | Method and apparatus for guidance of an operation of operating power plants | |
| US5237518A (en) | Optimization method for adaptive sensor reading scheduling and delayed alarm evaluation in real-time diagnostic systems | |
| AU768225B2 (en) | A process for the monitoring and diagnostics of data from a remote asset | |
| CN109061341A (en) | Kalman filtering transformer fault prediction technique and system neural network based | |
| JPH1074188A (en) | Data learning device and plant controller | |
| CN108027611B (en) | Decision assistance system and method for machine maintenance using expert opinion supervised decision mode learning | |
| JP2004523843A (en) | System, apparatus and method for diagnosing a flow system | |
| JPH03263227A (en) | Knowledge data base processing system and expert system | |
| Finch et al. | A robust event-oriented methodology for diagnosis of dynamic process systems | |
| JPS6014303A (en) | Knowledge-based diagnosis system | |
| Toguyéni et al. | Models and algorithms for failure diagnosis and recovery in FMSs | |
| JPH09288512A (en) | Plant state visualized system | |
| US7246265B2 (en) | Method and system for automatically verifying fault hypotheses predetermined by a user | |
| JPH06201415A (en) | Abnormality diagnostic system for plant | |
| Lo et al. | Model-based fault diagnosis in continuous dynamic systems | |
| CN115238911A (en) | Method for providing a list of equipment elements in an industrial installation | |
| JP2890815B2 (en) | Plant abnormality diagnosis device | |
| Mo et al. | Development of operation-aided system for chemical processes | |
| Leitch et al. | A preliminary specification methodology for model-based diagnosis | |
| US7006877B2 (en) | Method for automatically recording an intervention in a production facility | |
| JPH0524521B2 (en) | ||
| JP2786218B2 (en) | Knowledge information generation system | |
| Reibling et al. | Diagnostic reasoning technology for the on-board maintenance system | |
| JPH08189846A (en) | Plant diagnosing system |