JPH08241121A - プラント異常検知装置 - Google Patents
プラント異常検知装置Info
- Publication number
- JPH08241121A JPH08241121A JP6890595A JP6890595A JPH08241121A JP H08241121 A JPH08241121 A JP H08241121A JP 6890595 A JP6890595 A JP 6890595A JP 6890595 A JP6890595 A JP 6890595A JP H08241121 A JPH08241121 A JP H08241121A
- Authority
- JP
- Japan
- Prior art keywords
- data
- process state
- distance
- history data
- state quantities
- 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.)
- Granted
Links
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
(57)【要約】
【目的】 相互に相関のある多数のプロセス状態量を少
数個の合成状態量に変換して、比較的高速かつ高精度の
異常判定を可能にすることである。 【構成】 固有値算出部は、各プロセス状態量の履歴デ
ータに基づいて各プロセス状態量と同数の主成分を求
め、各主成分毎に固有ベクトル及び固有値を計算する。
寄与率判断部は、その固有値に基づいて各主成分毎の各
寄与率を算出し、その降順に積算した累積寄与率が規定
値の範囲内となる主成分を選択する。そして、距離算出
部は、選択された各主成分をパラメータとする直交座標
形上で、被判定データと履歴データとの距離を算出す
る。判定部は、その距離がしきい値を越えている場合に
異常と判定しその判定結果を出力部を介して通報装置に
出力する。これにより、寄与率の高い主成分に基づいて
異常判定を行う。
数個の合成状態量に変換して、比較的高速かつ高精度の
異常判定を可能にすることである。 【構成】 固有値算出部は、各プロセス状態量の履歴デ
ータに基づいて各プロセス状態量と同数の主成分を求
め、各主成分毎に固有ベクトル及び固有値を計算する。
寄与率判断部は、その固有値に基づいて各主成分毎の各
寄与率を算出し、その降順に積算した累積寄与率が規定
値の範囲内となる主成分を選択する。そして、距離算出
部は、選択された各主成分をパラメータとする直交座標
形上で、被判定データと履歴データとの距離を算出す
る。判定部は、その距離がしきい値を越えている場合に
異常と判定しその判定結果を出力部を介して通報装置に
出力する。これにより、寄与率の高い主成分に基づいて
異常判定を行う。
Description
【0001】
【産業上の利用分野】本発明は、プラントを構成するプ
ラント設備に発生する異常を早期に自動検知するための
プラント異常検知装置に関する。
ラント設備に発生する異常を早期に自動検知するための
プラント異常検知装置に関する。
【0002】
【従来の技術】たとえば、ガスタービンや蒸気タービン
を用いる発電プラント等の大規模なプラントでは、回転
機や弁あるいは配管等のプラントを構成するプラント設
備の故障や効率低下を早期に発見するために、プラント
異常検知装置が設けられている。このプラント異常検知
装置は、各種検出器からの検出信号を入力しその検出信
号を処理して自動的に監視対象の異常を検知するもので
ある。プラント異常検知装置に入力される検出信号とし
ては、圧力や流量あるいは温度といったプラントの監視
制御運転に使用されるプロセス量のみならず、振動セン
サやマイクロホンで検出される音響信号やテレビカメラ
等で検出される画像信号といった異常監視専用の現場セ
ンサからの検出信号も入力される。
を用いる発電プラント等の大規模なプラントでは、回転
機や弁あるいは配管等のプラントを構成するプラント設
備の故障や効率低下を早期に発見するために、プラント
異常検知装置が設けられている。このプラント異常検知
装置は、各種検出器からの検出信号を入力しその検出信
号を処理して自動的に監視対象の異常を検知するもので
ある。プラント異常検知装置に入力される検出信号とし
ては、圧力や流量あるいは温度といったプラントの監視
制御運転に使用されるプロセス量のみならず、振動セン
サやマイクロホンで検出される音響信号やテレビカメラ
等で検出される画像信号といった異常監視専用の現場セ
ンサからの検出信号も入力される。
【0003】一方、大規模なプラントにおいては、膨大
かつ多種の機器設備が連動して運用されているので、各
々の検出信号は経時的に常に連動している。そこで、プ
ラント異常検知装置での異常検知の判定方式としては、
検出信号のそのような特性を考慮して、一定数の時系列
検出データを蓄積し統計的な仮説検定を用いたり、時系
列モデルを応用したりすることにより、プラント設備の
正常状態からの逸脱を監視する判定方式が一般に採用さ
れている。
かつ多種の機器設備が連動して運用されているので、各
々の検出信号は経時的に常に連動している。そこで、プ
ラント異常検知装置での異常検知の判定方式としては、
検出信号のそのような特性を考慮して、一定数の時系列
検出データを蓄積し統計的な仮説検定を用いたり、時系
列モデルを応用したりすることにより、プラント設備の
正常状態からの逸脱を監視する判定方式が一般に採用さ
れている。
【0004】そのような判定方式を用いたプラント異常
検知装置のブロック図を図5に示す。図5は、ガスター
ビン発電プラントのガスタービン1の異常を検知するも
のである。この場合、プラント異常検知装置2はガスタ
ービン1の回転数を検出する検出器である回転数計3か
らの検出信号と、ガスタービン1周囲の振動音を検出す
る検出器であるマイクロホン4からの検出信号との複数
系列の検出信号を基に異常を検知する判定方式を採用し
ている。
検知装置のブロック図を図5に示す。図5は、ガスター
ビン発電プラントのガスタービン1の異常を検知するも
のである。この場合、プラント異常検知装置2はガスタ
ービン1の回転数を検出する検出器である回転数計3か
らの検出信号と、ガスタービン1周囲の振動音を検出す
る検出器であるマイクロホン4からの検出信号との複数
系列の検出信号を基に異常を検知する判定方式を採用し
ている。
【0005】図5において、監視対象であるガスタービ
ン1の状態は、マイクロホン4にて音響信号として検出
され、周波数フィルタ5を介してプラント異常検知装置
2の入力部6に一定の周期で入力される。又、ガスター
ビン1の回転数信号は回転数検出器3にて検出され、音
響信号と同様に一定の周期で入力部6に入力される。サ
ンプルデータ記憶部7では、高域音響信号と低域音響信
号及び回転数信号の合計3種類の変化量について履歴デ
ータとして一定期間記憶する。しきい値算出部8ではサ
ンプルデータ記憶部7に記憶されている各々の変化量の
履歴データに基づいて、正常状態からの逸脱を判断する
ためのしきい値を算出する。そして、判定部9では、被
判定データとしての低域音響信号と高域音響信号及び回
転数信号をしきい値と比較して、逸脱している場合には
異常と判定する。出力部10は、判定結果を通報装置1
1に出力し運転員に知らせる。
ン1の状態は、マイクロホン4にて音響信号として検出
され、周波数フィルタ5を介してプラント異常検知装置
2の入力部6に一定の周期で入力される。又、ガスター
ビン1の回転数信号は回転数検出器3にて検出され、音
響信号と同様に一定の周期で入力部6に入力される。サ
ンプルデータ記憶部7では、高域音響信号と低域音響信
号及び回転数信号の合計3種類の変化量について履歴デ
ータとして一定期間記憶する。しきい値算出部8ではサ
ンプルデータ記憶部7に記憶されている各々の変化量の
履歴データに基づいて、正常状態からの逸脱を判断する
ためのしきい値を算出する。そして、判定部9では、被
判定データとしての低域音響信号と高域音響信号及び回
転数信号をしきい値と比較して、逸脱している場合には
異常と判定する。出力部10は、判定結果を通報装置1
1に出力し運転員に知らせる。
【0006】この場合のしきい値及び判定方式を図6及
び図7を参照して説明する。まず、図6は、正常時にお
ける低域音響信号レベルと回転数信号との相関特性を示
す特性図である。しきい値算出手段8は、履歴データに
基づいて正常時における低域音響信号レベルと回転数信
号との相関特性曲線S1を算出し、図中の斜線で示した
低域許容範囲S2を算出する。そして、被判定データで
ある低域音響信号S3がこの低域許容範囲S2内にある
ときは正常と判定し、逸脱しているときは異常と判定す
る。図6では低域音響信号S3が低域許容範囲S2を逸
脱し相関特性曲線S1から距離Aだけ離れた位置にある
場合を示している。
び図7を参照して説明する。まず、図6は、正常時にお
ける低域音響信号レベルと回転数信号との相関特性を示
す特性図である。しきい値算出手段8は、履歴データに
基づいて正常時における低域音響信号レベルと回転数信
号との相関特性曲線S1を算出し、図中の斜線で示した
低域許容範囲S2を算出する。そして、被判定データで
ある低域音響信号S3がこの低域許容範囲S2内にある
ときは正常と判定し、逸脱しているときは異常と判定す
る。図6では低域音響信号S3が低域許容範囲S2を逸
脱し相関特性曲線S1から距離Aだけ離れた位置にある
場合を示している。
【0007】次に、図7は、正常時における高域音響信
号レベルと回転数信号との相関特性を示す特性図であ
る。しきい値算出手段8は、履歴データに基づいて正常
時における高域音響信号レベルと回転数信号との相関特
性曲線S4を算出し、図中の斜線で示した低域許容範囲
S5を算出する。そして、被判定データである低域音響
信号S6がこの低域許容範囲S5内にあるときは正常と
判定し、逸脱しているときは異常と判定する。図7では
高域音響信号S6が高域許容範囲S5内にあり、相関特
性曲線S4から距離Bだけ離れた位置にある場合を示し
ている。
号レベルと回転数信号との相関特性を示す特性図であ
る。しきい値算出手段8は、履歴データに基づいて正常
時における高域音響信号レベルと回転数信号との相関特
性曲線S4を算出し、図中の斜線で示した低域許容範囲
S5を算出する。そして、被判定データである低域音響
信号S6がこの低域許容範囲S5内にあるときは正常と
判定し、逸脱しているときは異常と判定する。図7では
高域音響信号S6が高域許容範囲S5内にあり、相関特
性曲線S4から距離Bだけ離れた位置にある場合を示し
ている。
【0008】すなわち、しきい値算出手段8は、履歴デ
ータに基づいて,正常時の回転数信号と低域音響信号と
の相関特性S1、及び回転数信号と高域音響信号との相
関特性曲線S4を算出して、観測された被判定データで
ある低域音響信号S3及び高域音響信号S6がこれら相
関特性の許容範囲S2及びS5を逸脱した場合に異常と
判定するものである。ここで、被判定データの観測値に
はノイズが含まれているため、逸脱を判定する際にはノ
イズレベルと等価の不感帯に相当する許容値として、図
中の斜線で示した低域許容範囲S2及び高域許容レベル
S5を設定している。従って、この場合のしきい値に相
当するものは、相関特性特性曲線S1、S4、許容値範
囲S2、S5である。
ータに基づいて,正常時の回転数信号と低域音響信号と
の相関特性S1、及び回転数信号と高域音響信号との相
関特性曲線S4を算出して、観測された被判定データで
ある低域音響信号S3及び高域音響信号S6がこれら相
関特性の許容範囲S2及びS5を逸脱した場合に異常と
判定するものである。ここで、被判定データの観測値に
はノイズが含まれているため、逸脱を判定する際にはノ
イズレベルと等価の不感帯に相当する許容値として、図
中の斜線で示した低域許容範囲S2及び高域許容レベル
S5を設定している。従って、この場合のしきい値に相
当するものは、相関特性特性曲線S1、S4、許容値範
囲S2、S5である。
【0009】
【発明が解決しようとする課題】しかしながら、大規模
なプラントにおいてはプラント設備の複雑な構造や高度
な運転方式に起因して、多数種のプロセス状態量が互い
に影響しあって変動していることが多い。このため、図
5に示したように、プロセス状態量が3個に留まらない
場合があり、3個以上の多次元のプロセス状態量につい
て関連性を解析して多くのしきい値を管理する必要がで
てきつつある。
なプラントにおいてはプラント設備の複雑な構造や高度
な運転方式に起因して、多数種のプロセス状態量が互い
に影響しあって変動していることが多い。このため、図
5に示したように、プロセス状態量が3個に留まらない
場合があり、3個以上の多次元のプロセス状態量につい
て関連性を解析して多くのしきい値を管理する必要がで
てきつつある。
【0010】一方、個々のプロセス状態量の動きがそれ
ぞれプラントの挙動と関連している場合であっても、図
7に示したように高域音響特性と回転数の二つのプロセ
ス状態量間が概ね線形の相関性を有しているような場合
には、回転数と高域音響信号との変化比率さえ定量化で
きれば、回転数と高域音響信号を合成させた一つのプロ
セス状態量として管理することが可能になる。
ぞれプラントの挙動と関連している場合であっても、図
7に示したように高域音響特性と回転数の二つのプロセ
ス状態量間が概ね線形の相関性を有しているような場合
には、回転数と高域音響信号との変化比率さえ定量化で
きれば、回転数と高域音響信号を合成させた一つのプロ
セス状態量として管理することが可能になる。
【0011】このように、一見異なるプロセス状態量で
同一のプラント挙動を表している場合が多い。このよう
な場合には、不要に多くのプロセス状態量を用いて異常
判定することになり、管理値の増大にともなって異常時
の要因分析にかかる工数が増大する。また、プラントの
挙動とあまり密接な関連を持たないプロセス状態量に過
度に捕らわれて異常判定を行った場合には、判定結果の
信頼性を損なう可能性もある。
同一のプラント挙動を表している場合が多い。このよう
な場合には、不要に多くのプロセス状態量を用いて異常
判定することになり、管理値の増大にともなって異常時
の要因分析にかかる工数が増大する。また、プラントの
挙動とあまり密接な関連を持たないプロセス状態量に過
度に捕らわれて異常判定を行った場合には、判定結果の
信頼性を損なう可能性もある。
【0012】本発明の目的は、相互に相関のある多数の
プロセス状態量を少数個の合成状態量に変換した数値を
管理して異常判定に用い、多数のプロセス状態量に対し
て比較的高速かつ高精度に異常判定可能な異常検知装置
を提供することである。
プロセス状態量を少数個の合成状態量に変換した数値を
管理して異常判定に用い、多数のプロセス状態量に対し
て比較的高速かつ高精度に異常判定可能な異常検知装置
を提供することである。
【0013】
【課題を解決するための手段】請求項1の発明は、複数
個のプロセス状態量をそれぞれの検出器を介して一定の
周期で取り込む入力部と、入力部で取り込んだ各々のプ
ロセス状態量についての履歴データを記憶するサンプル
データ記憶部と、各履歴データに基づいて取り込んだプ
ロセス状態量と同数の主成分を求めその各主成分に対応
して各主成分毎に固有ベクトル及び固有値を計算して記
憶する固有値算出部と、固有値に基づいて各主成分毎の
各寄与率を算出し 各寄与率の降順に積算した累積寄与
率が規定値の範囲内となる全ての主成分を選択する寄与
率判断部と、入力部からの一定周期毎のプロセス状態量
を被判定データとして入力すると共に寄与率判断部にて
選択された各主成分をパラメータとする直交座標系上で
被判定データと履歴データとの距離を算出する距離算出
部と、距離がしきい値を越えている場合に異常と判定し
その判定結果を出力部を介して通報装置に出力する判定
部とを備えている。
個のプロセス状態量をそれぞれの検出器を介して一定の
周期で取り込む入力部と、入力部で取り込んだ各々のプ
ロセス状態量についての履歴データを記憶するサンプル
データ記憶部と、各履歴データに基づいて取り込んだプ
ロセス状態量と同数の主成分を求めその各主成分に対応
して各主成分毎に固有ベクトル及び固有値を計算して記
憶する固有値算出部と、固有値に基づいて各主成分毎の
各寄与率を算出し 各寄与率の降順に積算した累積寄与
率が規定値の範囲内となる全ての主成分を選択する寄与
率判断部と、入力部からの一定周期毎のプロセス状態量
を被判定データとして入力すると共に寄与率判断部にて
選択された各主成分をパラメータとする直交座標系上で
被判定データと履歴データとの距離を算出する距離算出
部と、距離がしきい値を越えている場合に異常と判定し
その判定結果を出力部を介して通報装置に出力する判定
部とを備えている。
【0014】請求項2の発明では、距離算出部は、被判
定データと履歴データとの距離計算において、履歴デー
タを近似式を用いて履歴データの特性を示す近似パター
ンに変換し、被判定データと近似パターンとの距離を計
算する。
定データと履歴データとの距離計算において、履歴デー
タを近似式を用いて履歴データの特性を示す近似パター
ンに変換し、被判定データと近似パターンとの距離を計
算する。
【0015】請求項3では、被判定データを検出する検
出器は、空中伝搬音捕捉用マイクロホンであり回転数計
である。
出器は、空中伝搬音捕捉用マイクロホンであり回転数計
である。
【0016】請求項4では、入力部は、マイクロホンで
検出された音響信号を周波数帯域別に異なる被判定デー
タとして取り込むようにしている。
検出された音響信号を周波数帯域別に異なる被判定デー
タとして取り込むようにしている。
【0017】
【作用】請求項1の発明では、入力部は被判定データの
各プロセス状態量をそれぞれの検出器を介して一定の周
期で取り込み、取り込んだ被判定データの各プロセス状
態量の履歴データをサンプルデータ記憶部に記憶する。
固有値算出部は、各履歴データに基づいて取り込んだ各
プロセス状態量と同数の主成分を求め、その各主成分に
対応して各主成分毎に固有ベクトル及び固有値を計算す
る。寄与率判断部は、固有値算出部で計算された固有値
に基づいて各主成分毎の各寄与率を算出すると共に、各
寄与率の降順に積算した累積寄与率が規定値の範囲内と
なる全ての主成分を選択する。
各プロセス状態量をそれぞれの検出器を介して一定の周
期で取り込み、取り込んだ被判定データの各プロセス状
態量の履歴データをサンプルデータ記憶部に記憶する。
固有値算出部は、各履歴データに基づいて取り込んだ各
プロセス状態量と同数の主成分を求め、その各主成分に
対応して各主成分毎に固有ベクトル及び固有値を計算す
る。寄与率判断部は、固有値算出部で計算された固有値
に基づいて各主成分毎の各寄与率を算出すると共に、各
寄与率の降順に積算した累積寄与率が規定値の範囲内と
なる全ての主成分を選択する。
【0018】一方、距離算出部は、寄与率判断部にて選
択された各主成分をパラメータとする直交座標系上で、
入力部より取り込んだ被判定データと履歴データとの距
離を算出する。判定部は、その距離がしきい値を越えて
いる場合に異常と判定しその判定結果を出力部を介して
通報装置に出力する。
択された各主成分をパラメータとする直交座標系上で、
入力部より取り込んだ被判定データと履歴データとの距
離を算出する。判定部は、その距離がしきい値を越えて
いる場合に異常と判定しその判定結果を出力部を介して
通報装置に出力する。
【0019】これにより、監視対象であるプラント設備
に関連するプロセス状態量の主成分を算出し、寄与率の
高い主成分に基づいて異常判定を行うので、異常判定の
精度が向上すると共に処理の簡素化及び高速化が図れ
る。
に関連するプロセス状態量の主成分を算出し、寄与率の
高い主成分に基づいて異常判定を行うので、異常判定の
精度が向上すると共に処理の簡素化及び高速化が図れ
る。
【0020】請求項2の発明では、距離算出部は、履歴
データを近似式を用いて履歴データの特性を示す近似パ
ターンに変換し、被判定データと近似パターンとの距離
を計算するので、さらに処理の高速化が図れる。
データを近似式を用いて履歴データの特性を示す近似パ
ターンに変換し、被判定データと近似パターンとの距離
を計算するので、さらに処理の高速化が図れる。
【0021】請求項3の発明では、被判定データを検出
する検出器は、空中伝搬音捕捉用マイクロホン又は回転
数計を用いるようにしているので、回転体の異常検知に
好適である。
する検出器は、空中伝搬音捕捉用マイクロホン又は回転
数計を用いるようにしているので、回転体の異常検知に
好適である。
【0022】請求項4の発明では、入力部は、マイクロ
ホンで検出された音響信号を周波数帯域別に異なる被判
定データとして取り込むようにし、同一の検出器からの
信号から複数の被判定データを得るようにしている。
ホンで検出された音響信号を周波数帯域別に異なる被判
定データとして取り込むようにし、同一の検出器からの
信号から複数の被判定データを得るようにしている。
【0023】
【実施例】図1は、本発明の実施例を示すブロック構成
図である。本発明のプラント異常検知装置2は、図5に
示した従来のプラント異常検知装置2に対して、しきい
値算出部8に代えて、監視対象であるプラント設備に関
連の大きいプロセス状態量の主成分を算出しその固有値
を算出するための固有値算出部12と、算出した主成分
の中からプラント設備に大きく影響を与える主成分を選
択する寄与率判断部13と、寄与率判断部13にて選択
された各主成分をパラメータとする直交座標系上で被判
定データと履歴データとの距離を算出する距離算出手段
14とを設けたものである。
図である。本発明のプラント異常検知装置2は、図5に
示した従来のプラント異常検知装置2に対して、しきい
値算出部8に代えて、監視対象であるプラント設備に関
連の大きいプロセス状態量の主成分を算出しその固有値
を算出するための固有値算出部12と、算出した主成分
の中からプラント設備に大きく影響を与える主成分を選
択する寄与率判断部13と、寄与率判断部13にて選択
された各主成分をパラメータとする直交座標系上で被判
定データと履歴データとの距離を算出する距離算出手段
14とを設けたものである。
【0024】すなわち、プロセス状態量を履歴データと
して蓄積しておき、その履歴データに基づいて監視対象
であるプラント設備に関連するプロセス状態量の主成分
を算出し、その寄与率を考慮に入れて異常判定のための
直交座標系を作成する。そして、異常判定にあっては、
一定周期で入力したプロセス状態量につき、算出した直
交座標系上で履歴データとの距離に基づいて、その異常
判定を行うようにしたものである。
して蓄積しておき、その履歴データに基づいて監視対象
であるプラント設備に関連するプロセス状態量の主成分
を算出し、その寄与率を考慮に入れて異常判定のための
直交座標系を作成する。そして、異常判定にあっては、
一定周期で入力したプロセス状態量につき、算出した直
交座標系上で履歴データとの距離に基づいて、その異常
判定を行うようにしたものである。
【0025】図1において、監視対象であるガスタービ
ン1の状態は、マイクロホン4にて音響信号として検出
され周波数フィルタ5を介してプラント異常検知装置2
の入力部6に一定の周期で入力される。又、ガスタービ
ン1の回転数信号は回転数検出器3にて検出され、音響
信号と同様に一定の周期で入力部6に入力される。
ン1の状態は、マイクロホン4にて音響信号として検出
され周波数フィルタ5を介してプラント異常検知装置2
の入力部6に一定の周期で入力される。又、ガスタービ
ン1の回転数信号は回転数検出器3にて検出され、音響
信号と同様に一定の周期で入力部6に入力される。
【0026】マイクロホン4は、プラント設備であるガ
スタービン1の周囲の空中伝搬音を捕捉するもので、こ
のマイクロホン4で検出された音響信号は、入力部6
で、周波数帯域別に異なる被判定データとして取り込ま
れる。つまり、高域音響信号と低域音響信号として取り
込まれる。
スタービン1の周囲の空中伝搬音を捕捉するもので、こ
のマイクロホン4で検出された音響信号は、入力部6
で、周波数帯域別に異なる被判定データとして取り込ま
れる。つまり、高域音響信号と低域音響信号として取り
込まれる。
【0027】これら検出器から取り込まれた高域音響信
号と低域音響信号及び回転数信号の合計3種類の変化量
は、サンプルデータ記憶部7及び距離算出部14に入力
される。サンプルデータ記憶部7は、検出器から取り込
まれた高域音響信号と低域音響信号及び回転数信号の合
計3種類のプロセス状態量について、それぞれの履歴デ
ータを記憶するものである。
号と低域音響信号及び回転数信号の合計3種類の変化量
は、サンプルデータ記憶部7及び距離算出部14に入力
される。サンプルデータ記憶部7は、検出器から取り込
まれた高域音響信号と低域音響信号及び回転数信号の合
計3種類のプロセス状態量について、それぞれの履歴デ
ータを記憶するものである。
【0028】固有値算出部12では、サンプルデータ記
憶部7に記憶されたプロセス状態量の各履歴データに基
づいて、その各プロセス状態量と同数の主成分を求め、
その各主成分に対応して各主成分毎に固有ベクトル及び
固有値を計算する。そして、寄与率判断部13では、そ
の固有値に基づいて各主成分毎の各寄与率を算出し、各
寄与率の降順に積算した累積寄与率が規定値の範囲内と
なる全ての主成分を選択する。つまり、監視対象である
プラント設備に関連の大きいプロセス状態量のの主成分
を選択する。
憶部7に記憶されたプロセス状態量の各履歴データに基
づいて、その各プロセス状態量と同数の主成分を求め、
その各主成分に対応して各主成分毎に固有ベクトル及び
固有値を計算する。そして、寄与率判断部13では、そ
の固有値に基づいて各主成分毎の各寄与率を算出し、各
寄与率の降順に積算した累積寄与率が規定値の範囲内と
なる全ての主成分を選択する。つまり、監視対象である
プラント設備に関連の大きいプロセス状態量のの主成分
を選択する。
【0029】距離算出部14では、寄与率判断部13に
て選択された各主成分をパラメータとする直交座標系を
算出し、その直交座標系上で入力部より一定周期で取り
込んだプロセス状態量、つまり被判定データとサンプル
データ記憶部の履歴データとの距離を算出する。判定部
9では、その距離がしきい値を越えている場合には異常
と判定し、その判定結果を出力部10を介して通報装置
11に出力するように構成されている。
て選択された各主成分をパラメータとする直交座標系を
算出し、その直交座標系上で入力部より一定周期で取り
込んだプロセス状態量、つまり被判定データとサンプル
データ記憶部の履歴データとの距離を算出する。判定部
9では、その距離がしきい値を越えている場合には異常
と判定し、その判定結果を出力部10を介して通報装置
11に出力するように構成されている。
【0030】ここで、異常判定のための直交座標系の作
成について説明する。まず、固有値算出部12において
は、プロセス状態量の履歴データに基づいて、監視対象
であるプラント設備に関連するプロセス状態量の主成分
の固有値及び固有値ベクトルを、以下の手順で算出す
る。 (A1)各プロセス状態量毎に履歴データを分散が1、
平均が0となるように正規化する。
成について説明する。まず、固有値算出部12において
は、プロセス状態量の履歴データに基づいて、監視対象
であるプラント設備に関連するプロセス状態量の主成分
の固有値及び固有値ベクトルを、以下の手順で算出す
る。 (A1)各プロセス状態量毎に履歴データを分散が1、
平均が0となるように正規化する。
【0031】 回転数信号の分散 ; V(x)(=1) 低域音響信号の分散 ; V(y)(=1) 高域音響信号の分散 ; V(z)(=1) (A2)履歴データの分散共分散を算出する。
【0032】回転数信号と低域音響信号の共分散 ;
C(x,y) 回転数信号と高域音響信号の共分散 ; C(x,
z) 低域音響信号と高域音響信号の共分散 ; C(y,
z) (A3)分散共分散行列に対する特性方程式の根を求め
る。
C(x,y) 回転数信号と高域音響信号の共分散 ; C(x,
z) 低域音響信号と高域音響信号の共分散 ; C(y,
z) (A3)分散共分散行列に対する特性方程式の根を求め
る。
【0033】この実施例ではプロセス状態量の数が3で
あるため、下記特性方程式を満たすλの3根(λ1、λ
2、λ3)を主成分の固有値として求める。
あるため、下記特性方程式を満たすλの3根(λ1、λ
2、λ3)を主成分の固有値として求める。
【0034】
【数1】 ここで、分散共分散行列Sを下記に示す。
【0035】
【数2】 (A4)根の大小を判別して並べ替えを行う。
【0036】手順(A3)で求められた根λ1、λ2、
λ3を大きい順、つまり降順に並べ替える。いま、最大
固有値をα1、中間固有値をα2、最小固有値をα3と
する。求められた最大固有値α1が第1の主成分の固有
値であり、第1主成分方向には履歴データの分散が最も
大となる。同様に中間固有値α2が第2主成分、最小固
有値α3が第3主成分の固有値である。プロセス状態量
の数が3の主成分分析では第3主成分方向には履歴デー
タの分散が最も小となる。 (A5)各固有値毎に固有ベクトルを求める。
λ3を大きい順、つまり降順に並べ替える。いま、最大
固有値をα1、中間固有値をα2、最小固有値をα3と
する。求められた最大固有値α1が第1の主成分の固有
値であり、第1主成分方向には履歴データの分散が最も
大となる。同様に中間固有値α2が第2主成分、最小固
有値α3が第3主成分の固有値である。プロセス状態量
の数が3の主成分分析では第3主成分方向には履歴デー
タの分散が最も小となる。 (A5)各固有値毎に固有ベクトルを求める。
【0037】最大固有値α1の固有ベクトル(a1、b
1、c1)を下式にて算出する。
1、c1)を下式にて算出する。
【0038】
【数3】 上式と同様に中間固有値α2の固有ベクトル(a2、b
2、c2)及び最小固有値α3の固有ベクトル(a3、
b3、c3)を算出する。
2、c2)及び最小固有値α3の固有ベクトル(a3、
b3、c3)を算出する。
【0039】このようにして算出されたプロセス状態量
の主成分の固有値および固有ベクトルは寄与率判断部1
3に入力される。寄与率判断部13では、まず、固有値
算出部12の手順(A1)〜手順(A5)で算出された
固有値に基づいて、下記手順でプラントの挙動を表す主
成分を選択する。 (B1)各主成分の寄与率を算出する。
の主成分の固有値および固有ベクトルは寄与率判断部1
3に入力される。寄与率判断部13では、まず、固有値
算出部12の手順(A1)〜手順(A5)で算出された
固有値に基づいて、下記手順でプラントの挙動を表す主
成分を選択する。 (B1)各主成分の寄与率を算出する。
【0040】この実施例では、各主成分の寄与率を下式
により求める。この寄与率は各主成分がプラント運転に
係わる挙動をどの程度反映しているかを比率で示すもの
である。
により求める。この寄与率は各主成分がプラント運転に
係わる挙動をどの程度反映しているかを比率で示すもの
である。
【0041】第1の主成分の寄与率h1 h1=α1/(α1+α2+α3) 第2の主成分の寄与率h2 h2=α2/(α1+α2+α3) 第3の主成分の寄与率h3 h3=α3/(α1+α2+α3) (B2)累積寄与率と規定値との比較を行う。
【0042】降順に寄与率を並べて順に積算する。この
積算値が規定値の範囲内なるまで積算を続け、積算を実
施した主成分を選択する。
積算値が規定値の範囲内なるまで積算を続け、積算を実
施した主成分を選択する。
【0043】例えば、第1主成分の寄与率h1がh1=
0.6、第2主成分の寄与率h2がh2=0.3、第3
主成分の寄与率h3がh3=0.1であり、規定値の上
限が1.0、下限が0.8であったとする。この場合、
最大値の第1主成分の寄与率h1は0.6であるので、
これだけでは規定値の範囲内(0.8≦規定値≦1.
0)に入っていないので、次に大きい第2主成分の寄与
率h2を第1主成分の寄与率h1に積算する。第2主成
分の寄与率h2は0.3であるので、累積寄与率は、h
1+h2=0.9となり、規定値の範囲内に入ることに
なる。したがって、この場合には、第1主成分と第2主
成分とが選択されることになる。このように、本発明で
は、プロセス状態量の主成分のうちプラント設備の異常
に大きく関連する主成分、つまり第1主成分と第2主成
分とを選択して異常判定を行うことになる。
0.6、第2主成分の寄与率h2がh2=0.3、第3
主成分の寄与率h3がh3=0.1であり、規定値の上
限が1.0、下限が0.8であったとする。この場合、
最大値の第1主成分の寄与率h1は0.6であるので、
これだけでは規定値の範囲内(0.8≦規定値≦1.
0)に入っていないので、次に大きい第2主成分の寄与
率h2を第1主成分の寄与率h1に積算する。第2主成
分の寄与率h2は0.3であるので、累積寄与率は、h
1+h2=0.9となり、規定値の範囲内に入ることに
なる。したがって、この場合には、第1主成分と第2主
成分とが選択されることになる。このように、本発明で
は、プロセス状態量の主成分のうちプラント設備の異常
に大きく関連する主成分、つまり第1主成分と第2主成
分とを選択して異常判定を行うことになる。
【0044】次に、距離算出部14では、寄与率判断部
13にて選択された各主成分をパラメータとする直交座
標系を作成し、その直交座標系上で、入力部6より取り
込んだ被判定データとサンプルデータ記憶部7の履歴デ
ータとの距離を下記手順により算出する。 (C1)被判定データである一定周期毎に取り込んだプ
ロセス状態量毎に履歴データを分散が1、平均が0とな
るように正規化する。 (C2)入力した被判定データX、Y、Zを下式で無次
元化する。
13にて選択された各主成分をパラメータとする直交座
標系を作成し、その直交座標系上で、入力部6より取り
込んだ被判定データとサンプルデータ記憶部7の履歴デ
ータとの距離を下記手順により算出する。 (C1)被判定データである一定周期毎に取り込んだプ
ロセス状態量毎に履歴データを分散が1、平均が0とな
るように正規化する。 (C2)入力した被判定データX、Y、Zを下式で無次
元化する。
【0045】X’=X−M(x)/V(x) Y’=Y−M(y)/V(y) Z’=Z−M(z)/V(z) ここで、X’、Y’、Z’は、無次元化した被判定デー
タX、Y、Zであり、M(x)は無次元化以前の履歴デ
ータxの平均値、M(y)は無次元化以前の履歴データ
yの平均値、M(z)は無次元化以前の履歴データzの
平均値、V(x)は無次元化以前の履歴データxの分
散、V(y)は無次元化以前の履歴データyの分散、V
(z)は無次元化以前の履歴データzの分散である。 (C3)合成状態量を計算する。
タX、Y、Zであり、M(x)は無次元化以前の履歴デ
ータxの平均値、M(y)は無次元化以前の履歴データ
yの平均値、M(z)は無次元化以前の履歴データzの
平均値、V(x)は無次元化以前の履歴データxの分
散、V(y)は無次元化以前の履歴データyの分散、V
(z)は無次元化以前の履歴データzの分散である。 (C3)合成状態量を計算する。
【0046】手順(C1)及び手順(C2)で正規化さ
れた各履歴データ及び被判定データを下式に代入して、
固有ベクトルの要素を係数とした履歴データの合成状態
量ur (i)及び非履歴データつまり被判定データの合
成状態量uh (i)を計算する。ここで、iは、主成分
を規定するもので、i=1の場合は、第1主成分を指
し、i=2の場合は第2主成分を指すことになる。
れた各履歴データ及び被判定データを下式に代入して、
固有ベクトルの要素を係数とした履歴データの合成状態
量ur (i)及び非履歴データつまり被判定データの合
成状態量uh (i)を計算する。ここで、iは、主成分
を規定するもので、i=1の場合は、第1主成分を指
し、i=2の場合は第2主成分を指すことになる。
【0047】 第1主成分の合成状態量ur (1)、uh (1) ur (1)=a1・x+b1・y+c1・z uh (1)=a1・X’+b1・Y’+c1・Z’ 第2主成分の合成状態量ur (2)、uh (2) ur (2)=a2・x+b2・y+c2・z uh (2)=a2・X’+b2・Y’+c2・Z’ 第1主成分と第2主成分の各合成状態量を直交座標系上
にプロットしたものを図2に示す。横軸に第1成分を取
り縦軸に第2主成分を取っている。図2中、履歴データ
15は黒点で示し、非履歴データである被判定データ1
6は白点で示している。第1主成分の合成状態量は履歴
データの各プロセス状態量間の相関係数の2乗和が最大
となる。また、線分A〜Eは後述の距離計算の際に使用
する線分である。 (C4)距離を計算する。
にプロットしたものを図2に示す。横軸に第1成分を取
り縦軸に第2主成分を取っている。図2中、履歴データ
15は黒点で示し、非履歴データである被判定データ1
6は白点で示している。第1主成分の合成状態量は履歴
データの各プロセス状態量間の相関係数の2乗和が最大
となる。また、線分A〜Eは後述の距離計算の際に使用
する線分である。 (C4)距離を計算する。
【0048】手順(C3)で計算された合成状態量とし
て被判定データとの距離を計算する。この実施例では距
離の計算方式としては下式にてユークリッド平方距離を
用いている。
て被判定データとの距離を計算する。この実施例では距
離の計算方式としては下式にてユークリッド平方距離を
用いている。
【0049】
【数4】 ここで、Lは上述の選択された主成分の数である。この
実施例で場合は、L=2である。
実施例で場合は、L=2である。
【0050】なお、距離の計算方式として、マハラノビ
スの距離を計算する場合には、下式を用いれば良い。
スの距離を計算する場合には、下式を用いれば良い。
【0051】
【数5】 この実施例では、合成状態量の直交座標上で図2の線分
A〜Eに示すように、被判定データの周りに一定角度ご
との方向に存在する各履歴データと被判定データとの距
離を計算する。 (C5)度数分布の算出 図2の線分A〜Eに対応して、線分上の各履歴データと
被判定データとの距離を階級値として図3に示すように
度数分布を形成する。 (C6)最小距離の選択 図3中の各度数分布表のうち、中央値が最も大きいもの
を選択する。この実施例では図3中のBがこれに相当す
る。
A〜Eに示すように、被判定データの周りに一定角度ご
との方向に存在する各履歴データと被判定データとの距
離を計算する。 (C5)度数分布の算出 図2の線分A〜Eに対応して、線分上の各履歴データと
被判定データとの距離を階級値として図3に示すように
度数分布を形成する。 (C6)最小距離の選択 図3中の各度数分布表のうち、中央値が最も大きいもの
を選択する。この実施例では図3中のBがこれに相当す
る。
【0052】次に、判定部9では、手順(C6)の最小
距離をしきい値と比較し、最小距離がしきい値を越えて
いる場合に異常と判定する。出力部10は判定結果を通
報装置11に出力する。
距離をしきい値と比較し、最小距離がしきい値を越えて
いる場合に異常と判定する。出力部10は判定結果を通
報装置11に出力する。
【0053】以上のように、この実施例によれば、プラ
ント運転に伴う挙動を代表する主成分のみを抽出して、
通常時との差異を判断することになるので、プラントの
挙動との関連の低い雑音を多く含む履歴データ及び被判
定データに対しても、精度の高い異常判定が可能にな
る。また、この実施例のように度数分布を主成分分析と
組み合わせることにより、確立論的な異常判定が可能と
なる。
ント運転に伴う挙動を代表する主成分のみを抽出して、
通常時との差異を判断することになるので、プラントの
挙動との関連の低い雑音を多く含む履歴データ及び被判
定データに対しても、精度の高い異常判定が可能にな
る。また、この実施例のように度数分布を主成分分析と
組み合わせることにより、確立論的な異常判定が可能と
なる。
【0054】次に、本発明の他の実施例を説明する。上
述の実施例では、図2に示すように選択された主成分を
パラメータとする直交座標系で、被判定データと履歴デ
ータとの距離は、履歴データの度数分布に応じて算出す
るようにしたものを示したが、図4に示すように、多数
の履歴データ15を近似式を用いて履歴データの特性を
示す近似パターン17に変換した後、被判定データ16
と近似パターン17との距離を計算するようにしても良
い。
述の実施例では、図2に示すように選択された主成分を
パラメータとする直交座標系で、被判定データと履歴デ
ータとの距離は、履歴データの度数分布に応じて算出す
るようにしたものを示したが、図4に示すように、多数
の履歴データ15を近似式を用いて履歴データの特性を
示す近似パターン17に変換した後、被判定データ16
と近似パターン17との距離を計算するようにしても良
い。
【0055】すなわち、距離計算部14において、寄与
率判断部13にて選択された各主成分をパラメータとす
る直交座標系上で、サンプルデータ記憶部7の履歴デー
タとの距離を下記の手順により算出する。 (D1)手順C1と同様に、各変量毎に履歴データを分
散が1、平均が0となるように正規化する。 (D2)手順(C2)と同様に、入力した被判定データ
を無次元化する。 (D3)手順(C3)と同様に、合成状態量を計算す
る。 (D4)近似パターンへの変換 手順(D3)で計算された合成状態量のデータを最小2
乗法により、近似式に変換する。この他の実施例では、
主成分の数を前述の実施例と同様にL=2とする。した
がって、近似式は、図4中に示すように2次元近似パタ
ーン17にフィットさせたものとして表現できる。 (D5)近似パターン17と被判定データ16との距離
を計算する。
率判断部13にて選択された各主成分をパラメータとす
る直交座標系上で、サンプルデータ記憶部7の履歴デー
タとの距離を下記の手順により算出する。 (D1)手順C1と同様に、各変量毎に履歴データを分
散が1、平均が0となるように正規化する。 (D2)手順(C2)と同様に、入力した被判定データ
を無次元化する。 (D3)手順(C3)と同様に、合成状態量を計算す
る。 (D4)近似パターンへの変換 手順(D3)で計算された合成状態量のデータを最小2
乗法により、近似式に変換する。この他の実施例では、
主成分の数を前述の実施例と同様にL=2とする。した
がって、近似式は、図4中に示すように2次元近似パタ
ーン17にフィットさせたものとして表現できる。 (D5)近似パターン17と被判定データ16との距離
を計算する。
【0056】D4で計算された近似パターン17と被判
定データ16との距離を計算する。この実施例では、図
4中のAに示すように近似式と被判定データとのユーク
リッド平方距離における最小距離を求める。
定データ16との距離を計算する。この実施例では、図
4中のAに示すように近似式と被判定データとのユーク
リッド平方距離における最小距離を求める。
【0057】判定部9では、求められた距離をしきい値
と比較し、しきい値を越えていた場合に異常と判定す
る。出力部10は判定結果を通報装置11に出力する。
と比較し、しきい値を越えていた場合に異常と判定す
る。出力部10は判定結果を通報装置11に出力する。
【0058】この実施例によれば、多数の履歴データを
有する場合には、近似式による被判定データとの比較を
実施することにより、計算量の削減による高速の異常判
定が可能である。
有する場合には、近似式による被判定データとの比較を
実施することにより、計算量の削減による高速の異常判
定が可能である。
【0059】
【発明の効果】以上のように本発明によれば、複数個の
プロセス状態量を少数個の合成変量に変換して、通常時
との差異を判断することようにしているので、プラント
の挙動との関連の低い雑音を多く含む履歴データ及び被
判定データに対しても、精度の高い異常判定が可能にな
る。すなわち、入力したプロセス状態量そのものを固定
的なものとして通常時との差異を判断するものではない
から、プラント設備の複雑な構造や高度な運転方式に起
因して生じる複数のプロセス状態量の変動に対しても精
度の高い異常判定が可能になる。さらに、管理必要なプ
ロセス状態量数の削減による異常検知の関連業務の効率
を図ることができる。
プロセス状態量を少数個の合成変量に変換して、通常時
との差異を判断することようにしているので、プラント
の挙動との関連の低い雑音を多く含む履歴データ及び被
判定データに対しても、精度の高い異常判定が可能にな
る。すなわち、入力したプロセス状態量そのものを固定
的なものとして通常時との差異を判断するものではない
から、プラント設備の複雑な構造や高度な運転方式に起
因して生じる複数のプロセス状態量の変動に対しても精
度の高い異常判定が可能になる。さらに、管理必要なプ
ロセス状態量数の削減による異常検知の関連業務の効率
を図ることができる。
【図1】本発明の実施例のブロック構成図
【図2】本発明の距離算出部で作成される異常判定のた
めの直交座標系の説明図
めの直交座標系の説明図
【図3】本発明の距離算出部での被判定データと履歴デ
ータとの距離算出の説明図
ータとの距離算出の説明図
【図4】本発明の距離算出部での他の距離算出の説明図
【図5】従来のプラント異常検知装置のブロック構成図
【図6】従来の判定方式での低域音響信号に対する異常
判定の説明図
判定の説明図
【図7】従来の判定方式での高域音響信号に対する異常
判定の説明図
判定の説明図
1 ガスタービン 2 プラント異常検知装置 3 回転数検出器 4 マイクロホン 5 周波数フィルタ 6 入力部 7 サンプルデータ記憶部 8 しきい値 9 判定部 10 出力部 11 通報装置 12 固有値算出部 13 寄与率判断部 14 距離算出部 15 履歴データ 16 被判定データ 17 近似パターン
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 FI 技術表示箇所 G08B 23/00 530 G08B 23/00 530Z
Claims (4)
- 【請求項1】 監視対象とするプラント設備の状態を表
す複数個のプロセス状態量を一定周期で取り込み、その
取り込んだプロセス状態量に基づいて前記プラント設備
の異常の有無を検知するようにしたプラント異常検知装
置において、前記複数個のプロセス状態量をそれぞれの
検出器を介して一定の周期で取り込む入力部と、前記入
力部で取り込んだ各々の前記プロセス状態量についての
履歴データを記憶するサンプルデータ記憶部と、前記各
履歴データに基づいて取り込んだ前記プロセス状態量と
同数の主成分を求めその各主成分に対応して前記各主成
分毎に固有ベクトル及び固有値を計算して記憶する固有
値算出部と、前記固有値に基づいて前記各主成分毎の各
寄与率を算出し前記各寄与率の降順に積算した累積寄与
率が規定値の範囲内となる全ての主成分を選択する寄与
率判断部と、前記入力部からの一定周期毎のプロセス状
態量を被判定データとして入力すると共に前記寄与率判
断部にて選択された各主成分をパラメータとする直交座
標系上で前記被判定データと前記履歴データとの距離を
算出する距離算出部と、前記距離がしきい値を越えてい
る場合に異常と判定しその判定結果を出力部を介して通
報装置に出力する判定部とを備えたことを特徴とするプ
ラント異常検知装置。 - 【請求項2】 前記距離算出部は、前記被判定データと
前記履歴データとの距離計算において、前記履歴データ
を近似式を用いて履歴データの特性を示す近似パターン
に変換し、前記被判定データと前記近似パターンとの距
離を計算するようにしたことを特徴とする請求項1に記
載のプラント異常検知装置。 - 【請求項3】 前記被判定データを検出する検出器は、
空中伝搬音捕捉用マイクロホンであり回転数計であるこ
とを特徴とする請求項1又は請求項2に記載のプラント
異常検知装置。 - 【請求項4】 前記入力部は、前記マイクロホンで検出
された音響信号を周波数帯域別に異なる被判定データと
して取り込むようにしたことを特徴とする請求項1乃至
請求項4に記載のプラント異常検知装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP06890595A JP3495129B2 (ja) | 1995-03-03 | 1995-03-03 | プラント異常検知装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP06890595A JP3495129B2 (ja) | 1995-03-03 | 1995-03-03 | プラント異常検知装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH08241121A true JPH08241121A (ja) | 1996-09-17 |
JP3495129B2 JP3495129B2 (ja) | 2004-02-09 |
Family
ID=13387143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP06890595A Expired - Fee Related JP3495129B2 (ja) | 1995-03-03 | 1995-03-03 | プラント異常検知装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3495129B2 (ja) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000259223A (ja) * | 1999-03-12 | 2000-09-22 | Toshiba Corp | プラント監視装置 |
JP2002288781A (ja) * | 2001-03-27 | 2002-10-04 | Toshiba Corp | センサ異常検出方法及びセンサ異常検出装置 |
JP2005339142A (ja) * | 2004-05-26 | 2005-12-08 | Tokyo Electric Power Co Inc:The | 設備保全支援装置 |
JP2008198213A (ja) * | 1998-08-17 | 2008-08-28 | Aspen Technology Inc | センサの性能確認装置および方法 |
JP2008276537A (ja) * | 2007-04-27 | 2008-11-13 | Omron Corp | 複合情報処理装置、複合情報処理方法、プログラム、および記録媒体 |
JP2009176024A (ja) * | 2008-01-24 | 2009-08-06 | Sharp Corp | 生産プロセス異常検知方法および生産プロセス異常検知システム、上記生産プロセス異常検知方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2010527089A (ja) * | 2007-05-14 | 2010-08-05 | ボルボ テクノロジー コーポレイション | 遠隔診断モデリング |
JP2011238148A (ja) * | 2010-05-13 | 2011-11-24 | Yokogawa Electric Corp | 解析結果表示装置および解析結果表示方法 |
WO2012090937A1 (ja) * | 2010-12-28 | 2012-07-05 | 株式会社 東芝 | プロセス状態監視装置 |
WO2012090492A1 (ja) * | 2010-12-28 | 2012-07-05 | 株式会社 東芝 | プロセス監視診断装置 |
JP2013137797A (ja) * | 2013-03-05 | 2013-07-11 | Mitsubishi Heavy Ind Ltd | プラント運転状態監視方法 |
WO2014073261A1 (ja) * | 2012-11-09 | 2014-05-15 | 株式会社 東芝 | プロセス監視診断装置、プロセス監視診断プログラム |
WO2014142152A1 (ja) * | 2013-03-14 | 2014-09-18 | 株式会社 東芝 | プロセス監視診断装置 |
JP2015504203A (ja) * | 2011-11-22 | 2015-02-05 | エレクトリック パワー リサーチ インスチテュート インコーポレイテッド | 異常検知のためのシステム及び方法 |
EP4088278A4 (en) * | 2020-01-10 | 2023-12-27 | Hewlett-Packard Development Company, L.P. | AUDIO SAMPLES TO DETECT DEVICE ANOMALIES |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5690307A (en) * | 1979-12-25 | 1981-07-22 | Mitsubishi Heavy Ind Ltd | Fault detection device of plant |
JPH01209528A (ja) * | 1988-02-16 | 1989-08-23 | Nec Corp | 電子化文書検索装置 |
JPH0587620A (ja) * | 1991-09-26 | 1993-04-06 | Toshiba Corp | 音響振動監視装置 |
JPH064789A (ja) * | 1992-06-22 | 1994-01-14 | Hitachi Ltd | 機器の異常監視方法および装置 |
-
1995
- 1995-03-03 JP JP06890595A patent/JP3495129B2/ja not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5690307A (en) * | 1979-12-25 | 1981-07-22 | Mitsubishi Heavy Ind Ltd | Fault detection device of plant |
JPH01209528A (ja) * | 1988-02-16 | 1989-08-23 | Nec Corp | 電子化文書検索装置 |
JPH0587620A (ja) * | 1991-09-26 | 1993-04-06 | Toshiba Corp | 音響振動監視装置 |
JPH064789A (ja) * | 1992-06-22 | 1994-01-14 | Hitachi Ltd | 機器の異常監視方法および装置 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008198213A (ja) * | 1998-08-17 | 2008-08-28 | Aspen Technology Inc | センサの性能確認装置および方法 |
JP4528335B2 (ja) * | 1998-08-17 | 2010-08-18 | アスペン テクノロジー インコーポレイテッド | センサの性能確認装置および方法 |
JP2000259223A (ja) * | 1999-03-12 | 2000-09-22 | Toshiba Corp | プラント監視装置 |
JP2002288781A (ja) * | 2001-03-27 | 2002-10-04 | Toshiba Corp | センサ異常検出方法及びセンサ異常検出装置 |
JP2005339142A (ja) * | 2004-05-26 | 2005-12-08 | Tokyo Electric Power Co Inc:The | 設備保全支援装置 |
JP2008276537A (ja) * | 2007-04-27 | 2008-11-13 | Omron Corp | 複合情報処理装置、複合情報処理方法、プログラム、および記録媒体 |
JP2010527089A (ja) * | 2007-05-14 | 2010-08-05 | ボルボ テクノロジー コーポレイション | 遠隔診断モデリング |
JP2009176024A (ja) * | 2008-01-24 | 2009-08-06 | Sharp Corp | 生産プロセス異常検知方法および生産プロセス異常検知システム、上記生産プロセス異常検知方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2011238148A (ja) * | 2010-05-13 | 2011-11-24 | Yokogawa Electric Corp | 解析結果表示装置および解析結果表示方法 |
WO2012090492A1 (ja) * | 2010-12-28 | 2012-07-05 | 株式会社 東芝 | プロセス監視診断装置 |
WO2012090937A1 (ja) * | 2010-12-28 | 2012-07-05 | 株式会社 東芝 | プロセス状態監視装置 |
JP2012138044A (ja) * | 2010-12-28 | 2012-07-19 | Toshiba Corp | プロセス状態監視装置 |
CN103534658A (zh) * | 2010-12-28 | 2014-01-22 | 株式会社东芝 | 工序监视诊断装置 |
CN103562810A (zh) * | 2010-12-28 | 2014-02-05 | 株式会社东芝 | 过程状态监视装置 |
JP2015504203A (ja) * | 2011-11-22 | 2015-02-05 | エレクトリック パワー リサーチ インスチテュート インコーポレイテッド | 異常検知のためのシステム及び方法 |
WO2014073261A1 (ja) * | 2012-11-09 | 2014-05-15 | 株式会社 東芝 | プロセス監視診断装置、プロセス監視診断プログラム |
JP2014096050A (ja) * | 2012-11-09 | 2014-05-22 | Toshiba Corp | プロセス監視診断装置、プロセス監視診断プログラム |
JP2013137797A (ja) * | 2013-03-05 | 2013-07-11 | Mitsubishi Heavy Ind Ltd | プラント運転状態監視方法 |
WO2014142152A1 (ja) * | 2013-03-14 | 2014-09-18 | 株式会社 東芝 | プロセス監視診断装置 |
JP2014178844A (ja) * | 2013-03-14 | 2014-09-25 | Toshiba Corp | プロセス監視診断装置 |
EP4088278A4 (en) * | 2020-01-10 | 2023-12-27 | Hewlett-Packard Development Company, L.P. | AUDIO SAMPLES TO DETECT DEVICE ANOMALIES |
US12014749B2 (en) | 2020-01-10 | 2024-06-18 | Hewlett-Packard Development Company, L.P. | Audio samples to detect device anomalies |
Also Published As
Publication number | Publication date |
---|---|
JP3495129B2 (ja) | 2004-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3495129B2 (ja) | プラント異常検知装置 | |
JP5179086B2 (ja) | 工業プロセスの監視方法及び監視システム | |
JP5544418B2 (ja) | プラントの診断装置、診断方法、及び診断プログラム | |
JP5292477B2 (ja) | 診断装置及び診断方法 | |
US20060210141A1 (en) | Inspection method and inspection apparatus | |
EP0632353A1 (en) | System and method for measuring the operation of a device | |
EP1393177A1 (en) | Diagnostic systems and methods for predictive condition monitoring | |
Rotem et al. | Ethylene compressor monitoring using model‐based PCA | |
KR102005138B1 (ko) | 기기 이상징후 사전감지 방법 및 시스템 | |
US10607470B2 (en) | Vibrational analysis systems and methods | |
JPH05256741A (ja) | プラント信号監視方法およびその装置 | |
JP6674033B2 (ja) | プラント異常診断装置及びプラント異常診断システム | |
KR20060100248A (ko) | 검사 장치, 검사 장치용 판정 모델 생성 지원 장치, 내구성테스트 장치용 이상 검출 장치 및 내구성 테스트 방법 | |
CN117708748B (zh) | 一种用于离心风机的运行监测***及方法 | |
EP3469434B1 (en) | Automatic visual and acoustic analytics for event detection | |
KR101883277B1 (ko) | Dtwep 기반 제조공정의 이상탐지 방법 및 장치 | |
US20210192384A1 (en) | Device and method for monitoring a system | |
WO2020230422A1 (ja) | 異常診断装置及び方法 | |
WO2019003703A1 (ja) | 診断装置及び診断方法 | |
JP2002323371A (ja) | 音響診断装置及び音響診断方法 | |
JP2017117034A (ja) | 診断装置及び診断方法 | |
JP6302755B2 (ja) | プラント診断用データ作成システム | |
KR20240003469A (ko) | 원전설비의 예측진단방법 및 시스템 | |
JP6347771B2 (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
WO2021020170A1 (ja) | プラント監視装置、プラント監視方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
LAPS | Cancellation because of no payment of annual fees |