JPH09330013A - プラント運転訓練用シミュレーションシステム - Google Patents
プラント運転訓練用シミュレーションシステムInfo
- Publication number
- JPH09330013A JPH09330013A JP14887396A JP14887396A JPH09330013A JP H09330013 A JPH09330013 A JP H09330013A JP 14887396 A JP14887396 A JP 14887396A JP 14887396 A JP14887396 A JP 14887396A JP H09330013 A JPH09330013 A JP H09330013A
- Authority
- JP
- Japan
- Prior art keywords
- simulated
- image data
- plant
- signal
- image
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 40
- 238000012549 training Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000013528 artificial neural network Methods 0.000 claims abstract description 46
- 230000002194 synthesizing effect Effects 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract 1
- 238000002485 combustion reaction Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 9
- 238000007906 compression Methods 0.000 description 7
- 230000006835 compression Effects 0.000 description 7
- 238000013507 mapping Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004056 waste incineration Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Incineration Of Waste (AREA)
Abstract
(57)【要約】
【課題】 プラント運転訓練用シミュレーションシステ
ムにおいて、プラント機器類の一部の運転状況を模擬的
に画像表示する手段を簡単に構築する。 【解決手段】 実プラント21のプラント機器類24の
運転状況を模擬する模擬プロセス信号31と、模擬プロ
セス信号31をもとにプラント機器類24を制御可能な
模擬制御信号32をもとにプラント機器類24の一部の
運転状況を示す模擬画像を表示する模擬画像表示装置2
を備えてなり、模擬画像表示装置2が、予め準備された
複数の画像データの中から、模擬プロセス信号31と模
擬制御信号32の状態に対応する一つの画像データを検
索する検索手段5を備えてなり、検索手段5が、模擬プ
ロセス信号31と模擬制御信号32からなる模擬計装信
号33を入力信号として受信し、複数の画像データから
一つの画像データを検索するための画像データ検索信号
34を出力するニューラルネットワーク6を備えてな
る。
ムにおいて、プラント機器類の一部の運転状況を模擬的
に画像表示する手段を簡単に構築する。 【解決手段】 実プラント21のプラント機器類24の
運転状況を模擬する模擬プロセス信号31と、模擬プロ
セス信号31をもとにプラント機器類24を制御可能な
模擬制御信号32をもとにプラント機器類24の一部の
運転状況を示す模擬画像を表示する模擬画像表示装置2
を備えてなり、模擬画像表示装置2が、予め準備された
複数の画像データの中から、模擬プロセス信号31と模
擬制御信号32の状態に対応する一つの画像データを検
索する検索手段5を備えてなり、検索手段5が、模擬プ
ロセス信号31と模擬制御信号32からなる模擬計装信
号33を入力信号として受信し、複数の画像データから
一つの画像データを検索するための画像データ検索信号
34を出力するニューラルネットワーク6を備えてな
る。
Description
【0001】
【発明の属する技術分野】本発明は、プラント機器類の
運転状況を示す複数のプロセス信号を生成するシミュレ
ータと、前記複数のプロセス信号をもとに前記プラント
機器類を制御するための複数の制御信号を生成する制御
装置と、前記複数のプロセス信号と前記複数の制御信号
をもとに前記プラント機器類の一部の運転状況を示す模
擬画像を表示する模擬画像表示装置を備えてなるプラン
ト運転訓練用シミュレーションシステムに関し、詳しく
は、前記模擬画像表示装置の画像処理技術に関する。
運転状況を示す複数のプロセス信号を生成するシミュレ
ータと、前記複数のプロセス信号をもとに前記プラント
機器類を制御するための複数の制御信号を生成する制御
装置と、前記複数のプロセス信号と前記複数の制御信号
をもとに前記プラント機器類の一部の運転状況を示す模
擬画像を表示する模擬画像表示装置を備えてなるプラン
ト運転訓練用シミュレーションシステムに関し、詳しく
は、前記模擬画像表示装置の画像処理技術に関する。
【0002】
【従来の技術】従来より、プラント運転訓練用シミュレ
ーションシステムは、実プラントにおいて監視用テレビ
カメラで映し出されるプラント機器類の一部の運転状況
を示す監視映像をシミュレーションし、模擬画像として
表示する模擬画像表示装置を備えていることが要望され
ており、概要望を満足するために、前記模擬画像表示装
置として、実プラントの実画像より抽出された静止画
像、複数の静止画像で構成された準動画像、または、動
画像をシミュレーション結果に基づいて選択表示するも
のがあった。
ーションシステムは、実プラントにおいて監視用テレビ
カメラで映し出されるプラント機器類の一部の運転状況
を示す監視映像をシミュレーションし、模擬画像として
表示する模擬画像表示装置を備えていることが要望され
ており、概要望を満足するために、前記模擬画像表示装
置として、実プラントの実画像より抽出された静止画
像、複数の静止画像で構成された準動画像、または、動
画像をシミュレーション結果に基づいて選択表示するも
のがあった。
【0003】
【発明が解決しようとする課題】上述した従来のプラン
ト運転訓練用シミュレーションシステムでは、実プラン
トで収録された画像データをデータベース化して、前記
プラント運転訓練用シミュレーションシステム内で生成
されるプラント機器類の運転状況を示すプロセス信号や
前記プラント機器類を制御するための制御信号等の計装
信号をパラメータとして、前記データベース化された画
像データを検索する必要が生じる。しかしながら、例え
ば、ゴミ焼却プラント等における焼却炉内の燃焼画像の
ような動画像を模擬画像として表示する場合、画像検索
のための前記計装信号数が多く、更に、前記計装信号数
及びその信号値の組み合わせが複雑となるため、前記計
装信号の閾値設定が多次元的で非常に複雑となり、前記
プラント機器類の様々な運転状況に対応する最適な画像
を検索する手段を構築するには多大な労力と長時間を要
するという問題があった。本発明の目的は、上述の問題
点を解消し、前記プラント機器類の一部の運転状況を示
す模擬画像を表示する模擬画像表示装置を比較的簡単に
構築できる画像処理手段を備えたプラント運転訓練用シ
ミュレーションシステムを提供する点にある。
ト運転訓練用シミュレーションシステムでは、実プラン
トで収録された画像データをデータベース化して、前記
プラント運転訓練用シミュレーションシステム内で生成
されるプラント機器類の運転状況を示すプロセス信号や
前記プラント機器類を制御するための制御信号等の計装
信号をパラメータとして、前記データベース化された画
像データを検索する必要が生じる。しかしながら、例え
ば、ゴミ焼却プラント等における焼却炉内の燃焼画像の
ような動画像を模擬画像として表示する場合、画像検索
のための前記計装信号数が多く、更に、前記計装信号数
及びその信号値の組み合わせが複雑となるため、前記計
装信号の閾値設定が多次元的で非常に複雑となり、前記
プラント機器類の様々な運転状況に対応する最適な画像
を検索する手段を構築するには多大な労力と長時間を要
するという問題があった。本発明の目的は、上述の問題
点を解消し、前記プラント機器類の一部の運転状況を示
す模擬画像を表示する模擬画像表示装置を比較的簡単に
構築できる画像処理手段を備えたプラント運転訓練用シ
ミュレーションシステムを提供する点にある。
【0004】
【課題を解決するための手段】この目的を達成するため
の本発明によるプラント運転訓練用シミュレーションシ
ステムの第一の特徴構成は、特許請求の範囲の欄の請求
項1に記載した通り、実プラントのプラント機器類の運
転状況を模擬する複数の模擬プロセス信号を生成するプ
ラントシミュレータと、前記複数の模擬プロセス信号を
もとに前記プラント機器類を制御可能な複数の模擬制御
信号を生成する第1制御装置と、前記複数の模擬プロセ
ス信号と前記複数の模擬制御信号をもとに前記プラント
機器類の一部の運転状況を示す模擬画像を表示する模擬
画像表示装置を備えてなり、更に、前記模擬画像表示装
置が、予め準備された複数の画像データの中から、前記
複数の模擬プロセス信号と前記複数の模擬制御信号の状
態に対応する一つの画像データを検索する検索手段を備
えてなり、前記検索手段が、前記複数の模擬プロセス信
号と前記複数の模擬制御信号の一部または全部からなる
模擬計装信号を入力信号として受信し、前記複数の画像
データから一つの画像データを検索するための画像デー
タ検索信号を出力するニューラルネットワークを備えて
なる点にある。
の本発明によるプラント運転訓練用シミュレーションシ
ステムの第一の特徴構成は、特許請求の範囲の欄の請求
項1に記載した通り、実プラントのプラント機器類の運
転状況を模擬する複数の模擬プロセス信号を生成するプ
ラントシミュレータと、前記複数の模擬プロセス信号を
もとに前記プラント機器類を制御可能な複数の模擬制御
信号を生成する第1制御装置と、前記複数の模擬プロセ
ス信号と前記複数の模擬制御信号をもとに前記プラント
機器類の一部の運転状況を示す模擬画像を表示する模擬
画像表示装置を備えてなり、更に、前記模擬画像表示装
置が、予め準備された複数の画像データの中から、前記
複数の模擬プロセス信号と前記複数の模擬制御信号の状
態に対応する一つの画像データを検索する検索手段を備
えてなり、前記検索手段が、前記複数の模擬プロセス信
号と前記複数の模擬制御信号の一部または全部からなる
模擬計装信号を入力信号として受信し、前記複数の画像
データから一つの画像データを検索するための画像デー
タ検索信号を出力するニューラルネットワークを備えて
なる点にある。
【0005】本発明によるプラント運転訓練用シミュレ
ーションシステムの第二の特徴構成は、特許請求の範囲
の欄の請求項2に記載した通り、上述の第一の特徴構成
に加えて、前記画像データ検索信号が前記画像データの
特徴を表す画像情報パラメータである点にある。
ーションシステムの第二の特徴構成は、特許請求の範囲
の欄の請求項2に記載した通り、上述の第一の特徴構成
に加えて、前記画像データ検索信号が前記画像データの
特徴を表す画像情報パラメータである点にある。
【0006】本発明によるプラント運転訓練用シミュレ
ーションシステムの第三の特徴構成は、特許請求の範囲
の欄の請求項3に記載した通り、上述の第二の特徴構成
に加えて、前記画像データに新たな画像データを追加す
る画像データ追加手段を備えている点にある。
ーションシステムの第三の特徴構成は、特許請求の範囲
の欄の請求項3に記載した通り、上述の第二の特徴構成
に加えて、前記画像データに新たな画像データを追加す
る画像データ追加手段を備えている点にある。
【0007】本発明によるプラント運転訓練用シミュレ
ーションシステムの第四の特徴構成は、特許請求の範囲
の欄の請求項4に記載した通り、上述の第一、第二、ま
たは第三の特徴構成に加えて、実プラントとオンライン
で接続され、前記実プラントから抽出される画像データ
と、前記画像データ抽出時における前記実プラント上の
実プロセス信号と実制御信号からなる実計装信号を用い
て、前記ニューラルネットワークの学習を行う学習手段
を備えている点にある。
ーションシステムの第四の特徴構成は、特許請求の範囲
の欄の請求項4に記載した通り、上述の第一、第二、ま
たは第三の特徴構成に加えて、実プラントとオンライン
で接続され、前記実プラントから抽出される画像データ
と、前記画像データ抽出時における前記実プラント上の
実プロセス信号と実制御信号からなる実計装信号を用い
て、前記ニューラルネットワークの学習を行う学習手段
を備えている点にある。
【0008】本発明によるプラント運転訓練用シミュレ
ーションシステムの第五の特徴構成は、特許請求の範囲
の欄の請求項5に記載した通り、上述の第一、第二、第
三または第四の特徴構成に加えて、前記画像データ検索
信号に基づいて、予め準備された複数の前記画像データ
を基本にして、前記模擬計装信号の状態に対応する一つ
の画像データを合成する第1画像合成手段を備えている
点にある。
ーションシステムの第五の特徴構成は、特許請求の範囲
の欄の請求項5に記載した通り、上述の第一、第二、第
三または第四の特徴構成に加えて、前記画像データ検索
信号に基づいて、予め準備された複数の前記画像データ
を基本にして、前記模擬計装信号の状態に対応する一つ
の画像データを合成する第1画像合成手段を備えている
点にある。
【0009】本発明によるプラント運転訓練用シミュレ
ーションシステムの第六の特徴構成は、特許請求の範囲
の欄の請求項6に記載した通り、実プラントのプラント
機器類の運転状況を模擬する複数の模擬プロセス信号を
生成するプラントシミュレータと、前記複数の模擬プロ
セス信号をもとに前記プラント機器類を制御可能な複数
の模擬制御信号を生成する第1制御装置と、前記複数の
模擬プロセス信号と前記複数の模擬制御信号をもとに前
記プラント機器類の一部の運転状況を示す模擬画像を表
示する模擬画像表示装置を備えてなり、前記模擬画像表
示装置が、前記複数の模擬プロセス信号と前記複数の模
擬制御信号の一部または全部からなる模擬計装信号を入
力信号として受信し、画像データの特徴を表す画像情報
パラメータを出力するニューラルネットワークを備えて
なり、更に、前記画像情報パラメータをもとに前記模擬
計装信号の状態に対応する一つの画像データを合成する
第2画像合成手段を備えている点にある。
ーションシステムの第六の特徴構成は、特許請求の範囲
の欄の請求項6に記載した通り、実プラントのプラント
機器類の運転状況を模擬する複数の模擬プロセス信号を
生成するプラントシミュレータと、前記複数の模擬プロ
セス信号をもとに前記プラント機器類を制御可能な複数
の模擬制御信号を生成する第1制御装置と、前記複数の
模擬プロセス信号と前記複数の模擬制御信号をもとに前
記プラント機器類の一部の運転状況を示す模擬画像を表
示する模擬画像表示装置を備えてなり、前記模擬画像表
示装置が、前記複数の模擬プロセス信号と前記複数の模
擬制御信号の一部または全部からなる模擬計装信号を入
力信号として受信し、画像データの特徴を表す画像情報
パラメータを出力するニューラルネットワークを備えて
なり、更に、前記画像情報パラメータをもとに前記模擬
計装信号の状態に対応する一つの画像データを合成する
第2画像合成手段を備えている点にある。
【0010】以下に作用を説明する。第一の特徴構成に
よれば、前記プラント運転訓練用シミュレーションシス
テム内で生成される実プラントのプラント機器類の運転
状況を模擬する模擬プロセス信号や前記プラント機器類
を制御可能な模擬制御信号等の模擬計装信号をパラメー
タとして、データベース化された画像データを検索する
検索手段において、前記模擬計装信号を入力して、前記
複数の画像データから最適な画像データを検索するため
の画像データ検索信号を出力するニューラルネットワー
クを学習させることで、前記模擬計装信号の信号値の任
意の組み合わせから、最適な画像データへの関連付け、
つまりは前記検索手段の構築が、前記模擬計装信号自体
の物理的な解釈、つまりは実プラント上の相当する計装
信号自体の物理的な解釈や、前記模擬計装信号間の関連
を考慮せずとも行えるのである。特に、前記模擬計装信
号の信号数や画像データのデータ数が多い場合には、前
記模擬計装信号の信号値の任意の組み合わせから、任意
の画像データへの関連付けをテーブル等で実現する場合
では、前記テーブルは多次元のマトリクス構造となり、
前記テーブル作成に多大な労力と時間を要し、前記テー
ブルを格納する記憶容量も膨大となるところが、本特徴
構成によれば、前記関連付け作業が短時間に行うことが
できるのである。また、前記画像データ検索のためのパ
ラメータとして、前記模擬計装信号の時系列や微分値を
採用することも容易にでき、また、開発時点で想定して
いなかった前記模擬計装信号の組み合わせ、つまりは未
学習の状況においても最適な画像データの検索が可能と
なり、画像データ検索の高精度化も容易に可能となる。
尚、実プラント上の実プロセス信号と実制御信号からな
る実計装信号及び前記実計装信号に対応する画像データ
検索信号を教師信号として入力し、前記複数の画像デー
タから最適な画像データを検索するための画像データ検
索信号を出力するように前記ニューラルネットワークを
繰り返し学習させる。
よれば、前記プラント運転訓練用シミュレーションシス
テム内で生成される実プラントのプラント機器類の運転
状況を模擬する模擬プロセス信号や前記プラント機器類
を制御可能な模擬制御信号等の模擬計装信号をパラメー
タとして、データベース化された画像データを検索する
検索手段において、前記模擬計装信号を入力して、前記
複数の画像データから最適な画像データを検索するため
の画像データ検索信号を出力するニューラルネットワー
クを学習させることで、前記模擬計装信号の信号値の任
意の組み合わせから、最適な画像データへの関連付け、
つまりは前記検索手段の構築が、前記模擬計装信号自体
の物理的な解釈、つまりは実プラント上の相当する計装
信号自体の物理的な解釈や、前記模擬計装信号間の関連
を考慮せずとも行えるのである。特に、前記模擬計装信
号の信号数や画像データのデータ数が多い場合には、前
記模擬計装信号の信号値の任意の組み合わせから、任意
の画像データへの関連付けをテーブル等で実現する場合
では、前記テーブルは多次元のマトリクス構造となり、
前記テーブル作成に多大な労力と時間を要し、前記テー
ブルを格納する記憶容量も膨大となるところが、本特徴
構成によれば、前記関連付け作業が短時間に行うことが
できるのである。また、前記画像データ検索のためのパ
ラメータとして、前記模擬計装信号の時系列や微分値を
採用することも容易にでき、また、開発時点で想定して
いなかった前記模擬計装信号の組み合わせ、つまりは未
学習の状況においても最適な画像データの検索が可能と
なり、画像データ検索の高精度化も容易に可能となる。
尚、実プラント上の実プロセス信号と実制御信号からな
る実計装信号及び前記実計装信号に対応する画像データ
検索信号を教師信号として入力し、前記複数の画像デー
タから最適な画像データを検索するための画像データ検
索信号を出力するように前記ニューラルネットワークを
繰り返し学習させる。
【0011】第二の特徴構成によれば、実プラントから
画像データを抽出して、前記学習用のデータを作成する
際に、前記画像データの特徴を表す画像情報パラメータ
の種類とパラメータ値の分割数に応じて略均等に分布す
るように、前記画像データが過不足無く効率的に、且
つ、自動的に抽出できるのである。結果として、前記ニ
ューラルネットワークの学習が短期間に終了できるので
ある。また、前記ニューラルネットワークが前記画像デ
ータを直接検索する場合に比べ、前記ニューラルネット
ワークの出力数がより少ない数で固定できるため、前記
画像データ数が増加しても前記ニューラルネットワーク
の規模を拡大する必要がなく、結果として小型化が達成
され、前記ニューラルネットワークの学習及び実行が高
速化できるのである。
画像データを抽出して、前記学習用のデータを作成する
際に、前記画像データの特徴を表す画像情報パラメータ
の種類とパラメータ値の分割数に応じて略均等に分布す
るように、前記画像データが過不足無く効率的に、且
つ、自動的に抽出できるのである。結果として、前記ニ
ューラルネットワークの学習が短期間に終了できるので
ある。また、前記ニューラルネットワークが前記画像デ
ータを直接検索する場合に比べ、前記ニューラルネット
ワークの出力数がより少ない数で固定できるため、前記
画像データ数が増加しても前記ニューラルネットワーク
の規模を拡大する必要がなく、結果として小型化が達成
され、前記ニューラルネットワークの学習及び実行が高
速化できるのである。
【0012】第三の特徴構成によれば、前記画像データ
に新たな画像データを追加して、画像データベースを細
分化することができ、更に、前記第二の特徴構成によ
り、新たに前記ニューラルネットワークを再学習させる
必要がなく、前記画像情報パラメータと前記画像データ
とを関連付けるマッピングテーブル等を更新するだけ
で、前記検索手段の更新が容易にでき、結果として、前
記プラント運転訓練用シミュレーションシステムを運用
しながら、前記検索手段の高精度化、つまりは、前記模
擬画像表示装置の品質向上が図れるのである。
に新たな画像データを追加して、画像データベースを細
分化することができ、更に、前記第二の特徴構成によ
り、新たに前記ニューラルネットワークを再学習させる
必要がなく、前記画像情報パラメータと前記画像データ
とを関連付けるマッピングテーブル等を更新するだけ
で、前記検索手段の更新が容易にでき、結果として、前
記プラント運転訓練用シミュレーションシステムを運用
しながら、前記検索手段の高精度化、つまりは、前記模
擬画像表示装置の品質向上が図れるのである。
【0013】第四の特徴構成によれば、実プラントの稼
働中においても、実プラントから抽出された画像データ
や実計装信号等が前記プラント運転訓練用シミュレーシ
ョンシステムへ随時転送可能であるため、前記プラント
運転訓練用シミュレーションシステムの前記画像データ
に新たな画像データを追加したり、また、必要に応じ
て、前記ニューラルネットワークを再学習したりするこ
とができるのである。
働中においても、実プラントから抽出された画像データ
や実計装信号等が前記プラント運転訓練用シミュレーシ
ョンシステムへ随時転送可能であるため、前記プラント
運転訓練用シミュレーションシステムの前記画像データ
に新たな画像データを追加したり、また、必要に応じ
て、前記ニューラルネットワークを再学習したりするこ
とができるのである。
【0014】第五の特徴構成によれば、前記ニューラル
ネットワークの学習が不十分で、前記ニューラルネット
ワークの入力信号である前記模擬計装信号の入力値の状
態が未学習または未学習に近い場合において、前記ニュ
ーラルネットワークが前記複数の画像データから最適な
一つの画像データを検索するのが困難で、不適切な画像
データを検索する可能性が生じても、前記ニューラルネ
ットワークが適切と思われる複数の画像データを検索す
ることで、これら検索された複数の画像データをもと
に、これら検索された各画像データより、実際の画像に
より近い新たな画像データを合成することができるので
ある。また、前記合成された画像データを前記画像デー
タベースに追加して、前記画像データベースを細分化し
たり、前記ニューラルネットワークの再学習するための
学習データとすることもできるのである。結果として、
前記模擬画像表示装置の品質向上が図れるのである。
ネットワークの学習が不十分で、前記ニューラルネット
ワークの入力信号である前記模擬計装信号の入力値の状
態が未学習または未学習に近い場合において、前記ニュ
ーラルネットワークが前記複数の画像データから最適な
一つの画像データを検索するのが困難で、不適切な画像
データを検索する可能性が生じても、前記ニューラルネ
ットワークが適切と思われる複数の画像データを検索す
ることで、これら検索された複数の画像データをもと
に、これら検索された各画像データより、実際の画像に
より近い新たな画像データを合成することができるので
ある。また、前記合成された画像データを前記画像デー
タベースに追加して、前記画像データベースを細分化し
たり、前記ニューラルネットワークの再学習するための
学習データとすることもできるのである。結果として、
前記模擬画像表示装置の品質向上が図れるのである。
【0015】上述の第一乃至第五の特徴構成において
は、予め準備された画像データベースの中から最適な画
像データを検索したり、または複数の検索された画像デ
ータから最適な画像データを合成する際に、前記画像デ
ータベースから特定の画像データを読み出す処理が必要
で、特に、動画像の場合、格納に要する記憶容量が非常
に大きく、前記動画像を格納する記憶媒体としては、追
記可能な不揮発性記憶装置であって、且つ、記憶容量単
価の安価な回転機構を有する磁気ディスク記憶装置や光
磁気ディスク記憶装置が通常使用されるが、これら回転
機構を有する記憶媒体は半導体記憶媒体に比べ、データ
の読み出し速度が非常に遅く、前記模擬画像表示装置が
リアルタイムで出力画像を更新する必要がある場合は、
前記記憶媒体からの前記データ読み出し速度が前記模擬
画像表示装置の性能を制限する結果となる可能性があ
る。しかしながら、第六の特徴構成によれば、前記記憶
媒体に格納されている前記画像データベースから特定の
画像データを読み出す処理が不要であるため、前記模擬
画像表示装置の高速化が可能となるのである。
は、予め準備された画像データベースの中から最適な画
像データを検索したり、または複数の検索された画像デ
ータから最適な画像データを合成する際に、前記画像デ
ータベースから特定の画像データを読み出す処理が必要
で、特に、動画像の場合、格納に要する記憶容量が非常
に大きく、前記動画像を格納する記憶媒体としては、追
記可能な不揮発性記憶装置であって、且つ、記憶容量単
価の安価な回転機構を有する磁気ディスク記憶装置や光
磁気ディスク記憶装置が通常使用されるが、これら回転
機構を有する記憶媒体は半導体記憶媒体に比べ、データ
の読み出し速度が非常に遅く、前記模擬画像表示装置が
リアルタイムで出力画像を更新する必要がある場合は、
前記記憶媒体からの前記データ読み出し速度が前記模擬
画像表示装置の性能を制限する結果となる可能性があ
る。しかしながら、第六の特徴構成によれば、前記記憶
媒体に格納されている前記画像データベースから特定の
画像データを読み出す処理が不要であるため、前記模擬
画像表示装置の高速化が可能となるのである。
【0016】
【発明の実施の形態】以下に本発明の実施の形態を図面
に基づいて説明する。
に基づいて説明する。
【0017】図1は、本発明の一実施形態であるプラン
ト運転訓練用シミュレーションシステム1が、例えば、
実プラントであるストーカ式焼却炉を有するゴミ焼却プ
ラント21に併設されている場合の、本発明に係わる構
成要素のブロック構成図を示している。図1において、
各ブロック間の接続は、実際のハードウェア構成におけ
る各構成要素間の物理的な接続を表しているのではな
く、各ブロック間の主たる信号の流れを示している。図
1に示すように、前記プラント運転訓練用シミュレーシ
ョンシステム1は前記ゴミ焼却プラント21と略同等な
構成となっている。例えば、燃焼系統、送風系統、排ガ
ス処理系統等の各系統毎にモデル化された系統別シミュ
レータの集合であるプラントシミュレータ4は前記各系
統の実際のプラント機器類24に対応し、前記プラント
運転訓練用シミュレーションシステム1の第1制御装置
3は、前記ゴミ焼却プラント21の第2制御装置23に
対応し、訓練の対象とならない周辺設備の制御部を除い
て全く同等のハードウェア構成である。
ト運転訓練用シミュレーションシステム1が、例えば、
実プラントであるストーカ式焼却炉を有するゴミ焼却プ
ラント21に併設されている場合の、本発明に係わる構
成要素のブロック構成図を示している。図1において、
各ブロック間の接続は、実際のハードウェア構成におけ
る各構成要素間の物理的な接続を表しているのではな
く、各ブロック間の主たる信号の流れを示している。図
1に示すように、前記プラント運転訓練用シミュレーシ
ョンシステム1は前記ゴミ焼却プラント21と略同等な
構成となっている。例えば、燃焼系統、送風系統、排ガ
ス処理系統等の各系統毎にモデル化された系統別シミュ
レータの集合であるプラントシミュレータ4は前記各系
統の実際のプラント機器類24に対応し、前記プラント
運転訓練用シミュレーションシステム1の第1制御装置
3は、前記ゴミ焼却プラント21の第2制御装置23に
対応し、訓練の対象とならない周辺設備の制御部を除い
て全く同等のハードウェア構成である。
【0018】図1に示すように、実プラントである前記
ゴミ焼却プラント21において、焼却炉の燃焼画像22
は監視用テレビカメラ25で撮影され、撮影された実動
画像データ54は画像処理手段26へ転送され、前記画
像処理手段26で燃焼画像の火炎の大きさや色調等の燃
焼画像の特徴抽出が行われ、抽出結果である第1実画像
情報信号55は、前記第2制御装置23へ転送され、前
記第2制御装置23は前記プラント機器類24の実際の
運転状況を示す、例えば、焼却炉内各部の温度等の実プ
ロセス信号51を前記プラント機器類24から受信し、
前記第1実画像情報信号55及び前記実プロセス信号5
1をもとに前記プラント機器類24の各部の操作量を計
算し、実制御信号52を各制御系統に送信することで前
記プラント機器類24の制御を行う。
ゴミ焼却プラント21において、焼却炉の燃焼画像22
は監視用テレビカメラ25で撮影され、撮影された実動
画像データ54は画像処理手段26へ転送され、前記画
像処理手段26で燃焼画像の火炎の大きさや色調等の燃
焼画像の特徴抽出が行われ、抽出結果である第1実画像
情報信号55は、前記第2制御装置23へ転送され、前
記第2制御装置23は前記プラント機器類24の実際の
運転状況を示す、例えば、焼却炉内各部の温度等の実プ
ロセス信号51を前記プラント機器類24から受信し、
前記第1実画像情報信号55及び前記実プロセス信号5
1をもとに前記プラント機器類24の各部の操作量を計
算し、実制御信号52を各制御系統に送信することで前
記プラント機器類24の制御を行う。
【0019】一方、前記プラント運転訓練用シミュレー
ションシステム1では、オペレータ端末14(図1には
図示せず)からの入力に従い、前記プラントシミュレー
タ4の前記各系統別シミュレータが前記第1制御装置3
からの模擬制御信号32と他の前記系統別シミュレータ
の出力である模擬プロセス信号(図示せず)を受信し、
自系統の模擬プロセス信号を出力し、各系統毎の出力を
統合した前記模擬プロセス信号31が前記プラントシミ
ュレータ4から前記第1制御装置3へ送信される。ま
た、前記第1制御装置3は実プラントと同様に、前記模
擬プロセス信号31をもとに前記プラント機器類24の
各部の操作量を計算し、前記模擬制御信号32を前記プ
ラントシミュレータ4へ送信する。尚、前記第1制御装
置3の燃焼制御部は模擬画像表示装置2からの燃焼画像
の特徴を表す模擬画像情報信号38も入力信号として受
信する。
ションシステム1では、オペレータ端末14(図1には
図示せず)からの入力に従い、前記プラントシミュレー
タ4の前記各系統別シミュレータが前記第1制御装置3
からの模擬制御信号32と他の前記系統別シミュレータ
の出力である模擬プロセス信号(図示せず)を受信し、
自系統の模擬プロセス信号を出力し、各系統毎の出力を
統合した前記模擬プロセス信号31が前記プラントシミ
ュレータ4から前記第1制御装置3へ送信される。ま
た、前記第1制御装置3は実プラントと同様に、前記模
擬プロセス信号31をもとに前記プラント機器類24の
各部の操作量を計算し、前記模擬制御信号32を前記プ
ラントシミュレータ4へ送信する。尚、前記第1制御装
置3の燃焼制御部は模擬画像表示装置2からの燃焼画像
の特徴を表す模擬画像情報信号38も入力信号として受
信する。
【0020】図1に示すように、前記模擬画像表示装置
2は,データ圧縮処理された画像データの集合である画
像データベースを格納する磁気ハードディスク装置等の
記憶装置7と、前記模擬プロセス信号31と前記模擬制
御信号32の内の燃焼画像検索に関連する、例えば、焼
却炉内3カ所の温度、ストーカ部6ヶ所の温度、燃焼室
内6ヶ所のゴミ量、燃焼室各部9ヶ所の空気量等の約2
0種の模擬計装信号33を受信して前記模擬計装信号3
3で一義的に定まる燃焼状況に最適な画像データを前記
記憶装置7から選択するための画像データ選択信号35
を出力する検索手段5と、前記記憶装置7から出力され
る圧縮画像データ36をデータ伸長処理して、RGB信
号等の映像信号37を出力する画像伸長装置8と、前記
映像信号36を受信して前記検索手段5が選択した画像
データを表示するCRTモニタ等の画像ディスプレイ端
末9から構成されている。尚、前記記憶装置7には、予
め異なる複数の運転状況において前記監視用テレビカメ
ラ25で撮影された実動画像データ56をMPEG(M
oving Picture Expert Grou
p)動画像圧縮処理可能な画像圧縮装置13でデータ圧
縮した圧縮画像データ39の約20種類が格納されてい
る。
2は,データ圧縮処理された画像データの集合である画
像データベースを格納する磁気ハードディスク装置等の
記憶装置7と、前記模擬プロセス信号31と前記模擬制
御信号32の内の燃焼画像検索に関連する、例えば、焼
却炉内3カ所の温度、ストーカ部6ヶ所の温度、燃焼室
内6ヶ所のゴミ量、燃焼室各部9ヶ所の空気量等の約2
0種の模擬計装信号33を受信して前記模擬計装信号3
3で一義的に定まる燃焼状況に最適な画像データを前記
記憶装置7から選択するための画像データ選択信号35
を出力する検索手段5と、前記記憶装置7から出力され
る圧縮画像データ36をデータ伸長処理して、RGB信
号等の映像信号37を出力する画像伸長装置8と、前記
映像信号36を受信して前記検索手段5が選択した画像
データを表示するCRTモニタ等の画像ディスプレイ端
末9から構成されている。尚、前記記憶装置7には、予
め異なる複数の運転状況において前記監視用テレビカメ
ラ25で撮影された実動画像データ56をMPEG(M
oving Picture Expert Grou
p)動画像圧縮処理可能な画像圧縮装置13でデータ圧
縮した圧縮画像データ39の約20種類が格納されてい
る。
【0021】前記検索手段5はニューラルネットワーク
6で構成されている。前記ニューラルネットワーク6の
第一の実施形態は、前記ニューラルネットワーク6の入
力信号が前記約20種の模擬計装信号33であり、出力
信号が前記記憶装置7に格納されている前記約20種の
画像データに一対一で対応している前記画像データと同
数の画像データ検索信号34である。前記ニューラルネ
ットワーク6が前記模擬計装信号33を受信して出力す
る前記画像データ検索信号34の内、最も出力値の大き
い信号に対応する前記画像データを前記記憶装置7から
選択するための前記画像データ選択信号35が前記検索
手段5から前記記憶装置7に送信される。
6で構成されている。前記ニューラルネットワーク6の
第一の実施形態は、前記ニューラルネットワーク6の入
力信号が前記約20種の模擬計装信号33であり、出力
信号が前記記憶装置7に格納されている前記約20種の
画像データに一対一で対応している前記画像データと同
数の画像データ検索信号34である。前記ニューラルネ
ットワーク6が前記模擬計装信号33を受信して出力す
る前記画像データ検索信号34の内、最も出力値の大き
い信号に対応する前記画像データを前記記憶装置7から
選択するための前記画像データ選択信号35が前記検索
手段5から前記記憶装置7に送信される。
【0022】尚、前記ニューラルネットワーク6の学習
のために、前記記憶装置7に格納された画像データに対
応する属性データとして、前記実プロセス信号51と前
記実制御信号52の内の前記検索手段5が画像データ検
索に使用する前記模擬計装信号33と同種の実計装信号
53が、コンピュータ12と信号線40を介して前記ゴ
ミ焼却プラント21からオンラインで転送され前記記憶
装置7に格納される。前記ニューラルネットワーク6の
学習のための前記実計装信号53及び前記実計装信号5
3に対応する前記画像データ検索信号34を教師信号と
する学習用データベース構築作業は1000種類を越え
る実プラントの運転状況を想定して行われる。尚、前記
コンピュータ12は前記ニューラルネットワーク6の学
習手段11であり、且つ、前記画像圧縮装置13を制御
管理する。前記ニューラルネットワーク6の学習は、前
記コンピュータ12の制御下、前記記憶装置7に格納し
た前記学習用データベース中の前記実計装信号53が逐
次前記ニューラルネットワーク6に入力信号として信号
線41を介して入力され自動的に実行される。更に、前
記画像圧縮装置13と前記コンピュータ12は画像デー
タ追加手段10としても機能し、前記画像データベース
に新たな画像データを追加する場合も、前記監視用テレ
ビカメラ25で撮影された実動画像データ56がMPE
G動画像圧縮処理を画像圧縮装置13で施され、前記記
憶装置7に格納されている前記画像データベースに前記
コンピュータ12の管理下で追加される。
のために、前記記憶装置7に格納された画像データに対
応する属性データとして、前記実プロセス信号51と前
記実制御信号52の内の前記検索手段5が画像データ検
索に使用する前記模擬計装信号33と同種の実計装信号
53が、コンピュータ12と信号線40を介して前記ゴ
ミ焼却プラント21からオンラインで転送され前記記憶
装置7に格納される。前記ニューラルネットワーク6の
学習のための前記実計装信号53及び前記実計装信号5
3に対応する前記画像データ検索信号34を教師信号と
する学習用データベース構築作業は1000種類を越え
る実プラントの運転状況を想定して行われる。尚、前記
コンピュータ12は前記ニューラルネットワーク6の学
習手段11であり、且つ、前記画像圧縮装置13を制御
管理する。前記ニューラルネットワーク6の学習は、前
記コンピュータ12の制御下、前記記憶装置7に格納し
た前記学習用データベース中の前記実計装信号53が逐
次前記ニューラルネットワーク6に入力信号として信号
線41を介して入力され自動的に実行される。更に、前
記画像圧縮装置13と前記コンピュータ12は画像デー
タ追加手段10としても機能し、前記画像データベース
に新たな画像データを追加する場合も、前記監視用テレ
ビカメラ25で撮影された実動画像データ56がMPE
G動画像圧縮処理を画像圧縮装置13で施され、前記記
憶装置7に格納されている前記画像データベースに前記
コンピュータ12の管理下で追加される。
【0023】図2に示すように、実プラントである前記
ゴミ焼却プラント21においては、実際のハードウェア
構成は、前記第2制御装置23の各制御系統毎の各制御
装置、これら各制御装置を集中制御する中央制御装置2
7、及び各オペレータ端末28等が分散制御システム用
ネットワーク29に接続されている。また、前記プラン
ト運転訓練用シミュレーションシステム1においても、
実際のハードウェア構成は、前記第1制御装置3、前記
プラントシミュレータ4、記憶装置7、前記検索手段
5、前記画像伸長装置8、前記画像ディスプレイ端末
9、前記画像圧縮装置13、前記コンピュータ12、前
記オペレータ端末14、及び、教官用端末15等がシミ
ュレータ用ネットワーク16に接続されている。前記分
散制御システム用ネットワーク29と前記シミュレータ
用ネットワーク16の夫々に接続された各装置は夫々の
ネットワークを介して信号の送受信を行っている。ま
た、前記分散制御システム用ネットワーク29と前記シ
ミュレータ用ネットワーク16はネットワーク接続手段
であるゲートウェイ17を介してオンラインで接続され
ている。
ゴミ焼却プラント21においては、実際のハードウェア
構成は、前記第2制御装置23の各制御系統毎の各制御
装置、これら各制御装置を集中制御する中央制御装置2
7、及び各オペレータ端末28等が分散制御システム用
ネットワーク29に接続されている。また、前記プラン
ト運転訓練用シミュレーションシステム1においても、
実際のハードウェア構成は、前記第1制御装置3、前記
プラントシミュレータ4、記憶装置7、前記検索手段
5、前記画像伸長装置8、前記画像ディスプレイ端末
9、前記画像圧縮装置13、前記コンピュータ12、前
記オペレータ端末14、及び、教官用端末15等がシミ
ュレータ用ネットワーク16に接続されている。前記分
散制御システム用ネットワーク29と前記シミュレータ
用ネットワーク16の夫々に接続された各装置は夫々の
ネットワークを介して信号の送受信を行っている。ま
た、前記分散制御システム用ネットワーク29と前記シ
ミュレータ用ネットワーク16はネットワーク接続手段
であるゲートウェイ17を介してオンラインで接続され
ている。
【0024】以下に、別実施形態を説明する。前記ニュ
ーラルネットワーク6の第二の実施形態として、前記ニ
ューラルネットワーク6の出力信号である画像データ検
索信号34は燃焼画像の火炎の大きさや位置や色調等の
前記画像データの特徴を表す画像情報パラメータである
のも好ましい。前記ニューラルネットワーク6の出力信
号数は選択すべき約20種の前記画像データ数より大幅
に軽減され、前記ニューラルネットワーク6の規模が小
型化し、前記ニューラルネットワーク6の学習及び実行
が高速化できるのである。尚、前記ニューラルネットワ
ーク6の学習のために、前記記憶装置7に格納された画
像データに対応する属性データとして、前記実計装信号
53と併せて、前記画像処理手段26で燃焼画像の火炎
の大きさや位置や色調等の燃焼画像の特徴抽出が行われ
た結果である第2実画像情報信号57が、前記コンピュ
ータ12と信号線40を介して前記ゴミ焼却プラント2
1からオンラインで転送され前記記憶装置7に格納され
る。前記ニューラルネットワーク6の学習のための前記
実計装信号53及び前記第2実画像情報信号57を教師
信号とする学習用データベース構築作業は、1000種
類を越える実プラントの運転状況を想定して行われる。
尚、前記画像データ検索信号34の状態、つまりは、各
パラメータ値が予め設定された閾値で決定される状態レ
ベルの組み合わせから前記画像データを選択するための
マッピングテーブルが必要であるが、ニューラルネット
ワークを使用せず前記ニューラルネットワーク6の入力
信号である前約20種の模擬計装信号33から直接前記
画像データを選択するためのマッピングテーブルを構成
する場合に比べ、前記マッピングテーブルの分割数も極
端に少ないばかりではなく、前記画像データの属性デー
タとして記憶されている前記第2実画像情報信号と前記
画像情報パラメータとは実質的に同等であるため、前記
マッピングテーブルの構築が非常に簡単、且つ、自動的
にできるのである。
ーラルネットワーク6の第二の実施形態として、前記ニ
ューラルネットワーク6の出力信号である画像データ検
索信号34は燃焼画像の火炎の大きさや位置や色調等の
前記画像データの特徴を表す画像情報パラメータである
のも好ましい。前記ニューラルネットワーク6の出力信
号数は選択すべき約20種の前記画像データ数より大幅
に軽減され、前記ニューラルネットワーク6の規模が小
型化し、前記ニューラルネットワーク6の学習及び実行
が高速化できるのである。尚、前記ニューラルネットワ
ーク6の学習のために、前記記憶装置7に格納された画
像データに対応する属性データとして、前記実計装信号
53と併せて、前記画像処理手段26で燃焼画像の火炎
の大きさや位置や色調等の燃焼画像の特徴抽出が行われ
た結果である第2実画像情報信号57が、前記コンピュ
ータ12と信号線40を介して前記ゴミ焼却プラント2
1からオンラインで転送され前記記憶装置7に格納され
る。前記ニューラルネットワーク6の学習のための前記
実計装信号53及び前記第2実画像情報信号57を教師
信号とする学習用データベース構築作業は、1000種
類を越える実プラントの運転状況を想定して行われる。
尚、前記画像データ検索信号34の状態、つまりは、各
パラメータ値が予め設定された閾値で決定される状態レ
ベルの組み合わせから前記画像データを選択するための
マッピングテーブルが必要であるが、ニューラルネット
ワークを使用せず前記ニューラルネットワーク6の入力
信号である前約20種の模擬計装信号33から直接前記
画像データを選択するためのマッピングテーブルを構成
する場合に比べ、前記マッピングテーブルの分割数も極
端に少ないばかりではなく、前記画像データの属性デー
タとして記憶されている前記第2実画像情報信号と前記
画像情報パラメータとは実質的に同等であるため、前記
マッピングテーブルの構築が非常に簡単、且つ、自動的
にできるのである。
【0025】また、実プラントである前記ゴミ焼却プラ
ント21から前記画像データを抽出して、前記学習用の
データを作成する際に、前記画像データの特徴を表す画
像情報パラメータの種類とパラメータ値の分割数に応じ
て略均等に分布するように、前記画像データが過不足無
く効率的に、且つ、自動的に抽出でき、結果として、前
記ニューラルネットワーク6の学習が短期間に終了でき
るのである。
ント21から前記画像データを抽出して、前記学習用の
データを作成する際に、前記画像データの特徴を表す画
像情報パラメータの種類とパラメータ値の分割数に応じ
て略均等に分布するように、前記画像データが過不足無
く効率的に、且つ、自動的に抽出でき、結果として、前
記ニューラルネットワーク6の学習が短期間に終了でき
るのである。
【0026】上述の前記ニューラルネットワーク6の第
一または第二の実施形態にかかわらず、前記ニューラル
ネットワーク6の出力信号である前記画像データ検索信
号34から最適な画像データを前記画像データベースか
ら選択する過程において、必ずしも最適な画像データが
選択されない可能性が存在する。この様な可能性が存在
する場合に、前記画像データ検索信号34に一定の曖昧
さを許容したときに選択される複数の画像データを基に
最適な画像データを合成する第1画像合成手段18を備
え、前記第1画像合成手段18が火炎の色調、位置、大
きさ等の各特徴要素毎に前記選択された複数の画像デー
タを補間して新たな画像データを合成するのも好まし
い。前記ニューラルネットワーク6の第一の実施形態で
は、例えば、前記画像データ検索信号34の二つの信号
値が等しいか、略等しくなる場合においても、前記信号
値の大きい方または所定の判定基準に基づいて選択され
た前記画像データ検索信号34に対応する一つの画像デ
ータが選択されるところを、前記等しいか、略等しい信
号値を有する二つの前記画像データ検索信号34に対応
する二つの画像データを基に前記第1画像合成手段18
が最適な画像データを合成する。また、前記ニューラル
ネットワーク6の第二の実施形態では、例えば前記画像
データ検索信号34の複数の信号値が前記予め設定され
た閾値近傍にある場合も同様に必ずしも最適な画像デー
タが選択されない可能性があるが、前記閾値近傍にある
前記画像データ検索信号34の状態を一つに決定せず、
前記閾値を挟んだ両側の2状態を与え、結果として前記
マッピングテーブルで選択される複数の画像データを基
に前記第1画像合成手段18が最適な画像データを合成
する。
一または第二の実施形態にかかわらず、前記ニューラル
ネットワーク6の出力信号である前記画像データ検索信
号34から最適な画像データを前記画像データベースか
ら選択する過程において、必ずしも最適な画像データが
選択されない可能性が存在する。この様な可能性が存在
する場合に、前記画像データ検索信号34に一定の曖昧
さを許容したときに選択される複数の画像データを基に
最適な画像データを合成する第1画像合成手段18を備
え、前記第1画像合成手段18が火炎の色調、位置、大
きさ等の各特徴要素毎に前記選択された複数の画像デー
タを補間して新たな画像データを合成するのも好まし
い。前記ニューラルネットワーク6の第一の実施形態で
は、例えば、前記画像データ検索信号34の二つの信号
値が等しいか、略等しくなる場合においても、前記信号
値の大きい方または所定の判定基準に基づいて選択され
た前記画像データ検索信号34に対応する一つの画像デ
ータが選択されるところを、前記等しいか、略等しい信
号値を有する二つの前記画像データ検索信号34に対応
する二つの画像データを基に前記第1画像合成手段18
が最適な画像データを合成する。また、前記ニューラル
ネットワーク6の第二の実施形態では、例えば前記画像
データ検索信号34の複数の信号値が前記予め設定され
た閾値近傍にある場合も同様に必ずしも最適な画像デー
タが選択されない可能性があるが、前記閾値近傍にある
前記画像データ検索信号34の状態を一つに決定せず、
前記閾値を挟んだ両側の2状態を与え、結果として前記
マッピングテーブルで選択される複数の画像データを基
に前記第1画像合成手段18が最適な画像データを合成
する。
【0027】前記模擬画像表示装置2は、前記検索手段
5を設けず、前記検索手段5内に設けてあるが前記ニュ
ーラルネットワーク6の第二の実施形態だけを取り出
し、前記ニューラルネットワーク6の出力信号である燃
焼画像の火炎の大きさや位置や色調等の前記画像データ
の特徴を表す画像情報パラメータを用いて、予め準備さ
れた実画像データを基にした画像データベースから最適
な画像データを選択したり合成したりするのではなく、
コンピュータグラフィックス技術を応用して、例えば、
予め準備された燃焼画像要素を基に全く新たに画像デー
タを合成する第2画像合成手段を備え、前記第2画像合
成手段で合成された合成画像を映像信号37に変換して
前記画像ディスプレイ端末9に表示するのも好ましい。
5を設けず、前記検索手段5内に設けてあるが前記ニュ
ーラルネットワーク6の第二の実施形態だけを取り出
し、前記ニューラルネットワーク6の出力信号である燃
焼画像の火炎の大きさや位置や色調等の前記画像データ
の特徴を表す画像情報パラメータを用いて、予め準備さ
れた実画像データを基にした画像データベースから最適
な画像データを選択したり合成したりするのではなく、
コンピュータグラフィックス技術を応用して、例えば、
予め準備された燃焼画像要素を基に全く新たに画像デー
タを合成する第2画像合成手段を備え、前記第2画像合
成手段で合成された合成画像を映像信号37に変換して
前記画像ディスプレイ端末9に表示するのも好ましい。
【0028】更に、前記ニューラルネットワーク6の出
力信号を基に、リアルタイムで画像合成するのに処理時
間が掛かりすぎる場合は、前記コンピュータグラフィッ
クス技術を応用して作成された画像データを合成画像デ
ータベースとして必要数を前記記憶装置7に予め格納し
ておき、前記合成画像データベースから最適な画像デー
タを選択する検索手段を設けてあっても構わない。ま
た、図1に示す前記記憶装置7に格納されている画像デ
ータベースの一部または全部が前記合成画像データベー
スであっても構わない。
力信号を基に、リアルタイムで画像合成するのに処理時
間が掛かりすぎる場合は、前記コンピュータグラフィッ
クス技術を応用して作成された画像データを合成画像デ
ータベースとして必要数を前記記憶装置7に予め格納し
ておき、前記合成画像データベースから最適な画像デー
タを選択する検索手段を設けてあっても構わない。ま
た、図1に示す前記記憶装置7に格納されている画像デ
ータベースの一部または全部が前記合成画像データベー
スであっても構わない。
【0029】
【発明の効果】以上説明したように、本発明によれば、
プラント運転訓練用シミュレーションシステム内で生成
されるプラント機器類の運転状況を示すプロセス信号や
前記プラント機器類を制御するための制御信号等の計装
信号をパラメータとして実プラントの前記プラント機器
類の一部の運転状況を示す画像情報を模擬する模擬画像
データを生成、または、出力表示する手段が、従来のプ
ラント運転訓練用シミュレーションシステムに比べ容易
に構築できるようになり、更に前記模擬画像を出力表示
する装置の性能及び品質の向上も容易に図れるようにな
った。
プラント運転訓練用シミュレーションシステム内で生成
されるプラント機器類の運転状況を示すプロセス信号や
前記プラント機器類を制御するための制御信号等の計装
信号をパラメータとして実プラントの前記プラント機器
類の一部の運転状況を示す画像情報を模擬する模擬画像
データを生成、または、出力表示する手段が、従来のプ
ラント運転訓練用シミュレーションシステムに比べ容易
に構築できるようになり、更に前記模擬画像を出力表示
する装置の性能及び品質の向上も容易に図れるようにな
った。
【0030】尚、特許請求の範囲の項に、図面との対照
を便利にするために符号を記すが、該記入により本発明
は本発明は添付図面の構成に限定されるものではない。
を便利にするために符号を記すが、該記入により本発明
は本発明は添付図面の構成に限定されるものではない。
【図1】本発明に係わるプラント運転訓練用シミュレー
ションシステムと実プラントのブロック構成図
ションシステムと実プラントのブロック構成図
【図2】本発明に係わるプラント運転訓練用シミュレー
ションシステムと実プラントのハードウェア構成図
ションシステムと実プラントのハードウェア構成図
1 プラント運転訓練用シミュレーションシステム 2 模擬画像表示装置 3 第1制御装置 4 プラントシミュレータ 5 検索手段 6 ニューラルネットワーク 10 画像データ追加手段 11 学習手段 18 第1画像合成手段 21 実プラント 24 プラント機器類 31 模擬プロセス信号 32 模擬制御信号 33 模擬計装信号 34 画像データ検索信号 51 実プロセス信号 52 実制御信号 53 実計装信号
───────────────────────────────────────────────────── フロントページの続き (72)発明者 筒井 泰治 大阪府大阪市浪速区敷津東一丁目2番47号 株式会社クボタ内 (72)発明者 福澤 俊樹 大阪府大阪市浪速区敷津東一丁目2番47号 株式会社クボタ内
Claims (6)
- 【請求項1】 実プラント(21)のプラント機器類
(24)の運転状況を模擬する複数の模擬プロセス信号
(31)を生成するプラントシミュレータ(4)と、前
記複数の模擬プロセス信号(31)をもとに前記プラン
ト機器類(24)を制御可能な複数の模擬制御信号(3
2)を生成する第1制御装置(3)と、前記複数の模擬
プロセス信号(31)と前記複数の模擬制御信号(3
2)をもとに前記プラント機器類の一部の運転状況を示
す模擬画像を表示する模擬画像表示装置(2)を備えて
なるプラント運転訓練用シミュレーションシステム
(1)であって、 前記模擬画像表示装置(2)が、予め準備された複数の
画像データの中から、前記複数の模擬プロセス信号(3
1)と前記複数の模擬制御信号(32)の状態に対応す
る一つの画像データを検索する検索手段(5)を備えて
なり、 前記検索手段(5)が、前記複数の模擬プロセス信号
(31)と前記複数の模擬制御信号(32)の一部また
は全部からなる模擬計装信号(33)を入力信号として
受信し、前記複数の画像データから一つの画像データを
検索するための画像データ検索信号(34)を出力する
ニューラルネットワーク(6)を備えてなるプラント運
転訓練用シミュレーションシステム。 - 【請求項2】 前記画像データ検索信号(34)が前記
画像データの特徴を表す画像情報パラメータである請求
項1記載のプラント運転訓練用シミュレーションシステ
ム。 - 【請求項3】 前記画像データに新たな画像データを追
加する画像データ追加手段(10)を備えている請求項
2記載のプラント運転訓練用シミュレーションシステ
ム。 - 【請求項4】 実プラント(21)とオンラインで接続
され、前記実プラント(21)から抽出される画像デー
タと、前記画像データ抽出時における前記実プラント
(21)上の実プロセス信号(51)と実制御信号(5
2)からなる実計装信号(53)を用いて、前記ニュー
ラルネットワーク(6)の学習を行う学習手段(11)
を備えている請求項1、2、または、3記載のプラント
運転訓練用シミュレーションシステム。 - 【請求項5】 前記画像データ検索信号(34)に基づ
いて、予め準備された複数の前記画像データを基本にし
て、前記模擬計装信号(33)の状態に対応する一つの
画像データを合成する第1画像合成手段(18)を備え
ている請求項1、2、3、または、4記載のプラント運
転訓練用シミュレーションシステム。 - 【請求項6】 実プラント(21)のプラント機器類
(24)の運転状況を模擬する複数の模擬プロセス信号
(31)を生成するプラントシミュレータ(4)と、前
記複数の模擬プロセス信号(31)をもとに前記プラン
ト機器類(24)を制御可能な複数の模擬制御信号(3
2)を生成する第1制御装置(3)と、前記複数の模擬
プロセス信号(31)と前記複数の模擬制御信号(3
2)をもとに前記プラント機器類の一部の運転状況を示
す模擬画像を表示する模擬画像表示装置(2)を備えて
なるプラント運転訓練用シミュレーションシステム
(1)であって、 前記模擬画像表示装置(2)が、前記複数の模擬プロセ
ス信号(31)と前記複数の模擬制御信号(32)の一
部または全部からなる模擬計装信号(33)を入力信号
として受信し、画像データの特徴を表す画像情報パラメ
ータを出力するニューラルネットワーク(6)を備えて
なり、 前記画像情報パラメータをもとに前記模擬計装信号(3
3)の状態に対応する一つの画像データを合成する第2
画像合成手段を備えているプラント運転訓練用シミュレ
ーションシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP14887396A JPH09330013A (ja) | 1996-06-11 | 1996-06-11 | プラント運転訓練用シミュレーションシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP14887396A JPH09330013A (ja) | 1996-06-11 | 1996-06-11 | プラント運転訓練用シミュレーションシステム |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH09330013A true JPH09330013A (ja) | 1997-12-22 |
Family
ID=15462637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP14887396A Pending JPH09330013A (ja) | 1996-06-11 | 1996-06-11 | プラント運転訓練用シミュレーションシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH09330013A (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2396026A (en) * | 2002-10-22 | 2004-06-09 | Fisher Rosemount Systems Inc | Process control system including control, graphic display and simulation modules |
US7110835B2 (en) | 2002-10-22 | 2006-09-19 | Fisher-Rosemount Systems, Inc. | Integration of graphic display elements, process modules and control modules in process plants |
US8881039B2 (en) | 2009-03-13 | 2014-11-04 | Fisher-Rosemount Systems, Inc. | Scaling composite shapes for a graphical human-machine interface |
US9046881B2 (en) | 2002-10-22 | 2015-06-02 | Fisher-Rosemount Systems, Inc. | Updating and utilizing dynamic process simulation in an operating process environment |
US10878140B2 (en) | 2016-07-27 | 2020-12-29 | Emerson Process Management Power & Water Solutions, Inc. | Plant builder system with integrated simulation and control system configuration |
US11092939B2 (en) | 2019-10-07 | 2021-08-17 | Fisher-Rosemount Systems, Inc. | Preview mode for configuration logic |
US11418969B2 (en) | 2021-01-15 | 2022-08-16 | Fisher-Rosemount Systems, Inc. | Suggestive device connectivity planning |
-
1996
- 1996-06-11 JP JP14887396A patent/JPH09330013A/ja active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2396026A (en) * | 2002-10-22 | 2004-06-09 | Fisher Rosemount Systems Inc | Process control system including control, graphic display and simulation modules |
US7110835B2 (en) | 2002-10-22 | 2006-09-19 | Fisher-Rosemount Systems, Inc. | Integration of graphic display elements, process modules and control modules in process plants |
GB2396026B (en) * | 2002-10-22 | 2007-08-22 | Fisher Rosemount Systems Inc | Integration of graphic display elements, process modules and control modules in process plants |
US9046881B2 (en) | 2002-10-22 | 2015-06-02 | Fisher-Rosemount Systems, Inc. | Updating and utilizing dynamic process simulation in an operating process environment |
US9069344B2 (en) | 2002-10-22 | 2015-06-30 | Fisher-Rosemount Systems, Inc. | Smart process modules and objects in process plants |
US9904263B2 (en) | 2002-10-22 | 2018-02-27 | Fisher-Rosemount Systems, Inc. | Smart process objects used in a process plant modeling system |
US9904268B2 (en) | 2002-10-22 | 2018-02-27 | Fisher-Rosemount Systems, Inc. | Updating and utilizing dynamic process simulation in an operating process environment |
US9983559B2 (en) | 2002-10-22 | 2018-05-29 | Fisher-Rosemount Systems, Inc. | Updating and utilizing dynamic process simulation in an operating process environment |
US8881039B2 (en) | 2009-03-13 | 2014-11-04 | Fisher-Rosemount Systems, Inc. | Scaling composite shapes for a graphical human-machine interface |
US10878140B2 (en) | 2016-07-27 | 2020-12-29 | Emerson Process Management Power & Water Solutions, Inc. | Plant builder system with integrated simulation and control system configuration |
US11092939B2 (en) | 2019-10-07 | 2021-08-17 | Fisher-Rosemount Systems, Inc. | Preview mode for configuration logic |
US11418969B2 (en) | 2021-01-15 | 2022-08-16 | Fisher-Rosemount Systems, Inc. | Suggestive device connectivity planning |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2002366021A (ja) | バーチャル現場訓練装置 | |
JPH09330013A (ja) | プラント運転訓練用シミュレーションシステム | |
CN110459128A (zh) | 一种电子班牌及电子班牌的控制方法 | |
JP3753755B2 (ja) | プラント模擬装置 | |
JPH0816092A (ja) | 訓練用シミュレータ装置 | |
JP3763646B2 (ja) | プラント模擬装置 | |
JPH11194814A (ja) | プラント模擬装置 | |
JP2000200026A (ja) | プラント運転訓練用シミュレ―タ | |
JP3419516B2 (ja) | 撮像手段の制御方法および撮像制御装置 | |
JPH10133557A (ja) | プラント模擬装置 | |
JPH0695584A (ja) | 運転訓練シミュレータ | |
JPH08339160A (ja) | 訓練評価用データ記録再生方法及び訓練評価用データ記録方法及び訓練評価用データ記録再生装置 | |
Belser et al. | Evaluation of the ISAS system after two years of practical experience in forensic police work | |
JPH10293524A (ja) | ゴミ焼却炉模擬画像合成装置 | |
JPH0969008A (ja) | 操作状況監視装置 | |
JPH10274920A (ja) | プラントシミュレータ | |
JP2001268562A (ja) | ライブ映像の自動収録方法および装置 | |
JPH06274097A (ja) | 訓練用シミュレータ | |
JPS61140978A (ja) | プラント模擬装置 | |
JPH0756496A (ja) | 訓練用シミュレータのモニタ装置 | |
JPH06342254A (ja) | モニタ装置 | |
JP3621833B2 (ja) | 映像表示装置及び運転訓練シミュレータ映像装置 | |
JPH01177585A (ja) | 運転訓練支援装置 | |
JP2851882B2 (ja) | 表示装置 | |
Combremont et al. | Interactive computer graphics applied to chemistry: experiences and new developments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050623 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20051020 |