JP2014044510A - 異常診断装置 - Google Patents

Abstract

【課題】診断対象機器の入力データと参照データの乖離度をこれらデータの時間差についても評価して、診断対象機器が異常かどうか判定するともに、異常と判定された原因のパラメータを表示する装置を提供する。
【解決手段】異常診断装置は、診断対象の状態を時系列に表し、時間情報を有する診断用入力データを取得する入力データ取得部１０１と、時間情報を含み、診断用入力データと比較される参照データを取得する参照データ取得部１０２と、診断用入力データと参照データとに基づいて、両データの乖離度を算出する乖離度算出部１０４と、乖離度に基づいて乖離度の時間依存成分を算出する時間依存成分算出部１０５と、乖離度に基づいて、診断対象が異常か否かを判断する判断部１０６と、異常と判断されたとき、乖離度と乖離度の時間依存成分とに基づいて、異常と判断された原因を判断する異常原因診断部１０７とを備える。
【選択図】図２

Description

本発明は、過渡状態の機器異常を診断する異常診断装置に関する。

機器異常とは、一般に、設備を構成する機器、例えば、原子力発電所におけるポンプが正常に機能を果たしていない状態のことである。正常に機能していない状態の一例として、機器の部品等が破損して機器が停止している状態や、機器が設計された性能を果たしていない状態などが挙げられる。このような機器異常の状態になる原因は、外乱や製造時・施工時・修理時の欠陥、摩耗や材料の劣化などによる経年劣化、運転時の過負荷などが考えられる。

このような機器異常に対して、機器にセンサを取り付け、その稼働データから機器が正常に稼働、すなわち機能しているか否かを判定する技術を異常診断と呼ぶ。異常診断としては、センサ値が一定である、または、所定の範囲内に収まるか否かにより判定する閾値判定の手法が一般に普及している。この手法では、センサ値が徐々に上昇しているなどの異常兆候を知ることが出来るという利点がある。

しかし、センサ値が一定の値になることが期待できないケースがある。例えば、ポンプや原動機などの動き始めや機器が安定する前、動作モードが変化するような場合、例えば、ポンプの設定出力を大幅に上昇または減少させる場合などである。原子力発電所では、通常稼働時には使用しないが、停止時や緊急時に使用するポンプなどが存在しており、これらを定期的に動かして緊急時に正常に動くか否かの動作確認を行うサーベイランスと呼ばれる検査を行う。従来のサーベイランスでは、ポンプ等の機器は、起動の可否と所定の性能が出ているかをチェックするのが目的であり、異常兆候を検知することは主たる目的ではない。

センサ値が一定の値にならないような場合において徴候を検知する方法として、時系列データの定常状態の部分から検知する方法と、過渡状態の部分から検知する方法とがある。本発明は後者を対象とする。過渡状態の時系列データから異常診断する方法としては、ＭＴＳ（Ｍａｈａｒａｎｏｂｉｓ−Ｔａｇｕｃｈｉ Ｓｙｓｔｅｍ）法、ＳＢＭ（Ｓｉｍｉｌａｒｉｔｙ Ｂａｓｅｄ Ｍｏｄｅｌｉｎｇ）法、ＤＰ（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｎｇ）マッチングなどがある。本発明では、検証用データを最小限ですますため、ＤＰマッチング（たとえば非特許文献１参照）など類似度ベースの診断手法を使用することにする。

特許文献１には次のようなプラント診断装置が記載されている。信号入力部から入力した機器の動作状態を表わす信号および論理データベースに格納された論理に基づいて、論理判定部でプラント状態の候補事例群を決定し、時系列波形判断部が信号入力部から入力したプロセス状態を表わす信号の時系列データと、事例データベースに格納された候補事例群の事例データとの距離に基づいて類似度を評価してプラント状態を診断する。このプラント診断装置では、信号入力部から送信される現在の時系列データを入力データとし、事例データベースに格納されてある過去の時系列データを参照データとして、入力データと参照データとの類似度を算出し、類似度を閾値処理により評価し出力することが記載されている。

特開２００２−９９３１９号公報

内田誠一、「ＤＰマッチング概説〜基本と様々な拡張〜」、電子情報通信学会技術研究報告、社団法人電子情報通信学会、２００６年１２月、第１０６巻、第４２８号、Ｐ．３１−３６

しかしながら、特許文献１のプラント診断装置では、入力データと参照データの類似度は、時間経過に対するデータ変化の類似度で算出しており、さらに入力データと参照データの時間差を変更して最も類似度が高くなる場合の参照データから異常原因を診断している。したがって入力データと参照データの間に時間差が生じることが異常である現象に対しては、これを異常と診断することができない。

請求項１の異常診断装置は、診断対象の状態を時系列に表し、時間情報を有する診断用入力データを取得する入力データ取得部と、時間情報を含み、診断用入力データと比較される参照データを取得する参照データ取得部と、診断用入力データと参照データとに基づいて、両データの乖離度を算出する乖離度算出部と、乖離度に基づいて乖離度の時間依存成分を算出する時間依存成分算出部と、乖離度と乖離度の時間依存成分とに基づいて異常診断処理を実行する異常診断実行処理部とを備えることを特徴とする。

本発明による異常診断装置では、乖離度の時間依存成分を用いて診断するので過渡データに基づいたきめ細かい診断が可能となる。

本発明による第１の実施形態の異常診断装置を用いた、診断対象機器を含む異常診断システムの全体概略図である。 本発明による第１の実施形態の異常診断装置の機能ブロック図である。 本発明による第１の実施形態の異常診断装置での処理の全体フローを示す図である。 図２の異常診断処理フローのステップＳ３０７でのさらに詳細な処理フローを示す図である。 第１実施形態における異常原因診断の処理フローを具体化した図である。 第１実施形態における入力時系列データのデータ構成図である。 第１実施形態における参照時系列データのデータ構成図である。 第１実施形態における重み表のデータ構成図である。 第１実施形態における判定閾値のデータ構成図である。 第１実施形態におけるパラメータ−異常原因対応表のデータ構成図である。 第１実施形態における閾値の算出手順を占める処理フロー図である。 第１実施形態における異常診断装置の画面遷移図である。 第１実施形態において乖離度時間非依存部が大きいときの入力時系列データと参照時系列データを示すグラフである。 第１実施形態において乖離度時間依存成分が大きいときの入力時系列データと参照時系列データを示すグラフである。 第２実施形態における異常診断装置の機能ブロック図である。 第３実施形態における異常診断装置の機能ブロック図である。 状態変化時の信号波形において過渡状態も含む参照データの作成方法を説明する図である。 図１７の信号波形から、参照データを作成する処理のフローを示す図である。

以下、図１〜１８を参照して本発明による異常診断装置の実施形態について説明する。
−第１の実施形態−
本実施形態では、入力時系列データ２０１と参照時系列データ２０２の乖離度を元に異常診断を行う異常診断装置１００の例を説明する。

図１は、本発明による第１の実施形態の異常診断装置１００により診断対象機器１００１を診断する異常診断システムの全体構成を示す概略図である。
異常診断システムは、診断対象機器１００１の異常診断を行う異常診断装置１００と、センサ１００２と、制御器１００３と、アクチュエータ１００４と、ディスプレイ１００５と、スピーカ１００６とを備えている。センサ１００２は診断対象機器１００１のある状態を検出値として出力する。制御器１００３は検出値を用いて制御指令を算出する。アクチュエータ１００４は、制御指令に従い診断対象機器を診断するために、診断対象機器１００１に状態変化を与える。

センサ１００２は、アクチュエータ１００４によって状態変化された診断対象機器１００１の状態変化に対応した信号を検出する。アクチュエータ１００４は、診断対象機器１００１とその診断対象の状態変化を生ずるものであり、診断対象機器１００１とその診断対象の状態変化により異なる。したがって、この状態変化を検出するセンサ１００２も、診断対象機器１００１とその診断対象の状態変化を検出するための適切なセンサである。例えば、アクチュエータ１００４を弁の開度を調節するアクチュエータとした場合は、そのセンサは弁の開度を検出するセンサとなる。

センサ１００２と制御器１００３は、検出値および制御指令を通信する信号線を介して異常診断装置１００と接続されており、異常診断装置１００は、ディスプレイ１００５とスピーカー１００６へ異常診断結果を表示したり音声として出力したりする。

図２は、本発明による第１の実施形態の異常診断装置１００の機能ブロック図である。
異常診断装置１００は、入力データ取得部１０１と、参照データ取得部１０２と、全体的ずれ算出部１０３と、乖離度算出部１０４と、乖離度時間依存抽出部１０５と、評価部１０６と、異常原因診断部１０７とを備える。
なお、ここでは「乖離度」は「非類似度」の意味で用いている。従来の技術での「類似度」の算出では、参照データと入力データの比較において、時間的ずれを合わせているため、時間的ずれを異常と判定しない。本発明では、この時間的ずれも参照データと入力データの「乖離度」の成分であるとして評価している。

異常診断装置１００は、各種データを格納するデータ格納部２００を備える。データ格納部２００には、入力時系列データ格納部２０１と、参照時系列データ格納部２０２と、重み表格納部２０３と、判定閾値格納部２０４と、パラメータ異常原因対応表格納部２０５とを有している。なお、以下の説明では、それぞれの格納部に格納したデータに対しても、格納部に付した番号を付けて説明する。たとえば、入力時系列データには、その格納部に付けた番号２０１を付すこととする。

図１に示す診断対象機器１００１に設けられたセンサ１００２からの出力は、この出力の時間情報（時刻）とともにリアルタイムに追加されてデータ格納部２００に入力時系列データ２０１として格納される。センサ１００２から出力されるセンサ出力データを制御出力データと呼ぶ。診断対象機器１００１の状態、例えば弁開度を表す制御出力データには、弁開度をセンサ１００２で検出した時刻である時間情報が制御出力データに付加され、このデータが診断用入力データである。

入力データ取得部１０１は、入力時系列データ２０１をデータ格納部２００から取得する。参照データ取得部１０２は、参照時系列データ２０２をデータ格納部２００から取得する。後述するように、この参照時系列データ２０２は、前もって準備された比較用のデータであってよく、あるいは制御器１００３からの制御データがリアルタイムに格納されたものであってもよい。

全体的ずれ算出部１０３は、参照時系列データ２０２に対して入力時系列データ２０１（図６参照）をどれだけ平行移動したら乖離度が最小になるかを算出するものである。平行移動した量は、オフセットとむだ時間（後述）として認識される。オフセットとは、乖離度が最小となったときのデータ軸方向の移動距離である。むだ時間とは、乖離度が最小となったときの時間軸方向の移動距離である。

乖離度算出部１０４は、入力時系列データ２０１と参照時系列データ２０２（図７参照）の乖離度を、重み表２０３（図８参照）の時間重みおよび出力重みを用いてＤＰマッチング（後述）により算出するものである。

乖離度時間依存抽出部１０５（図２参照）は、乖離度算出部１０４によって求められた乖離度から、時間に依存する部分、すなわち乖離度の時間依存成分を抽出するものである。時間に依存する部分を抽出する方法としては、乖離度算出方法がＤＰマッチングであることを想定すると、ＤＰマッチングした際に計算過程を覚えておき、乖離度時間依存抽出部１０５において計算過程に従って乖離度の時間依存部分を再計算することによって求まる。
したがって、乖離度算出部１０４で算出された乖離度は、時間依存成分と時間非依存成分とに分割される。

評価部１０６は、判定閾値２０４（図９参照）の各閾値を用いて、乖離度、オフセット、およびむだ時間がそれぞれの閾値を越えた時に異常または注意警報を出力する。異常原因診断部１０７は、評価部１０６において異常警報が出力された場合、乖離度および乖離度の時間依存成分から、パラメータ−異常原因対応表２０５（図１０参照）を用いて、異常原因を出力する。表示出力部１０８は、出力された警報および異常原因をディスプレイ１００５に表示したりスピーカー１００６に音声として出力したりする。
なお、上記の閾値の算出方法については後述する。

（ＤＰマッチングによる乖離度算出方法）
ここで、本発明による異常診断装置におけるＤＰマッチングを用いた乖離度の算出方法ならびにその時間依存成分の算出方法について説明する。

ＤＰマッチングとは、２つの１次元パターンＳ＝（ｓ1 ，ｓ2 ，…，ｓi ，…，ｓI ）とパターンＲ＝（ｒ1 ，ｒ2 ，…，ｒｉ ，…，ｒＩ ）との間において、パターンＳの第ｉ要素ｓi とパターンＲの第ｊ要素ｒj との対応付けｊ＝ｕi （ｉ＝１，…，Ｉ）があるとき、目的関数Ｆを最小化するｊ＝ｕiの組合せを見つける手法である。
第１の実施形態においては、それぞれのパターンの１次元のデータ列ｓ１〜ｓＩ、ｒ１〜ｒＩは、それぞれ診断対象機器１００１の状態変化を検出するセンサ１００２の出力の時系列データに関するデータ列である。

パターンＳとパターンＲの距離をｄｉ（ｕｉ）＝‖ｓｉ−ｒｉ‖とすると、ＤＰマッチング後におけるｄｉ（ｕｉ）の総和は、パターンＳとパターンＲの類似度ととらえることができる。この類似度は、０以上の値をとり、パターンＳとパターンＲとが一致している場合に０となる。したがって、類似度が低いほど波形の一致度が高いことを示す。

第１の実施の形態においては、上記の２つの１次元パターンＳ、Ｒのデータ列は、乖離度の時間成分を分離して評価するため、２つのパターンのデータ列での各データの出力値と検出時刻の差（距離）にそれぞれ重みを設けた重み付き距離を用いる。
このため、２つの１次元パターンＳ、Ｒをそれぞれ、Ｓ＝（ｓ1 ，ｓ2 ，…，ｓi ，…，ｓI ）、Ｒ＝（ｒ1 ，ｒ2 ，…，ｒj ，…，ｒJ ）とし、時刻ｔｉ，ｔｊでのパターンの乖離度ｆ（ｉ，ｊ）を以下のように表記する。

ここで、ｔｓ（ｉ）はｓｊにおける時刻、ｔｒ（ｊ）はｒｊにおける時刻、ｃｕはパターン間の距離に対する重み、ｃｓは時間に関する重みを示す。また、式（３）、（４）、（５）は初期値の算出方法を示す。
ＳとＲの重み付き距離の部分和をｆ（ｉ，ｊ）とすると，式（１）のうち、（ａ）の示すｆ（ｉ−１，ｊ−１）に局所距離を足したもの、または（ｂ）の示すｆ（ｉ−１，ｊ）に局所距離と重み付き距離を足したもの、または（ｃ）の示すｆ（ｉ，ｊ−１）に局所距離と重み付き距離を足したもののうち、最も小さいものを選択していく。

このようにして求めた重み付き距離の総和ｆ（Ｉ，Ｊ）を式（２）のようにＦとすると，上記のように、ＦはパターンＳとパターンＲとの類似度と捉えることができる。あるいは、Ｆが大きくなると類似度が小さくなるので、Ｆは２つのパターンの乖離度を表わすと考えることもできる。
なお、時系列データの例を用いた具体的な説明は、図１３、１４を参照して後述する。

（重みの設定方法）
式（１）においてｃｕの項（ｃｕ‖ｓｉ−ｒｊ‖）とｃｓの項（ｃｓ｛ｔｓ（ｉ）−ｔｓ（ｉ−１）｝、またはｃｓ｛ｔｒ（ｊ）−ｔｒ（ｊ−１）｝ ）はほぼ等しいことが望ましい。たとえばｃｓの項が極端に大きいと、明らかに（ａ）のみを選択することになる。またｃｕの項が 極端に大きいと、ｃｓの項の影響が小さくなるため、結果的に（ａ）のみを選択することになる。

（ｂ）や（ｃ）を選択してもいいように、ｓｉの平均値ｓａｖｒとｒｊの平均値ｒａｖｒの差分をσ、ｓｉのサンプリング 周期をΔＴｓ、ｒｊのサンプリング周期をΔＴｒ、ｃｕを１とし、重みの比ｃｕ：ｃｓがｓｉとｒｊのサンプリング周期の 平均値と差分σに等しいと仮定すると、ｃｕ：ｃｓ＝ １：ｃｓ＝１／σ：１／｛（ΔＴｓ＋ΔＴｒ）／２｝、したがって、 ｃｕ＝１、ｃｓ＝２σ／（ΔＴｓ＋ΔＴｒ）となる。

この重みの決め方はあくまで一例であり、ｃｕおよびｃｓの値が正の値をとっていればよいものとする。また、時間の違いに感度を持たせたいときにはｃｓの値を増やしても良い。

図３は、第１の実施形態における異常診断装置全体の処理フローである。処理開始（ステップＳ３０１）後、まず入力データ取得部１０１によって入力時系列データ２０１を取得する（ステップＳ３０２）。次に参照データ取得部１０２によって参照時系列データ２０２を取得する（ステップＳ３０３）。

全体的ずれ算出部１０３（図２参照）により、入力データ２０１に対して適当なオフセットやむだ時間を変化させて加え、全体的ずれ算出部１０３により乖離度が最小となるオフセット値およびむだ時間を求め、この乖離度が最小となるようなオフセット値およびむだ時間を用いて乖離度算出部１０４により入力時系列データ２０１と参照時系列データ２０２との乖離度を算出する（ステップＳ３０４）。

すなわち、全体的ずれ算出部１０３では、診断用入力データと参照データの乖離度が最小となるように両データを平行移動したときのデータ軸方向の移動量であるオフセットおよび、時間軸方向の移動量であるむだ時間が算出される。

ステップＳ３０５で、評価部１０６は、乖離度、オフセット、むだ時間がそれぞれの閾値を超過したかどうかを判定する。もし閾値を超過した場合、乖離度時間依存抽出部１０５により乖離度時間依存成分を計算し（ステップＳ３０６）、異常原因診断部１０７は異常原因診断を行い（ステップＳ３０７）、表示出力部１０８はディスプレイ１００５やスピーカー１００６に対して警報および異常原因を出力する（ステップＳ３０８）。

図４は、図３の異常原因診断の処理ステップＳ３０７の内容のさらに詳細な処理フローを示す。異常原因診断部１０７（図２参照）は、処理開始（ステップＳ３０７１）後、パラメータ−異常原因対応表２０５（図１０参照）から、複数の条件文のうち条件文と一致するものを読み込む（ステップＳ３０７２、Ｓ３０７３）。その条件文と、乖離度、オフセット、むだ時間および乖離度時間依存成分と照らし合わせ、もし条件に一致していればその条件に従い異常原因を決定する。もしそうでなければ、条件文を全部読みこんだかどうかをチェックし、読み込んでいなければ次の条件文を読み込む。条件文をすべて読み込み完了した場合は、異常原因が不明であると決定するか、またはデフォルトの異常原因を設定する。

図５は第１の実施形態における異常原因診断部１０７での原因判断の具体例である。ただし、図５は、原因判断の考え方を分かり易く示したものであり、異常診断処理フローを示すものではない。異常原因診断部１０７は、パラメータ−異常原因対応表２０５から、複数の条件文のうち条件文１つを読み込む。全体的なずれ、つまりオフセットおよびむだ時間が閾値を超えていない場合、異常原因診断部１０７は、乖離度の時間依存部分が閾値を超過しているかどうか判定する。もし閾値を超過していれば異常原因説明文を反応遅れとし、そうでない場合は異常原因説明文を出力過多として処理を終了する。オフセットまたはむだ時間が閾値を超えている場合、他の条件文を読み込み、異常原因を決定する。

図６は第１の実施形態における入力時系列データ２０１のデータ構成図、図７は第１の実施形態における参照時系列データ２０２のデータ構成図である。入力時系列データ２０１および参照時系列データ２０２はそれぞれ複数のデータ要素から構成されており、データ要素は時刻およびその時間における実データ数値によって構成される。

図８は第１の実施形態における重み表２０３のデータ構成図である。重み表は時間重みと出力重みにより構成される。時間重みとは、乖離度算出部１０４により乖離度を計算する際において乖離度の時間に依存する部分への重みであり、出力重みとは乖離度の時間に依存しない部分への重みである。

図９は、第１の実施形態における判定閾値２０４のデータ構成図である。判定閾値２０４は、乖離度閾値２０４１、オフセット閾値２０４２、むだ時間閾値２０４３から構成されている。各閾値はそれぞれ異常警報を出力する際の最小値であることを示す。すなわち、図９に示す判定閾値は警報を出力するか否かの判定に用いられる。

図１０は、第１の実施形態におけるパラメータ−異常原因対応表２０５のデータ構成図である。ここではパラメータとして、乖離度、オフセット、むだ時間、乖離度の時間依存成分を用いている。
パラメータ−異常原因対応表２０５は複数の条件文２０５１から成り立っている。条件文２０５１は、乖離度閾値２０５１１、乖離度用不等号２０５１２、オフセット閾値２０５１３、オフセット用不等号２０５１４、むだ時間閾値２０５１５、むだ時間用不等号２０５１６、時間依存部分用閾値２０５１７、時間依存部分用不等号２０５１８、異常原因説明文２０５１９から成り立っている。乖離度などそれぞれのパラメータが全て閾値と不等号の関係で表わされる場合、異常原因説明文２０５１９を異常原因の説明に使用する。

なお、図１０に示すパラメータ−異常原因対応表２０５のデータを用いて、評価部１０６で診断対象が異常であると判断された場合に、その異常である内容の詳細、すなわち上記の各閾値と不等号の条件文により異常と判断されたパラメータが選択されて表示出力部１０８に表示される。

（閾値の設定方法）
ここで図１１を参照して上記の閾値の設定方法について説明する。
まず、あらかじめ正常な場合の時系列データと異常が発生した場合の時系列データをそれぞれ複数セット用意しておく（ステップＳ５０２）。次に正常な場合の時系列データの複数セットについて乖離度Ｆｎｉ、オフセットＯｎｉ、むだ時間Ｔｎｉを求め（ステップＳ５０３）、この複数セットの時系列データでの最大値Ｆｎｍａｘ、Ｏｎｍａｘ、Ｔｎｍａｘを求める（ステップＳ５０４）。

次に、異常な場合の時系列データの複数セットについて乖離度Ｆａｉ、オフセットＯａｉ、むだ時間Ｔａｉを求め（ステップＳ５０５）、この複数セットの時系列データでの最小値Ｆａｍｉｎ、Ｏａｍｉｎ、Ｔａｍｉｎを求める（ステップＳ５０６）。

以上で複数の正常および異常な場合の時系列データそれぞれから求めたＦｎｍａｘ、Ｏｎｍａｘ、ＴｎｍａｘおよびＦａｍｉｎ、Ｏａｍｉｎ、Ｔａｍｉｎから、閾値Ｆｔｈ、Ｏｔｈ、Ｔｔｈを以下の式によって求める（ステップＳ５０７）。
Ｆｔｈ＝（Ｆｎｍａｘ＋Ｆａｍｉｎ）／２
Ｏｔｈ＝（Ｏｎｍａｘ＋Ｏａｍｉｎ）／２
Ｔｔｈ＝（Ｔｎｍａｘ＋Ｔａｍｉｎ）／２

なお、異常データがない場合は、正常な時系列データに雑音などを加算することにより、疑似異常時系列データを作成して使用する。

図１２は、第１の実施形態における異常診断装置１００の画面遷移である。（ａ）に示す初期画面では異常警報表示画面４０１として注意警報と原因とを表示する。また、サーベイランス回次に対する乖離度のグラフおよび閾値の線も併せて表示する。異常原因の部分または異常回次の部分をクリックすると、（ｂ）に示す異常原因判定用グラフ４０２を表示する。乖離度算出部１０４で算出された乖離度の乖離度時間非依存成分、および乖離度の時間依存成分をそれぞれ棒グラフで表示するとともに、閾値の境界線、およびその境界線に沿った異常原因を表示する。

図１２（ｂ）の棒グラフは次のような原因を示している。すなわち、乖離度の時間依存成分が閾値を超えている場合は、反応の遅れによる異常である。乖離度の時間依存成分が閾値を超えていない場合は、出力過多である。このように、異常原因診断部１０７は、乖離度の時間依存成分と時間非依存成分を別々に表示する。換言すると、異常原因診断部１０７は、乖離度の時間依存成分が乖離度全体に占める割合を算出し、乖離度が大きい原因、すなわち類似度が低下する原因が、時間系の異常であるか、出力系の異常であるかを診断することができる。

図１２（ｂ）の乖離度時間依存成分の棒グラフをクリックすると、（ｃ）に示す時間依存部表示画面４０３へ遷移する。時間依存部表示画面４０３はサーベイランス回次に対する乖離度時間依存成分のグラフおよび閾値の線を表示する。異常原因判定用グラフ４０２のうち乖離度時間非依存部の棒グラフをクリックすると、（ｄ）に示す時間依存部表示画面４０４へ遷移する。時間依存部表示画面４０４はサーベイランス回次に対する乖離度時間依存成分のグラフおよび閾値の線を表示する。

図１３は、第１の実施形態において乖離度時間非依存部が大きいときの入力時系列データ２０１（図６参照）と参照時系列データ２０２（図７参照）を示すグラフである。縦軸は入力時系列データ２０１の示すパターンＳと参照時系列データ２０２の示すパターンＲにおけるｓiとｒjの値を、横軸はｓiにおける時刻ｔs（ｉ）およびｒｊにおける時刻ｔｒ（ｊ）を、それぞれ示す。

図１３に示す時系列データを用いて、上記式（１）〜（５）による乖離度Ｆの算出演算がどのように行われるか説明する。ＤＰマッチングでは、ｓiとｒｊが最も最短距離をとるようなｉとｊのデータ値の組合せを求め、その組合せにしたがってｓiとｒｊの距離の和を求めて乖離度とする。
たとえば、たとえば時刻ｔ５（ｉ）、ｔ５（ｊ）乖離度ｆ（２，２）は、
ｃｕ‖ｓ２−ｒ２‖＋ｆ（１，１）…（ａ）
ｃｕ‖ｓ２−ｒ２‖＋ｃｓ｛ｔｒ（２）−ｔｒ（１）｝＋ｆ（２，１）…（ｃ）
ｃｕ‖ｓ２−ｒ２‖＋ｃｓ｛ｔｓ（２）−ｔｓ（１）｝＋ｆ（１，２）…（ｂ）
の３つの乖離度のうち、最も小さいものが選択される。
ｆ（ｉ，ｊ）≧０であり、
ｆ（２，１）＝ｆ（１，１）＋ｃｕ‖ｓ２−ｒ１‖＋ｃｓ｛ｔｒ（２）−ｔｒ（１）｝、
ｆ（１，２）＝ｆ（１，１）＋ｃｓ｛ｔｓ（２）−ｔｓ（１）｝＋ｃｕ‖ｓ１−ｒ２‖
であるため、（ａ）が最小となる。このように求めた結果、ｓ１とｒ１、ｓ２とｒ２、・・・という具合に（ａ）を選択し続けると最短距離が求まる。ここでｓ３とｒ３の値は他の組合せに比べて距離が大きいものの、ｊ＝ｉということで時間的にシフトを行っていないため、乖離度時間非依存部が大きいものとして計算する。

図１４は、第１実施形態において乖離度時間依存成分が大きい場合の入力時系列データ２０１と参照時系列データ２０２の例を示すグラフである。縦軸は入力時系列データ２０１の示すパターンＳと参照時系列データ２０２の示すパターンＲにおけるｓiとｒjの値を、横軸はｓiにおける時刻ｔs（ｉ）およびｒｊにおける時刻ｔｒ（ｊ）を、それぞれ示す。本グラフではｉ＝６，５の場合については式（１）の（ａ）を選択し続けると最短距離が求まる。しかし、ｉ＝４のときは
ｃｕ‖ｓ４−ｒ４‖＋ｆ（３，３）…（ａ）
ｃｕ‖ｓ４−ｒ４‖＋ｃｓ｛ｔｓ（４）−ｔｓ（３）｝＋ｆ（３，４）…（ｂ）、
ｃｕ‖ｓ４−ｒ４‖＋ｃｓ｛ｔｒ（４）−ｔｒ（３）｝＋ｆ（４，３）…（ｃ）
の３つの乖離度のうち、最も小さいものが選択される。この例では、（ａ）か（ｃ）を選択することになるが、
ｆ（３，３）にはｃｕ‖ｓ３−ｒ３‖が含まれており、
ｃｕ‖ｓ４−ｒ３‖＋ｃｓ｛ｔｒ（４）−ｔｒ（３）｝の含まれているｆ（４，３）より大きい。そのため（ｃ）を選択する。

このように（ｃ）を選択した場合には、時間依存成分ｃｓ｛ｔｒ（４）−ｔｒ（３）｝を加算した値が乖離度として算出される。一方、ｆ（２，２）からｆ（３，２）を計算するときにも時間依存成分ｃｓ｛ｔｓ（３）−ｔｓ（２）｝を加算した値が乖離度として算出される。

以上説明した第１の実施形態の異常診断装置１００によれば次のような作用効果を奏することができる。
（１）診断対象機器１００１の状態を時系列に表し時間情報を有するセンサ出力データが診断用入力データとして使用される。この診断用入力データは参照データと比較され、乖離度算出部１０４で両データの乖離度が算出される。算出された乖離度に基づいて、乖離度時間依存抽出部１０５で乖離度の時間依存成分が算出される。算出された乖離度および乖離度の時間依存成分に基づいて、評価部１０６と異常原因診断部１０７とにより異常診断処理を実行するようにした。乖離度の時間依存成分を用いて診断するので過渡データに基づいたきめ細かい診断が可能となる。

（２）評価部１０６が乖離度に基づいて異常と判断したとき、異常原因診断部１０７により、乖離度の時間依存成分を用いて異常原因の特定が行われる。したがって、過渡データに基づく異常診断において異常の原因を特定できる。

（３）全体的ずれ算出部１０３により、診断用入力データと参照データの乖離度が最小となるように両データを平行移動したときのデータ軸方向の移動量であるオフセットおよび、時間軸方向の移動量であるむだ時間が算出される。異常原因診断部１０７により、乖離度、乖離度時間依存成分、オフセット、およびむだ時間に基づいて、異常と判断された原因が判断される。したがって、過渡データに基づく異常診断において異常の原因を詳細に特定できる。

（４）異常原因診断部１０７は、乖離度の時間依存成分が乖離度全体に占める割合を算出し、乖離度が大きい原因、すなわち類似度が低下する原因が、時間系の異常であるか、出力系の異常であるかを診断することができ、きめ細かい診断が可能である。

−第２の実施形態−
本実施形態の異常診断装置１００（図１参照）は、センサ１００２からの制御出力と制御器１００３からの制御指令との乖離度を基に異常診断を行う。

図１５は、第２の実施形態における異常診断装置１００の機能ブロック図である。
図２の異常診断装置１００において、センサ１００２からの制御出力データを制御出力取得部１０１１が直接リアルタイムに取得し、時間情報（データ取得時間）を含む入力時系列データ２０１、すなわち診断用入力データとして用いる。また、制御器１００３からの制御指令データを制御指令取得部１０２１が直接リアルタイムに取得し、時間情報を含む参照時系列データ１０２として用いる。

第２の実施形態では、上記のリアルタイムに入力される制御指令データとこれに対応した診断対象からの制御出力データとの比較において、対象診断機器が正常な状態でのこれら２つのデータの関係（制御量あるいは振幅、および時間差）が、前もって分かっていることを想定している。したがって、対象診断機器が正常な場合においては、制御指令データと制御出力データのそれぞれの振幅および時間の差を調整して、全体的ずれ算出部１０３や乖離度算出部１０４での演算を行う。

これらの演算は、所定の数のデータ数を比較するように、新たにデータが入力されたら、古いデータを削除するようにしてもよい。あるいは第１の実施形態のように、全て格納してもよい。したがって、図１５には省略されているが、少なくとも所定の数のデータを制御出力データ、すなわち入力時系列データ１０１および制御指令データ、すなわち参照時系列データ１０２に対して保持するデータ格納部が制御出力取得部１０１１および制御指令取得部１０２１に設けられている。

したがって、第１の実施形態のように、このデータ格納部をデータ格納部２００に設けてもよい。この場合は、図１５の全体的ずれ算出部１０３および乖離度算出部１０４の演算に用いられるデータは、データ格納部に一旦あるいは一時的に格納されたデータが用いられる。

以上説明した第２の実施形態の異常診断装置１００によれば、第１の実施の形態と同様の作用効果を奏することができる。また、制御器１００３からの制御指令データを参照データとし、センサ１００２からの制御出力データと参照データとの間の乖離度を算出するようにしたので、リアルタイムで異常診断を行うことができる。

−第３の実施形態−
図１６は、第３の実施形態における異常診断装置１００の機能ブロック図であり、蓄積された過去の入力データから参照データを作成する場合の構成を示す。
図２の異常診断装置１００において、参照データ取得部１０２は、入力データ取得部１０１から得られた入力時系列データ２０１を蓄積する過去データ蓄積部１０２２と、過去データ蓄積部１０２２内の過去データを用いて参照時系列データ１０２３を作成する参照データ作成部１０２３から成り立っている。参照時系列データ作成部１０２３は、過去データのうち参照データに相応しいものを模範データとのＤＰマッチングなどにより選別し、選別された過去データの移動平均をとることで参照データとする。

なお、図１６では、入力時系列データ２０１は、データ格納部２００の外にあるように記載しているが、上記の第２の実施形態で説明したように、診断対象機器からの制御出力であってもよく、第１の実施形態で説明したように、データ格納部２００に格納された制御出力データであってもよい。

（参照データの抽出例）
図１７は、参照データとして用いる過去データのうち、信号変化速度が大きく、また増減を繰り返すような場合の信号例（Ｓ）を示す。信号列（Ｓ）は、データＳ_START〜Ｓ_ENDの過去データである。
従来の異常診断装置では、状態変化が発生する前（例えばＢの部分）と、発生後の安定した状態（例えばＣの部分）のみのデータを閾値として保持していたため、図１７に示すように、状態が変化している途中（過渡状態）での変化に基づいて異常か否かの判定ができなかった。あるいは、変化途中での異常の判断ができなかった。

第３の実施形態による異常診断装置では、図１７の信号列（Ｓ）のような既に測定してある信号データから、図１８に示すような処理フローにより、過渡状態の診断対象信号の異常を正確に検出するための参照データを作成する。

図１８の処理フローは、過去データのうち過渡状態と思われる時間範囲内のデータＳ_START〜Ｓ_END、すなわち、データＤ１〜ＤＩを抽出し、この時間範囲内の過去データの中で、過渡状態を表すデータの時間範囲を特定して参照データとするものである。

ステップＳ６０１でフラグＦＳに０をセットする。ステップＳ６０２でデータＤ１〜ＤＩを読み込む。ステップＳ６０３で変数ｉに１をセットし、変数ｊにｍをセットし、変数ｋに１をセットする。変数ｉは、データに付ける番号であり、１〜Ｉの範囲の値をとる。この処理フローでは、過去データから参照データを作成する際に１〜Ｉのデータに対してｍ個のデータ群をｋ回ピックアップし、ｋ回、分散を演算する。したがって、ｍは、各分散演算に使用するデータ数、ｋは分散回数である。
ステップ６０４でデータＤ_(k-1)j+1〜Ｄ_kjをピックアップし、ステップＳ６０５でそれらのデータの分散を求める。

例えば２巡目（ｋ＝２）では、ステップ６０４でデータＤ_m+1〜Ｄ_2mがピックアップされる。この２巡目において、ステップＳ６０６で分散が所定値以上であると判定されると、ステップＳ６０７でフラグＦＳが０か否かを判断する。フラグＦＳが０であれば、分散がはじめて所定値以上となったので、ステップＳ６０８において、先頭のデータＤ_m+1よりもｎ個前のサンプルデータＤ_m+1-nに対応する時刻ｔ_m+1-nを参照データ取得開始時刻ｔｓとして記憶し、ステップＳ６０９でフラグＦＳに１をセットする。これを一般式で示すと、データＤ_(k-1)j+1からｎ個前のサンプルデータＤ_(k-1)j+1-nに対応する時刻ｔ_(k-1)j+1-nを参照データ取得開始時刻ｔｓとして記憶する。

次いで、ステップＳ６１０で変数ｉにｋj＋１をセットし、変数ｋにｋ＋１をセットする。ステップＳ６１１で変数ｉがＩか否かを判定し、ステップＳ６１１が否定されるとステップＳ６０４に進む。

たとえば３巡目（ｋ＝３）のステップＳ６０４においては、データＤ_2m+1〜Ｄ_3mのデータがピックアップされる。ステップＳ６０５でそれらのデータの分散を求める。分散が所定値以上であればステップＳ６０７に進むが、２巡目のステップＳ６０９においてフラグＦＳが１に設定されているので、ステップＳ６０７は否定されてステップＳ６１０に進む。ステップＳ６１０で変数ｉにｋj＋１をセットし、変数ｋにｋ＋１をセットしてステップＳ６１１に進み、変数ｉがＩに等しいか判定し、否定されるとステップＳ６０４に進み、同様な処理を繰り返す。

ここで、ステップＳ６０６において、たとえば４巡目（ｋ＝４）のデータＤ_3m+1〜Ｄ_4mのｍ個のサンプルデータについての分散が所定値未満であると判定されると、ステップＳ６２１において、フラグＦＳが０か否かを判定する。既にステップＳ６０９を実行しているときは、フラグＦＳが１であり、ステップＳ６２１からステップＳ６２２に進む。ステップＳ６２２では、データＤ_4mからｐ個後のサンプルデータＤ_4m+pに対応する時刻ｔ_4m+pを参照データ取得終了時刻ｔｅとして記憶する。これを一般式で示すと、データＤ_kjからｐ個後のサンプルデータＤ_kj+pに対応する時刻ｔ_kj+pを参照データ取得終了時刻ｔｅとして記憶する。
ステップＳ６２３において、データＤ１〜ＤＩのうち、時刻ｔｓ〜ｔｅに該当するデータＤｓ〜Ｄｅを参照データとして取得する。

以上の処理フローにより、図１７のデータＳ_START〜Ｓ_ENDの過去データから、開始時刻ｔｓ〜終了時刻ｔｅまでの参照データＤｓ〜Ｄｅが抽出される。図１７において、Ｂの開始前のサンプル数がｎ個、Ｃの終了後のサンプル数がｐ個となる。そして、開始時刻ｔｓ〜終了時刻ｔｅまでの参照データと診断用時系列データが比較されて乖離度が演算される。

なお、ステップＳ６１１において、変数ｉがＩであると判定されると、ステップＳ６３１において参照データの取得に失敗したエラー表示を行い処理を終了する。これは以下の理由で参照データの取得に失敗したからである。
すなわち、たとえば１巡目のｍ個のデータの分散が所定値以上となり、ステップＳ６０８で参照データ取得開始時刻ｔｓが記憶されたとき、その後のデータに対する分散が所定値未満とならないままデータＤＩまでデータが読み込まれたときは、参照データ取得終了時刻が記憶できず、参照データを生成できないからである。あるいは、Ｄｉ〜ＤＩのデータ列中に分散が所定値以上となる信号パターンが存在しないときは、ステップＳ６０６が否定され、ステップＳ６２１が肯定される処理がデータＤＩまで実行されて参照データ取得開始時刻ｔｓが得られないため、エラー表示を行う。

以上説明した第３の実施形態の異常診断装置１００によれば、第１の実施の形態と同様の作用効果を奏することができる。また、過去データ蓄積部１０２２内の過去の入力時系列データを用いて、参照データ作成部１０２３により参照データが作成される。したがって、参照データを特別に準備する必要がない。

以上説明した第１〜第３の実施形態を次のように変形して実施することができる。
（１）評価部１０６は、乖離度、オフセット、およびむだ時間のいずれかひとつに基づいて診断対象が異常か否かを判断するようにしたが、乖離度だけを用いて異常を判断してもよい。オフセットだけ、むだ時間だけで異常を判断してもよい。
（２）異常原因診断部１０７は、乖離度、乖離度時間依存成分、オフセット、およびむだ時間に基づいて、異常と判断された原因を判断するようにしたが、乖離度と乖離度の時間依存成分とに基づいて異常と判断された原因を判断するようにしてもよい。

（３）以上では、ＤＰマッチング法により診断用入力データと参照データの、類似度、すなわち乖離度を算出したが、ＭＴＳ（Ｍａｈａｒａｎｏｂｉｓ−Ｔａｇｕｃｈｉ Ｓｙｓｔｅｍ）法、ＳＢＭ（Ｓｉｍｉｌａｒｉｔｙ Ｂａｓｅｄ Ｍｏｄｅｌｉｎｇ）法など、周知の類似度算出のアルゴリズムにより異常診断を行ってもよい。

以上の説明は本発明の実施形態および変形実施の例であり、本発明はこれらの実施形態や変形実施例に限定されない。当業者であれば、本発明の特徴を損なわずに様々な変形実施が可能である。

１００…異常診断装置
１０１…入力データ取得部
１０２…参照データ取得部
１０３…全体的ずれ算出部
１０４…乖離度算出部
１０５…乖離度時間依存抽出部
１０６…評価部
１０７…異常原因診断部
１０８…表示出力部
２００…データ格納部
２０１…入力時系列データ
２０２…参照時系列データ
２０３…重み表
２０４…判定閾値
２０４１…乖離度閾値
２０４２…オフセット閾値
２０４３…むだ時間閾値
２０５…パラメータ−異常原因対応表
２０５１…条件文
２０５１１…乖離度閾値
２０５１２…乖離度用不等号
２０５１３…オフセット閾値
２０５１４…オフセット用不等号
２０５１５…むだ時間閾値
２０５１６…むだ時間用不等号
２０５１７…時間依存部分用閾値
２０５１８…時間依存部分用不等号
２０５１９…異常原因説明文
４０１…異常警報表示画面
４０２…異常原因判定用グラフ
４０３…時間依存部表示画面
４０４…時間非依存部表示画面
１００１…診断対象機器
１００２…センサ
１００３…制御器
１００４…アクチュエータ
１００５…ディスプレイ
１００６…スピーカー

Claims (6)

1. 診断対象の状態を時系列に表し、時間情報を有する診断用入力データを取得する入力データ取得部と、
   時間情報を含み、前記診断用入力データと比較される参照データを取得する参照データ取得部と、
   前記診断用入力データと前記参照データとに基づいて、両データの乖離度を算出する乖離度算出部と、
   前記乖離度に基づいて前記乖離度の時間依存成分を算出する時間依存成分算出部と、
   前記乖離度と前記乖離度の時間依存成分とに基づいて異常診断処理を実行する異常診断実行処理部とを備えることを特徴とする異常診断装置。
2. 請求項１に記載の異常診断装置において、
   前記異常診断実行処理部は、
   前記乖離度に基づいて、前記診断対象が異常か否かを判断する判断部と、
   前記異常と判断されたとき、前記乖離度と前記乖離度の時間依存成分とに基づいて、異常と判断された原因を判断する異常原因診断部とを備えることを特徴とする異常診断装置。
3. 請求項１に記載の異常診断装置において、
   前記診断用入力データと前記参照データの乖離度が最小となるように両データを平行移動したときのデータ軸方向の移動量であるオフセットおよび、時間軸方向の移動量であるむだ時間を算出する全体的ずれ算出部をさらに備え、
   前記異常診断実行処理部は、
   前記乖離度、前記オフセット、および前記むだ時間のいずれかひとつに基づいて、前記診断対象が異常か否かを判断する判断部と、
   前記異常と判断されたとき、前記乖離度、前記乖離度時間依存成分、前記オフセット、および前記むだ時間に基づいて、異常と判断された原因を判断する異常原因診断部とを備えることを特徴とする異常診断装置。
4. 請求項１に記載の異常診断装置において、
   前記診断用入力データは、前記診断対象に制御指令を与えたときに検出される制御出力に関する時系列データであり、
   前記参照データは、前記診断対象に与える制御指令の時系列データであることを特徴とする異常診断装置。
5. 請求項１に記載の異常診断装置において、
   前記参照データ取得部は、前記診断用入力データを過去データとして蓄積する過去データ蓄積部と、前記過去データから前記参照データを作成する参照データ作成部とを備えることを特徴とする異常診断装置。
6. 請求項１乃至５のいずれか１項に記載の異常診断装置において、
   前記乖離度算出部の演算は、ＤＰマッチングを用いることを特徴とする異常診断装置。