JPH027409B2 - - Google Patents
Info
- Publication number
- JPH027409B2 JPH027409B2 JP5965682A JP5965682A JPH027409B2 JP H027409 B2 JPH027409 B2 JP H027409B2 JP 5965682 A JP5965682 A JP 5965682A JP 5965682 A JP5965682 A JP 5965682A JP H027409 B2 JPH027409 B2 JP H027409B2
- Authority
- JP
- Japan
- Prior art keywords
- plant
- digital filter
- abnormality
- signal
- recording
- 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.)
- Expired
Links
- 230000005856 abnormality Effects 0.000 claims description 43
- 238000001228 spectrum Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 8
- 238000005070 sampling Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Description
【発明の詳細な説明】
本発明は、プラントの状態を記録し、必要に応
じて、記録したデータをもとに、異常時の原因を
判定する装置に係り、プラントデータの情報を圧
縮記録するとともに、異常発生を検出し、記録し
てある特徴を参照して、発生した異常の原因を判
別する診断装置に関する。
じて、記録したデータをもとに、異常時の原因を
判定する装置に係り、プラントデータの情報を圧
縮記録するとともに、異常発生を検出し、記録し
てある特徴を参照して、発生した異常の原因を判
別する診断装置に関する。
従来より、大規模プラントの異常や故障の診断
法として多くの方法が行なわれている。この1つ
に実際に測定されるプラント信号をもとにして、
予め異常や故障に対応させた情報を設けておき、
プラント信号とこの特徴的な情報との比較を行な
い、異常や故障の診断を行なう方法がある。この
ために、運転データを異常発生の前後で記録する
ことは勿論のこと、暖やかに運転状態が変化する
ような異常とプラントの経時変化とを識別するた
めに、正常時の運転データも適当な時間間隔で記
録することが必要である。しかし、大規模プラン
トでは、記録に必要な信号点数が数百にも達する
ことがあり、このような多くの点数のテータを、
常時記録するには膨大な記録容量を必要とする、
という問題点が生ずる。この問題点を解消するた
めに、測定中の運転データの増加や減少がある割
合を越えたとき、その直前のある区間のデータ
を、短いサンプル周期で記録し、それより更に以
前のデータは、時間が離れるに従つて記録のため
のサンプル周期を長くとり、サンプル間のデータ
を捨て去ることによつて、記録データの爆発的な
増加を防止するようなプラントデータの記録方法
が提案されている(長岡他、異常時プラントデー
タ記録検索装置の開発、火力原子力発電、
vol.32、No.11、P1169)。
法として多くの方法が行なわれている。この1つ
に実際に測定されるプラント信号をもとにして、
予め異常や故障に対応させた情報を設けておき、
プラント信号とこの特徴的な情報との比較を行な
い、異常や故障の診断を行なう方法がある。この
ために、運転データを異常発生の前後で記録する
ことは勿論のこと、暖やかに運転状態が変化する
ような異常とプラントの経時変化とを識別するた
めに、正常時の運転データも適当な時間間隔で記
録することが必要である。しかし、大規模プラン
トでは、記録に必要な信号点数が数百にも達する
ことがあり、このような多くの点数のテータを、
常時記録するには膨大な記録容量を必要とする、
という問題点が生ずる。この問題点を解消するた
めに、測定中の運転データの増加や減少がある割
合を越えたとき、その直前のある区間のデータ
を、短いサンプル周期で記録し、それより更に以
前のデータは、時間が離れるに従つて記録のため
のサンプル周期を長くとり、サンプル間のデータ
を捨て去ることによつて、記録データの爆発的な
増加を防止するようなプラントデータの記録方法
が提案されている(長岡他、異常時プラントデー
タ記録検索装置の開発、火力原子力発電、
vol.32、No.11、P1169)。
しかし、上記の記録方法ではサンプル周期が一
定しないために、測定データのもつ統計的な解析
が困難となり、異常や故障の診断の際の特徴的な
情報として、スペクトル成分を利用することがで
きない。すなわち、このスペクトルはプラントに
発生する異常による振動的な性質を表現する情報
として非常に有効であるが、上記方法では、これ
ら情報にもとづいた診断方法を採り入れることが
できないという欠点がある。また、上記方法で
は、異常の検出を、プラントからの測定信号があ
る値を超えるかどうかによつて判定しているが、
この方法では、ある値を設定する際に、どのよう
に設定すれば異常を早期にかつ確実に検出できる
かどうかが明らかでない。このように、上記方法
ではサンプル周期を変えることによつて、データ
のもつスペクトル特性が失なわれ、異常や事故の
診断の際の診断法を限定したものにする欠点があ
ると共に、異常の検出法としても、あいまい性が
残つている。
定しないために、測定データのもつ統計的な解析
が困難となり、異常や故障の診断の際の特徴的な
情報として、スペクトル成分を利用することがで
きない。すなわち、このスペクトルはプラントに
発生する異常による振動的な性質を表現する情報
として非常に有効であるが、上記方法では、これ
ら情報にもとづいた診断方法を採り入れることが
できないという欠点がある。また、上記方法で
は、異常の検出を、プラントからの測定信号があ
る値を超えるかどうかによつて判定しているが、
この方法では、ある値を設定する際に、どのよう
に設定すれば異常を早期にかつ確実に検出できる
かどうかが明らかでない。このように、上記方法
ではサンプル周期を変えることによつて、データ
のもつスペクトル特性が失なわれ、異常や事故の
診断の際の診断法を限定したものにする欠点があ
ると共に、異常の検出法としても、あいまい性が
残つている。
本発明の目的は、大規模なプラントの異常や事
故の診断のために、プラントからの測定信号を、
スペクトル構造が保持できるように情報圧縮記録
し、かつ常時異常発生の検定を行ないつつ、異常
発生の際には、記録された情報をもとにして、そ
の原因を識別する装置を提供することにある。
故の診断のために、プラントからの測定信号を、
スペクトル構造が保持できるように情報圧縮記録
し、かつ常時異常発生の検定を行ないつつ、異常
発生の際には、記録された情報をもとにして、そ
の原因を識別する装置を提供することにある。
上記目的を達成するために本発明の構成は、各
種のデイジタルフイルタ特性を記憶すると共にデ
イジタル変換されたプラントデータを変換するデ
イジタルフイルタ装置と、前記プラントデータに
対応する前記デイジタルフイルタ特性を呼出しか
つ該呼出されたデイジタルフイルタ特性に基づい
てフイルタ誤差を求める信号を前記デイジタルフ
イルタ装置に出力する信号装置と、前記誤差に基
づいてプラントの定常状態および非定常状態を検
定する検定装置と、前記プラントの定常状態およ
び非定常状態に対応するデイジタルフイルタ特性
を含む情報を記録する記録装置と、前記プラント
の非定常状態が検定された場合に人為的なプラン
ト操作および制御による非定常状態か否かを検定
する異常検定装置と、前記記録装置に記録されて
いるデイジタルフイルタ特性に基づいて前記プラ
ントの定常状態および非定常状態に対応するスペ
クトルを求めるスペクトル演算装置を、予め記録
されたスペクトルと前記スペクトル演算装置で求
められたスペクトルとを比較してプラントの異常
を判定する異常判定装置とを設けたものである。
種のデイジタルフイルタ特性を記憶すると共にデ
イジタル変換されたプラントデータを変換するデ
イジタルフイルタ装置と、前記プラントデータに
対応する前記デイジタルフイルタ特性を呼出しか
つ該呼出されたデイジタルフイルタ特性に基づい
てフイルタ誤差を求める信号を前記デイジタルフ
イルタ装置に出力する信号装置と、前記誤差に基
づいてプラントの定常状態および非定常状態を検
定する検定装置と、前記プラントの定常状態およ
び非定常状態に対応するデイジタルフイルタ特性
を含む情報を記録する記録装置と、前記プラント
の非定常状態が検定された場合に人為的なプラン
ト操作および制御による非定常状態か否かを検定
する異常検定装置と、前記記録装置に記録されて
いるデイジタルフイルタ特性に基づいて前記プラ
ントの定常状態および非定常状態に対応するスペ
クトルを求めるスペクトル演算装置を、予め記録
されたスペクトルと前記スペクトル演算装置で求
められたスペクトルとを比較してプラントの異常
を判定する異常判定装置とを設けたものである。
本発明では、まずデイジタルフイルタを用い
て、定常性の実時間検定を行なう。一般にデイジ
タルフイルタは、プラントからの時刻iにおける
ある測定信号をxiと表わすと、フイルタ出力yiが yi=p 〓k=0 bkxi-k+d 〓k=1 akyi-k ……(1) と表わせるような構造をしている。フイルタのパ
ラメータbk、(k=0、1、……、p)、ak、(k
=1、2、……、q)はデータのもつ動的な構
造、したがつてスペクトル構造も保持できるパラ
メータであり、この値は後述のように、オフライ
ン的あるいはオンライン的に求めることができ
る。また上記整数p、qはそれぞれ高々10程度の
値であり、これも事前に定めることができる。例
えば、上記デイジタルフイルタにおいて、フイル
タの誤差eiを ei=xi−{p 〓k=0 bkxi-k+d 〓k=1 akyi-k} …(2) とすると、この分散 σ2 e=1/NN 〓1 e2i ……(3) を求め、モデルの妥当性の評価量としての情報量
基準AIC AIC=−2logσ2 e+2(p+q) ……(4) を最小にするよう整数p、qを予め一度決めてお
いてよいことが知られている(添田他、信号処理
の基礎と応用、日新出版)。
て、定常性の実時間検定を行なう。一般にデイジ
タルフイルタは、プラントからの時刻iにおける
ある測定信号をxiと表わすと、フイルタ出力yiが yi=p 〓k=0 bkxi-k+d 〓k=1 akyi-k ……(1) と表わせるような構造をしている。フイルタのパ
ラメータbk、(k=0、1、……、p)、ak、(k
=1、2、……、q)はデータのもつ動的な構
造、したがつてスペクトル構造も保持できるパラ
メータであり、この値は後述のように、オフライ
ン的あるいはオンライン的に求めることができ
る。また上記整数p、qはそれぞれ高々10程度の
値であり、これも事前に定めることができる。例
えば、上記デイジタルフイルタにおいて、フイル
タの誤差eiを ei=xi−{p 〓k=0 bkxi-k+d 〓k=1 akyi-k} …(2) とすると、この分散 σ2 e=1/NN 〓1 e2i ……(3) を求め、モデルの妥当性の評価量としての情報量
基準AIC AIC=−2logσ2 e+2(p+q) ……(4) を最小にするよう整数p、qを予め一度決めてお
いてよいことが知られている(添田他、信号処理
の基礎と応用、日新出版)。
このようなデイジタルフイルタを用いると例え
ばサンプル数1000〜5000程度、すなわち1秒間隔
でサンプルした場合には1000秒〜5000秒のデータ
が、約p+q個程度(〜20)の数値で表わされる
ことになり、上記の例では情報の圧縮効果は約2
0/1000〜20/5000にも達することがわかる。
ばサンプル数1000〜5000程度、すなわち1秒間隔
でサンプルした場合には1000秒〜5000秒のデータ
が、約p+q個程度(〜20)の数値で表わされる
ことになり、上記の例では情報の圧縮効果は約2
0/1000〜20/5000にも達することがわかる。
ところで、式(2)で表わしたフイルタの誤差eiは
時々刻々得られる量である。いま定常状態にあつ
たプラントが、何らかの異常によつて変化する場
合、測定信号xiは変化するが、フイルタ出力は瞬
間的に変化に即応することができず、したがつて
誤差eiは大きくなる。したがつて誤差eiを常時モ
ニターすることによつて、異常の発生を早期に知
ることができる。
時々刻々得られる量である。いま定常状態にあつ
たプラントが、何らかの異常によつて変化する場
合、測定信号xiは変化するが、フイルタ出力は瞬
間的に変化に即応することができず、したがつて
誤差eiは大きくなる。したがつて誤差eiを常時モ
ニターすることによつて、異常の発生を早期に知
ることができる。
さらに、パラメータ{ak}、{bk}で表わされる
フイルタの特性は、スペクトル領域に変換する
と、 なる周波数特性を有し、これは、プラントからの
測定信号xiのもつスペクトル構造を示すものであ
る。このように、デイジタルフイルタ適用によつ
て、プラントデータの情報圧縮が効果的に行なえ
ると共に、異常の検出にも大きな効果があること
が示される。
フイルタの特性は、スペクトル領域に変換する
と、 なる周波数特性を有し、これは、プラントからの
測定信号xiのもつスペクトル構造を示すものであ
る。このように、デイジタルフイルタ適用によつ
て、プラントデータの情報圧縮が効果的に行なえ
ると共に、異常の検出にも大きな効果があること
が示される。
以下、本発明を実施例によつて説明する。第1
図は、本発明によるプラント状態記録・監視装置
の一例を示したものである。プラント1において
計測された信号16は、入力装置2によつて、信
号16に含まれるバイアス分の除去、定められた
時間間隔でのサンプル、アナログ−デイジタル変
換、関連の深いプラント信号をまとめることによ
る信号のグループ分け等が行なわれる。グループ
分けされた、デイジタル信号は、信号装置3に送
られる。信号装置3には、グループ分けされたデ
イジタル信号を信号に対応するデイジタル・フイ
ルタ特性と同期させるためのプロトコル
(protcol)が用意されていて、順次デイジタルフ
イルタ装置4に記憶されている対応したデイジタ
ルフイルタ特性を呼び出し、誤差信号18を求め
る。このときデイジタルフイルタ装置4では、式
(1)のような構造を有するフイルタを実時間で求め
てゆくことも可能であり、後述の第2図はこのデ
イジタルフイルタ装置の構成を説明するものであ
る。
図は、本発明によるプラント状態記録・監視装置
の一例を示したものである。プラント1において
計測された信号16は、入力装置2によつて、信
号16に含まれるバイアス分の除去、定められた
時間間隔でのサンプル、アナログ−デイジタル変
換、関連の深いプラント信号をまとめることによ
る信号のグループ分け等が行なわれる。グループ
分けされた、デイジタル信号は、信号装置3に送
られる。信号装置3には、グループ分けされたデ
イジタル信号を信号に対応するデイジタル・フイ
ルタ特性と同期させるためのプロトコル
(protcol)が用意されていて、順次デイジタルフ
イルタ装置4に記憶されている対応したデイジタ
ルフイルタ特性を呼び出し、誤差信号18を求め
る。このときデイジタルフイルタ装置4では、式
(1)のような構造を有するフイルタを実時間で求め
てゆくことも可能であり、後述の第2図はこのデ
イジタルフイルタ装置の構成を説明するものであ
る。
つぎに、誤差信号18を用いて定常性の検定が
検定装置5において行なわれる。この検定法とし
て例えば、定常な状態における誤差eiに関する時
系列の分散σ2から、α=√2を求めておき |ei|≧3α ……(6) となる時点を、定常でなくなる時点と考えること
ができる。
検定装置5において行なわれる。この検定法とし
て例えば、定常な状態における誤差eiに関する時
系列の分散σ2から、α=√2を求めておき |ei|≧3α ……(6) となる時点を、定常でなくなる時点と考えること
ができる。
定常性が成り立つ場合には、フイルタ装置4か
らフイルタ特性すなわち圧縮されたプラントの情
報や、その時の誤差の値eiや、プラント信号の平
均値iがそれぞれのプラント信号に対応して記
録装置6に取り込まれる。信号19は記録装置6
に取り込むための制御信号を示す。定常性が成り
立つ場合に、実際に記録されるのは予め定められ
た時間(既に述べた例では1000〜5000秒)毎でよ
い。
らフイルタ特性すなわち圧縮されたプラントの情
報や、その時の誤差の値eiや、プラント信号の平
均値iがそれぞれのプラント信号に対応して記
録装置6に取り込まれる。信号19は記録装置6
に取り込むための制御信号を示す。定常性が成り
立つ場合に、実際に記録されるのは予め定められ
た時間(既に述べた例では1000〜5000秒)毎でよ
い。
定常性がずれた場合には、上記フイルタ特性以
外に、プラント信号xiそのものも、直ちに、記録
装置6に取り込まれる。プラントの運転状態が突
然定常性を失する場合には、プラントに異常が生
じた場合、あるいは人為的な操作や制御によつて
プラント状態が過渡状態になつた場合とに分ける
ことができる。後者の場合にはプラント運転に何
ら問題がなく、したがつて診断機能を動作させる
ことは必要でない。そこで異常検定装置8では、
非定常性が検出された場合に、それが人為的なプ
ラント操作や制御によるものかどうかの検定を行
なう。このため、プラントの操作信号および制御
信号を入力装置7に取り込み、同様に信号の前処
理、サンプル化が行なわれ、信号装置26では、
特に平均化の操作が行なわれ、それぞれの信号の
分散値σ2 dが求められる。ここで、予め対応づけ
てあるプラント信号に対応する操作信号や制御信
号が、非定常性が検出された時点で同様に分散値
σ2 dに比較して相対的に大きくなり、かつ平均値
が一定のトレンド(trend)を有する場合には、
検定された非定常性は、プラントの人為的な操
作・制御によるものと判断される。他の場合には
非定常性が何らかのプラント異常によるものと見
なすことができ、直ちに異常の診断が行なわれ
る。
外に、プラント信号xiそのものも、直ちに、記録
装置6に取り込まれる。プラントの運転状態が突
然定常性を失する場合には、プラントに異常が生
じた場合、あるいは人為的な操作や制御によつて
プラント状態が過渡状態になつた場合とに分ける
ことができる。後者の場合にはプラント運転に何
ら問題がなく、したがつて診断機能を動作させる
ことは必要でない。そこで異常検定装置8では、
非定常性が検出された場合に、それが人為的なプ
ラント操作や制御によるものかどうかの検定を行
なう。このため、プラントの操作信号および制御
信号を入力装置7に取り込み、同様に信号の前処
理、サンプル化が行なわれ、信号装置26では、
特に平均化の操作が行なわれ、それぞれの信号の
分散値σ2 dが求められる。ここで、予め対応づけ
てあるプラント信号に対応する操作信号や制御信
号が、非定常性が検出された時点で同様に分散値
σ2 dに比較して相対的に大きくなり、かつ平均値
が一定のトレンド(trend)を有する場合には、
検定された非定常性は、プラントの人為的な操
作・制御によるものと判断される。他の場合には
非定常性が何らかのプラント異常によるものと見
なすことができ、直ちに異常の診断が行なわれ
る。
信号20は診断のための制御信号であり、関連
する信号グループに対応して記録されているフイ
ルタ特性を順次、記録装置6から呼び出し、式(5)
に従つたスペクトル演算式によつてスペクトルを
求めるスペクトル演算装置9を用意する。勿論こ
のとき、異常と判断された時点のフイルタ特性に
よるスペクトル演算も行なわれる。それぞれのス
ペクトル密度は、異常判定装置10に入力され
る。ここではパターン認識的な手段を用いて、異
常の識別判定が行なわれる。このため記録装置に
記録する際は、常に固定された異常と記録データ
との対応ずけを行なつておく。
する信号グループに対応して記録されているフイ
ルタ特性を順次、記録装置6から呼び出し、式(5)
に従つたスペクトル演算式によつてスペクトルを
求めるスペクトル演算装置9を用意する。勿論こ
のとき、異常と判断された時点のフイルタ特性に
よるスペクトル演算も行なわれる。それぞれのス
ペクトル密度は、異常判定装置10に入力され
る。ここではパターン認識的な手段を用いて、異
常の識別判定が行なわれる。このため記録装置に
記録する際は、常に固定された異常と記録データ
との対応ずけを行なつておく。
さて、異常判定装置10では例えば、つぎのよ
うな演算を行なう。ある異常δに対応して、スペ
クトルが求まつているとする。このとき、ある周
波数毎にスペクトルをn個でサンプルし、その大
きさを要素とするパターンベクトルX〓を作る。
異常が検出された現在のパターンベクトルをXと
すると、例えば d1=1/2N 〓1 (X−X〓)l i(X+X〓)m i ……(7) d2=1/2o 〓1 (X−X〓)l i(X・X〓)m i ……(8) d3=1/2o 〓1 (X/X〓)l i(X+X〓)m i ……(9) のような距離を定義し、この距離を最小にするよ
うに異常δに対応する記録を順次、記録装置6か
ら呼び出す。上記(7)〜(9)式において、l、mは整
数、( )iはベクトルの要素を示す。このよう
にして演算された距離を最小にする異常が、現在
発生している異常と考えられる。このように判断
された異常は、対応するフイルタ特性と共に再度
記録しておく。
うな演算を行なう。ある異常δに対応して、スペ
クトルが求まつているとする。このとき、ある周
波数毎にスペクトルをn個でサンプルし、その大
きさを要素とするパターンベクトルX〓を作る。
異常が検出された現在のパターンベクトルをXと
すると、例えば d1=1/2N 〓1 (X−X〓)l i(X+X〓)m i ……(7) d2=1/2o 〓1 (X−X〓)l i(X・X〓)m i ……(8) d3=1/2o 〓1 (X/X〓)l i(X+X〓)m i ……(9) のような距離を定義し、この距離を最小にするよ
うに異常δに対応する記録を順次、記録装置6か
ら呼び出す。上記(7)〜(9)式において、l、mは整
数、( )iはベクトルの要素を示す。このよう
にして演算された距離を最小にする異常が、現在
発生している異常と考えられる。このように判断
された異常は、対応するフイルタ特性と共に再度
記録しておく。
さて、このように識別された異常は表示装置1
1に表示されると共に、マン・マシン装置12を
介して、プラントに異常復旧のための指示が与え
られる。
1に表示されると共に、マン・マシン装置12を
介して、プラントに異常復旧のための指示が与え
られる。
第2図は、デイジタル・フイルタ装置の構成の
一例を示したものである。この場合、測定信号2
1と、それに対応する制御信号22が与えられ
る。これらの信号は、先に述べた信号17の一部
である。さて、ある信号に対応して、記憶装置2
3にストアされた、{ak}、{bk}、p、q等のデイ
ジタルフイルタ特性が呼び出される。測定信号di
をm段遅延回路25を介してフイルタに入力す
る。デイジタルフイルタの特性はフイルタ誤差ei
を最小にするように求めることができる。求まつ
たフイルタ特性は、再び記憶装置23にストアさ
れ、つぎの測定信号がデイジタルフイルタに入力
される。
一例を示したものである。この場合、測定信号2
1と、それに対応する制御信号22が与えられ
る。これらの信号は、先に述べた信号17の一部
である。さて、ある信号に対応して、記憶装置2
3にストアされた、{ak}、{bk}、p、q等のデイ
ジタルフイルタ特性が呼び出される。測定信号di
をm段遅延回路25を介してフイルタに入力す
る。デイジタルフイルタの特性はフイルタ誤差ei
を最小にするように求めることができる。求まつ
たフイルタ特性は、再び記憶装置23にストアさ
れ、つぎの測定信号がデイジタルフイルタに入力
される。
さて、式(1)で与えたようなフイルタ構造のデイ
ジタル・フイルタ特性を、上記のように求めるた
めの方法として、次のようなものがある(添田
他、信号処理の基礎と応用、日新出版)。
ジタル・フイルタ特性を、上記のように求めるた
めの方法として、次のようなものがある(添田
他、信号処理の基礎と応用、日新出版)。
ak,i+1=ak,i+ueiαk,i ……(10)
bk,i+1=bk,i+veiβk,i ……(11)
但し、u>0、v>0
αk,i=∂yi/∂ak,i
βk,i=∂yi/∂bk,i
収束した段階では、次式が成り立つ
ak=ak,i+1 ……(12)
bk=bk,i+1 ……(13)
以上により逐次、デイジタルフイルタの特性、
すなわち、データの動的な特性が求まる。
すなわち、データの動的な特性が求まる。
以上述べたように、本発明によつて、従来のデ
ータ記録・監視装置に於ては、困難であつた、プ
ラント・データのスペクトル構造を保持した、デ
ータ情報の圧縮記録が可能となると共に、本フイ
ルタ特性によつて、異常の早期検出を可能にする
と共に、スペクトルを用いた異常の識別、診断が
可能となるという効果が得られる。
ータ記録・監視装置に於ては、困難であつた、プ
ラント・データのスペクトル構造を保持した、デ
ータ情報の圧縮記録が可能となると共に、本フイ
ルタ特性によつて、異常の早期検出を可能にする
と共に、スペクトルを用いた異常の識別、診断が
可能となるという効果が得られる。
第1図は本発明のプラント状態記録監視装置を
示すブロツク図、第2図は、上記装置を構成する
デイジタルフイルタ装置の構成図である。 3…信号装置、4…デイジタルフイルタ装置、
5…検定装置、6…記録装置、8…異常検定装
置、9…スペクトル演算装置、10…異常判定装
置。
示すブロツク図、第2図は、上記装置を構成する
デイジタルフイルタ装置の構成図である。 3…信号装置、4…デイジタルフイルタ装置、
5…検定装置、6…記録装置、8…異常検定装
置、9…スペクトル演算装置、10…異常判定装
置。
Claims (1)
- 1 各種のデイジタルフイルタ特性を記憶すると
共にデイジタル変換されたプラントデータを変換
するデイジタルフイルタ装置と、前記プラントデ
ータに対応する前記デイジタルフイルタ特性を呼
出しかつ該呼出されたデイジタルフイルタ特性に
基づいてフイルタ誤差を求める信号を前記デイジ
タルフイルタ装置に出力する信号装置と、前記誤
差に基づいてプラントの定常状態および非定常状
態を検定する検定装置と、前記プラントの定常状
態および非定常状態に対応するデイジタルフイル
タ特性を含む情報を記録する記録装置と、前記プ
ラントの非定常状態が検定された場合に人為的な
プラント操作および制御による非定常状態か否か
を検定する異常検定装置と、前記記録装置に記録
されているデイジタルフイルタ特性に基づいて前
記プラントの定常状態および非定常状態に対応す
るスペクトルを求めるスペクトル演算装置と、予
め記録されたスペクトルと前記スペクトル演算装
置で求められたスペクトルとを比較してプラント
の異常を判定する異常判定装置とを含むプラント
の状態記録監視装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5965682A JPS58176800A (ja) | 1982-04-12 | 1982-04-12 | プラント状態記録監視装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5965682A JPS58176800A (ja) | 1982-04-12 | 1982-04-12 | プラント状態記録監視装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS58176800A JPS58176800A (ja) | 1983-10-17 |
| JPH027409B2 true JPH027409B2 (ja) | 1990-02-19 |
Family
ID=13119458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5965682A Granted JPS58176800A (ja) | 1982-04-12 | 1982-04-12 | プラント状態記録監視装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58176800A (ja) |
-
1982
- 1982-04-12 JP JP5965682A patent/JPS58176800A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS58176800A (ja) | 1983-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5251151A (en) | Method and apparatus for diagnosing the state of a machine | |
| US4980844A (en) | Method and apparatus for diagnosing the state of a machine | |
| CN110008565B (zh) | 基于运行参数关联性分析的工业过程异常工况预测方法 | |
| CA2634328C (en) | Method and system for trend detection and analysis | |
| US8538729B2 (en) | Method and system of wind turbine condition monitoring | |
| JPS62168285A (ja) | デ−タロガ− | |
| EP1250577A1 (en) | Distributed stress wave analysis system | |
| JP2013542432A (ja) | エンジン試験台用監視システム | |
| JP2000503788A (ja) | 分散制御システムのための処理情報およびメンテナンスシステム | |
| JP2002090266A (ja) | 余寿命予測装置 | |
| JP2002323371A (ja) | 音響診断装置及び音響診断方法 | |
| JPH08220278A (ja) | プラント監視装置及び監視方法 | |
| JPS6327652B2 (ja) | ||
| CN108922139A (zh) | 一种工业报警泛滥的在线检测方法 | |
| JP2001125634A (ja) | ウェーブレット変換によるプラント機器監視装置 | |
| JPH027409B2 (ja) | ||
| CN118626752A (zh) | 一种变计数时钟的转速采样计算方法 | |
| JPH07261838A (ja) | プラント機器または系統の性能監視方法と性能監視装置 | |
| JPS642203B2 (ja) | ||
| RU226110U1 (ru) | Нейросетевой детектор начала нелинейных искажений электрического сигнала | |
| CN115522995B (zh) | 基于音频信号的门式斗轮机斗轮异常状态检测方法及系统 | |
| EP0370906A1 (fr) | Procédé automatique d'analyse de signaux dans un système asservi industriel et dispositif de mise en oeuvre du procédé | |
| JP3146062B2 (ja) | 診断装置 | |
| JPS644611B2 (ja) | ||
| CN120804614A (zh) | 一种汽车温度传感器综合性能检测评估系统 |