JPH0572005A - 時系列データの微小変動傾向検出方法及び装置 - Google Patents

Abstract

(57)【要約】 【目的】 時系列データに生じた微小な変動傾向を検出
し、その検出を迅速に行う方法及び装置を提供すること
にある。 【構成】 センサ１から読み込まれる時系列データをＡ
／Ｄ変換して入力バッファ３に蓄え、メディアンフィル
タ４により高周波ノイズを除去した後、変動傾向検知装
置において、データの相対変化量から追加確信度を決定
し、確信度結合関数を用いて最新の確信度を求め、確信
度に対する閾値を用いることにより時系列データの微小
変動傾向を検出する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、時系列データに生じた
微小な変動を検出する時系列データの微小変動傾向検出
方法及び装置に関する。

【０００２】

【従来の技術】時系列的に検出されるデータに生じた微
小な変動を検出する為には時系列データに含まれるノイ
ズを除去しなければならない。

【０００３】従来、時系列データに含まれるノイズの低
減を目的とした低周波数成分を通過させるフィルタとし
ては、ローパスフィルタがよく用いられるが、ローパス
フィルタではどの周波数から減衰させるかを決める定数
の設定によって、それより周波数の高い成分は失われる
から高周波成分を含むパルス状のデータの急激な変化に
対して応答性が鈍くなったり、オーバーシュートが生じ
たりするため、元信号の特徴が失われる。また、移動平
均法による場合はデータの急激な変化に対して平均され
るから緩やかな波形になり特徴が失われる。

【０００４】また、長時間に亘って緩慢に変化するドリ
フトのような変動傾向を検出することは、上記フィルタ
通過後の信号を用いて行なう場合、変化率に対する閾値
を小さくすると時間スケールがやや長いゆらぎによる変
動で誤認しやすい。

【０００５】これに対して、特開昭６２−２６８５３８
号公報に記載されているようなメディアンフィルタで
は、スパイクノイズが除去されデータの急激な変化に対
して波形が崩れることもなく、その特徴を残すことがで
きるが、カットする周波数を低くしようとすると、デー
タを大小順に並べ替えるためのデータ処理量が数値列の
長さＮに対してほぼＮlog₂Ｎに比例して増大する。

【０００６】そして、データに生じた変動を検出する方
法として特開平２−４３００号公報にデータの確信度に
基づいて被解析波形の特徴の存否を判定する技術が記載
されている。

【０００７】

【発明が解決しようとする課題】上記従来技術を用いて
ドリフトのような長時間に亘って少しずつ変化する時系
列データの変動傾向を検出しようとする時、データに生
じる可能性のある急激な変化を犠牲にすることなく行な
うためには、メディアンフィルタが適当であるが、ゆる
やかな変化を捕らえるためにはデータ処理量が多くな
り、それによりデータ処理時間が長く微小な変動を検出
するタイミングを逸する問題点がある。

【０００８】本発明の目的は、時系列データに生じた微
小な変動傾向を検出し、その検出を迅速に行う方法及び
装置を提供することにある。

【０００９】

【課題を解決するための手段】上記目的は、時系列デー
タに含まれるノイズをフィルタにより除去し、ノイズが
除去された時系列データの微小な変化に対して相対変化
量に基づきステップ状の大きな変化と微小な変化に区分
し、微小変動の増加及び減少の傾向を検出することによ
り達成される。

【００１０】上記目的は、プラントを構成する機器の状
態を検出するセンサと、該センサから出力される機器の
状態を示すアナログ信号をデジタル信号に変換するＡ／
Ｄ変換器と、該Ａ／Ｄ変換器から出力されるデジタル信
号を時系列データとして保持するバッファと、該バッフ
ァから前記時系列データを入力し大小順に序列を付与し
該序列の中心値を出力するメディアンフィルタと、該メ
ディアンフィルタの出力値の相対変化に基づきステップ
状の大きな変化と微小な変化に区分し微小な変化に対し
て相対変化量の蓄積効果により微小変動を検出する変動
傾向検出装置とを備えたことにより達成される。

【００１１】

【作用】上記構成のメディアンフィルタは、時系列に検
出される２ｎ＋１個のデータを入力として大小順に並べ
た時の中央値（ｎ＋１番目）の数値を出力する非線形の
フィルタであり、２ｎ＋１個のデータに含まれる高周波
成分のノイズを除去する。このメディアンフィルタによ
り、元信号の波形の平均的な特徴を失わず高周波成分の
ノイズを除去できるため、相対変化に対するノイズに起
因する急激な変化を抑制し、小さな変化に対する有為な
変動に関する閾値を小さく設定することができる。

【００１２】有為な変動に関する閾値よりも小さな変化
量に対しては、絶対値で１より小さな確信度を定義し、
１ステップ前の時刻までに得られている変動傾向に関す
る確信度と結合させ、新たな確信度を得る。このように
して得た確信度は、その符号により増加あるいは低下傾
向の方向を表し、その値により度合いを表し、微小な変
動傾向を検出することが出来る。

【００１３】メディアンフィルタにおいて、当初整列法
により前記時系列データに大小順の序列を付与して該序
列を記憶し、次回に該序列を乱さないように最も古い時
刻のデータを除去し最新のデータを追加することにより
データ処理時間を短縮することができるので、より短い
周期でのデータサンプリングに対応することが可能とな
る

【００１４】

【実施例】以下、本発明の実施例を図により説明する。

【００１５】第１実施例 図１は、本発明の実施例の微小な変動傾向を検出して異
常診断を行なう装置の構成を示したブロック図である。
１は測定対象が水の電気伝導率であれば導電率計、温度
であれば熱電対等のセンサ、２はアナログ信号をデジタ
ル信号に変換するＡ／Ｄ変換器、３はメディアンフィル
タに入力する２ｎ＋１個の時系列データを保持するバッ
ファ、４は入力した２ｎ＋１個の時系列データをその大
小順に並べ替えてその中央値（ｎ＋１番目のデータ）を
出力するメディアンフィルタ、５はメディアンフィルタ
から出力された時系列データの相対変化量を用いて変動
傾向を検知する変動傾向検知装置、６は変動傾向が検知
された場合の異常原因を判定する異常診断装置、７は診
断結果を表示するためのＣＲＴなどの表示装置である。

【００１６】メディアンフィルタの中で用いられる２ｎ
＋１個の時系列データをその大小順に並べ替える方法と
しては、交換法、選択法、挿入法等の基本的な整列法や
その改良法であるクイック法、ヒープ法、シェル法等を
用いることができる。

【００１７】変動傾向を検知する手順としては、メディ
アンフィルタから出力された時系列データの相対変化量
から、追加すべき確信度を一定値（例えば変化量が増加
なら０．５、変化しないときは０、減少なら−０．５）
として、前回評価したときの確信度をｃｆ１、追加すべ
き確信度をｃｆ２としたとき、今回新たに得られる確信
度ｃｆ３は以下に示す確信度結合関数を用いて算出する
ことができる。

【００１８】ｃｆ１≧０、ｃｆ２≧０のとき

【００１９】

【数１】ｃｆ３＝ｃｆ１＋ｃｆ２−ｃｆ１×ｃｆ２ ｃｆ１＜０、ｃｆ２＜０のとき

【００２０】

【数２】ｃｆ３＝ｃｆ１＋ｃｆ２＋ｃｆ１×ｃｆ２ ｃｆ１×ｃｆ２＜０のとき

【００２１】

【数３】

【００２２】上記結合関数では、ｃｆ２に±１を定義し
てしまうとｃｆ１にかかわらずｃｆ３はｃｆ２と一致し
てしまうため、繰り返し効果を確信度により評価できな
くなるのでｃｆ２の絶対値は０．５以下が好ましい。

【００２３】ここで、追加確信度の絶対値を０．５とし
た場合、０から始まる確信度の値は、同じ方向（ここで
は増加の方向を例とする）が続いた場合、次のように確
信度の値が推移する。すなわち、０，０．５，０．７
５，０．８７５，０．９３７５，０．９６８７５，……
となる。したがって、変動傾向の判定閾値の値により、
何回の繰り返しが続いた時に変動傾向があると判定する
かが決定される。つまり、閾値が０．５より小さいなら
ば、１回の追加確信度だけで変化傾向があると判定して
しまうことになる。現実には、３回の繰り返しを変動傾
向があると考えると、判定閾値を０．７５から０．８７
５の間に設定すればよいことになる。４回の場合では、
０．８７５から０．９３７５の間に閾値を設定すればよ
いことになる。

【００２４】上記結合関数を用いた変動傾向の判定手法
は、ｃｆ１の符号と反対の符号の追加確信度ｃｆ２が加
えられる場合、確信度ｃｆ３の値は同一符号の追加確信
度が続く場合に１に近づくが、増加と低下が繰り返され
る反対符号の追加確信度がくると０に近づくように変化
するので、短い周期で符号が変わる場合には、絶対値は
あまり大きくならないためそれ自身一種のフィルタとし
ての効果がある。このため、メディアンフィルタの段階
であまり低周波数成分まで除去しなくても微小な変動傾
向をその確信度に対する閾値を用いて評価することがで
きる。このような傾向判定処理の前段にメディアンフィ
ルタを用いてノイズ成分を除去するのは、ステップ状の
変動を検出可能とするためである。

【００２５】図２は導電率データをノイズフィルタを使
わずに直接変動傾向を評価した図表である。ステップ変
動に対する閾値Ｓを０．００１とし、変動傾向に対する
閾値Ｐを０．９とした。この時、高周波の短パルス状の
ノイズにより、閾値Ｓを超過する場合が非常に多くなっ
ており、また、変動傾向を示す斜めの矢印の数も１０数
分の中では診断に用いるには多すぎる結果となってい
る。図３は導電率データにノイズフィルタを用いて変動
傾向を評価した図表である。本図には同じ閾値を用いて
メディアンフィルタを通過させてから傾向判定を行った
場合とフィルタ通過前の信号とを共に示す。この場合で
は、ステップ変動に対する閾値Ｓを超過したのは１回だ
けであり、信号波形からみて妥当であり、メディアンフ
ィルタが高周波のノイズをカットし、閾値Ｓを小さく設
定することに効果がある。また、変動傾向に関しても、
比較的大きな初期の低下傾向と半ばのゆるやかな低下傾
向及び急速に変化する直前の増加傾向の矢印で示す３ヵ
所で変動傾向を検出しており、人間の感性に近い結果を
与えることができる。

【００２６】図４は導電率データに移動平均法を用いて
変動傾向を評価した図表である。メディアンフィルタの
代わりに移動平均法を用いた場合では、本図に示すよう
に信号波形からのノイズの除去の程度は、データ処理の
個数を同じにしているので、似たようになっているが、
信号波形全体が崩れ同じ傾向判定条件でも変動傾向を過
剰に検出している。更に、ステップ変動として検出して
いた部分でも変動傾向の繰り返しに置き換えられてしま
うため好ましくないことが明らかである。

【００２７】図５はメディアンフィルタを用いた場合の
データ処理の流れを示すフローチャートである。本図で
は、センサからのデータの読み込みから変動傾向の有無
の判定までのデータ処理の流れをに示している。センサ
からデータを１つ読み込むと入力バッファ内のデータ配
列から最も時刻の古いデータを除去し、読み込んだデー
タを追加する。このようにして得られた２ｎ＋１個の入
力データをメディアンフィルタに入力し、フィルタ内部
で入力データを大小順に並べ替えた後、中央のデータを
出力する。１時刻前のメディアンフィルタ出力値と今回
の出力値の差分を取り、この差分の絶対値がステップ変
動の閾値Ｓを超過した場合はステップ変動があったとし
て表示し、超過しない場合、差分値が正なら正の追加確
信度を負なら負の追加確信度を与えて、確信度結合関数
を用いて最新の確信度を得る。得られた最新の確信度を
変動傾向の判定閾値Ｐと比べ、閾値を超過した場合に
は、変動傾向があることを表示することによって微小変
動傾向を監視することができる。このように、追加確信
度を一定値に設定すると１回の相対変動幅に関係なく繰
り返し回数と確信度の間に明確な関係があるので、状態
を理解しやすく、かつ処理が単純であるので処理速度が
速くなる効果がある。

【００２８】図６は機器の異常を診断する場合の機器と
センサの関係を示す説明図である。冷却材がその中を流
れる機器の前後に配置された複数のセンサの微小な変動
傾向から機器の異常を診断する。具体的には、冷却材を
吐出するポンプの前後に導電率計が設置されている場合
を想定すればよく、上流側のセンサと下流側のセンサが
ともに同一の変動傾向を示せば、単に被測定パラメータ
が変動しただけでポンプには異常が無いと判断する。上
流側で変化がなく、下流側で変動傾向が観測された場合
は、ポンプに異常が発生しその影響が下流側の被測定パ
ラメータに現われたか、下流側センサにドリフトが生じ
たか、あるいは上流側のセンサが故障したかの３通りの
事象が考えられる。２つのセンサからだけでは、これら
のいずれかであるかの特定はできないが、いずれの場合
でも装置としては何らかの異常を示しているので、異常
の発生の有無を微小な変動傾向から判定できるので、異
常徴候を早期に検出することができる。

【００２９】実施例２ 実施例１では、追加確信度の絶対値を一定値としたが、
相対変化量の関数として与えることもできる。例えば、
相対変化量δに閾値Ｓを設定し、δの絶対値がＳ以上の
場合は微小変動ではなく有為な変化として除外して別途
異常診断を行ない、δがＳより小さい場合のみ、ｃｆ２
を次のように定義する。

【００３０】

【数４】

【００３１】このようにｃｆ２を定義すると、δがＳに
近づくと追加確信度は大きくなるので早期に判定閾値に
到達することになり、変動の傾きに対応して繰り返し回
数が異なった判定を行なうことになる。上記定義では、
ｃｆ１は０．５より小さな値となるようにしており、判
定閾値を０．５より大きく設定することで１回の変動の
みで変動傾向が検知されないようにしている。このよう
にして、ｃｆ２を定義して閾値Ｓとして０．００１を用
い、メディアンフィルタに入力するデータ数を１１と
し、変動傾向の判定閾値Ｐを０．６と設定した時、導電
率データに本アルゴリズムを適用した結果は図３と同じ
になった。このデータでは、関数形の違いの効果を直接
認識することはできないので、移動平均法によるノイズ
除去後の信号に適用して評価した図７は追加確信度を相
対変化量の関数として与えた場合の変動傾向を示す図表
である。図４と比較して変動傾向を検出する回数が減少
しており、追加確信度ｃｆ１を相対変化量の関数として
与えることにより、変化率の違いを考慮することができ
るので、より人間が定性的に評価する変動傾向と近い評
価結果を得ることができる。

【００３２】実施例３ 図５に示したアルゴリズムによれば、入力データの大小
順の並べ替えを毎回行なうことになるが、この並べ替え
がデータ処理量を多くし処理速度の律速になる。そこ
で、始めの１回のみを整列法により、大小順の序列をつ
けた後は、その序列を記憶させておき、２回目以降の大
小順の序列は記憶させた序列を用いる。すなわち、大小
順に並べられた序列をａとしたとき、序列を乱さないよ
うに最も古い時刻のデータｘを除去し、最新の測定デー
タｙを追加する。

【００３３】図８は古い時刻のデータを除去し最新の測
定データを追加する処理のフローチヤトである。第１ス
テップとして最も古い時刻のデータｘを格納している位
置ｉを求め、このｉをｋに代入する。次のステップで最
新の測定データｙとａ(ｋ)を比較し同じであればｘ＝ｙ
であるので序列は変わらないので処理が終わり、ｙ＞ａ
(ｋ)の場合にはａ(ｋ)からａ(２ｎ＋１)のどの位置にデ
ータｙを追加するかを大小関係から決める。ｙ＜ａ(ｋ)
の場合にはａ(１)からａ(ｋ)のどの位置にデータｙを追
加するかを同様に大小関係から決める。

【００３４】図９は実施例３の手法と従来のクイック法
とのデータ処理時間の比較結果を示す図表である。本図
は７００回データ処理した時の所要時間を示し、入力デ
ータ数が多くなるほど処理時間の短縮効果が大きくなる
ことがわかる。本実施例により、データ処理時間を短縮
することができるので、より短い周期でのデータサンプ
リングに対応することが可能となる。

【００３５】

【発明の効果】本発明によれば、時系列データに含まれ
るノイズを除去し、ノイズを除去したデータの相対変化
量に基づき増加方向及び減少方向を判定し、時系列デー
タの微小変動傾向を検出することが出来る。

【００３６】メディアンフィルタにおいて、当初整列法
により前記時系列データに大小順の序列を付与して該序
列を記憶し、次回に該序列を乱さないように最も古い時
刻のデータを除去し最新のデータを追加することにより
データ処理量が低減されるから時系列データに生じた微
小な変動傾向を迅速に検出することができる。

【図面の簡単な説明】

【図１】本発明の実施例の微小な変動傾向を検出して異
常診断を行なう装置の構成を示したブロック図である。

【図２】導電率データをノイズフィルタを使わずに直接
変動傾向を評価した図表である。

【図３】導電率データに本発明のメディアンフィルタを
用いて変動傾向を評価した図表である。

【図４】導電率データに移動平均法を用いて変動傾向を
評価した図表である。

【図５】本発明の実施例のメディアンフィルタを用いた
場合のデータ処理の流れを示すフローチャートである。

【図６】一般的な機器の異常を診断する場合の機器とセ
ンサの関係を示す説明図である。

【図７】本発明の実施例の追加確信度を相対変化量の関
数として与えた場合の変動傾向を示す図表である。

【図８】本発明の実施例のメディアンフィルタにおいて
古い時刻のデータを除去し最新の測定データを追加する
処理のフローチヤトである。

【図９】本発明の実施例の手法と従来の手法とのデータ
処理時間の比較結果を示す図表である。

【符号の説明】

１ センサ ２ Ａ／Ｄ変換器 ３ 入力バッファ ４ メディアンフィルタ ５ 変動傾向検出装置 ６ 異常診断装置 ７ 表示装置 ８ 機器 ９ 配管

───────────────────────────────────────────────────── フロントページの続き (72)発明者 朝倉 大和 茨城県日立市森山町1168番地 株式会社日 立製作所エネルギー研究所内

Claims (11)

【特許請求の範囲】
1. 【請求項１】 時系列データに含まれるノイズをフィル
   タにより除去し、ノイズが除去された時系列データの微
   小な変化に対して相対変化量に基づきステップ状の大き
   な変化と微小な変化に区分し、微小な変化に対して微小
   変動の増加及び減少の傾向を検出することを特徴とする
   時系列データの微小変動傾向検出方法。
2. 【請求項２】 時系列データに含まれるノイズを該時系
   列データのサンプリング周期の２倍より長い周期の低周
   波成分を通過させるフィルタにより除去し、ノイズが除
   去された時系列データの微小な変化に対して相対変化量
   に基づき微小変動の増加及び減少の傾向を検出すること
   を特徴とする時系列データの微小変動傾向検出方法。
3. 【請求項３】 時系列データに含まれるノイズをメディ
   アンフィルタにより除去し、ノイズが除去された時系列
   データの微小な変化に対して相対変化量に基づき微小変
   動の増加及び減少の傾向を検出することを特徴とする時
   系列データの微小変動傾向検出方法。
4. 【請求項４】 時系列データに含まれるノイズを処理す
   る該時系列データの数が１１以上のメディアンフィルタ
   により除去し、ノイズが除去された時系列データの微小
   な変化に対して相対変化量に基づき微小変動の増加及び
   減少の傾向を検出することを特徴とする時系列データの
   微小変動傾向検出方法。
5. 【請求項５】 前記相対変化量の蓄積効果を表す確信度
   関数を用いて増加及び減少への変動傾向を表し、前記確
   信度関数値に対する閾値を用いて変動傾向の有無と変動
   方向を判定することを特徴とする請求項１から請求項４
   のうち何れかの請求項１に記載の時系列データの微小変
   動傾向検出方法。
6. 【請求項６】 前記確信度として絶対値が１以下である
   １ステップ前の確信度をｃｆ１、追加確信度をｃｆ２、
   新しく生成される確信度をｃｆ３とするとき、ｃｆ１と
   ｃｆ２の値に応じて数１から数３までのいずれかの確信
   度結合関数を用いてｃｆ３を求めることを特徴とする請
   求項５に記載の時系列データの微小変動傾向検出方法。
7. 【請求項７】 時系列データの処理を行う毎に該時系列
   データの大小順の並べ替えを行うメディアンフィルタの
   データ処理方法において、当初整列法により前記時系列
   データに大小順の序列を付与して該序列を記憶し、次回
   に該序列を乱さないように最も古い時刻のデータを除去
   し最新のデータを追加することを特徴とするメディアン
   フィルタのデータ処理方法
8. 【請求項８】 前記メディアンフィルタのデータ処理方
   法により時系列データに含まれるノイズを除去すること
   を特徴とする請求項７に記載の時系列データの微小変動
   傾向検出方法。
9. 【請求項９】機器の中を循環する冷却材の物性を時系列
   データとしてフィルタに入力し、該時系列データに含ま
   れるノイズを前記フィルタにより除去し、ノイズが除去
   された時系列データの微小な変化に対して相対変化量に
   基づき微小変動の増加及び減少の傾向を検出し、該微小
   変動から前記機器の異常を判定することを特徴とする機
   器異常診断方法。
10. 【請求項１０】 時系列データに含まれる高いレベルの
    高周波のノイズのみをメディアンフィルタにより除去
    し、該ノイズを除去した時系列データの相対変化量に基
    づく確信度を与え、１ステップ前の時刻に対する確信度
    と今回与えられる確信度を結合関数により結合し、新し
    く得られた確信度に対して閾値判定を行ない微小変動の
    傾向を検出することを特徴とする時系列データの微小変
    動傾向検出方法。
11. 【請求項１１】プラントを構成する機器の状態を検出す
    るセンサと、該センサから出力される機器の状態を示す
    アナログ信号をデジタル信号に変換するＡ／Ｄ変換器
    と、該Ａ／Ｄ変換器から出力されるデジタル信号を時系
    列データとして保持するバッファと、該バッファから前
    記時系列データを入力し大小順に序列を付与し該序列の
    中心値を出力するメディアンフィルタと、該メディアン
    フィルタの出力値の相対変化に基づきステップ状の大き
    な変化と微小な変化に区分し微小な変化に対して相対変
    化量の蓄積効果により微小変動を検出する変動傾向検出
    装置とを備えたことを特徴とする時系列データの微小変
    動傾向検出装置。