JPH0643919B2 - 局面推定方法および故障診断装置 - Google Patents

Description

【発明の詳細な説明】 ［産業上の利用分野］ この発明は、故障診断や騒音分析等に適用して好適なデ
ータ処理方法およびデータ処理装置に関する。

［従来の技術］ 従来、故障診断に使用されるデータ処理方法としては、
次にような方法が知られている。

検出量の上限、下限をあらかじめ設定しておき、検出
量がこの範囲を逸脱した場合に故障と診断する手法。

正常検出量の平均値からの偏差、またはある基準関数
からの偏差に基づいて限界を定め、この限界を逸脱した
場合に故障と診断する手法。

各検出項目を要素とするベクトル空間において、正常
空間および異常空間を設定し、実際の検出量に対応する
ベクトルが前記ベクトル空間で占める位置に基づいて故
障診断を行う手法。

各検出項目について、その検出量に対応してあらかじ
め真理値表を作成しておき、実際の検出量をこの真理値
表にあてはめて、故障診断を行う知識工学的手法。

［発明が解決しようとする課題］ ところで、上述した従来の各方法には次のような欠点が
あった。

(1)時間軸上のある一点の状態によって故障の診断をし
ている。すなわち、時間的変化に対する処理方法をもっ
ていない。

(2)通常は唯一の検出器からの値を信じるしかない。た
とえば、機関の始動・停止についていえば、機関の回転
数だけに基づいて判断している。よって、この検出器が
故障した場合には、正しい判断ができなくなってしま
う。言い換えると、検出器の故障に対して脆弱なシステ
ムになっいる。

(3)検出データを知識工学システムへ入力する場合、そ
のインターフェイスがうまくとれなかった。これは、知
識工学システムのもっている知識ベースが人間の定性的
な言語表現を基にしているため、検出データの示す物理
量と知識ベースの表現とに大きなずれがあるためであ
る。

上記(1)，(2)をさらに説明する。たとえば、機関（動作
系）を例にとると、正常動作においても、長期停止、短
期停止、無負荷、２５％負荷、５０％負荷、７５％負
荷、１００％負荷、１１０％負荷、危険状態などの各局
面状態が存在し、機関はこれらの局面状態の間を遷移し
ながら運転を継続する（第９図参照）。しかし、従来の
故障診断方法では、これらの局面状態を全く考慮しない
か、考慮する場合でも、電力計あるいは馬力計などの唯
一の検出器に依存するか、時間軸上の一点において正常
空間、異常空間への適合度を判定するかのいずれかの方
法をとっていた。

しかし、機関は、動特性をもっており、電力計の値がす
ばやく変化しても、温度のような応答性の悪い物理量は
ゆっくり変化するというような過度的状態が存在する。
このような状況で従来方法をそのまま適用すると正常な
運転状態にあるにもかかわらず、異常と判定されるよう
な不都合が発生する。そのため、猶予時間を、過度状態
の予測持続時間よりも長く設定し、猶予時間内は異常と
判定しないような工夫がなされている。しかし、こうす
ると実際の異常に対しては、猶予時間分だけ検出が遅れ
てしまうこととなる。

また、異常の種類によっては、負荷が急激に変化したと
きに限って発生するような、局面状態間の遷移と局面変
化の速度の履歴に関係するものもあるが、従来は、この
ような条件はまったく考慮されていなかった。

上記(3)をさらに説明する。ＬispやＰrolog、あるいは
エキスパートシステム構築ツールなどのプログラムを用
いた知識工学システムは、ａ）知識獲得部、ｂ）知識表
現部、ｃ）知識利用部の３つのブロックから構成され
る。

知識獲得部は、知識エンジニアが専門家から得た知識を
知識ベースとして入力する部分を指す。ここで入力され
た知識の例として、機関の運転を例にとって示せば、 特定のシリンダ出口排気温度が下がってきて、 他のシリンダ出口排気温度がやや上がり、 かつ 負荷状態は安定している ならば、 排気温度が下がってきたシリンダの燃料弁の詰まりを疑
え といったものがある。

この場、下線部分が意味するところは、機関の動特性を
背景とした定性的な表現で、従来のシステムはこのよう
な表現法をもっていなかった。そこで、この種の表現の
理解、判断を人間にまかせ、人間に質問する形式が用い
られていた。たとえば、 特定のシリンダ出口排気温度が下がってきていますか。

１．はい ２．いいえ ３．わかりません という具合である。

この方法には、次のような欠点があった。

まず、人間が介在しなければならないために、 ・省力化、自動化が図れない、 ・誤入力の危険性が高い ・人間の反応が遅いため即時的な処理ができない、 ・人間の感覚にむらがあるために個人差やそのときの状
態によって入力データの一貫性が保ちにくい。

さらに、簡単な式で置き換えられないものが多いため、 ・式の数が莫大なものとなる、 ・同じ表現法（たとえば、「下がってきて」）に対応す
る式でも局面状態によって異なることが多いので、式の
数はなおさら莫大なものとなる。

・知識ベース作成者でないと、表現法の意味が十分に把
握できない。

・式をつくる作業に手間がかかる。

・一旦入力した式とかルールの変更は膨大な作業とな
る。

この発明は、このような背景の下になされたもので、複
数の検出器を有する装置において、各検出量を総合的に
判断することにより、１つの検出量に依存しない信頼性
の高いデータ処理を可能にし、かつ検出器自体の故障の
有無を検知できるようにしたデータ処理方法およびデー
タ処理装置を提供することを目的とする。

また、局面状態間の遷移とその変化速度に基づいてデー
タの処理を行い、知識工学システムとのインターフェイ
スを容易にしたデータ処理方法およびデータ処理装置を
提供することを目的とする。

［課題を解決するための手段］ 上記課題を解決するためにこの発明は、 （１）対象物から得られる複数種類の一連の検出データ
を各検出データを得た時間、各検出データに対応する周
波数等、各検出データに対応した独立変数に基づいて処
理することにより該対象物が直面する局面を推定する局
面推定方法であって、 前記各種類の検出データについて当該検出データの変化
度についての複数のファジィ集合と、 前記局面の変化についての複数のファジィ集合と、 各々前記検出データの各種類に対応したルールであっ
て、当該検出データの変化度についての各ファジィ集合
を前記局面の変化についての複数のファジィ集合の１つ
に対応付けるルールとを予め定義しておき、 前記各種類の検出データについて前記独立変数の値の変
化によって生じる当該検出データの値の変化量を予め設
定した値と比較することにより該検出データの有意の変
化を抽出し、 前記各種類の検出データについて、当該検出データの有
意の変化に対応したファジィ集合およびその確信度を求
める過程と、前記局面の変化についての各ファジィ集合
毎に、前記ルールによって当該ファジィ集合に対応付け
される前記各種類の検出データの有意の変化の各ファジ
ィ集合の各確信度の相加平均を演算することにより当該
局面の変化のファジィ集合についての確信度を求める過
程とからなる加算型ファジィ推論を実行し、 前記局面の変化およびその確信度を推定することを特徴
とする。

（２）請求項１記載の局面推定方法において、類似した
検出項目に対応する変化度をグループ別に分類し、該グ
ループ毎にグループ内で前記加算型ファジイ推論を行う
過程を有することを特徴とする。

（３）請求項１または２のいずれかの項記載の局面推定
方法において、前記検出データにファジイ推論を施し、
現在の局面位置を推論することを特徴とする。

（４）請求項３記載の局面推定方法において、前記時
間、周波数などの独立変数の推移にともなう局面位置の
遷移状態を求めることを特徴とする。

（５）請求項４記載の局面推定方法において、現在の局
面位置に照らし合わせて各検出データを調査し、異常の
ある検出データを抽出することを特徴とする。

（６）請求項４記載の局面推定方法において、現在の局
面位置に応じて前記ファジィ推論および前記加算型ファ
ジイ推論に使用するファジイ集合に変更を加えることを
特徴とする。

（７）請求項４記載の局面推定方法において、前記局面
変化、局面位置および遷移状態を知識工学システムに出
力することを特徴とする。

（８）装置の動作状態を検出する複数の検出器を有し、
前記各検出器の検出量に対応して変化する複数の局面状
態を検出し、この局面状態に基づいて前記装置および前
記検出器の故障診断を行う故障診断装置において、 前記検出量の変化度を予め設定した値と比較し、有意の
変化を抽出する変化検出手段と、 予め定義された (a)前記各検出器の検出量の変化度についての複数のフ
ァジィ集合、 (b)前記局面の変化についての複数のファジィ集合およ
び (c)各々前記検出量の各種類に対応したルールであって
当該検出量の変化度についての各ファジィ集合を前記局
面の変化についての複数のファジィ集合の１つに対応付
けるルールに基づき、 前記各検出量について、当該検出量の有意の変化に対応
したファジィ集合およびその確信度を求め、前記局面の
変化についての各ファジィ集合毎に、前記ルールによっ
て当該ファジィ集合に対応付けされる前記各検出量の有
意の変化の各ファジィ集合の各確信度の相加平均を演算
することにより当該局面の変化のファジィ集合について
の確信度を求める加算型ファジィ推論を実行する加算型
ファジィ推論手段と、 前記加算型ファジイ推論の結果と前記変化度のうち前記
加算型ファジイ推論を受けなかった部分とにファジイ推
論を施す手段とを有し、 該ファジィ推論を施す手段の出力に基づいて前記装置お
よび検出器の故障を推測することを特徴とする。

［作用］ 上記（１）〜（２）の手段によれば、類似した検出量、
たとえば機関の各シリンダから得られる検出量などは、
加算型ファジイ推論によって平均化されるから、たとえ
一つの検出器に異常が生じても全体の局面判断は誤りの
ないものとなる。

また、上記（３）〜（４）の手段によれば、局面状態を
正確に判断できるから、制御系の自励発振（ハンチン
グ）等を検出でき、その原因を追及してハンチングを防
止することも可能となる。

上記（５）の手段によれば、異常のある検出器を同定で
きるから、この検出器からのデータを除いたデータによ
って、たとえ確信度はやや減少しても、正しい判断を行
うことができる。

また、変化量が同じでも現在の局面位置が異なると、そ
の変化量の影響力にも変化が生じるが、上記（６）の手
段によれば、ファジイ推論に使用するファジイ数を局面
位置に応じて変更することによって、局面状態の理解を
より適切に行うことが可能となる。また、局面状態の理
解を、経験深い人間の解釈により近づけるための修正、
編集が人間にとって非常に分かり易いもととなる。

さらに、状態（７）の手段によれば、知識工学システム
とのインターフェイスを容易にとることができる。

また、上記（８）の装置によれば、故障診断を、経験の
ある人が行うのと同様のレベルで実行することができ
る。

［実施例］ 以下、図面を参照して、本発明の実施例を説明するが、
それに先立ちファジイ推論について説明する。

第３図は、ファジイ推論の具体的方法を説明するための
図であり、第３図（ａ）は条件部、第３図（ｂ）は結論
部を示している。

第３図（ａ）において、横軸は変数であり、変数に応じ
てＮ個のファジイ数Ｆｚ１〜ＦｚＮが設定されている。
これらのファジイ数Ｆｚ１〜ＦｚＮは、互いに交差部分
を有する台形状の集合であり、その高さは１すなわち１
００％に定めてある。ここで、たとえば変数ｘが図に示
す値をとったとすると、この変数ｘは、ファジイ数Ｆｚ
３とＦｚ４とにかかっており、ファジイ数Ｆｚ３が３０
％、ファジイ数Ｆｚ４が７０％となっている。

次に、第３図（ｂ）において、横軸は結論を表す変数で
あり、ファジイ数Ｆｚ１〜ＦｚＮに対してやはりＮ個の
互いに交差部分を有する三角状のファジイ集合Ｇｚ１〜
ＧｚＮがあらかじめ設定されている。ここでもファジイ
集合Ｇｚ１〜ＧｚＮの高さは１つまり１００％である。
上述した３０％のレベルがファジイ集合Ｇｚ３と交わっ
て形成する領域と、７０％のレベルがファジイ集合Ｇｚ
４と交わって形成する領域（図の斜線部分）の重心をと
り、その横軸座標をｇとすれば、これが求める結論値で
ある。このように、ある領域に対して一つの確定値を定
めることを、デファジフィケーション（defuzzificatio
n：非ファジイ化）という。

なお、ファジイ数Ｆｚ１〜ＦｚＮ，ファジイ集合Ｇｚ１
〜ＧｚＮは、台形、三角形に限らず、一般に凸ファジイ
集合であればよい。また、変数ｘの具体例としては、後
述する平均的変化度μ_ｎ／ｎ、瞬時変化度ν、変化レベ
ルｇ_ν、ｇ_μν／ｎなどがある。

次に、第４図は、加算型ファジイ推論の方法を説明する
ための図であり、第４図（ａ）は前件部のファジイ数Ｆ
ｚ１〜ＦｚＮを示し、同図（ｂ）は後件部ファジイ数に
対応する領域Ｄｚ１〜ＤｚＮを示し、同図（ｃ）は結論
部のファジイ集合Ｇｚ１〜ＧｚＮを示している。

まず、各検出項目毎にＮ個のファジイ数Ｆｚ１〜ＦｚＮ
を定めておき、その項目の変数値にしたがって、対応す
る領域Ｄｚ１〜ＤｚＮの値を求め、最後に各領域Ｄｚ１
〜ＤｚＮごとに相加平均を求め、その分布を結論部のフ
ァジイ集合Ｇｚ１〜ＧｚＮとする。

第５図および第６図は、機関の運転状態を例として、第
４図の加算型ファジイ推論を、さらに詳細かつ具体的に
説明するための図である。検出項目として機関回転数、
タービン回転数、給気圧、排気温度などがあり、それら
の変数の値がｇである。

第５図は、各項目についてひとつの領域（たとえば領域
Ｄｚ１）についてのみ示したものである。図において、
前件部の各項目の変数値ｇがファジイ数Ｆｚ１上で占め
る値に対応して、後件部の各項目の領域Ｄｚ１の値が定
まる。この図においては、項目１（たとえば機関回転
数）の領域Ｄｚ１は１００％、項目２（たとえばタービ
ン回転数）の領域Ｄｚ１は６０％、項目３（たとえば給
気圧）の領域Ｄｚ１は０％……、項目ｍ（たとえば排気
温度）の領域Ｄｚ１は４０％という具合にレベルが定ま
る。これらを相加平均すると、結論部のファジイ集合Ｇ
ｚ１が得られる。

この操作を各領域について実行すると、第６図に斜線部
で示すように各領域Ｄｚ１〜ＤｚＮについてそれぞれの
レベルが得られ、結論部のファジイ集合Ｇｚが求められ
る。そして、その重心をとるなどの演算によってある一
つの特定の値が定まる。この操作をデファジフィケーシ
ョンということは既に述べた。こうして、各項目の変数
値がファジイ数Ｆｚｉ（ｉ＝１〜Ｎ）上でとる値によっ
て、各領域Ｄｚｉのレベルが定まり、これを相加平均し
て結論部のファジイ集合Ｇｚｉが求められる。これが加
算型ファジイ推論の概要である。

なお、ファジイ集合は、クリスプ集合を包含するので第
７図に示すような方法でもよいことは言うまでもない。
この方法によれば、結論部の値ｇが直ちに得られる。ま
た上記相加平均に代えて、項目および／または領域の重
み付けを付加した重み付き平均をとるようにしてもよ
い。

実施例１ 第１図はこの発明の実施例１の構成を示すブロック図、
第２図(a)，(b)はその機能ブロック図である。この実施
例１は、機関の故障診断に本発明を適用したものであ
る。

これらの図において、１−１，１−２，…１−５，……
１−ｍ（総称するときは１という）は各種検出器であ
り、たとえば、１−１は機関回転数検出器、１−２は第
１シリンダの排気温度検出器、１−５は第４シリンダの
排気温度検出器、１−ｍはタービン回転数検出器という
ようになっている。これらの検出器１−１，１−２，…
…１−５，１−ｍの出力は、それぞれデータ収集部２−
１，２−２，２−５，……２−ｍ（総称する場合は２と
いう、以下同様）に供給される。

データ収集部２−１，２−２，２−５，……２−ｍは、
アンプ、サンプルホールド回路、およびＡ／Ｄコンバー
タ等から構成され、各検出器１−１，１−２，…１−
５，……１−ｍのアナログ出力をディジタル信号に変換
して出力する。なお、通常は、データ収集部２−１，２
−２，２−５，……２−ｍを一つの回路で兼用し、その
回路の前段にアナログマルチプレックサを接続して、時
分割的にディジタル信号を形成して出力するように構成
する。なお、これらの検出器１およびデータ収集部２
は、これから説明する後段部分にオンラインで接続され
ている必要はない。たとえば、フロッピイディスク等の
記憶媒体にデータを格納しておいて、それを読み出すよ
うな構成でもよい。

上述したようにして得られたディジタル出力は、具体的
にはＣＰＵからなる４つのブロックのうち、局面変化理
解部３０と局面位置理解部４０とに供給される。

局面変化理解部３０は、機関回転数、排気温度、タービ
ン回転数などの各検出項目を総合的に判断して、全体局
面、たとえば機関の負荷の上昇、下降について、次の１
３項の局面変化Ｒを理解する部分である。

Ｒ１．急低下したところ Ｒ２．急低下中 Ｒ３．アンダーシュート Ｒ４．低下後の過渡状態 Ｒ５．低下中 Ｒ６．やや低下中 Ｒ７．安定 Ｒ８．やや上昇中 Ｒ９．上昇中 Ｒ10．上昇後の過渡状態 Ｒ11．オーバーシュート Ｒ12．急上昇中 Ｒ13．急上昇したところ このような１３の局面Ｒ１〜Ｒ１３を理解するために、
局面変化理解部３０は、次の３段階の演算を実行する構
成となっている。

(1)第１段階 この段階は、検出器の精度や測定の精度を考慮しつつ、
各検出量のサンプリング値を各検出項目毎に時間軸に沿
って調査して、有意な変化を抽出する段階で、変化抽出
部３１−１，３１−２，…３１−５，……３１−ｍがこ
の演算を実行する部分である。変化抽出部３１は、後述
する演算を行い、次の３種類の変数を出力する。

・ｎ：有意変化発見までの調査回数 ・ν：瞬時変化度 ・μ_ｎ：変化度 なお、これらの値は、後述するように、各検出項目別に
最新のＮサンプリング分記憶される。

(2)第２段階 この段階は、動作系の有意な変化をファジイ推論によっ
て検知する段階であり、第１段階で得られた各値ｎ，
ν，μ_ｎを基に、ν，μ_ｎ／ｎが以下に示す９つの変化
レベルＤ１〜Ｄ９のどれにあてはまるかを検出項目毎に
ファジイ推論して、変化レベルｇ_ν、ｇ_μｎ／ｎを求め
る。

Ｄ１．超急降下 Ｄ２．急降下 Ｄ３．下降 Ｄ４．下降気味 Ｄ５．安定 Ｄ６．上昇気味 Ｄ７．上昇 Ｄ８．急上昇 Ｄ９．超急上昇 第１図のファジイ推論部３２−１，３２−２，…３２−
５，……３２−ｍがこの第２段階の演算を実行する部分
であり、各検出量の変化度が上記変化レベル値Ｄ１〜Ｄ
９のどれに該当するかを、動作系の特徴を考慮しつつ、
ファジイ推論する。ここで、動作系の特徴とは、検出し
た物理量の変化が動作にあたえる影響の大きさをいうも
のである。たとえば、機関の排気温度を考えると、その
計測系の精度は３℃程度であるから、５℃の変化は物理
量変化として十分に捕らえられる。しかしながら、機関
の排気温度は、その定常運転時でも１０℃位は変化して
いるから、５℃を機関の状態変化、つまり動作系の変化
として捕らえることは意味のないことといえる。このよ
うな動作系の特徴を考慮にいれ、それぞれの検出項目毎
に、変化レベルＤ１〜Ｄ９に対応させてあらかじめ９つ
のファジイ数（第３図のＦｚ１〜ＦｚＮに相当、ただ
し、Ｎ＝９）を設定しておき、ファジイ推論を実施して
有意な変化レベルを演算し、各検出項目毎に、瞬時変化
度νに対応する変化レベルｇ_νと、平均変化度μ_ｎ／ｎ
に対応する変化レベルｇ_μν／ｎを出力する（第３図の
結論部のｇに相当）。また、動作系としてありえない変
化については、変化レベルＤ１，Ｄ９をそれに割り当て
ておけば、この段階で検出器の異常を発見することがで
きる。

(3)第３段階 この段階は、上記第２段階で各項目毎に求めた変化レベ
ルｇ_ν、ｇ_μｎ／ｎを総合して、現在の負荷状態の変化
が上述した全体局面変化Ｒ１〜Ｒ１３のいずれに該当す
るかを演算するものである。

第１図のファジイ推論部３３−１，３３−２，…３３−
５，……３３−ｍと、グループ内加算型推論部３４と、
加算型ファジイ推論３５と、デファジフィケーション部
３６とがこの第３段階を実行する部分である。

まず、ファジイ推論部３３の各推論部３３−ｉは、第２
段階で得られた変化レベルｇ_ν、ｇ_μｎ／ｎに対して、
第４図に示すファジイ推論を施す。各推論部３３−ｉに
は、第４図(a)の前件部に示すような形で、２つの変化
レベルｇ_ν、ｇ_ｎν／ｎに対応して２つの項目が設定さ
れ、さらに、各項目ごとに、１３個の全体局面変化Ｒ１
〜Ｒ１３に対応する１３個のファジイ数Ｆｚ１〜Ｆｚ１
３（Ｎ＝１３）があらかじめ設定されている。これらの
ファジイ数Ｆｚ１〜Ｆｚ１３に上述した変化レベル
ｇ_ν、ｇ_μｎ／ｎをあてはめると、同図(b)の後件部に
示すような領域Ｄｚｉごとのグレードがえられる。第１
図では、これらを、後件部のファジイ集合Ｆ＝（X1/R1+
X2/R2+……+Xc+Rc）として表してある。つまり、各推論
部３３−ｉからは、第４図(b)に示すようなファジイ集
合が出力される。これらのファジイ集合は、ｍ個の各検
出項目につき、各変化度μ_ｎ／ｎ、νごとに出力され
る。つまり、各ｍ個のＦ_μｎ／ｎ、Ｆνが出力される。
ここで、ファジイ集合Ｆの各要素Xc/Rc（ｃ＝１〜１
３）は、１３個の局面変化Ｒ１〜Ｒ１３の要素Ｒｃと、
それに対応するグレードＸｃを表している（以下、グレ
ードＸｃを要素Ｒｃの得点と呼ぶ）。

グループ内加算型ファジイ推論部３４は、同じ意味をも
つ項目（たとえば、多数シリンダがある機関でのシリン
ダ出口排気温度などの項目）相互間で加算型ファジイ推
論を行い、第４図(c)の結論部に示すような、相加平均
された形のファジイ集合を出力するものである。これ
は、加算型ファジイ推論部３５に供給される各項目の重
みが偏るのを防ぐとともに、同じ意味をもつ項目の安定
化を図るためである。さらに説明すると、たとえば、シ
リンダ出口排気温度はシリンダ数だけ得られるため、シ
リンダ数が多い場合に得られたデータを独立に使用する
とその影響力が強くなり過ぎ、適切な全体局面の理解が
できなくなってしまう。そこで、これらを平均化し、他
のデータ、たとえば機関回転数や給気圧力のように１つ
しか得られないデータとの均衡をとるようにする。ま
た、平均化することによって、各シリンダの出口排気温
度を検出する複数の検出器の中の１つが故障したような
場合でも、その影響が直接現れないようにすることがで
き、全体の安定化を図ることが可能となる。

加算型ファジイ推論部３５は、ファジイ推論部３３とグ
ループ内加算型ファジイ推論部３４から供給されたファ
ジイ集合に、第４図に示すような加算型ファジイ推論を
行うものである。すなわち、第４図（ｂ）の後件部に示
すような形式をした複数組のファジイ集合Ｆ_μｎ／ｎお
よびＦνをそれぞれ相加平均し、第４図（ｃ）の結論部
に示すようなファジイ集合Ｈ_μｎ／ｎとＨνとを算出す
る。

次に、デファジフィケーション部３６は、加算型ファジ
イ推論部３５から供給されたファジイ集合Ｈ_μｎ／ｎ，
Ｈνに基づいて、現在の局面変化Ｒとその確信度Ｍ_Ｒと
を出力する部分である。すなわち、現在の局面変化Ｒ
は、上述した局面変化Ｒ１〜Ｒ１３のどれに、どの程度
の確信度で該当するかを判定して出力する。

この演算を行うに際し、局面変化に対して応答性のよい
項目と応答性の悪い項目があることを考慮する。たとえ
ば、機関回転数のように応答性のよい項目は、局面変化
に対してすぐに応答するが、温度のように応答性の悪い
項目は、局面の急変化が起きてもゆっくりと変化する。
そのため、局面状態が継続的にゆっくりと変化している
ときは別として、局面がステップ的に変化するような場
合には、温度のような応答性の悪い項目があるために、
変化レベル一定の項目、つまり上述した変化レベルＤ５
の項目が存在しやすくなる。言い換えれば、安定という
局面変化Ｒ７の得点が潜在的に高くなりやすいといえ
る。このような潜在的に強い項目の影響を弱めたり、小
さな変動に対して鈍感になるような知識（ルール）を導
入してデファジフィケーションを行うのが、デファジフ
ィケーション推論部３６である。この場合のルールの一
例を以下に示す。

１３個の局面変化Ｒ１〜１３の内、ある１つの状態の
得点（確信度）が突出している場合は、それを採用す
る。つまり、 最高点と次点との差＞設定値（ＰＥＡＫ）の場合は、最
高点を採用する。なお、前述した局面変化がＲ７（安
定）のときはこのルールは適用しない。

隣合う２つの状態がともに突出していれば、最高点を
採用する。つまり、 最高点および次点＞設定値（ＤＩＦＦＥＲ） のときは最高点を採用する。

上昇側（Ｒ８〜Ｒ１３）の総得点と、下降側（Ｒ１〜
Ｒ６）の総得点とを比較して、両者に有意の差がなけれ
ば安定とみなす。つまり、 （ア）上昇側総得点−下降側総得点＞設定値（ＡＬＬＯ
Ｗ）のときは上昇側での最高点を採用する。

（イ）下降側総得点−上昇側総得点＞設定値（ＡＬＬＯ
Ｗ）のときは下降側での最高点を採用する。

（ウ）上の２つの条件（ア）、（イ）が満足されなけれ
ば安定とする。

こうして、デファジフィケーションを実行し、結果Ｒ
（Ｒ１〜Ｒ１３のいずれか）とその確信度Ｍ_Ｒを出力す
る。

局面位置理解部４０ 以上が局面変化理解部３０の構成であった。しかしなが
ら、上記局面変化の理解だけでは、現在どういう局面に
いるのか分からない。そこで局面の位置を知る必要があ
る。この場合、唯一の検出器に依存していたのでは、こ
の検出器が故障したりすると、正しく機能ないばかりで
なく、誤ったデータによって有害な判断を導くことにも
なる。そこで、局面位置を総合的に判断する局面位置理
解部４０を構成した。ここでは、機関の負荷状態を例と
して次の９つの局面位置を理解することを考える（第９
図参照）。

Ｐ１．長期停止 Ｐ２．短期停止 Ｐ３．無負荷領域 Ｐ４．２５％領域 Ｐ５．５０％領域 Ｐ６．７５％領域 Ｐ７．１００％領域 Ｐ８．１１０％領域 Ｐ９．危険領域 このような局面位置を理解するために、局面位置理解部
４０は、次のような構成になっている。

まず、ファジイ推論部４１−１，４１−２，…４１−
５，……４１−ｍは、データ収集部２−１，２−２，…
…２−５，……２−ｍからの検出データにファジイ推論
を施す部分であり、各項目毎に第４図(a)，(b)に示すよ
うなファジイ推論を行う。すなわち、各項目毎に検出値
を横軸にとり、上記局面位置Ｐ１〜Ｐ９に対応する９つ
のファジイ数をあらかじめ設定しておき（第４図のＮ＝
９）、サンプリングされた検出値によって後件部のファ
ジイ集合Ｉ＝（W1/P1+W2/P2+……+WJ/PJ）を導く（Ｊ＝
９）。こうしてｍ個のファジイ集合Ｉが得られる。

次いで、局面変化理解部３０のところで説明した第３段
階と同様にして、類似項目間でグループ内推論を実行す
る。これを実行するのがグループ内加算型ファジイ推論
部４２であり、類似項目間で相加平均をとり各結論部の
ファジイ集合を出力する（第４図参照）。

上記各ファジイ集合は、加算型ファジイ推論部４３に供
給される。加算型ファジイ推論部４３は、第４図〜第６
図に示すような加算型ファジイ推論を実行して、その結
論部で得られたファジイ集合Ｌ＝（Z1/P1+Z2/P2+……+Z
J/PJ）をデファジフィケーション部４４に供給する。デ
ファジフィケーション部４４は、このファジイ集合から
局面位置Ｐ（Ｐ１〜Ｐ９のいずれか）と、その確信度Ｍ
_Ｐとを演算して出力する。

ここで注意すべき点は、短期停止Ｐ２のファジイ数につ
いて考えると、温度などの応答性の遅い項目について、
第６図（ｄ）に示すＦ_Ｚ２のように、室温レベルから危
険領域に渡る非常に幅広いものとなる。すなわち、温度
に関する項目は、エンジンが動作状態にあるときでも、
短期停止に高得点を与えていることになってしまう。そ
こで、デファジフィケーションのルールとして次のよう
なルールを設けている。

上述した局面変化理解の結果Ｒ，Ｍ_Ｒを参照し、低下
後の過渡状態Ｒ４よりも急低下側であれば、停止側Ｐ
１，Ｐ２の合計と動作側Ｐ３〜Ｐ９の合計とを比較し、
多い方を選ぶ。

そうでなければ停止側の平均と動作側の合計とを比較
し、多い方を選ぶ。つまり、上記に比べて動作側の重
み付けを大きくする。

選ばれた側の中から最高得点の局面位置を選択し、そ
の局面位置Ｐを確信度Ｍ_Ｐ（得点に対応）とともに保存
する。

なお、加算型ファジイ推論の得点は、概ねその状態の確
信度Ｍ_Ｐを表している。そこで得点ｐに基づき、確信度
Ｍ_Ｐの言語表現を次のように定め、人間の感覚を表現す
るようにした。

100≧ｐ＞80……確実に 80≧ｐ＞60……おそらく 60≧ｐ＞40……たぶん 40≧ｐ………………はっきりとは言えないがたぶん 上記のようにして得られたｇ_μｎ／ｎ，ｇ_ν，Ｒ，
Ｍ_Ｒ，Ｐ，Ｍ_Ｒは蓄積部７０に格納される。

局面状態遷移履歴パターン理解部５０ この理解部５０は、局面状態の遷移履歴を理解する部分
であり、近過去理解部５１と現在理解部５２と大局的理
解部５３とから構成されている。

近過去理解部５１は、設定された範囲内で現在から過去
へさかのぼり、局面状態データ、すなわち、局面変化の
結果データＲとその確信度Ｍ_Ｒ、および局面位置の結果
データＰとその確信度Ｍ_Ｐとを調べ、たとえば、局面に
急変化が起きていたかどうかをみる。局面変化が急上昇
（前述したＲ１２，１３）あるいは急低下（Ｒ１，Ｒ
２）しているところがあれば、それが何回前のサンプリ
ングで起きているかを調べる。次いで、その時点以降あ
るサンプリング回数幅（設定値）以内で局面位置Ｐが変
化しているなら、その急変化は局面位置の遷移によって
生じたものと解釈し、結論として、局面は「何サンプリ
ング前に」急上昇（急降下）して、局面位置は「Ｐ_Ｘか
らＰ_ｙ」に遷移したとの内容を出力する。これに対し
て、そうでない場合は、「同じ局面位置Ｐ_Ｘ内で大きな
変化」が生じたと解釈する。緩やかな変化についてもほ
ぼ同様に、局面変化Ｒ５，Ｒ６，Ｒ７，Ｒ８，Ｒ９につ
いて調査する。このような遷移理解の結果として、「Ｐ
_ＸからＰ_ｙに急激に変化した」というような言語的表現
を保存すれば済む。すなわち、莫大な全データを保存し
ていた従来システムと異なり、論理的に整理された言語
コードを記憶すればよいので、記憶容量を減少させるこ
とができる。また、言語的結果は、論理になじみ易いた
め、その後の知識工学的推論が強力に展開できる。

現在理解部５２は、近過去理解部５１で得られた結果と
現在の状態とを比較し、局面遷移が発生したか否かを把
握することができる。また、現在の局面変化データＲ
と、その確信度Ｍ_Ｒによって現在の変化状態を表現でき
る。

大局的理解部５３は、局面変化Ｒが低下側（Ｒ１〜Ｒ
６）の場合は−１、安定（Ｒ７）の場合は０、上昇側
（Ｒ８〜Ｒ１３）の場合は＋１として、あらかじめ設定
された過去のある時点から次の演算を行う。

０でないときをカウントする。すなわち、変動数を求
める。

単純加算を行う。すなわち、低下側か、上昇側か、上
下変動かを求める。

これによって、(a)負荷変動が多いか少ないか、(b)一定
か、(c)負荷変動があった場合は、低下か上昇かなどを
表現することができる。負荷変動が大きい、小さい、多
い、少ないという表現は、エンジンの保守に対して有力
な情報となる。

現局面状態確認部６０は、局面位置Ｐおよび変化Ｒを確
認するもので、動的状態を確認する動的状態確認部６１
と、現局面状態確認部６２とから構成される。

動的状態確認部６１は、システムチェックルームによっ
て、本システムの動的な状態を確認する部分である。こ
こで、システムチェックルームとは、動作が正常に行わ
れているか否かのチェックを行うためのルールをいい、
以下のようなものがある。

温度が短時間の間に急下降から急上昇したり、その逆
の変化をすることはない。つまり、温度の項目において
は、変化レベルＤ１（超急降下）やＤ２（急下降）から
Ｄ８（急上昇）やＤ９（超急上昇）への遷移、あるいは
その逆の遷移が１サンプリング間に発生することはな
い。

たとえば、回転数について考えると、長期停止から立
ち上がる場合には５００ｒｐｍは簡単に上昇するが、１
００％負荷から５００ｒｐｍ増加することはない。この
ようにある局面位置Ｐでは急上昇、急低下の幅が規制さ
れ、局面位置Ｐ７の場合は、変化レベルＤ９は発生しな
い。

応答関係にも一定の規制がある。たとえば、機関が回
転を開始した場合は、タービンが回転し、かつ給気圧が
発生するといった関係がある。

検出項目が温度の場合に、前述した変化レベルＤが急
激に変化した場合（Ｄ１，Ｄ９）には、検出器の異常が
発生した可能性がある。

たとえば、局面位置ＰがＰ５（５０％）にあるのに、
機関回転数が０であるような場合は、回転数検出器の異
常が発生した可能性がある。

このようなシステムチェックルールを用いて動作状態の
成否を判定し、その結果を現局面状態確認部６２へ供給
する。

現局面状態確認部６２は、システムチェック結果が正常
の場合には得られたデータＲ，Ｍ_Ｒ，Ｐ，Ｍ_Ｐを蓄積部
７０に格納する。

一方、異常の場合は、メタルールを適用し、加算型ファ
ジイ推論部３５，４３とデファジフィケーション部３
６，４４にフィードバックを行う。ここで、メタルール
とは、上位ルールの意であり、ルールの適用自体を制御
するものである。たとえば、加算型ファジイ推論部３
５，４３にファジイ数の変更を指示し、異常のある検出
器を除いて（設定値を変更して）加算型ファジイ推論の
やり直しを指示したり、デファジフィケーション部３
６，４４に異常のある検出器を除いてデファジフィケー
ションを行うように指示したりする。

蓄積部７０は、上記各部で得られたデータｇ_ν，ｇ
_μｎ／ｎ，Ｒ，Ｍ_Ｒ，Ｐ，Ｍ_Ｐを時系列的に格納するも
のである。

第２図(a)，(b)において、８０はインターフェイス部で
ある。インターフェイス部８０は、局面状態遷移履歴パ
ターン理解部５０からのデータに基づいて語句格納部８
３に格納されている語句を読み出して該データに対応す
るメッセージを作成するメッセージ組立部８１と、該メ
ッセージを電気信号として出力するメッセージ出力部８
２とから構成されている。

メッセージ出力部８２から出力されたデータは、表示装
置９１、ファイル装置９２、メモリバッファ９３、およ
び通信装置９４からなる周辺部９０に送られ、これを介
して知識工学システム１００に供給される。

知識工学システム１００は、この実施例で得られた各種
データによって故障診断を行うもので、現局面状態確認
部６０によって局面安定と判定されたときに静的ルール
を駆動し、人間の定性的な表現によって記述された知識
ベースを用いて推論を行い、制御対象を制御するもので
ある。

実施例１の動作 局面変化の理解は、次のように行われる。

(1)第１段階 変化認識部３１−１〜ｍは、データ収集部２−１〜ｍか
ら供給されたデータ（変化データ）に一定の演算を施し
て、有意変化発見までの回数ｎと、瞬時変化度νと、変
化度μ_ｎとを求める。

この動作を実行するにあたり、次の値をあらかじめ設定
しておく。

検出系および計測自体を考慮した変化許容値……Ｋ
（第８図参照） 変化しきい値（変化データおよび上記変化許容値Ｋか
らなる関数ｆ（Ｘ_ｏ−Ｘ_ｎ，Ｋ）の値の変化がこのしき
い値より大きいときに、変化ありと認識する）……ＳＬ
ｈ 安定しきい値（関数ｆ（Ｘ_ｏ−Ｘ_ｎ，Ｋ）の値の変化
がこのしきい値より小さいときに安定と認識する）…Ｓ
Ｌａ データ保存回数（サンプリングデータを保存する回
数）……Ｎ 調査最大回数……ｎ_ｍａｘ 安定時の調査打ち切り回数……ｎ_Ｌ 次に、データ値を以下のように表す。

ａ）現在値……Ｘ_ｏ ｂ）ｎサンプリング前の値……Ｘ_ｎ このような設定の下に、変化認識部３１−１〜ｍは、以
下に示す手順によって演算を行う。

与えられたデータ保存回数Ｎ回にわたり、サンプリン
グデータを時系列的に格納する。すなわち、変化認識部
３１−１〜ｍのメモリ（図示略）には、最新Ｎ回分のサ
ンプリングデータが順番に配置される。

第１０図のフローチャートに示すように、現在を起点
として、各検出データについて調査最大回数ｎ_ｍａｘを
限度として次の演算を行う。

ステップＳＡ１ ・μ_ｎ＝ｆ（Ｘ_ｏ−Ｘ_ｎ，Ｋ）を計算する。

（ただし、１≧ｎ≧ｎ_ｍａｘ） ・有意変化発生までの回数ｎ、および瞬時変化度ν＝μ
₁を求める。

なお、ｆ（Ｘ_ｏ−Ｘ_ｎ，Ｋ）としては、たとえば、ｆ
（Ｘ_ｏ−Ｘ_ｎ，Ｋ）＝｛（Ｘ_ｏ−Ｘ_ｎ，Ｋ）｝²を使用
する。

ステップＳＡ２ ・ｎ＝ｎ_ｍａｘか否かを調べ、ＹＥＳの場合はステップ
ＳＡ７へ進んで最終段階に入り、ＮＯの場合はステップ
ＳＡ３へ進み調査を継続する。

ステップＳＡ３ ・μ_ｎ＞ＳＬ_ｈか、すなわち有意変化ありか否かを調
べ、ＹＥＳのときはステップＳＡ７へ、ＮＯの場合はス
テップＳＡ４へ進む。

ステップＳＡ４ ・μ_ｎ＞ＳＬ_ａか、すなわち安定か否かを調べＹＥＳな
らステップＳＡ５へ進み、ＮＯならステップＳＡ６へ進
む。

ステップＳＡ５ ・ｎ＜ｎ_Ｌか、すなわち安定時の調査を続けるか否かを
調べ、 ｎ＜ｎ_ＬならばステップＳＡ６へ進んで調査を続け、 ｎ≧ｎ_ＬならばステップＳＡ７へ進んで最終段階に入
る。

ステップＳＡ６ ・ｎに１を加算してステップＳＡ１に戻る。

ステップＳＡ７ ・上で得られたνとｎとμ_ｎとを格納し、処理を終了す
る。

こうして、有意変化発見までの調査回数ｎと、瞬時変化
度ν（＝μ₁）と、変化度μ_ｎが得られる。これらはい
ずれも検出量の変化の度合を表している。

上記安定しきい値ＳＬａと変化しきい値ＳＬｈは、０＜
ＳＬａ＜ＳＬｈという関係にある。すなわち、変化しき
い値ＳＬｈを変化の決め手とし、安定しきい値ＳＬａを
安定の決め手としている。

いま、ＳＬｈ＝１．０、ＳＬａ＝０．５、ｎ_Ｌ＝４、ｆ
（Ｘ_ｏ−Ｘ_ｎ，Ｋ）＝｛（Ｘ_ｏ−Ｘ_ｎ／Ｋ）｝²とし、
第８図中の点Ｂ，Ｃ，Ｄを例にとってさらに具体的に説
明する。

まず、Ｂ点からＡ点の方向（過去）にさかのぼる場合、
μ_ｎ＜ＳＬａ（安定）のままさかのぼり、Ａ点において
ｎ＝ｎ_Ｌ（４回安定が続く）となる。この時点でステッ
プＳＡ５をＮＯで通過して、ステップＳＡ７に進み、μ
_ｎ＝｛（Ｘ_Ｂ−Ｘ_Ａ）／Ｋ）｝²、ｎ＝４が記憶保存さ
れる。

Ｃ点からさかのぼる場合は、１回過去にさかのぼった時
点Ｂにおいてμ_ｎ＞ＳＬｈとなる。よって、ステップＳ
Ａ３をＹＥＳで通過してステップＳＡ７に移行し、μ_ｎ
＝｛（Ｘ_Ｃ−Ｘ_Ｂ）／Ｋ）｝²、ｎ＝１が記憶保存され
る。

Ｄ点からさかのぼる場合は、６回過去にさかのぼった時
点Ｃにおいてμ_ｎ＞ＳＬｈとなる。よって、ステップＳ
Ａ３からステップＳＡ７に移行し、μ_ｎ＝｛（Ｘ_Ｄ−Ｘ
_Ｃ）／Ｋ）｝²、ｎ＝６を保存する。

ここで、上記変化抽出法を従来の方法と比較してみる。
従来は、最小２乗法によって回帰直線を求め変化を抽出
する方法と、一定のサンプリング回数を隔てた２点間で
変化率を求める方法とを主に使用していた。

まず、最小２乗法によるものでは、変化がジグザグの場
合は、回帰直線の傾きがそれほど変化しないために、有
意な変化を見落とす可能性がある。また、回帰直線を見
いだすまでの演算回数が多くなる。

２点間で変化率を求める方法は、この２点間より小さな
間隔で有意な変化があってもこれを見落とす可能性があ
る。つまり区間の始点と終点しか意味をもたない。ま
た、２点間を狭くして１サンプリングにすると瞬時的な
変化しか捕らえられない。また、緩やかな変化が同じ変
化率で継続するような場合、２点間で有意でなければ、
有意な変化は永久に見いだされない。

本実施例の方法によれば、このような欠点はすべて解消
される。

(2)第２段階 第２段階は、第１段階で得られた有意変化発見までの回
数ｎと、瞬時変化度νと、変化度μ_ｎとに基づいて、フ
ァジイ推論部３２においてファジイ推論を実行し、変化
レベルｇ_ν、ｇ_μｎ／ｎを出力する段階である。

以下、第１１図のフローチャートを参照して第２段階の
動作を説明する。

ステップＳＢ１ 前述した変化レベルＤ１〜Ｄ９の中から順番に一つの変
化レベルＤｉ（ｉ＝１〜９）を選択する。

ステップＳＢ２ 選択した変化レベルＤｉに対応するファジイ数をファジ
イ数テーブルより一つ読み出す。

ステップＳＢ３ 平均的変化度μ_ｎ／ｎまたは瞬時変化度νを第３図の横
軸の変数とし、上で選択したファジイ数における得点を
求め、これに対応する結論部のファジイ集合を求める。

ステップＳＢ４ 変化レベルＤ１〜Ｄ９のそれぞれについて上記ファジイ
推論を行い、結論部の９つのファジイ集合を求める。こ
れらのファジイ集合は、たとえば変化レベルＤ１は何
点、Ｄ２は何点という具合に、各変化レベルＤ１〜Ｄ９
の得点分布からなるものである。

ステップＳＢ５ 上で求めたファジイ集合について、デファジフィケーシ
ョンを行い、変化レベルｇ_μｎ／ｎ，ｇ_νを求める。デ
ファジフィケーションの具体例としては、９つのファジ
イ集合の重心を求める等の方法が使用される。

ステップＳＢ６ 求めたｇ_μｎ／ｎ，ｇ_νを記憶保存する。

(3)第３段階 第３段階は、ファジイ推論部３２−１〜ｍから出力され
たｍ組の変化レベルｇ_μν／ｎ，ｇ_νにつき、ファジイ
推論を行い、局面変化Ｒ（Ｒ１〜Ｒ１３のいずれか）
と、その確信度Ｍ_Ｒとを出力する段階である。ただし、
既に述べたように、類似した項目については、グループ
内加算型ファジイ推論部３４で平均化しておく。

以下、第１２図のフローチャートにしたがってこの段階
の動作を説明する。

ファジイ推論部３３−１〜ｍは、各変化レベルｇ
_μｎ／ｎ，ｇ_ν、について、第４図(a),(b)に示すよう
なファジイ推論を施して（ステップＳＣ１〜ＳＣ４）、
加算型ファジイ推論部３５は第４〜６図に示すような加
算型ファジイ推論を実行し（ステップＳＣ５〜ステップ
ＳＣ６）、デファジフィケーション部３６は、デファジ
フィケーションを実行する（ステップＳＣ７）。

ステップＳＣ１ １３レベルの局面変化Ｒ１〜Ｒ１３に対応するファジイ
数のそれぞれにつき以下の処理をを繰り返し行うように
する。

ステップＳＣ２ 局面変化Ｒ１に対応するファジイ数から始めて、１つの
局面変化Ｒｉを選択し、選択された局面変化Ｒｉに対応
するファジイ数をファジイテーブルより読み出す。

ステップＳＣ３ 第４図（ａ）の前件部に示すようなファジイ数に変化レ
ベルｇ_μｎ／ｎ，ｇ_νをあてはめ、これによって、局面
変化Ｒｉの得点を求め、それに対応する後件部のファジ
イ集合（第４図（ｂ）に示す領域Ｄｚ１〜ＤｚＮに相
当）を求める。

ステップＳＣ４ １３の局面変化Ｒ１〜Ｒ１３の一つ一つについて上記の
処理を繰り返す。

すなわち、ファジイ推論部３３−１〜ｍは、それぞれの
変化レベルｇ_μｎ／ｎ，ｇ_νに対してファジイ集合Ｆ＝
（X1/R1+X1/2+……+Xc/Rc）を算出する。これらを各々
Ｆ_μｎ／，Ｆ_νと表記すると、それらは各々ｍ個ずつ存
在することとなる。ただし、ｃは局面変化Ｒの数を表す
もので、ここではｃ＝１３である。

ステップＳＣ５ 上で求めた各ｍ個のファジイ集合Ｆ_μｎ／ｎ，Ｆ_νにつ
き、各変化局面Ｒ１〜Ｒ１３ごとに加算する。第５図、
第６図はこの様子を示すものである。たとえば、局面変
化Ｒ１につき、機関回転数のファジイ集合、タービン回
転数のファジイ集合、給気圧のファジイ集合……排気温
度のファジイ集合という具合に加算する。他の局面変化
についても同様である。

ステップＳＣ６ 上記加算結果を検出項目数で割って平均する。こうし
て、第４図（ｃ）、あるいは第６図（ｅ）に示すような
結論部の集合を得る。

ステップＳＣ７ 結論部の集合の重心をとるなどの手段により、デファジ
フィケーションを行う。この結果、局面変化Ｒとその確
信度Ｍ_Ｒとが得られる。この場合、デファジフィケーシ
ョンルールを使用することは既に説明した。また、現局
面状態確認部６２からのフィードバック情報も用いる。

局面位置理解部４０の動作 上記局面変化理解部３０の第３段階の動作と全く同様に
して、現在の動作状態は、局面位置Ｐ１〜Ｐ９のいずれ
の位置にどの程度の確信度で位置するかを調べる。

この場合、それぞれのファジイ推論部４１−ｉは、局面
位置の数Ｊ（＝９）に対応する９つのファジイ数（第４
図（ａ）のＦｚ１〜ＦｚＮ：Ｎ＝９に対応）のそれぞれ
につき、上と同様の処理を実行し、ファジイ集合Ｉ＝
（W1/P1+W2/P2+……+WJ/PJ）（第４図（ｂ）の領域Ｄｚ
１〜ＤｚＮに対応）を出力する。こうして、ｍ個のファ
ジイ集合Ｉが得られる。グループ内加算型ファジイ推論
部４２は、ｍ個のファジイ集合Ｉのうち類似した項目に
ついて、加算型ファジイ推論を行う。また、加算型ファ
ジイ推論部４３は、上記ファジイ集合の９つの位置ごと
に加算と平均処理を行い、ファジイ集合Ｌ＝（Z1/P1+Z2
/2+……+ZJ/PJ）（第４図（ｃ）のファジイ集合Ｇｚ１
〜ＧｚＮに対応）を出力する。

デファジフィケーション部４４は、上記ファジイ集合Ｌ
の重心をとるなどの演算によって、デファジフィケーシ
ョンを実行して局面位置Ｐ（Ｐ１〜Ｐ９のいずれか）と
その確信度Ｍ_Ｐとを出力する。ここでもディファジフィ
ケーションルールを適用したことは、既に述べた。

遷移履歴パターン理解部５０の動作 現局面状理解部５２は、局面変化Ｒ、局面位置Ｐ、およ
びこれらの確信度Ｍ_Ｒ，Ｍ_Ｐに次のようなルールを適用
して現局面を理解する。

１回前の局面位置Ｐが停止状態（長期停止Ｐ１または
短期停止Ｐ２）で現在の局面変化Ｒが急上昇中Ｒ１２ま
たは急上昇したところＲ１３であれば、「機関スター
ト」と判定する。

スタートしてから３分間は「スタート直後」である。

スタートしてかなりの負荷で安定したら機関が暖まっ
たとみなす。たとえば、 ・現在の局面変化Ｒ＝Ｒ７（安定）、 ・その確信度Ｍ_Ｒが設定値（たとえば９０％）以上、 ・過去１０回の局面位置Ｐの平均が設定値（たとえばＰ
５＝５０％）以上、 ・現在の局面Ｐが設定値（たとえばＰ５＝５０％）以上 の条件をすべて満たすときに「機関が暖まった」と判断
する。

上記の条件を満たさないときには「機関は暖まって
いない」と判断する。

局面位置Ｐ＝Ｐ１、つまり長期停止状態が設定値（た
とえば過去５回）の間継続していれば「長期停止（Ｐ
１）」とする。

機関回転数およびタービン回転数が急下降して、それ
ぞれのファジイ集合Ｉ内の停止（Ｐ１，Ｐ２に対応する
ファジイ数）の得点が設定値（たとえば８０％）以上で
ある場合には停止状態とする。すなわち、 ・現在の局面位置Ｐ＝Ｐ２（短期停止） ・機関およびタービン回転数が１回前に急下降 ・現在の機関およびタービン回転数のファジイ集合Ｉで
のＰ２の得点が設定値以上 の条件を満足するならば「現在停止しました」と判定す
る。

前回が「現在停止しました」で、かつ現在の局面位置
ＰがＰ２（短期停止）を示していれば「停止したばかり
です」と判定する。

なお、近過去理解部５１と大局理解部５３とは前述した
ような動作を行う。

現局面状態確認部６０の動作 動的状態確認部６１は、以下のようなシステムチェック
ルールによって処理を行う。

機関がスタートしたときは、機関回転数、タービン回
転数が急上昇する。よって、スタート時にこれらの変化
が検出されない場合は、検出器の異常と判定する。

負荷が急上昇すればタービン回転数および給気圧がす
ばやく追従する。よって、局面変化Ｒが設定値（例えば
３）回前までに急上昇していて、しかも現在のタービン
回転数および給気圧の各変化レベルｇ_μｎ／ｎが急上昇
以上（変化レベルＤ８，Ｄ９に相当）ではないならば検
出器の異常と判定する。

局面変化Ｒが安定（Ｒ＝７）で、局面位置Ｐと、機関
回転数、またはタービン回転数のファジイ集合Ｉの一番
得点の高いものが２レベル以上の差をもつ場合は、どち
らかの検出器の異常と判定する。

温度を示す項目が設定値（たとえば５回）以内で急上
昇と急下降の両方が生じていたら検出器の異常と判定す
る。

現局面状態確認部６２は、以下のようなメタルールによ
って処理を行う。

局面変化Ｒが安定（Ｒ＝７）となったら、そのときの
局面位置Ｐによって、変化レベルｇ_νを求めるためのフ
ァジイ数テーブルを変化させる。すなわち、現局面状態
確認部６２からファジイ推論部３２へのフィードバック
情報により、ファジイ推論部３２内のファジイ数テーブ
ルの書き換えを行う。

検出器の故障と判断した場合は、その検出項目を除い
て加算型ファジイ推論を行うように、加算型ファジイ推
論部３５，４３およびデファジフィケーション部３６，
４４に指令を出す。

このように、検出器に異常が発生した場合は、その検出
器からのデータを除去してファジイ推論とデファジフィ
ケーションとを再試行する。これによって、確信度はあ
る程度低下するかも知れないが、正しい判断を下すこと
が可能となる。

実施例２ 上述した実施例１は、時間軸に沿って検出値のパターン
を理解するものであった。この場合のデータ群はデータ
サンプリング毎に保存された時系列データであった。す
なわち、サンプリングデータ群に要素番号を割り当てた
場合、その要素番号の順番が現在から過去への時系列配
置になっているため、データ処理を行うと必然的に時間
軸に沿った処理となるわけである。

言い換えれば、上述したファジイ推論を中心とするデー
タ処理方法は、要素番号順に要素の値を探索していくこ
とにより、与えられたデータ群の要素番号に対するパタ
ーン理解を行う方法といえる。したがって、時間とは独
立したアルゴリズムによって構成されたものであり、要
素番号が周波数に対応する場合は、周波数軸に対応する
理解が可能となり、要素番号が年令に対応し、その値が
社員数に対応する場合は会社の人員構成パターンの理解
が可能となり、要素番号が機種でその値が販売実績なら
ば機種別販売実績のパターン理解が可能となる。

本実施例２では、周波数軸に対応するパターン理解を示
すために、機関の騒音データの周波数分析に本発明を適
用したものであり、第１３図に示すような構成となって
いる。

図において、騒音計１１０から出力されたアナログ騒音
信号は、スペクトルアナライザ１１１に供給される。ス
ペクトルアナライザ１１１は、ＦＦＴ（フーリエ変換）
を用いて、オクターブあるいは１／３オクターブ間隔で
騒音信号の周波数分析を行い、各周波数帯での音圧レベ
ルを出力する。このアナログ出力は、Ａ／Ｄ変換器１１
２でディジタル信号に変換された後、第１図に示す装置
と同様の構成のデータ処理部１１３に供給される。デー
タ処理部１１３は、以下のような処理を行い、知識ベー
ス１１４とプリンタ１１５に処理結果を供給するように
なっている。なお、データレコーダ１１６は、ディジタ
ル信号の形で騒音データを記録するもので、この騒音デ
ータは、スペクトルアナライザ１１１によって周波数分
析された後、データ処理部１１３に供給される。

さて、機関の騒音としては排気音、機関音、過給機音が
代表的なものであり、これらは、第１４図に示すような
周波数分布をもっている。

第１４図において、（ａ）は排気音、（ｂ）は機関音、
（ｃ）は過給機音の周波数分布を示すもので、これらの
グラフの横軸は周波数、縦軸は音圧レベル（ｄＢ）を示
している。

これらの図から次にような特徴部分が理解される。

排気音は、低周波成分が大きく、低周波領域にピーク
周波数１，２を有する。これらの周波数は、着火周
波数に対応するもので以下の式によって表される。

１＝（ｒｐｍ×ｎ）／（６０×２） ２＝２×１ （ただし、ｒｐｍは機関回転数、ｎはシリンダ数） 機関音は全体的に平坦な特性を示しており、際立った
ピークはない。

過給機音は、高周波領域に次式で表される鋭いピーク
_ＴＢがある。_ＴＢ ＝ＴＢ_ｒｐｍ×Ｎ／６０ （ただし、ＴＢ_ｒｐｍはタービン回転数、Ｎはブロワの
羽根の枚数） なお、騒音レベルを下げるにはこのピーク_ＴＢを下げ
る必要がある。

従来の騒音分析においては、採集した騒音データを周波
数分析し、その結果をグラフとしてＣＲＴまたはプロッ
タに出力し、専門家がそのグラフをみて、その特徴を認
識すると同時に意味付けをしていた。

したがって、大量のデータを分析する場合には、多量の
人手と時間を要していた。大量のデータは番号付けされ
ているが分析が終わるまでは、どのような特徴のデータ
がどこに入っているのか知ることができない。たとえ
ば、過給機音のデータだけを取り出したいと思っても、
すべてのデータを人間がチェックするまで分からない。

そこで、周波数軸に対するパターンを理解してデータ番
号に対応させることができれば、チェックの自動化が実
現し、大きな省力化を図ることができる。

本実施例２は、このような考察の下になされたものであ
り、その方法を以下に示す。

１．回転数ｒｐｍ、シリンダ数ｎ、タービン回転数Ｔ
Ｂ、ブロワの羽根数Ｎを入力する。そして、排気音の低
周波領域にあるピーク１，２と、過給機音の高周波
領域にある鋭いピーク_ＴＢを算出するために以下の処
理を行う。

２．周波数に対応した要素番号と、その要素番号に対応
する値、つまり周波数分析により得られた周波数とその
周波数での騒音強度とからなる周波数データ（第１４図
参照）がスペクトルアナライザ１１１から与えられる。

３．第１４図に示すような周波数データについて、検出
系および計測自体を考慮した変化許容値Ｋ（第８図参
照）、変化しきい値ＳＬｈ、安定しきい値ＳＬａ、調査
最大回数ｎ_ｍａｘ、安定時の調査打ち切り回数ｎ_Ｌを設
定する。

４．実施例１の局面変化理解部３０の変化抽出部３１
（第１段階）と同様にして、周波数データの音圧レベル
の周波数軸に沿った変化を捕らえる。すなわち、最初の
要素番号から始めて各要素番号について、音圧レベルの
瞬時変化度νと平均変化度μ_ｎ／ｎとを順次求める。

５．周波数のデータの音圧レベルの変化に対応さて、変
化レベルＤ１〜ＤＮ（超急降下、急降下、下降、下降気
味、安定、上昇気味、上昇、急上昇、超急上昇など）を
設定するとともに、これらの変化レベルＤ１〜ＤＮに対
応するファジイ数Ｆｚ１〜ＦｚＮを、第３図に示すよう
な形式であらかじめ設定しておく。次いで、局面変化理
解部３０のファジイ推論部３２（第２段階）と同様にし
て、上で求めた音圧レベルの有意な変化（瞬時変化度ν
と平均変化度μ_ｎ／ｎ）をファジイ数Ｆｚ１〜ＦｚＮに
あてはめ、第３図に示すファジイ推論を行って、音圧の
瞬時変化レベルｇ_ν、および平均変化レベルｇ_μｎ／ｎ
を算出し、これらを周波数軸に沿って記憶格納する。な
お、この実施例２では、個々のデータがあるのみで全体
系というものがないので、実施例１の第３段階の処理は
行わない。以上により、周波数軸に沿う音圧レベルの変
化、すなわち局面変化が得られる。

６．次いで、周波数データの音圧レベル（ｄＢ）の局面
位置を求める。まず、各音圧レベルに対応させて局面位
置Ｐ１〜ＰＭを定める。たとえば、４０ｄＢ〜１２０ｄ
Ｂの間を５ｄＢ間隔で区分し、各区分を局面位置Ｐ１〜
ＰＭとする。さらに、各局面位置Ｐ１〜ＰＭに対応させ
てファジイ数を設定しておき、各周波数データの音圧レ
ベルがどの局面位置に、どの程度の確信度で入るかを算
出し、局面位置Ｐとその確信度Ｍ_Ｐを出力する。

７．局面変化と局面位置とを要素番号順に追跡すること
により、周波数軸に対する局面位置つまり音圧レベルの
位置と、局面変化つまり音圧レベルの変化とを理解す
る。

８．以下に述べる特徴データによって上記周波数データ
が排気音か、機関音か、過給機音か、それ以外の音かを
弁別する。

９．人間がたとえば排気音を取り出したい場合は、排気
音と弁別されたデータだけを検索して出力する。

上述した特徴データにつき説明する。

従来のパターン認識は、標準パターンとのマッチングに
よって判定を行っていたため、特徴的でない部分の影響
を受けてパターンの誤判断が生じることがあった。

これを第１５図により説明する。第１５図（ａ）に示す
ように、標準データＣＲと実データＣＡとをマッチング
する場合、特徴的な部分はピーク部分であるが、その前
後の部分の影響をうけて正確な判断を行えない場合が生
じる。このため、特徴的な領域だけを抜き出して、その
部分のマッチングをとるなどの手段をとる。

この場合、第１５図（ｂ）のように、標準データＣＲの
ピーク値がある幅の範囲で変動するようなときは、ピー
ク値が少しずつ異なった標準データを複数用意してお
き、実データＣＡと何回もマッチングを繰り返して判定
を行わなければならない。よって、ピーク値の変動範囲
が大きい場合には、マッチングに要する回数と時間は膨
大なものとなる。

これに対して、本実施例２の方法は、たとえば、変数
（周波数）と、それによって変化する局面変化（音圧レ
ベルの変化）および局面位置（音圧レベル）とにより、
「周波数（変数）ａ〜ｂ、かつ音圧レベル（局面位
置）Ｉａ〜Ｉｂの範囲に１つのピークをもつ」という具
合に記述することができる。したがって、局面変化によ
って音圧レベルの変化を理解し、それによってピークを
検出し、その局面位置を同定することによって、騒音の
種類を判定することができる。

なお、この実施例２は、この発明を騒音解析に適用した
ものであるが、騒音解析に限らず、他のチャート分析に
も適用できることはいうまでもない。この場合、必要に
応じて、加算型ファジイ推論部やファジイパラメータ設
定部を設け、加算型ファジイ推論を行ったり、ファジイ
パラメータを変更したりするようにしてもよい。

［発明の効果］ 以上説明したように、この発明は、次の効果をあげるこ
とができる。

多種類の検出項目データを用いて局面位置と局面変化
とを把握し、それらを総合して故障診断等の判定を行う
ようにしたから、１つの検出器に依存しない、信頼性の
高い判定を行うことができる。また、異常の生じた検出
器を同定することができる。

上記局面位置や局面変化を時系列的に記憶することに
よって、局面状態の変化履歴を探索することが可能とな
る。したがって動作系の動特性を把握することができ
る。また、正常動作を基準としたシステムチェックルー
ルをあらかじめ組み込んでおけば、検出器の異常および
状態遷移履歴の正否を判定することができる。

自己の系の局面状態遷移履歴を把握できるため、自励
発振（ハンチング）とその原因となる状態を捕らえるこ
とができ、ハンチングを未然に防止する制御が可能とな
る。

動作系の内部パラメータに一定の条件（たとえば、電
力計および馬力計の値が完全に信頼でき、かつ機関は完
全に正常であるといった条件）を設け、検出したデータ
を統計処理し、処理したデータに基づいて他の内部デー
タを自動的に調整、変更することによって、個々の機関
の特徴を学習することができる。たとえば、あらかじめ
設定したファジイ数をフィードバックによって自動的に
調整、変更するような処理を行うことが可能となる。

処理対象となるデータは、時間軸に沿って変化するも
のに限定されない。たとえば、周波数軸に沿って変化す
るデータなどにも同様に適用することができる。すなわ
ち、本発明は、知識ルールを適用することによって検出
データのパターンを理解する方法である、ということが
できる。

【図面の簡単な説明】

第１図はこの発明の方法を機関の監視・制御に適用した
実施例１の構成を示すブロック図、第２図(a)は知識工
学システムおよびそれと実施例１とのインターフェイス
部を示すブロック図、第２図(b)は同実施例１の機能ブ
ロック図、第３図〜第７図はファジイ推論の方法を説明
するための図、第８図は検出データの一例で、あわせて
第１段階の動作を説明するための図、第９図は各局面位
置を示す遷移図、第１０図〜第１２図はそれぞれ、同実
施例１の第１段階〜第３段階の動作を示すフローチャー
ト、第１３図はこの発明の実施例２の構成を示すブロッ
ク図、第１４図は同実施例２に係る騒音の特性図、第１
５図は従来の騒音処理の方法を説明するための図であ
る。 １……検出器、２……データ収集部、 ３０……局面変化理解部 ３１……変化抽出部、 ３２、３３、４１……ファジイ推論部、 ３４、４２……グループ内加算型ファジイ推論部、 ３５、４３……加算型ファジイ推論部、 ３６、４４……デファジフィケーション部、 ４０……局面位置理解部、 ５０……局面状態遷移履歴パターン理解部、 ６０……現局面状態確認部 ７０……蓄積部 １１０……騒音計、 １１１……スペクトルアナライザ、 １１２……Ａ／Ｄ変換器、 １１３……データ処理部、１１４……知識ベース、 １１５……プリンタ、１１６……データレコーダ。

Claims (8)

【特許請求の範囲】
1. 【請求項１】対象物から得られる複数種類の一連の検出
   データを各検出データを得た時間、各検出データに対応
   する周波数等、各検出データに対応した独立変数に基づ
   いて処理することにより該対象物が直面する局面を推定
   する局面推定方法であって、 前記各種類の検出データについて当該検出データの変化
   度についての複数のファジィ集合と、 前記局面の変化についての複数のファジィ集合と、 各々前記検出データの各種類に対応したルールであっ
   て、当該検出データの変化度についての各ファジィ集合
   を前記局面の変化についての複数のファジィ集合の１つ
   に対応付けるルールとを予め定義しておき、 前記各種類の検出データについて前記独立変数の値の変
   化によって生じる当該検出データの値の変化量を予め設
   定した値と比較することにより該検出データの有意の変
   化を抽出し、 前記各種類の検出データについて、当該検出データの有
   意の変化に対応したファジィ集合およびその確信度を求
   める過程と、前記局面の変化についての各ファジィ集合
   毎に、前記ルールによって当該ファジィ集合に対応付け
   される前記各種類の検出データの有意の変化の各ファジ
   ィ集合の各確信度の相加平均を演算することにより当該
   局面の変化のファジィ集合についての確信度を求める過
   程とからなる加算型ファジィ推論を実行し、 前記局面の変化およびその確信度を推定することを特徴
   とする局面推定方法。
2. 【請求項２】請求項１記載の局面推定方法において、類
   似した検出項目に対応する変化度をグループ別に分類
   し、該グループ毎にグループ内で前記加算型ファジィ推
   論を行う過程を有することを特徴とする局面推定方法。
3. 【請求項３】請求項１または２のいずれかの項記載の局
   面推定方法において、前記検出データにファジィ推論を
   施し、現在の局面位置を推論することを特徴とする局面
   推定方法。
4. 【請求項４】請求項３記載の局面推定方法において、前
   記時間、周波数などの独立変数の推移にともなう局面位
   置の遷移状態を求めることを特徴とする局面推定方法。
5. 【請求項５】請求項４記載の局面推定方法において、現
   在の局面位置に照らし合わせて各検出データを調査し、
   異常のある検出データを抽出することを特徴とする局面
   推定方法。
6. 【請求項６】請求項４記載の局面推定方法において、現
   在の局面位置に応じて前記ファジィ推論および前記加算
   型ファジィ推論に使用するファジィ集合に変更を加える
   ことを特徴とする局面推定方法。
7. 【請求項７】請求項４記載の局面推定方法において、前
   記局面変化、局面位置および遷移状態を知識工学システ
   ムに出力することを特徴とする局面推定方法。
8. 【請求項８】装置の動作状態を検出する複数の検出器を
   有し、前記各検出器の検出量に対応して変化する複数の
   局面状態を検出し、この局面状態に基づいて前記装置お
   よび前記検出器の故障診断を行う故障診断装置におい
   て、 前記検出量の変化度を予め設定した値と比較し、有意の
   変化を抽出する変化検出手段と、 予め定義された (a)前記各検出器の検出量の変化度についての複数のフ
   ァジィ集合、 (b)前記局面の変化についての複数のファジィ集合およ
   び (c)各々前記検出量の各種類に対応したルールであって
   当該検出量の変化度についての各ファジィ集合を前記局
   面の変化についての複数のファジィ集合の１つに対応付
   けるルールに基づき、 前記各検出量について、当該検出量の有意の変化に対応
   したファジィ集合およびその確信度を求め、前記局面の
   変化についての各ファジィ集合毎に、前記ルールによっ
   て当該ファジィ集合に対応付けされる前記各検出量の有
   意の変化の各ファジィ集合の各確信度の相加平均を演算
   することにより当該局面の変化のファジィ集合について
   の確信度を求める加算型ファジィ推論を実行する加算型
   ファジィ推論手段と、 前記加算型ファジィ推論の結果と前記変化度のうち前記
   加算型ファジィ推論を受けなかった部分とにファジィ推
   論を施す手段とを有し、 該ファジィ推論を施す手段の出力に基づいて前記装置お
   よび検出器の故障を推測することを特徴とする故障診断
   装置。