JP2016031568A

JP2016031568A - 異常診断装置、異常診断方法及び異常診断プログラム

Info

Publication number: JP2016031568A
Application number: JP2014152539A
Authority: JP
Inventors: ニコラシュミット; Schmit Nicolas
Original assignee: IHI Corp
Current assignee: IHI Corp
Priority date: 2014-07-28
Filing date: 2014-07-28
Publication date: 2016-03-07

Abstract

【課題】異常診断の検出精度を向上させる。【解決手段】各パラメータの正常時の値で表される正常データの相関行列から特異値を求め、求めた特異値から所定の条件で上位特異値数を特定する前処理手段と、同一時刻に測定された診断用の各パラメータの値で表される診断データと、前処理手段で特定された上位特異値数の上位特異値を用いて求められた正常データの相関行列の擬似逆行列を使用し、上位特異値数で割ったマハラノビス距離を算出する算出手段と、算出手段が算出したマハラノビス距離が所定の閾値より大きくなった場合、異常が発生したと判定する判定手段とを備える。【選択図】図１

Description

本発明は、異常を診断する異常診断装置、異常診断方法及び異常診断プログラムに関する。

近年、異常の診断にＭＴシステムの一種であるＭＴ法（マハラノビス・タグチ法）の利用が普及している。ＭＴ法では、まず、診断対象の装置やシステム等から正常時に測定した複数のパラメータ値である正常データで形成される単位空間とその単位空間の基準点を決定する。その後、診断期間に同一のパラメータの値を測定して診断データとし、これらの値と単位空間の基準点との距離を用いて異常を診断する。

このＭＴ法は、様々な分野に利用可能である点で有用な方法である。一方、ＭＴ法で検出しにくい異常がある。例えば、異なる複数のパラメータ間に多重共線性（冗長性、または強い相関関係）がある場合や、正常なときにはパラメータの値が一定である（一定値項目である）場合、相関行列の逆行列を求めることができず、ＭＴ法で算出できるはずのマハラノビス距離（ＭＤ値）を求めることができない。これを回避する方法として、逆行列の代わりに擬似逆行列を求め、擬似逆行列を利用するとマハラノビス距離を求めることができる。

特表２０１２−５１６９９４号公報

しかしながら、擬似逆行列を用いてマハラノビス距離を求めた場合、擬似逆行列を構成する特異値数によってマハラノビス距離の値が小さくなり、異常の検出漏れが生じ、検出精度が低下するおそれがある。

上記課題に鑑み、本発明は、異常診断において、検出精度を向上させることを目的とする。

上記目的を達成するために、第１の発明は、診断対象の複数のパラメータ値が入力され、異常を診断する異常診断装置であって、各パラメータの正常時の値で表される正常データの相関行列から特異値及び主成分を求め、求めた特異値から所定の条件で上位特異値数を特定し、求めた特異値及び主成分と、特定した上位特異値数とから相関行列の擬似逆行列を算出する前処理手段と、同一時刻に測定された診断用の各パラメータの値で表される診断データと、前記前処理手段で特定された上位特異値数及び前記前処理手段で算出された擬似逆行列を使用し、前記上位特異値数で割ったマハラノビス距離を算出する算出手段と、前記算出手段が算出したマハラノビス距離が所定の閾値より大きくなった場合、異常が発生したと判定する判定手段とを備える。

第２の発明は、前記前処理手段は、降順で算出した特異値の累積値を算出し、前記累積値と全特異値の総和の割合が所定の割合を超えるような最小の特異値数を上位特異値数ｑとし、降順でこの上位特異値数ｑ以内の特異値を上位特異値とする。

第３の発明は、診断対象の複数のパラメータ値を用いて異常を診断する異常診断方法であって、各パラメータの正常時の値で表される正常データの相関行列から特異値及び主成分を求め、求めた特異値から所定の条件で上位特異値数を特定し、求めた特異値及び主成分と、特定した上位特異値数とから相関行列の擬似逆行列を算出するステップと、同一時刻に測定された診断用の各パラメータの値で表される診断データと、特定された前記上位特異値数及び算出された前記擬似逆行列を使用し、前記上位特異値数で割ったマハラノビス距離を算出するステップと、算出された前記マハラノビス距離が所定の閾値より大きくなった場合、異常が発生したと判定するステップとを有する。

第４の発明は、前記上位特異値数を特定する際、降順で算出した特異値の累積値を算出し、前記累積値と全特異値の総和の割合が所定の割合を超えるような最小の特異値の数を、上位特異値数とする。

本発明によれば、異常診断の検出精度を向上させることができる。

図１は、実施形態に係る異常診断装置を説明するブロック図である。図２は、マハラノビス距離と閾値の関係を説明するグラフである。

以下に、図面を用いて本発明の実施形態に係る異常診断装置について説明する。実施形態に係る異常診断装置は、多数のセンサによって各パラメータ値（変数）が測定されるガスタービン、真空炉、航空エンジン等を診断対象として各パラメータ値を利用して診断対象の異常を診断するものである。

図１に示すように、実施形態に係る異常診断装置１は、正常な各パラメータの値を利用して、相関行列の上位特異値数を特定し、相関行列の擬似逆行列を算出する前処理手段１１と、診断用に測定された各パラメータの値を利用してマハラノビス距離（ＭＤ値）を算出する算出手段１２と、算出されたマハラノビス距離を利用して異常の有無を判定する判定手段１３と、判定結果を出力する出力手段１４とを有する。

異常診断装置１は、図１に示すように、ＣＰＵ１０、記憶装置２０、操作の入力等に利用される入力装置３０及び処理結果等の出力に利用される出力装置４０等を備える情報処理装置である。記憶装置２０に記憶される異常診断プログラムＰが実行されることで、ＣＰＵ２０が前処理手段１１、算出手段１２、判定手段１３及び出力手段１４として処理を実行する。

記憶装置２０は、異常診断プログラムＰの他、診断対象が正常時に測定された正常データＤ１、前処理手段１１で特定され、マハラノビス距離の算出に利用される上位特異値数と、前処理手段１１で算出され、マハラノビス距離の算出に利用される相関行列の擬似逆行列である演算データＤ２、診断の対象である期間に計測されたデータである診断データＤ３及び異常診断の結果である結果データＤ４を記憶する。

正常データＤ１は、正常時の各パラメータ値である。ここで、正常データＤ１には、正常時に、測定された複数回分のパラメータ値を含んでいる。また、診断データＤ３は、診断の対象である期間に測定された各パラメータ値である。診断データＤ３にも、対象期間に測定された複数回分のパラメータ値を含んでいる。異常診断装置１では、この正常データＤ１と診断データＤ３とを用いて診断対象の異常を診断する。例えば、異常診断装置１は、診断対象の装置やシステムの各パラメータを測定するセンサと接続されており、これら複数のセンサから入力したパラメータ値を蓄積して正常データＤ１や診断データＤ３とすることができる。

前処理手段１１は、記憶装置２０から正常データＤ１を読み出し、正常データＤ１の相関行列を求め、この相関行列から特異値及び主成分を算出する。また、前処理手段１１は、全特異値の累積値（総和）を算出し、この全特異値の累積値に対し、全特異値を降順で並べて大きい特異値から順に加算したときの総和の割合が所定の割合を超えるような最小の特異値数を上位特異値数ｑとし、降順で抽出した上位特異値数ｑの特異値を上位特異値とする。また、前処理手段１１は、前記特異値と前記主成分と前記上位特異値数から相関行列の擬似逆行列を算出する。また、前処理手段１１は、抽出した上位特異値で求める擬似逆行列のランクを上位特異値の数ｑとしてもよい。

例えば、全特異値の総和に対し、上位特異値の総和が９９％を超える特異値数を上位特異値数とする条件を定めたとする。このとき、上位特異値の総和は、特異値のうち、降順で並べ、大きい特異値から加算するものとする。仮に、全特異値の数が１０００（降順で並べた特異値をそれぞれａ1、ａ2、…ａ1000とする）、降順で１３４個目までの特異値の総和と全特異値の総和の割合（（ａ1＋ａ2＋…＋ａ134）÷（ａ1＋ａ2＋…＋ａ1000））が９８．５％、降順で１３５個目までの特異値の総和と全特異値の総和の割合（（ａ1＋ａ2＋…＋ａ135）÷（ａ1＋ａ2＋…＋ａ1000））が９９．１％である場合、上位特異値数qは１３５となる。また、ａ1〜ａ135の特異値が、上位特異値である。

ここで、前処理手段１１における擬似逆行列の算出について説明する。例えば、正常データＤ１として、ｎ個のサンプル（ｎ回分のパラメータ値）が得られているとする。また、変数の数（パラメータの数）をｋとし、正常データ行列をｘとする。

前処理手段１１は、特定した上位特異値数ｑ及び相関行列の擬似逆行列を演算データＤ２として記憶装置２０に記憶する。

算出手段１２は、記憶装置２０から正常データＤ１、演算データＤ２及び診断データＤ３を読み出し、診断データＤ３の同一時刻に測定された各パラメータの値で表される診断データと、前処理手段１１で特定された上位特異値数と、前処理手段１１で算出された正常データＤ１の相関行列の擬似逆行列を使用し、上位特異値数ｑで割った各パラメータのマハラノビス距離を算出する。具体的には、算出手段１２は、式（２−１）を利用して各パラメータの値Ｙ_iのマハラノビス距離（ＭＤ値）Ｄ²（Ｙ_i）を求める。

判定手段１３は、算出手段１２が求めたマハラノビス距離を予め異常判定用に設定される閾値と比較し、求めたマハラノビス距離が閾値より大きいとき異常が発生したと判定する。この閾値は、例えば、入力装置３０を介して予め設定される。また、判定手段１３は、各パラメータに関する異常の判定結果で結果データＤ４を生成し、記憶装置２０に記憶する。

出力手段１４は、判定手段１３で判定された結果を出力装置４０に出力する。例えば、出力手段１４は、異常が判定された場合にのみアラーム等の異常を出力するようにしてもよい。

一般的には、正常データの相関行列の逆行列を利用して各パラメータの値Ｙ_iのマハラノビス距離Ｄ²（Ｙ_i）を求める場合、式（２−２）を利用する。また、逆行列が使用できず、逆行列の代わりに擬似逆行列を利用してマハラノビス距離Ｄ²（Ｙ_i）を求める場合、式（２−３）を利用する。なお、式（２−２）、式（２−３）中のｋは、診断対象から入力される値のパラメータの数である。

ここで、逆行列を利用する式（２−２）によって求めたマハラノビス距離の場合は問題はないが、擬似逆行列を利用する式（２−３）の場合、特異値数によってＭＤ値が全体的に小さくなり、異常の検出漏れが生じるおそれがある。

また、正常データＤ１に基づいて求められる逆行列を利用してマハラノビス距離を求める場合、各パラメータのマハラノビス距離の平均値は１である。一方、擬似逆行列を利用してマハラノビス距離を求める場合、各パラメータのマハラノビス距離の平均値は１となることが保証されない。したがって、擬似逆行列を用いて正常データＤ１からマハラノビス距離を求めると、マハラノビス距離の解釈が困難となり、異常判定の閾値の設定が困難になる。

例えば、図２に示すように、上位特異値数ｑがパラメータの数ｋと比較して小さくなるほど、マハラノビス距離が全体的に小さくなる傾向にある。具体的には、ｑ/ｋ＝１で設定された閾値を利用するとき、図２（ａ）に示すように、ｑ/ｋ＝０．９の場合、マハラノビス距離のピークは閾値を越えるため、異常を検出することができる。

しかしながら、図２（ｂ）に示すように、ｑ/ｋ＝０．８の場合及びｑ/ｋ＝０．７の場合、マハラノビス距離のピークが図２（ａ）と同一の閾値を下回り、異常を検出することができなくなる。実施形態に係る異常診断装置１では、マハラノビス距離を求める際に擬似逆行列の特徴を表す上位特異値数ｑを利用することで、正常データＤ１の各パラメータのマハラノビス距離の平均を１とすることが可能となり、異常判定の閾値の設定を容易にし、異常判定の信頼性を向上させることができる。

このように、異常診断装置１では、擬似逆行列を利用した場合であっても、正常データＤ１に基づいて求められる擬似逆行列と診断データＤ３によって求められる値を上位特異値数ｑで割ることにより、正常データＤ１のマハラノビス距離の平均が１となることが保証される。したがって、閾値が特異値数に依存しないため、異常診断装置１では、異常の検出漏れを防ぐことができる。また、診断対象のパラメータ値を測定するセンサの追加や撤去等によって、特異値数が変わった場合でも、マハラノビス距離の基準は変わらない。したがって、特異値数が異なる場合であっても、異なる複数のパラメータ値で構成されるデータセットを対象として求めたマハラノビス距離を比較することも可能となる。

なお、以下に示すように、正常データＤ１のパラメータのマハラノビス距離の平均が１であることが証明できる。

以上、実施形態を用いて本発明を詳細に説明したが、本発明は本明細書中に説明した実施形態に限定されるものではない。本発明の範囲は、特許請求の範囲の記載及び特許請求の範囲の記載と均等の範囲により決定されるものである。

１異常診断装置
１１前処理手段
１２算出手段
１３判定手段
１４出力手段
２０記憶装置
Ｄ１正常データ
Ｄ２演算データ
Ｄ３診断データ
Ｄ４結果データ
Ｐ異常診断プログラム
３０入力装置
４０出力装置

Claims

診断対象の複数のパラメータ値が入力され、異常を診断する異常診断装置であって、
各パラメータの正常時の値で表される正常データの相関行列から特異値及び主成分を求め、求めた特異値から所定の条件で上位特異値数を特定し、求めた特異値及び主成分と、特定した上位特異値数とから相関行列の擬似逆行列を算出する前処理手段と、
同一時刻に測定された診断用の各パラメータの値で表される診断データと、前記前処理手段で特定された上位特異値数及び前記前処理手段で算出された擬似逆行列を使用し、前記上位特異値数で割ったマハラノビス距離を算出する算出手段と、
前記算出手段が算出したマハラノビス距離が所定の閾値より大きくなった場合、異常が発生したと判定する判定手段と、
を備えることを特徴とする異常診断装置。
前記前処理手段は、降順で算出した特異値の累積値を算出し、前記累積値と全特異値の総和の割合が所定の割合を超えるような最小の特異値の数を、上位特異値数とすることを特徴とする請求項１に記載の異常診断装置。
診断対象の複数のパラメータ値を用いて異常を診断する異常診断方法であって、
各パラメータの正常時の値で表される正常データの相関行列から特異値及び主成分求め、求めた特異値から所定の条件で上位特異値数を特定し、求めた特異値及び主成分と特定した上位特異値数から相関行列の擬似逆行列を算出するステップと、
同一時刻に測定された診断用の各パラメータの値で表される診断データと、特定された前記上位特異値数及び算出された前記擬似逆行列を使用し、前記上位特異値数で割ったマハラノビス距離を算出するステップと、
算出された前記マハラノビス距離が所定の閾値より大きくなった場合、異常が発生したと判定するステップと、
を備えることを特徴とする異常診断方法。
前記上位特異値数を特定する際、降順で算出した特異値の累積値を算出し、前記累積値と全特異値の総和の割合が所定の割合を超えるような最小の特異値の数を、上位特異値数とすることを特徴とする請求項３に記載の異常診断方法。
請求項１又は２のいずれか１記載の異常診断装置としてコンピュータを機能させる異常診断プログラム。