Método de determinación de contenido anormal del aparato de predicción de fallas
Descripción general
 Resumen: Se proporciona un método para juzgar un contenido anormal de un dispositivo de predicción de fallas capaz de discriminar con precisión los contenidos en el momento de la predicción de anormalidad. ] En el momento de la predicción de fallas, los datos de juicio en ese momento se almacenan (S12), y se busca si hay datos similares a los datos relacionados existentes (S13). Cuando es similar a los datos relacionados existentes, se muestra el contenido de anormalidad (S14) y se juzga si coincide con el contenido de anormalidad real (S16). Cuando no hay datos similares, se emite 'contenido anormal indefinido' (S15). Cuando no coincide con el contenido anormal real y en este tiempo, introducir el contenido anormal (S17), y almacena en asociación con tiempo de predicción de datos correspondiente y el contenido de anormalidad (S18). Al repetir estos flujos, mientras se predicen varias anormalidades y sus datos mientras se está trabajando, se aumenta la predicción que puede identificar contenidos anormales.
Campo técnico
La presente invención se registra una condición de fallo en el aparato de PFA, de ese estado en el momento de la predicción de fallos, sobre el método de determinación del contenido anormal para determinar mostrando lo que precisa que el contenido grabado.
Antecedentes de la técnica
En instalaciones tales como plantas, es difícil predecir el fracaso por adelantado. En cuanto a los dispositivos individuales, incluso si existen métodos de predicción que aprovechan al máximo sus características, es difícil predecir el 100% y no existe un dispositivo para predecir el fracaso genéricamente en general.
Por lo tanto, para llevar a cabo la predicción de fallos, inicios visto algún tipo de característica para equipos individualmente en consecuencia para crear un algoritmo de predicción, es necesario incorporar en el aparato de un programa separado, es muy complicado.
Como una medida para resolver el problema anterior, propusimos un dispositivo de predicción de fallas aplicando el caos. equipo o dispositivo (por ejemplo, transformadores, motores, etc.) determinado por la medida de la cantidad física: los datos de series de tiempo en el momento de la capacidad normal que representa el estado de, y genera un vector de datos de los datos de series de tiempo, por la teoría del caos fracaso por reconfigure el atractor de los datos de series de tiempo en el funcionamiento integrado, predice el valor de hasta varios pasos usando los datos por delante de atractor y medición reconstruidas en el momento de la operación real, para determinar el error de los valores predichos y medidos La predicción debe hacerse. Un ejemplo de la configuración (Ejemplo 1) se muestra en la Figura 2. En la figura, 1 es un equipo o dispositivo (por ejemplo, transformadores, motores, etc.) cantidades físicas que representan el estado (tensión, corriente, temperatura del aceite, etc.) para obtener los datos de series de tiempo mediante la medición de una señal eléctrica en el funcionamiento normal medios de medición de datos, la unidad de generación de vector de datos 2 para hacer un vector de datos a partir de los datos de series de tiempo en la operación normal, significa 3 reconstrucción atractor para reconstruir el atractor en la incrustación de operación por la teoría del caos, 4 almacena el atractor reconstruido unidad de almacenamiento para, 5 toma los datos en el momento de la operación real en tiempo real, crear un vector de datos de las operaciones de incrustación, de la que los datos en la unidad de almacenamiento 4, desde el siguiente ciclo (como un período) para n periodos más tarde medios de cálculo de predicción para predecir valores método debido teselación, medios 6 de predicción almacenamiento de resultados para el almacenamiento de un valor previsto, 7 compara el valor medido de la (n + 1) valor de la (n + 1) predicho medios de comparación para la obtención de un error de medición, 8 tiene un error medio de predicción de cada uno del valor n estimado, el equipo de alarma de predicción de anormalidad de determinación de error emisión cuando se hace más que el umbral de un valor es M veces continuamente Medios
La operación de predicción de fallas se describirá con referencia a un diagrama de flujo mostrado en la figura 3. En primer lugar, se selecciona y mide una cantidad física que representa el estado de la instalación como una señal eléctrica para recopilar datos de series de tiempo normales (S1). Esta serie temporal de datos en el momento de la operación normal se usa cuando ya existe, y cuando no existe, se recopila durante la operación real. Luego, el atractor se reconstruye en base a la teoría de incrustación de datos de series de tiempo y se almacena en la unidad de almacenamiento 4 (S2).
Por otro lado, la aritmética predicción significa 5 toma los datos en el momento de la operación real en tiempo real (S3), crea un vector de datos de las operaciones de incrustación, utilizando los datos atractor leen al mismo desde la unidad de almacenamiento 4, el siguiente ciclo ( 1 período) a n ciclos anteriores (S4). Comparando el valor previsto de los valores medidos y la etapa de la primera etapa de predicción en los medios 7 comparando, seguido de la comparación de los valores previstos y medidos de cada paso. Después de n pasos, se toma el promedio de los n errores (S5). Se determina si este error es igual o mayor que el valor umbral (S) (S 6). La predicción y la comparación se llevan a cabo para cada paso, y se juzga si m o más errores uno o más han sido consecutivos (S7). Cuando el error de predicción es m o más consecutivamente uno o más, se emite una advertencia de predicción de anormalidad de error a partir de los medios de determinación de error 8 (S 8).
En la operación anterior, insuficiencia cantidad física sutil que representa un estado antes de que el equipo se produce (de datos), el cambio no se puede leer superficialmente se ha de detectar con precisión, de alta precisión de la predicción PFA Se puede esperar
La cantidad física (datos de series temporales) que representa el estado de la instalación puede ser de varios tipos. En ese caso, establezca el número de veces m de acuerdo con la importancia de la cantidad física y tome el OR lógico de las señales de advertencia predictivas para cada cantidad.
Un ejemplo en el que se aplica lógica difusa a los medios de discriminación de errores se muestra en la figura 4 como el ejemplo 2. En este ejemplo, mediante la comparación de los valores medidos y predichos por medios de comparación 7, una determinación del error mediante la introducción de la diferencia en la determinación de error significa 18 que se aplica la teoría difusa, la determinación de la anomalía es salida M continuamente veces Algunas veces emitimos una advertencia de predicción de anormalidad del equipo. La configuración es similar a la de la primera realización en términos de un circuito de bloques, y los métodos de determinación de errores de las unidades de determinación de errores 8 y 18 son diferentes.
En los medios de discriminación de errores 18, la diferencia (error individual E) entre el valor predicho y el valor medido se representa mediante una función de pertenencia en lógica difusa como se muestra en la FIG. Para simplificar la explicación, se representa mediante tres funciones de membresía de error pequeño ES, EM durante error y gran error EB. Además, el grado de anormalidad F de los datos individuales también está representado por una función de pertenencia como se muestra en la FIG. En este caso, para la facilidad de ajuste, y el valor nítido, los pequeños FS grado de anormalidad, el grado de anormalidad en FM, es un grado de anormalidad tres grandes FB. Las reglas del razonamiento difuso son las siguientes.
En el caso de cantidades físicas uno que representa el estado de los equipos, cuando el grado de anormalidad individual es igual a o mayor que el valor de referencia, hay una posibilidad de anormalidad en el equipo, y para determinar, cuando m continuamente veces Aunque proporciona una advertencia de predicción de anormalidades, para hacer completa la predicción de fallas de toda la instalación, es común tener una pluralidad de cantidades físicas que contribuyen a la predicción. En ese caso, las funciones de membresía se establecen para tres anormalidades individuales Fd, es decir, FSD pequeña, FMD media y FBd grande como se muestra en la FIG. Además, como se muestra en la figura 8, la función de membresía del grado de anormalidad FT de la instalación completa se establece en tres, es decir, FST pequeña, FMT medio y FBT grande. La función del grado de anormalidad total FT es un valor nítido. Las reglas del razonamiento difuso son las siguientes.
min El grado de anormalidad FTn de toda la instalación obtenido por el método maxCG o similar se compara con el valor de referencia FT 0,
FT0 , Se determina que 'existe la posibilidad de que se produzca una anomalía en toda la instalación'. Cuando este juicio se realiza m veces consecutivamente, se emite una advertencia de predicción de anormalidad.
La unidad de determinación de error 18 de esta manera mediante la aplicación de la lógica difusa, es posible incorporar la magnitud del error en el elemento de determinación determina la precisión, es decir, precisión de la predicción se hace más alta. En el caso de una pluralidad de tipos de cantidad medida, una función de pertenencia ajustando el grado de anormalidad individuo por (valores nítidas FB, FM, la FS ajuste) para permite ponderación entre los datos, una predicción de fallos resolución Se puede esperar Además, dado que los valores crujientes se usan para la función de membresía de la parte consecuente de la regla del razonamiento difuso, el ajuste es fácil y la velocidad de cálculo puede mejorarse.
Tarea de solución
Sin embargo, un dispositivo de predicción de fallos con la estructura anterior, incluso si es capaz de predecir la anormalidad de diversos equipos o dispositivos con alta precisión, y en una etapa temprana, es difícil identificar su contenido. Por lo tanto, es necesario inspeccionar toda la instalación o atención de atención en el momento de la predicción de falla.
La presente invención es resolver los problemas anteriores, y un objeto del mismo es proporcionar un contenido de anormalidad método del aparato de predicción de fallos su contenido puede determinarse con precisión en Anomaly juzgar.
La presente invención incluye una etapa de proceso de almacenamiento de los datos determinados del punto de tiempo de determinación cuando una alarma de predicción de fallos de salida del dispositivo predictivo anomalía, anomalía relacionada datos y una etapa de procesamiento de almacenar en asociación con los contenidos anormales, datos anormales de almacenamiento existentes y la corriente anormal Un paso de procesamiento de comparar los datos de juicio de predicción y estimar el contenido de anormalidad y un paso de procesamiento para juzgar si el contenido de anormalidad predicho coincide o no con el contenido de anormalidad real, El contenido de anormalidad y sus datos relacionados con la predicción de anomalías se almacenan y almacenan en asociación entre sí, y se aumenta la predicción capaz de especificar contenidos anormales por efecto de aprendizaje.
Se describirá un método de determinación de contenido de anormalidad de un aparato de predicción de fallos de acuerdo con la presente invención con referencia a un diagrama de flujo mostrado en la figura 1.
(S11): cuando el dispositivo de predicción de falla está en funcionamiento, emite información de predicción cuando se determina que existe alguna anormalidad. La información de predicción se muestra en un CRT o similar.
(S12): Registre el valor de medición del punto de tiempo de predicción de anormalidad y la posición de coordenadas donde se incrustó cada valor, relacionado con la determinación de predicción.
(S13); si ya hay datos almacenados, se compara con los datos almacenados en S12 más arriba para juzgar si se trata de datos similares o no. Método de comparación, si la posición de coordenadas después de que el error o la incrustación de los datos correspondiente es un valor tal que la distancia es inferior a un valor predeterminado (epsilon) es al menos n, pero similares se contemplan y pueden ser otros métodos .
(S14); Si hay datos similares, los contenidos de anormalidad asociados con los datos (los datos más cercanos en el caso en que hay plural) se muestran de acuerdo con la sentencia en S13.
(S15); cuando no hay datos similares, se genera un 'contenido anormal desconocido'.
(S16): Se juzga si la salida en S14 coincide con la anormalidad real y las entradas del operador mediante CRT o similar.
(S17) Después de la salida de S15, o si no coincide en S16, el operador ingresa el contenido de anormalidad real por CRT o similar.
(S18): el contenido de anormalidad ingresado en S17 y los datos relacionados en S12 se almacenan en asociación entre sí.
Repita el flujo anterior, aumente la predicción que puede identificar los contenidos anormales mientras almacena y aprende varios contenidos de anomalías y datos durante la operación.
DESCRIPCIÓN DETALLADA DE LAS FORMAS DE REALIZACIÓN PREFERIDAS
Efecto de la invención
De acuerdo con la presente invención como se ha descrito anteriormente, asociada de datos o para ver y buscar los datos de similitud de los datos anteriores almacenados en el punto de predicción de anormalidad, el o grabadas como un nuevo contenido anormal, hasta que el contenido anormal en el efecto de aprendizaje Es posible predecir y se puede proporcionar al operador una información de predicción de anormalidades más precisa.
Breve descripción de los dibujos La figura 1 es un diagrama de flujo que muestra una realización de un método de determinación del contenido de anomalías de un dispositivo de predicción de fallos de acuerdo con la presente invención.
La figura 2 es un diagrama de circuito de bloques que muestra una configuración (ejemplo 1) de un aparato de predicción de fallas al cual se aplica caos como un ejemplo de aplicación del método de la presente invención.
3 es un diagrama de flujo para explicar el funcionamiento del aparato de predicción de fallos de la FIG.
diagrama de circuito de bloques que muestra una configuración de una parte principal de un caso de uso de lógica difusa para la determinación de error significa aparato de predicción de fracaso de la Fig. 4 Ejemplo de aplicación (Ejemplo 2).
La figura 5 muestra un gráfico que muestra las funciones de pertenencia para errores individuales en los medios de discriminación de errores que aplican la lógica difusa de la figura 2.
6 es un gráfico que muestra funciones de pertenencia para grados de anormalidad individuales en medios de discriminación de errores que aplican la lógica difusa de la figura 6.
7 es un gráfico que muestra las funciones de membresía para tipos plurales de grados de anormalidad individuales en los medios de discriminación de errores que aplican la lógica difusa de la figura 7.
8 es un gráfico que muestra una función de membresía para la anormalidad global en los medios de discriminación de errores que aplican la lógica difusa de la FIG.
1 ... Medición de medios para obtener datos de series temporales durante el funcionamiento normal
2 ... medios generadores de vectores de datos
3 ... medios de reconstrucción del atractor
4 ... sección de almacenamiento
5 ... cálculo de predicción significa
7 ... medios de comparación
8, 18 ... discriminación por error significa
S11 S18 ... Procedimiento de determinación del contenido de la anomalía
Reclamo
Una etapa de procesamiento de almacenamiento de los datos determinados del punto de tiempo de determinación cuando una salida anormalidad alarma de predicción de acuerdo con la reivindicación 1 dispositivo PFA, una etapa de procesamiento de almacenar en asociación con los datos relacionados Anomalía y contenidos anormalidad, datos de almacenamiento anormal y predicción anormal de corriente existente Un paso de comparar datos de juicio y de estimar un contenido anormal, y una etapa de procesamiento para juzgar si el contenido de anormalidad predicho coincide con el contenido de anormalidad real, caracterizado por comprender: Método.
Dibujo :
Application number :1996-320721
Inventors :株式会社明電舎
Original Assignee :木村孝