权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

認知科学的手法によるプロセストレンドからの状態監視

使用认知科学方法从过程趋势进行状态监测

基本信息

批准号：
07780329
负责人：
藤原健史
金额：
$ 0.58万
依托单位：
Nara Institute of Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
1995
资助国家：
日本
起止时间：
1995 至无数据
项目状态：
已结题

项目摘要

生産プラントでオペレータがプロセス変数の時系列パターンからプラント運動状態を認知する過程について分析し、局所的特徴や全体的傾向を時系列パターンから抽出する手法を開発した。まず、80ton/h焚きのボイラプラント訓練システムを用いて、被験者に異常検出の定型操作をしてもらい、被験者が時系列データをどのように観察し、異常をどのように見分けるかについて調べた。その結果、異常発生時の急激な変化、変化の大きさ、長期的な変動などを被験者は監視していることが分かった。オペレータはディスプレイ画面に映し出された時系列データを、直線的傾向(一定値、一定上昇など)の列として記号化し、それを解釈してデータの挙動を認識しているものと考えられる。そこで、局所的な特徴と長期的な変動を折れ線関数による近似で表す新しい特徴抽出方法を提案した。まず、時系列データを連続関数として近似し、その変曲点で区切られた区間を基本要素とする。基本要素と変曲点間を結んだ直線の差の標準偏差及び差の累積値を求め、それを基本要素の特徴量とする。特徴量が設定したしきい値を超えない範囲で基本要素を合併し、それを繰り返すことによって時系列データの局所的変化(スパイク変化など)と全体の傾向(トレンド)を折れ線関数として同時に抽出する。提案した方法とウェイブレッド変換を用いた特徴抽出法を比較した。前者が時間領域における時系列データの近似であるのに対し、後者は時間-周波数領域での特徴抽出法である。実データを用いて特徴抽出を行ったところ、データ量の圧縮という観点からは同等の結果を得た。本方法はウェイブレッド変換による方法に比べるとアルゴリズムが簡単で計算も容易である。応用として、プロセス変数のトレンド間の関数関係をニューラルネットワークに学習させ、オンラインで異常検出を行なう方法についても検討した。

The process of recognizing the state of motion of the production unit is analyzed, and the characteristics of the unit and the tendency of the whole unit are developed. The 80ton/h fire alarm system is used, and the abnormal detection is set. The abnormal detection is set. The abnormal detection is set. The results, abnormal occurrence of acute change, change of large, long-term change, change of the subject, change of the subject. When the screen is displayed, the series of images is displayed, and the trend of straight lines (a certain value, a certain rise) is displayed. A new approach to feature extraction is proposed based on the approximation of the long term feature extraction. The basic elements of the time series are: The standard deviation and cumulative value of the difference between the basic elements and the curve points are calculated. The characteristic quantity is set to the middle value, the basic elements are combined, the basic elements are returned, the time series is changed, the tendency of the whole is changed, the line number is changed, and the basic elements are extracted simultaneously. The method of extracting features from a proposal The former is time series approximation, while the latter is feature extraction in time-frequency domain. The result of this process is that we can extract the characteristics of the target from the target. This method is easier to calculate than the method of changing the color of the paper. The relationship between the number of objects and the number of objects is studied, and the method of abnormal detection is discussed.