预测装置、预测方法及程序制造方法及图纸

本发明专利技术提供一种预测系统，其不受设备个体差的影响而预测在设备中是否发生规定的事件。预测系统具备：数据获取部，获取表示设备的运转状态的运转数据；概率密度估计部，估计所述运转数据的概率密度；及异常预测部，根据所述运转数据的概率密度估计结果及预测模型，预测在所述设备中是否发生异常。在所述设备中是否发生异常。在所述设备中是否发生异常。

【技术实现步骤摘要】
【国外来华专利技术】预测装置、预测方法及程序


[0001]本专利技术涉及一种预测装置、预测方法及程序。
[0002]本申请主张基于2020年1月21日于日本申请的专利申请2020
‑
7716号的优先权，并将其内容援用于此。

技术介绍

[0003]燃气发动机等稳定运用的设备一旦发生故障，则有可能不得不长期停止设备，还有可能随之发生很大的损失。若能够以准确地预测设备的异常，则通过事先维护等，能够以最低限度的停止时间来运用。
[0004]例如，专利文献1中公开有一种事件预测系统，其通过根据机器学习制作出的预测模型预测在设备中是否发生特定的异常，并且输出该预测的可靠度。
[0005]以往技术文献
[0006]专利文献
[0007]专利文献1：日本特开2016
‑
157280号公报

技术实现思路

[0008]专利技术要解决的技术课题
[0009]使用机器学习等统计方法来执行设备的异常预测，需要将设备固有的性质反映到预测中，因此可考虑使用在监视对象的设备中发生了异常时所提取的数据来制作预测模型。但是，该方法在对新引进的设备或未发生过异常的设备进行异常预测时无法使用。因此，例如，可考虑使用从同一机型的发生了异常的其他设备提取的数据来制作预测模型，并通过该预测模型预测新引进的设备的异常。但是，即便是同一机型，设备也存在个体差，因此即便单纯地适用机器学习算法，也可能得到类似于按个体差来分类的模型，即便预测其他设备的异常，也有可能不准确。
[0010]本专利技术提供一种能够解决上述课题的预测装置、预测方法及程序。
[0011]用于解决技术课题的手段
[0012]本专利技术的预测装置具备：数据获取部，获取表示设备的运转状态的运转数据；概率密度估计部，估计所述运转数据的概率密度；及异常预测部，根据所述运转数据的概率密度的估计结果及预测模型，预测在所述设备中是否发生异常。
[0013]本专利技术的预测方法中，预测装置具有：获取表示设备的运转状态的运转数据的步骤；估计所述运转数据的概率密度的步骤；及根据所述运转数据的概率密度的估计结果及预测模型，预测在所述设备中是否发生异常的步骤。
[0014]本专利技术的程序使计算机作为如下机构而发挥作用：获取表示设备的运转状态的运转数据的机构；估计所述运转数据的概率密度的机构；及根据所述运转数据的概率密度的估计结果及预测模型，预测在所述设备中是否发生异常的机构。
[0015]专利技术效果
[0016]根据上述的预测装置、预测方法及程序，能够实现排除了设备个体差的影响的预测。
附图说明
[0017]图1是表示第1实施方式所涉及的预测系统的结构例的图。
[0018]图2是对第1实施方式所涉及的预测方法进行说明的第1图。
[0019]图3是对第1实施方式所涉及的预测方法进行说明的第2图。
[0020]图4是对第1实施方式所涉及的预测方法进行说明的第3图。
[0021]图5是对第1实施方式所涉及的概率密度的计算方法进行说明的图。
[0022]图6是表示第1实施方式所涉及的预测模型的制作处理的一例的图。
[0023]图7是表示第1实施方式所涉及的预测处理的一例的图。
[0024]图8是表示每个负荷的燃烧状态的指标值的分布的一例的图。
[0025]图9是表示第2实施方式所涉及的预测系统的结构例的图。
[0026]图10是表示第2实施方式所涉及的预测处理的一例的图。
[0027]图11是表示第3实施方式所涉及的预测系统的结构例的图。
[0028]图12是表示第3实施方式所涉及的预测处理的一例的图。
[0029]图13是表示第3实施方式所涉及的预测结果及预测可靠度的一例的图。
[0030]图14是表示第3实施方式所涉及的预测值的输出的一例的图。
[0031]图15是表示各实施方式所涉及的预测系统的硬件结构的一例的图。
具体实施方式
[0032]以下，参考图1～图15对各实施方式所涉及的预测系统进行详细说明。
[0033]＜第1实施方式＞
[0034](结构)
[0035]图1是表示第1实施方式所涉及的预测系统的结构例的图。
[0036]预测系统1包含监视对象的设备5A～5C及预测装置10。设备5A～5C例如为燃气发动机、燃气涡轮、锅炉及制冷机等。设备5A～5C为同一机型的设备。
[0037]在以下说明中，假设设备5A～5C是同一机型的燃气发动机，并以由预测装置10预测在燃气发动机所具有的缸体中是否发生失火的情况作为例子进行说明。假设在设备5A～5B中过去发生了缸体失火，在新引进的设备5C中未发生过缸体失火。
[0038]设备5A～5C中设置有多个传感器，各传感器例如测量燃气发动机的转速或输出及与缸体的燃烧状态相关的物理量(例如，缸体的压力或温度等)。设备5A～5C具备控制装置。例如，当传感器测量到的测量值或根据测量值计算出的值超过了规定的阈值时，控制装置发出警告数据。设备5A～5C与预测装置10连接，设备5A～5C将传感器测量到的测量值或警告数据等发送至预测装置10。
[0039]预测装置10具备数据获取部11、概率密度估计部12、预测模型制作部13、异常预测部14、输出部15及存储部16。
[0040]数据获取部11获取设备5A～5C的运转数据。运转数据为设备5A～5C的各传感器测量到的测量值或根据测量值计算出的值。例如，当设备5A～5C为燃气发动机时，运转数据为
缸体的压力或温度、燃气发动机的输出、转速等。数据获取部11获取通知设备5A～5C中所产生的异常的警告数据。例如，若在设备5A的缸体中发生失火，则数据获取部11从设备5A获取发生失火的缸体的识别信息、失火的发生时刻及通知发生失火的警告数据。
[0041]概率密度估计部12使用数据获取部11所获取的运转数据，估计异常发生的预测中所使用数据的概率密度。
[0042]预测模型制作部13制作根据概率密度估计部12估计出的概率密度的估计值，预测在设备5A～5C中是否发生异常预测模型。例如，预测模型制作部13学习过去在设备5A～5B中发生了缸体失火时所提取的运转数据的概率密度的估计值，并计算用于判定概率密度达到哪一值则会发生缸体失火的阈值(预测模型)。
[0043]异常预测部14根据概率密度估计部12估计出的概率密度的估计结果及预测模型制作部13制作出的预测模型，预测在设备5A～5C中是否发生异常(例如，缸体失火)。
[0044]输出部15输出由异常预测部14预测的预测结果。例如，输出部15将预测结果显示于预测装置10的显示器，或通过电子邮件等发送至其他装置。存储部16存储数据获取部11所获取的运转数据、概率密度的估计值及预测模型等数据。
[0045](根据运转数据预测异常的课题)
[0046]图2及图3分别为对第1实施方式所涉及的预测方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种预测装置，其具备：数据获取部，获取表示设备的运转状态的运转数据；概率密度估计部，估计所述运转数据的概率密度；及异常预测部，根据所述运转数据的概率密度的估计结果及第1预测模型，预测在所述设备中是否发生异常。2.根据权利要求1所述的预测装置，其中，所述概率密度估计部通过变分贝叶斯法估计所述概率密度。3.根据权利要求1或2所述的预测装置，其中，所述概率密度估计部按所述设备的运行模式估计所述运转数据的概率密度，所述异常预测部根据按所述运行模式的概率密度的估计结果及按所述运行模式的第2预测模型，按所述运行模式进行异常发生的预测。4.根据权利要求3所述的预测装置，其中，所述设备为旋转机械，所述概率密度估计部根据所述设备的输出及转速分辨所述运行模式。5.根据权利要求3或4所述的预测装置，其中，所述概率密度估计部估计所述运转数据的概率密度及按所述运行模式的所述运转数据的概率密度，所述异常预测部根据所述运转数据的概率密度的估计结果及所述第1预测模型预测在所述设备中是否发生异常，并且根据按所述运行模式的概率密度的估计结果及所述第2预测模型，按所述运行模式进行异常发生的预测。6.根据权利要求5所述的预测装置，其还具备：可靠度计算部，根据所述异常预测部的预测及是否发生了相对于该预测的所述异常的实绩，计算所述预测的可靠度，所述可靠度计算部按...

【专利技术属性】
技术研发人员：若杉一幸，森田克明，安藤纯之介，石田一郎，
申请(专利权)人：三菱重工发动机和增压器株式会社，
类型：发明
国别省市：