JP2004523735A - 器械を取り付けられた機器およびプロセスのための推論信号生成装置 - Google Patents

Abstract

物理パラメータの監視のために適所にセンサを有する機器又はプロセスにおいて、故障センサに対する置換センサ信号、及び器械装備していない物理パラメータに対する推論センサ信号を生成するシステム及び方法。器械装備されたプロトタイプからのデータ履歴は、実時間でプロセス又は機械の仮想信号の生成のために、コンピュータモジュールで経験的モデルを形成するための予想動作パラメータの代表的データ集合を提供する。置換又は推論のセンサ信号は、ダウンストリームの制御処理又は分析で使用でき、また、プロセス又は機械に局所的又は遠隔の制御又は表示のシステムへ返すことができる。システムは、予想されるパラメータ値、及び予想の信号と入力の信号との差を提供でき、又は、入力信号の集合体と許容可能モデル状態の集合体との間の生の相似性測定値を提供できる。代表的トレーニング集合、又はその変換を記憶するメモリが処理装置に結合される。処理装置は、プロセス又は機械上のセンサからの実値を具体的に表す信号を入力データから受信し、実時間でも受信できる。処理装置は、入力から実際のセンサの１組の読取値を取り、代表的トレーニング集合センサデータに対する入力センサデータの相似性の測定結果により加重された代表的トレーニング集合センサデータの線形的組合せを用いて、１以上の所望の推論センサの推定値を生成するように配置する。

Description

【技術分野】
【０００１】
発明の分野
本発明は、差し迫っている機器故障またはプロセス外乱を早期検出するために物理プロセスを監視すること、およびセンサ動作のオンラインの連続的妥当性確認に関する。より詳細には、本発明は、故障したセンサに対しての置換信号を、および直接に器械を装備したものではない物理パラメータに対しての推論した信号を生成するためのシステムおよび方法に関する。
【背景技術】
【０００２】
発明の背景
ほとんどのプロセス（精錬、化学品、鉄鋼、エネルギー生産など）の性能の監視は、センサを使用して、動作が規定された制約内で維持されていること、および機器が仕様内で動作していることを保証し、許容可能な製品品質および歩留まりを確保することを必要とする。機器やマシン（自動車システム、ジェットエンジン、組立型生産など）の性能の監視および最適化も、同様に、安全な動作とピーク性能を確保するためにセンサに依拠している。プロセスおよび機器の電気的、熱的、化学的、物理的なパラメータを測定するために、きわめて多数のセンサが開発されている。センサのタイプには、熱電対、加速度計、質量流量計、音響センサ、応力および歪みインジケータ、振動センサなどが含まれる。
【０００３】
非常に重要なプロセス、機器の監視、および制御の応用に対しては、今日では、センサは電気で動作し、測定しようと試みるパラメータの電気的な示度（インジケーション）（アナログまたはデジタル）を提供する。更に、多くの場合、センサはバスまたはネットワークを介して接続され、センサデータをパケット化してそれをネットワーク上で伝送するのに十分な処理力を搭載している場合がある。場合によっては、センサは、センサデータを遠隔地に伝送するために、無線送信器またはトランシーバと接続されるか、またはそれらを内蔵している。
【０００４】
センサデータは、様々な形で、プロセスまたは機器動作において使用することができる。センサは、制御設定が有効であったことの妥当性検査を行い、典型的には、センサ読取り値（ｒｅａｄｉｎｇ、読み）が安全閾値または許容閾値を超えた時または下回った時に警報を示す。センサデータはまた、オフライン分析および傾向の把握のためにデータリポジトリへ流すことができ、これを使用してメンテナンスを予定したり、プロセスを洗練する。センサデータを更に使用して、機器の一部のプロセスの動作を連続制御するためのフィードバックを提供することもできる。例えば、自動車エンジンでは、最適なエンジン性能のために、あるいは或る最低限の清浄空気要件を満たすために、いくつかのサブシステムがセンサデータを使用してダウンストリーム設定を計算する。
【０００５】
センサを使用して所望のパラメータを測定するのが困難または不可能な様々な状況がある。例えば、問題をはらむほど高濃度の腐食性の酸を含有するガスの流れを測定する際のように、センサが配置される環境が、センサの寿命に対してや、更には適切に機能させることに関して厳しいことがある。あるいは、法外に高価な、または入手困難なセンサを、その環境で必要とされることがある。別の状況では、試みられる測定が、一部が液体で満たされた珍しい形状のチャンバの残りの空き容量を決定しようと試みる際のように、合理的に直接測定するのが不可能なことがある。更に他の状況では、センサを配置することが、監視されるプロセスまたはシステムを意に反して弱めたり、あるいは別の影響を及ぼす可能性がある。例えば、液圧システムなどの閉じた流体システムでは、流体の特性を直接測定するためにシステムの壁を通してセンサを配置することにより、閉じたシステムに弱点や潜在的な故障点がもたらされる。問題となるパラメータを間接的に測定する方法が求められている。
【０００６】
そのような状況下では、所望のパラメータを推論するために、１つまたは複数の他のパラメータを測定しようと試みる。これは、プロセスまたは機器に追加のセンサを装備すること、およびコンピューティング資源を使用して、推論されるパラメータを計算することを必要とする。しかし、これをうまく行うのは一般には困難である。更に、通常は、プロセスまたは機器について相当な調査および知識を、あるいはシステムの「第１原理」力学の理解を必要とし、これは不合理な研究時間とコストをかけることなしに容易に得ることはできない。システムの力学および必要とされるパラメータについて完全な知識を必要とすることなしに、何らかの形で相関関係にあるシステムの他の測定されたパラメータから、測定が困難なパラメータを推論する効果的な方法が求められている。
【０００７】
フィードバック制御、安全、または性能最適化のためにセンサを使用する、エンジンまたは他のマシンなどのような、器械を取り付けられた製品を製造する状況に対しても、そのような必要性がある。あらゆるパラメータに対してセンサを製品に装備するのではなく、他のセンサからの読取り値に基づいて一部のパラメータを推論することにより、製品を生産するコストを削減することが非常に望ましい。そのような推論は、マシンまたはエンジンに対するセンサのサブセットを使用して、すべてのパラメータの挙動の広範な知識と連結して可能とすることができる。しかし、必要な知識は、開発するのが困難であり、コストがかかる。更に、推論されるセンサ値を計算するために製品に搭載して必要とされる追加の計算力のコストは、はじめに除去したセンサのコスト節約を凌駕する可能性がある。実際に製品の生産ユニットに組み込まれたセンサの値から、生産ユニットから「除去」されたセンサの値を推論する計算上効率的な方法が求められている。
【０００８】
センサの故障に伴って他の難点がある。一例として、センサは、プロセスまたは機器を監視して「正常」な、または正しい動作から逸脱したときに検出するために使用することができる。正常とは、許容可能な機能状態を意味することも、１組の様々な許容可能な状態のうちの最も好ましい状態とすることもできる。しかし、実際には、偏りは、センサによって測定される基礎となるパラメータが変化したことに、または不完全なセンサに、起因する可能性がある。従って、これらのセンサの健全性も知られることが不可欠であり、センサ故障によって起こされた外乱が識別されてプロセスの偏りと区別されているべきである。センサが故障していても、プロセス動作を続行することが望ましく、故障したセンサを、同じ情報を提供する「仮想」センサまたは置換物と置換しなければならないことがしばしばである。連続動作を可能にするように、システム内で故障したセンサに代わる出力または推定値を提供する方法が求められている。
【０００９】
「第１原理（Ｆｉｒｓｔ Ｐｒｉｎｃｉｐｌｅｓ）」技法は、当技術分野では、他の実センサデータに基づいて「仮想」センサデータを生成することであると知られている。Ｍａｌｏｎｅｙ（マロニー）その他は、「Ｐｎｅｕｍａｔｉｃ Ａｎｄ Ｔｈｅｒｍａｌ Ｓｔａｔｅ Ｅｓｔｉｍａｔｏｒｓ Ｆｏｒ Ｐｒｏｄｕｃｔｉｏｎ Ｅｎｇｉｎｅ Ｃｏｎｔｒｏｌ Ａｎｄ Ｄｉａｇｎｏｓｔｉｃｓ」、Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅ Ｃｏｎｔｒｏｌｓ、１９９８年の中で、生産水準の速度−密度エンジン管理システム（ＥＭＳ）で実施される推定（ｅｓｔｉｍａｔｏｒ）アルゴリズムについて述べている。ＥＭＳ制御および診断アルゴリズムの設計では、エンジンの状態を説明する情報が入手できることが不可欠であり基本的に必要とされる。推定アルゴリズムは、制御、診断、および他の推定アルゴリズムによって一般に使用するためのエンジンの質量流量、圧力、温度の推定値を提供する。Ｍａｌｏｎｅｙその他は、実センサ信号から離れて仮想信号を計算するために、研究所内で完全に器械を取り付けられたエンジンを用いてのそのような第１原理モデルの開発について述べている。この開発は、与えられた応用例に関係し、きわめて特化している。従って、第１原理モデルの開発に頼ることを必要とすることなしに、欠けている値または仮想信号を生成するための一般的な方法を提供することが望ましいであろう。
【００１０】
関連する傾向では、プロセスまたはマシンが、相関されたセンサ値を全体として監視するソフトウェアベースのシステムによって監視される。そのようなシステムは、Ｇｒｏｓｓ（グロス）その他の米国特許第５，７６４，５０９号に述べられており、その教示を参照により本明細書に組み込む。プロセスまたはマシンを監視または制御するそのようなシステムは、従来の閾値型センサベースの監視および制御より優れている。なぜなら、一般に、閾値システムよりかなり前に、プロセスまたはマシンの正常または許容可能な挙動を、許容不可または警報状態と区別することができるからである。Ｇｒｏｓｓその他は、監視されるプロセスまたはマシンの線形または非線形の相関されたパラメータについて１組の電流センサ読取り値を入力として受け入れ、これらの電流センサ読取り値が何であるべきかの推定値を出力として生成する経験的モデル化技法を教示している。次いで、各センサについて統計的仮説テストを使用してこれを計算して、いずれかのセンサが、予想されるよりも統計的に著しい逸脱を示しているかどうか判定する。Ｇｒｏｓｓその他の経験的モデルは、監視されるプロセスまたはマシンについて予想される動作範囲を表す収集済みデータの履歴から作り出される。
【００１１】
そのようなシステムに関する重要な問題は、プロセスまたは機能的な逸脱ではなく、センサの故障が生じたときのシステムの強さである。そのようなシステムに入力された不良のセンサ信号は、プロセスまたはマシン内のセンサすべてに対してのモデルによって作成された推定値に影響を及ぼす可能性がある。更に、監視するシステムの外部にある他の制御モジュールが、不良のセンサ信号に依拠している可能性がある。そのようなシステムでは、正確な推定値を生成し、従って、プロセスまたはマシンの動作状態を正確に表現するためのシステムの能力に対して、故障センサの影響を低減することは有益となるであろう。更に、故障センサの代わりの置換信号を生成し、通常は生のリアルタイムのセンサ信号に依拠している他の制御システムにも使用可能とすることができるのは有利であろう。これらの状況下の不良センサを、Ｇｒｏｓｓその他によるもののような経験的モデル化システムで扱うための方法が求められている。
【発明の開示】
【課題を解決するための手段】
【００１２】
発明の概要
本発明は、物理パラメータを監視するために適所に１または複数のセンサを有する機器およびプロセスで、故障したセンサの代わりの置換信号、および器械を装備したものではない物理パラメータについての推論したセンサ信号を生成する改良されたシステムおよび方法を提供する。このシステムは、予想されるパラメータ値、ならびに予想された信号と入力信号との間の差を提供することができ、あるいは、システムは、入力信号の集合体と許容可能なモデル化された状態の集合体との間の生の類似性（ｓｉｍｉｌａｒｉｔｙ、相似性）の測定値を提供することができる。
【００１３】
対象とするパラメータすべてに関してセンサを完全に装備したプロセスまたはマシンでは、センサデータを、同じまたは類似のプロセスまたはマシンの予想される後の動作のすべての状況のために、収集する。この収集されたデータは履歴を形成し、この履歴から、本発明のシステムは、センサデータの代表的な集合への抽出を行うトレーニングルーチンを使用して、プロセスまたはマシンの所望のまたは正常の動作を「学ぶ」ことができる。このセンサデータの代表的トレーニング集合を使用して、説明する実施形態では、プロセスまたはマシンをリアルタイム動作で（または、好適であればバッチモードで）監視し、履歴データが収集されているが故障したか又はプロセスまたはマシンから除去された幾つかのセンサについて推定値を生成する。本発明は、実際のセンサが故障しているときに、置換センサ信号を生成するようにトリガされる安全装置として使用することができる（自動連携または置換モード）。また、マシンを監視および制御するために必要とされるセンサの数を削減することによってマシンの生産コストを削減するように、推論した信号を生成するために使用することもできる（推論モード）。
【００１４】
本発明の装置は、「仮想」信号の生成の対象とされるプロセスまたはマシンに接してまたは近接して物理的に位置する、メモリおよびプロセッサを有する電気式デバイスとして配備することができる。別法として、ネットワークまたは無線伝送設備を介してプロセスまたはマシン上の生きたセンサからセンサデータを受信するコンピュータ内モジュールとして、プロセスまたはマシンから遠隔に配置することができる。それに応じて生成された置換センサ信号または推論センサ信号は、プロセスまたはマシンにとってローカルまたは遠隔もしくは更に異なる遠隔に位置する制御システムまたはディスプレイシステムに返すことができる。
【００１５】
代表的トレーニング集合またはその変換（ｔｒａｎｓｆｏｒｍａｔｉｏｎ）を記憶するためのメモリがプロセッサに結合されている。プロセッサは、実際にプロセスまたはマシン上にあるセンサから実値を具体的に表す信号を入力データから受信し、またこれらをリアルタイムで受信することができる。プロセッサは、入力から実際のセンサの１組の読取り値を取り、そして、代表的トレーニング集合センサデータに対する入力センサデータの相似性を測定した結果によって重み付け（加重）された、代表的トレーニング集合センサデータの線形的組み合わせを用いて、１つまたは複数の所望の推論するセンサの推定値を生成するように、配置されている。
【００１６】
従って、プロセスまたはマシンの他の物理パラメータに関するセンサ値に基づいて、また、過去の動作を表すプロセスまたはマシンに関する１組のセンサデータに基づいて、プロセスまたはマシンの物理パラメータの推定値を生成する方法を提供することが有利であろう。改良された監視システムは、プロセスまたはマシンに関する入力センサデータの集合を受け入れ、センサ入力の中にないプロセスまたはマシンのパラメータの少なくとも１つの推定値を出力として提供する。センサによって監視されたプロセスまたはマシン内のパラメータについての置換信号を生成するための、計算上効率的な方法および装置はまた、センサが故障したと判定されたときにも望ましいものである。この目的で、他のパラメータあるいはプロセスまたはマシンの入力に基づいて、故障したセンサの代わりの置換センサ信号、または器械を装備されたものではないパラメータに関する推論したセンサ信号を生成するための、また、ディスプレイまたは制御システムへ推定値を出力するための、コンピュータ実行可能なモジュールを提供することは有利であろう。マイクロプロセッサベースのコンポーネントをマシンに追加して、マシン内でセンサデータとインターフェースして、センサによって測定されない少なくとも１つの追加の物理パラメータの推論した推定値を提供することができる。
【００１７】
本発明の特徴的と思われる新規な特徴は、添付の特許請求の範囲に述べられている。しかし、本発明自体、ならびに好ましい使用モード、その他の目的および利点は、添付の図面と共に以下の実施形態の詳細な説明を参照することによって最もよく理解される。
【発明を実施するための最良の形態】
【００１８】
好ましい実施の形態の詳細な説明
図１を参照すると、フロー・チャートにより、本発明に従って、機械的か電気的か生物学的かにかかわらず、プロセス、マシン、システム、または他の機器をセットアップおよび使用するためのステップが示されている。ステップ１１０では、動作時に、推論した信号または置換信号を生成することができるプロセスまたはマシンの既述の実施形態は、仮想信号の生成の対象であるパラメータを含む、対象のパラメータすべてを測定するのに十分なセンサを、完全に取り付けられる。ステップ１２０では、後に予想される動作範囲すべてにわたってプロトタイプを動作してセンサデータが収集される。ステップ１３０では、いくつかの「トレーニング（訓練）」方法の１つを使用して、ステップ１２０で収集されたセンサデータから、動作範囲と、その範囲全体にわたるセンサ間の相関とを表すのに十分なサブセットを抽出する。これらの方法について以下で述べることになる。ステップ１４０では、プロトタイプが装備された（すべての）センサのそれぞれに対応するデータ・エレメントを含む、抽出された代表的センサデータ、またはそのデータの変換が、プロセッサメモリにロードされ、プロセッサメモリは、正常動作時のプロセスまたはマシンに対する仮想センサ信号を生成する。ステップ１５０では、仮想センサ信号を生成する応用例が、動作時に故障したセンサの代わりの置換センサ信号としてのものである。ステップ１６０では、仮想センサ信号を生成する応用例が、除去されたセンサまたは類似のマシンまたは機器の生産ラン内に組み込まれていないセンサの代わりの推論した信号としてのものであり、従って、無いセンサの分のコストを節約しつつ、ダウンストリームの処理のための信号が提供される。
【００１９】
説明する実施形態は、動作時に仮想信号が生成される対象となるプロセスまたはマシンを実質的に提供する。例えば、エンジンの場合には、研究所のベンチ設定で、プロトタイプエンジンにすべてのパラメータ用のセンサを完全に取り付けることができる。次いで、様々な動作範囲全体にわたってプロトタイプエンジンを動作し、センサすべてについてセンサデータを記録するが、ここで通常は、データは、センサ出力に接続されて通信状態にあるデジタルコンピュータによりデジタル化されタイムスタンプの付けられた値として記録する。次いで、この実施形態のコンピュータプロセッサおよびソフトウェアを使用して、収集されたセンサデータから、データが収集された動作範囲を表すセンサデータのサブセットが抽出される。目標が、組み込むセンサをより少なくすることによって生産コストを削減してこのエンジンを大量生産し、さらに依然としてすべてのセンサ信号をエンジンの監視および制御用に使用可能とすることである場合には、抽出された代表的データは、本発明のコンピュータソフトウェアモジュールに、また、それを実行するためにプロセッサハードウェアに提供され、プロセッサハードウェアは、エンジン監視または制御システムに組み込むことができ、以下で詳述するように欠けているセンサの代わりに仮想信号を生成する。好ましい実施形態で述べられているシステムは、情報プロセッサで監視することが可能な複数のセンサを取り付けられた機器を監視する。システムの物理パラメータを記述する動作値を受信するために情報プロセッサと共に使用するための、データ獲得入力フロントエンドが設けられる。予想される動作状態を表す時間相関したセンサデータ、および器械を装備された機器から動作中に観察された信号は、情報プロセッサによって使用されて、器械を装備された機器から観察された信号を含む、またはそれに加えて提供することができるパラメータを記述する出力を生成する。情報プロセッサは、器械を装備された機器の複数のセンサに応答して動作し、機器の１つまたは複数のプロセスパラメータとコンポーネント信号との間の関係を確立して、システムのプロセスパラメータに対応する１つまたは複数のパラメータ信号を生成する。
【００２０】
別の一例として、腐食性または有害な環境内にセンサを配置することを必要とするパラメータ測定が望ましいプロセスの場合、完全に器械を取り付けて、研究所設定でプロセスのモックアップを構築することができる。後の予想される動作範囲全体にわたってモックアップを動作させ、これらの範囲全体にわたってデータを収集することができる。この方法では十分なデータが収集されるまでに最終的に１つまたは複数のセンサが破壊される可能性はあるが、後続の本発明の推論モデルは、その後更に破壊されたセンサを置換することを必要とせずに、対象となるプロセスのフルスケールの動作を可能にすることになる。パラメータは、この実施形態のコンピュータモデルにより、研究所内で収集されたデータから抽出された代表的データを参照して、動作時に生成することができる。
【００２１】
代表的トレーニング集合を提供するために収集しなければならない履歴データの量は、当然ながら特定の応用例、ならびに正常な監視された動作時に遭遇することになる様々な動作モードおよび範囲次第で決まるが、どのような場合でも、システムの第１原理モデルを導出するためにその範囲すべてにわたってシステムを調査するのに必要とされるものより、はるかに少ない時間と努力である。収集されたデータは、動作モードにあった何れものヒステリシスの両側を含むべきであることが重要である。
【００２２】
従って、この実施形態は、プロセスまたはマシンの監視または制御のための置換センサ信号または推論センサ信号を提供することに対して、非常に有益な経験的手法を提供する。第１原理モデルを開発し、器械を装備されたパラメータすべての間の関係を理解するという非常に時間のかかる、またはおそらくは克服不可能な課題を回避する。
【００２３】
図２を参照すると、ステップ１２０から収集されたセンサデータを、代表的トレーニングデータ集合を作り出すように抽出するためのステップ１３０の方法がグラフで示されている。５つのセンサ信号２０２、２０４、２０６、２０８および２１０が、プロセスまたはマシンについて示されており、後にこの５つのうち１つまたは複数を推論的に生成することになる。横軸２１５は、収集されたセンサデータのサンプル数またはタイムスタンプであり、データはデジタル的にサンプリングされ、センサデータは時間によって相関されている。縦軸２２０は、サンプルまたは「スナップショット」にわたる各センサ読取り値の相対的な振幅を表す。各スナップショットは５つの要素のベクトルを表し、このスナップショットではセンサごとに１つの読取り値である。このトレーニング方法によれば、ステップ１２０で収集されたセンサデータすべて（スナップショットすべて）のうち、これら５要素スナップショットだけが、所与のセンサについてのグローバル最小値またはグローバル最大値を含む代表的トレーニング集合に含まれる。従って、センサ２０２の場合、グローバル最大値２２５は、グローバル最大値２２５を含む、線２３０と各センサ信号との交点で、５要素のベクトルとして、５つのセンサ値を代表的トレーニング集合に含むことを正当化する。同様に、センサ２０２の場合、グローバル最小値２３５は、各センサ信号と線２４０の交点で５つのセンサ値を含むことを正当化する。
【００２４】
代表的データの選択を図３に更に示す。ステップ１３０で収集されたデータは、Ｎ個のセンサおよびＬ個の観察結果またはスナップショット、またはＮ個の行およびＬ個の列のアレイＸを含む時間相関された数組のセンサデータを有する。ステップ３０４で、要素数を表すカウンタｉが０に初期設定され、観察結果またはスナップショットカウンタｔが１に初期設定される。各センサについて収集されたデータにわたってのそれぞれ最大値および最小値を容れるための２つのアレイ「ｍａｘ」および「ｍｉｎ」は、それぞれ、Ｘの第１列に等しく設定されたＮ個の要素をもつベクトルになるように初期設定される。各センサについて収集されたデータにおいて見られる最大および最小の値の観察数を保持するための２つの追加のアレイＴｍａｘおよびＴｍｉｎは、それぞれ、すべて０の要素Ｎ個のベクトルになるように初期設定される。
【００２５】
ステップ３０７で、Ｘにおけるスナップショットｔでセンサｉのセンサ値が、収集されたデータ内でそのセンサについてまだ見られていない最大より大きい場合には、ステップ３１０で、ｍａｘ（ｉ）が更新されてセンサ値に等しくなり、Ｔｍａｘ（ｉ）が観察結果の数ｔを記憶する。大きくなかった場合には、ステップ３１４および３１７で、そのセンサの最小値について同様のテストが行われる。ステップ３２０で観察数カウンタｔが増分される。ステップ３２２で、所与のセンサについて観察結果すべてが見直された場合（ｔ＝Ｌ）には、ステップ３２５で、ｔがリセットされ、ｉが増分される（次のセンサについて最大および最小を見つけるため）。ステップ３２８で最後のセンサについて終了した場合（ｉ＝Ｎ）には、冗長が除去され、ＸからのベクトルのサブセットからアレイＤが作り出される。
【００２６】
まずステップ３３０で、カウンタｉおよびｊが１に初期設定される。ステップ３３３で、アレイＴｍａｘおよびＴｍｉｎが連結され、２Ｎ個の要素を有する単一のベクトルＴｔｍｐを形成する。これらの要素は、ステップ３３６で昇順（または降順）にソートされ、アレイＴを形成する。ステップ３３９で、ホルダｔｍｐがＴ（センサの最大または最小を含んでいる観察数）の第１の値に設定される。Ｄの第１列は、Ｔの第１要素である観察数に対応するＸの列に等しく設定される。判断ステップ３４１で始まるループで、Ｔのｉ番目の要素が、Ｔの前の要素を含んでいるｔｍｐの値と比較される。それらが等しい場合（対応する観察ベクトルが１より多くのセンサについての最小または最大である）には、それはすでにＤに含まれており、再度含ませることを必要としない。ステップ３５０でカウンタｉが増分される。それらが等しくない場合には、ステップ３４４で、Ｄが、Ｔ（ｉ）の観察数に対応するＸからの列を含むように更新され、ｔｍｐがＴ（ｉ）での値で更新される。次いで、ステップ３４７でカウンタｊが増分される。ステップ３５２で、Ｔの要素すべてがチェックされていた場合には、ステップ３５５でトレーニング集合Ｄへの抽出が終わる。
【００２７】
図４を参照すると、抽出するためにプロセスまたはマシンの挙動データを集めるための研究所ワークベンチ構成の略図が示されている。マシンプロトタイプ４１０が示されており、これは、仮想センサが必要とされるまたは望ましい任意の種類のマシンとすることができる。例えば、マシン４１０は、内燃機関、電気モータ、ポンプ、圧縮機、冷凍機などとすることができる。マシン４１０はプロトタイプと呼ばれているが、重要なことは、同じセンサによって測定されるであろう、マシンの生産モデルで予想される実際のパラメータ値と実質的に同じセンサデータを生成するべきであることである。当然ながら、プロトタイプを生産モデル自体の実例（ｉｎｓｔａｎｃｅ）とすることもでき、理想的には、他の生産モデルと決して異なっている必要はない。マシン４１０は制御システム４２０に接続されて制御されることができ、一般に、制御システムは、必要に応じて適切なアナログ／デジタルおよびデジタル／アナログの入出力を有するマイクロコントローラまたはマイクロプロセッサをベースにするデジタルシステムを備える。マシン４１０は、出力４３０に沿ってセンサ値を提供するセンサを取り付けられている。対象のパラメータすべてに対してこの研究所ワークベンチ構成では器械を取り付けられているが、マシン４１０の生産モデルではセンサのサブセット４４０だけを使用することになり、一方、センサの第２のサブセット４５０は、マシン４１０の生産モデルで使用されないかまたは高い信頼性で使用することができないことを理解されたい。これは、センサ４５０のコストを回避するために行うことができ、あるいは、生産モデルで必要とされている限りにおいては、センサ４５０を使用することが困難または不可能であることに起因し得る。マシン４１０は、予想される動作範囲全体にわたって動作させ、次いで、データ獲得システム４６０を使用して、マシン４１０に取り付けられたセンサ４３０すべての値を記録することができる。更に、制御システム４２０からの制御信号もまた、データ獲得システム４６０によって記録することができ、また、他のセンサ信号と相関関係にある「センサ信号」として使用することができる。
【００２８】
従って、データ獲得システム４６０によって獲得されたデータを、コンピュータモジュール４８０を使用して処理し、上述のトレーニング方法または当技術分野で知られているような他の方法を使用して、マシン４１０の動作範囲を表す抽出されたトレーニングデータ集合を生成することができる。
【００２９】
今述べた実施形態において、搭載型プロセッサが図５に示されており、マシン（またはプロセス）５０８は、マシン上に位置する制御システム５１７によって制御される。マシン５０８は、マシンを制御する際に対象となる物理パラメータまたは論理パラメータのいくつかに関するセンサを取り付けられており、これらのセンサに関する出力は出力導体５２３として示され、制御システム５１７へ供給される。これらはまた、出力導体５２３上の信号から少なくとも１つの仮想信号の集合５３０を生成するために、コンピューティングプログラムを実行するように配置された、マシン内またはマシン上に位置するプロセッサ５４５へ供給される。プロセッサは、やはりマシン上またはマシン内にあるメモリ５５１に接続され、メモリ５５１は、マシン５０８の予想される動作状態を表すように抽出されたトレーニング集合を含むデータを記憶する。メモリ５５１はまた、プロセッサ５４５によって実行するためのプログラムを記憶することができる。プロセッサ５４５によって生成される仮想信号５３０は、マシンの物理パラメータまたは論理パラメータに関する本物のセンサ値の代わりに、制御システム５１７へ送られる。このようにして、マシン上またはマシン内に位置するプロセッサおよびメモリを使用して、マシン用の制御システムは、コスト節約を考慮したことに起因して又は１または複数の物理パラメータに関する器械取り付けが非現実的であることに起因して、物理パラメータのいくつかに対しての器械を取り付けられていない場合でも、マシンを効果的に制御するのに十分なマシン用の物理パラメータ値を提供することができる。
【００３０】
プロセッサ５４５はまた、制御システム５１７の一部とすることができ、実際、制御システムがデジタル計算型制御システムである場合には、制御システムルーチンが実行されるプロセッサとすることができる。プロセッサ５４５およびメモリ５５１は、制御システムと同じ電源によって給電することが理想である。しかし、ある種の状況下では、仮想信号５３０を、器械を装備したことに基づく真のパラメータであるかのように、適時に送るために、制御システムのプロセッサおよび／またはメモリから独立してプロセッサおよびメモリを提供することが好ましい可能性もある。例えば、制御システムに対して、本当に取り付けられた器械からのパラメータと区別できないような形で仮想信号を提供するために、プロセッサ５４５が、制御システム内で使用可能などのプロセッサよりも高いクロック速度で動作しなければならないことが必要である可能性がある。また、プロセッサ５４５およびメモリ５５１は、既存のマシンおよび制御システムに改良装置の組み込みができるように、制御システムから分離し、それ自体の電源を有するユニットとして構成することができる。
【００３１】
他の実施形態によれば、プロセス６０３が、出力リード６０６を有するセンサを取り付けられように、図６に示されている。これらは、プロセスを制御する制御システム６１０へセンサ信号を送る。これらの信号はまた遠隔通信リンク６１３へ送られ、遠隔通信リンク６１３は、センサ信号のデジタル値を物理的に遠隔の場所に位置する第２の遠隔通信リンク６１５へ通信するように配置されている。リンク６１５によって受信されたセンサ信号を使用して、プロセス６０３の推論した物理パラメータを示す少なくとも１つの仮想センサ信号を生成する、コンピューティングシステムおよびソフトウェアを備えることができるプロセッサ６１８が設けられている。上述の抽出方法に従って、プロセス６０３の予想される動作挙動を表すトレーニング集合データを記憶するために、メモリ６２０が設けられている。更に、センサ信号６０６、またはそこから導出された仮想信号、またはこれら両方を含む、プロセス６０３を記述するデータを表示するために、ディスプレイ６２３を遠隔地に設けることができる。プロセッサ６１８によって生成された仮想信号はまた、リンク６１５からリンク６１３へ送り戻され、リード６２７を介して制御システム６１０へ入力し、プロセスを有利に制御することができる。オリジナルのセンサ信号および／または仮想のセンサ信号を含むデータはまた、ディスプレイ６３３上で表示するために、更に第３の遠方の場所に位置する第３の遠隔通信リンク６３０へ送信され、それによって、プロセスの物理的プラントにも仮想信号を計算する場所にも位置しない関係者に、プロセスに関する貴重な情報を提供することができる。
【００３２】
遠隔通信リンクは、公衆電気通信インフラストラクチャを介したインターネットプロトコルベースのパケット通信、直接のポイント・ツー・ポイントのリース回線通信、無線または衛星を含む、当技術分野で周知の様々な技法から選択することができる。より具体的には、遠隔リンク６１３、６１５および６３０は、データをメッセージとして蓄積、待ち行列入れ、および送信するためのアプリケーションソフトウェア、ならびにメッセージとして到着するデータを受信および再構築するためのキューを有する、インターネットで使用可能なサーバとすることができる。別法として、通信は、無線リンクを介した同期（非同期の、メッセージをベースとする通信と対照的な意味）とすることができる。
【００３３】
図６に示す本発明の実施形態は、仮想信号を用いて監視および／または制御されるプロセス（またはマシン）から地理的に離れて位置するコンピューティング資源を使用して仮想信号を計算する。この１つの便益は、仮想信号を生成するためのコンピューティング資源を、多数のプロセスまたはマシンで共用することができ、メモリ６２０は、様々の監視されるプロセスおよびマシンを特徴付ける複数組のトレーニングデータ集合を保持することができることである。別の便益は、監視されているプロセスから離れて位置する関係者が、仮想信号の結果を表示することができ、また、更なる分析に使用することが可能であることである。
【００３４】
情報プロセッサによって実施される計算について以下で詳しく述べる。合計１５個の対象とする物理パラメータを有する、大量生産されることになるマシンを一例として使用し、それらのうちの１０個は、マシン動作中に実信号を提供する実センサを装備することによりもたらされ、５つの信号は最初の１０個から推論し、その結果、これら５つのパラメータ用のセンサのコストによってマシンを生産するためのコストを削減すると仮定する。以下では、下付き文字「ｉｎ」は、一般に、値が計算へ入力される１０個の実センサに対応し、下付き文字「ｏｕｔ」は、一般に、計算によって出力される５つの推論したセンサ値に対応する。
【００３５】
上記の説明に従う代表的トレーニング集合を提供するステップにより、値のマトリクスＤが得られ、このマトリクスは、１５の行（試験または研究所設定で測定された１５個のパラメータすべてに対応）と、十分な数ｎの列（同時または時間的に関連するセンサ読取り値の集合）とを有し、マシンの完全な予想される動的動作範囲を適切に表す。マトリクスＤは、それぞれｎ個の列を有する２つの随伴するマトリクスＤ_inおよびＤ_outを含み、Ｄ_inは１０個の行（１０個の実センサに対応）を有し、Ｄ_outは、５つの推論したセンサに対応する５つの行を有する。Ｄにおいて列の順番は問題とならないが、Ｄ_inとＤ_outのｉ番目の列は対応しなければならない。
【００３６】
次いで、１０個の実センサの値に（好ましくはリアルタイムで）対応する１０個の要素を有するベクトルを示すｙ_inを使用して、
【００３７】
【数１】

【００３８】
に従って、５つの推論したセンサ値に対応する５つの要素を有するベクトルｙ_outを生成する。上式で、Ｗは、Ｄにある列の数と同じ要素数Ｎを有する加重ベクトルであり、
【００３９】
【数２】

【００４０】
【数３】

【００４１】
によって生成される。
上式で、
【００４２】
【数４】

【００４３】
は、下記で更に詳しく述べるアレイを生じる２つのオペランド間の相似性演算（ｓｉｍｉｌａｒｉｔｙ ｏｐｅｒａｔｉｏｎ）を表す。ここで上付き文字「Ｔ」は、マトリクスの転置行列を表し、上付き文字「−１」は、マトリクスまたは得られたアレイの逆関数を表す。ｙ_outおよびＤ_outについて、およびｙ_inおよびＤ_inの行について、同じセンサに対して行が対応しなければならないことが重要である。即ち、代表的トレーニング集合マトリクスＤ_inの第１の行が、マシンの第１のセンサに関する値に対応する場合、ｙ_inの第１の要素もまた、その同じ第１のセンサの現行値（リアルタイムで動作する場合）でなければならない。
【００４４】
図７を参照すると、１つまたは複数の置換信号または推論した信号の生成についてをフロー・チャートで示している。このフロー・チャートは、この実施形態における１つの置換信号または推論信号の生成を示し、リアルタイム動作での実際のセンサ値の１つのスナップショットの入力を提供する。ステップ７０５で、計算のために入力スナップショットベクトルｙ_inおよびアレイＡと共に、マトリクスＤ_inが提供される。ステップ７０８でカウンタｉが１に初期設定され、トレーニングマトリクスＤ_inにおける観察数を計数するために使用される。ステップ７１２で、別のカウンタｋが１に初期設定され（スナップショットおよび観察においてセンサ数を計数するために使用）、アレイＡが、要素に対して０を収容するように初期設定される。
【００４５】
ステップ７１５で、ｙ_inのｋ番目の要素とＤ_inの（ｉ番目、ｋ番目）の要素との間で、要素対要素の相似性演算が実行される。これらの要素は対応するセンサ値であり、１つは実際の入力からのものであり、１つはトレーニング履歴Ｄ_inの観察結果からのものである。相似性演算は、２つの値の相似性の測度（測定値）、通常は０（相似性なし）と１（同一）の間の値を返し、これは一時的変数ｒに割り当てられる。ステップ７２０で、ｒをセンサ数Ｍで割ったものが、１次元アレイＡのｉ番目の値に付加される。従って、Ａのｉ番目の要素は、Ｄ_inのｉ番目の観察結果に対するｙ_inの要素相似性についての平均相似性を保持する。ステップ７２４で、カウンタｋが増分される。
【００４６】
ステップ７２９で、Ｄ_inの特定の観察におけるすべてのセンサがｙ_inの対応する要素と比較されていた場合には、ｋがＭより大きくなり、ステップ７３１でｉを増分することが
できる。そうでなかった場合には、ｙ_inの次の要素が、Ｄ_inのその対応する要素に対して、相似性について比較される。
【００４７】
現在の実際のスナップショットｙ_inのすべての要素が、Ｄ_inの観察結果のすべての要素と比較されたとき、ステップ７３５で、これがＤ_inの観察結果の最後であるかどうかが検査される。そうである場合には、カウンタｉがＤ_inの観察数Ｎより大きくなり、処理はステップ７３８へ移行する。そうでない場合には、処理がステップ７１２へ戻り、アレイＡが０にリセットされ、要素（センサ）カウンタｋが１にリセットされる。ステップ７３８で、加重ベクトルＷキャロットが、図示されている式から計算される。式中、
【００４８】
【数５】

【００４９】
は相似性演算を表し、一般に、ステップ７１５で使用されたものと同じ相似性演算子である。ステップ７４３で、Ｗキャロットは、Ｗキャロットのすべての加重要素の和を用いて正規化され、これにより、後続のステップでＷキャロットの特に大きな要素の影響が改善され、正規化された加重ベクトルＷが生成される。ステップ７４６で、これを使用し、Ｄ_outを使用して置換出力または推論出力ｙ_outを生成する。１つのみの置換信号または推論信号が生成される場合には、出力ベクトルは要素を１つだけ有する可能性があり、あるいは、生成される各「仮想」センサに対応する複数の要素を有する可能性もある。以上、マトリクスＤ_outについて、生成される、センサ（１または複数）に対する相対するトレーニングデータを含むものとして述べた。
【００５０】
相似性演算は、第２のオペランドの列に対する第１のオペランドの行の相似性または数値的近似性の測定値を生成する様々な周知の演算子から選択することができる。演算の結果はマトリクスであり、そのｉ番目の行およびｊ番目の列の要素は、第１のオペランドのｉ番目の行と第２のオペランドのｊ番目の列とから決定される。得られる要素（ｉ、ｊ）は、これら２つのベクトルの類似の測定値である。この実施形態では、第１のオペランドのｉ番目の行は、一般に、マシンの所与の時間的に関連する状態に対するセンサ値に対応する要素を有し、これは第２のオペランドのｊ番目の列についても同じである。事実上、得られる相似性測定値のアレイは、一方のオペランドにおける各状態ベクトルの、他方のオペランドにおける各状態ベクトルに対する相似性（類似性）を表す。
【００５１】
例として、使用することができる１つの相似性演算子は、要素ごとに２つのベクトル（ｉ番目の行およびｊ番目の列）を比較する。対応する要素だけ、例えば、要素（ｉ、ｍ）が要素（ｊ、ｍ）と比較されるが、要素（ｉ、ｍ）は要素（ｊ、ｎ）と比較されない。そのような比較のそれぞれについて、相似性は、２つの値の小さい方を２つの値の大きい方で割ったものの絶対値に等しい。従って、値が同一である場合には、相似性が１に等しくなり、値が著しく等しくない場合には、相似性が０に接近する。要素の相似性をすべて計算するとき、２つのベクトルの全体的な相似性は、要素の相似性の平均に等しい。平均化の代わりに、要素の相似性の差分統計的組合せ、例えば、メジアンを使用することもできる。
【００５２】
使用することができる相似性演算子の別の例は、図８を参照しながら理解することができる。この相似性演算子に関して、Ｗｅｇｅｒｉｃｈ（ウェゲリック）その他の米国特許第５，９８７，３９９号の教示が関連しており、その全体を参照により組み込む。各センサまたは物理パラメータについて、三角形８０４が形成され、そのセンサまたはパラメータに関する２つの値の間の相似性を決定する。三角形の底辺８０７は、トレーニング集合全体内でそのセンサについて観察された最小値８１２と、トレーニング集合全体にわたってそのセンサについて観察された最大値８１５との間の差に等しい長さに設定される。その底辺８０７の上方で角度Ωが形成され、三角形８０４を作り出す。次いで、ベクトル対ベクトル演算における任意の２つの要素の間の相似性は、底辺８０７に沿って図でＸ₀およびＸ₁と示された２つの要素の値の位置をプロットすることによって見出されるものであり、底辺８０７をスケーリングするために一方の端部で最小値８１２の値を用い、他方の端部で最大値８１５の値を用いる。底辺８０７上のＸ₀およびＸ₁の位置に引かれた線分８２１および８２５が、角度θを形成する。角度θと角度Ωの比率が、対象とするセンサに対するトレーニング集合における値の範囲全体にわたってのＸ₀とＸ₁の間の差の測定値を与える。この比率、またはこの比率を何らかのアルゴリズムで変更したものを１の値から減算することにより、Ｘ₀とＸ₁の相似性の測定値である０と１の間の数が得られる。
【００５３】
相似性を作り出すために、１８０度より小さい何れの角度サイズも、および底辺８０７の上方でその角度のための何れの位置も選択することもできるが、選択されたものは何であれ、そのプロセスまたはマシンの特定のセンサおよび物理パラメータに対応するすべての相似性測定に使用しなければならない。従って、異なる形状の三角形８０４を、別の様センサについて使用することができる。三角形の全体的な形状を選択する１つの方法は、何れの形状により一貫して最も正確な仮想信号結果が得られるかを経験的に試験することである。
【００５４】
計算効率のために、角度Ωを直角にすることができる（図示せず）。線分８３１を底辺８０７の上方の角度Ωの高さｈとして示すと、要素ｉについて所与の要素対要素の相似性に対する角度θは、
【００５５】
【数６】

【００５６】
によって得られる。次いで、要素の相似性は、
【００５７】
【数７】

【００５８】
である。上記で示したように、要素の相似性は、統計的に平均化することができ、または、システムによって必要されているかのように、統計処理してスナップショットと別のスナップショットとの全体的な相似性を生成することができる。
【００５９】
この実施形態で使用することができる更に別の種類の相似性演算子は、ｎ空間内で、或る状態ベクトルと別の状態ベクトルとの近接度を説明することを伴い、ここにおいてｎは、監視されているプロセスまたはマシンの現在のスナップショットの状態ベクトルの次元である。近接度が比較的近い場合には、２つの状態ベクトルの相似性は高く、一方、近接度が離れているまたは大きい場合には、相似性が減少し、最終的にはなくなる。例として、２つの状態ベクトル間のユークリッド距離を使用して相似性を決定することができる。例えば、２０個のセンサを取り付けられているプロセスであって、器械を取り付けしていない２１番目のパラメータを推論することが有益なプロセスでは、２０要素の状態ベクトルを含む現在監視されているスナップショットと、トレーニング集合の各状態ベクトル（仮想センサに対応する２１番目の要素が除外されている２０要素ベクトルを含む）との間のユークリッド距離により、以下のように相似性の測定値が得られる。
【００６０】
【数８】

【００６１】
上式で、Ｘは現在のスナップショットであり、ｄはトレーニング集合からの状態ベクトルであり、λおよびｃはユーザ選択可能な定数である。
図９を参照すると、故障したセンサについてチェックし、それに応答して、本発明に従って置換信号を生成する方法についての判断論理が示されている。そのような方法は、当業者に周知であるように、プロセッサおよびメモリで実施することができ、マシンまたはプロセスをリアルタイムで監視し、マシンまたはプロセス上で検出されたセンサの故障に応答して、必要に応じて１つまたは複数の置換仮想信号を生成するシステムを提供する。ステップ９０３で、ＦＬＡＧ（フラグ）変数が０に初期設定され、スナップショットカウンタｔもまた０に初期設定される。この方法を通じての第１のループで、ステップ９０６においてｔが０である場合には、ステップ９０８で最初のトレーニングが実施される。この実施形態で抽出されたトレーニング集合９１２は、スナップショットのトレーニングマトリクスを提供する９１７。ステップ９０８で、マトリクスＤ_inおよびＤ_outが９１７のマトリクスＤに等しく設定され、ＦＬＡＧが０に設定され、ｔが１に設定され、相似性演算を用いて、
【００６２】
【数９】

【００６３】
によって中間マトリクスＧ０が見出される。
次いで、実センサデータ９２０の獲得によるマシンまたはプロセスのリアルタイムまたはオンラインの監視はステップ９２２へ進み、時間的に相関された、または同時に起こるデータのスナップショットＸ_tが、マシンまたはプロセス上のセンサから獲得される。獲得されたデータは、
【００６４】
【数１０】

【００６５】
に従って、すべてのセンサについて推定された値を計算するために使用される。すべてのセンサのそのような推定値は、上述のＧｒｏｓｓその他などのような従来技術で周知のように、実センサ値と比較し、プロセス変化が発生しているときにそれを検出するために有用である。この図から容易に理解できるように、監視されているマシンまたはプロセス上のセンサが故障していない場合にはマトリクスＤ_outおよびＤ_in（０）が等しくなる。
【００６６】
ステップ９２６で、判断エンジンはセンサが故障しているかどうかを調べる。従来技術で周知のセンサ故障を検出するための様々な技法のいずれかを使用することができ、オリジナルの監視されたデータだけを調べることにより、または、監視されたデータを推定されたデータと比較することにより、働かせることができる。例として、センサが故障しているかどうかを判定するための１つの技法は、センサからの読取り値が、変化しているべき一連の読取りにわたって単一の値に固定化しているかどうかを監視することである。別の例として、センサ読取り値が急な不連続となるかまたは０へ降下しているとき、特に、センサによって測定されている物理パラメータが０になり得ないときに、センサ故障を決定することができる。更に、センサが故障したことを示すある種の「スマート」センサが市販されている。ステップ９３０で、１つまたは複数のセンサが故障している場合には、ステップ９３３でフラグがたてらて、ＦＬＡＧ変数が１に設定される。どのセンサも故障と判定されなかった場合には、ステップ９０６で処理が続行する。
【００６７】
ステップ９０６に戻ると、この時点で、ｔは、ステップ９０８で１に設定されていて０ではない。カウンタｔは、本物のセンサからのデータの次のスナップショットの読取りに対応して、ステップ９３７で増分される。ステップ９４０でＦＬＡＧの状態をチェックし、ＦＬＡＧが依然として０（プロセスを通じての最後のループ以降にセンサが故障していない）である場合には、ステップ９４５でＤ_inおよびＧが同じままであり、再度ステップ９２２により続行して次のスナップショットが獲得され処理される。他方、ステップ９４０でチェックしたときにステップ９３３でＦＬＡＧが１に設定されていた場合には、アレイＤ_inおよびＧをステップ９５０で再計算しなければならない。故障したセンサに対応する行がＤ_inから除去される（Ｄ_outからは除去されない）。新しいＤ_inに基づいてアレイＧが再計算される。ＦＬＡＧが０にリセットされる。次いでステップ９２２で、監視されるプロセスまたはマシンのスナップショットが獲得されると、同じ故障したセンサに対応する入力ベクトルＸの要素が削除される。しかし、Ｄ_outはどの行も除去されていないので、ステップ９２２で生成されたＸの推定値は、欠けている行、即ち、故障したセンサに関する推定値を含む。従って、これらの推定値は、故障したセンサの代わりの置換値として計算された仮想センサ値である。
【００６８】
従って、有利にも本実施形態は、実際のデータと比較するための推定値を計算するために相似性演算を使用して、監視システムにおいて故障したセンサの代わりの置換信号をオンザフライで生成する能力を提供する。そのような置換信号は、故障したセンサ（１または複数）からのセンサ信号を必要とするダウンストリームの処理へ提供することができる。従って、複合センサ信号を複数の相関された入力へと分解し、システムの、器械を取り付けたものではない物理パラメータの推論測定値を提供することができる。
【００６９】
図１０を参照すると、液圧ポンプの実施形態１００が示されており、その例では、ディーゼルエンジン１０２は液圧システム１００のシャフト１０４を駆動し、それがシリンダ１０８内のピストン１０６を作動させて、四方方向弁１１０によって供給される液圧供給量を制御する。この実施形態では、可変流量を容易にするように液圧システムに８ステップサイクルが提供されている。システム１００は加速度計１１２を備え、加速度計は、往復するピストン１０６に関連付けられたポンプシリンダの可変変位の縦方向の振動を観察するように位置することが好ましい。粒子や金属粒などのような液圧ループ内に汚染物質が導入されることにより、システムのバルブおよびピストンが摩耗し、液圧の変化を引き起こす。圧力の損失を補償する可能性があるため、これによりポンプからの振動が変化する。
【００７０】
液圧システム１００と関連して、仮想信号とともに推定されることが望ましいパラメータは、システムによって供給される圧力または流れであり得る。しかし、液圧ラインに侵入する圧力トランスデューサは障害物となり、故障しやすい可能性がある。従って、代わりに加速度計１１２を使用して、加速度計１１２に相関される仮想の圧力読取りを容易にすることが望ましい。これは、加速度計１１２からパワースペクトル分析器１１４へ複合信号を出力することによって行われ、これは、データ獲得デバイスを加速度計１１２に接続して、ソフトウェアモジュールを動作させるコンピュータで実施することができる。分析器１１４によって出力されるパワースペクトル密度（ＰＳＤ）は、加速度計によって測定された振動のパワーを、その振動の周波数の関数として提供し、そのためには、上述の相似性計算のための入力観察ベクトルとして、提供されるパワースペクトル全体にわたっての周波数ビンを提供する１０２４サンプルの高速フーリエ変換（ＦＦＴ）スライディングウィンドウを使用する。周波数ビンは、例えば３０周波数ビンなどのように、ユーザ選択可能とすることができる。従って、ユーザ選択可能なビンに関連付けられた周波数成分は、複数の観察結果の入力を提供する。推論信号生成装置への多変数入力としてＰＳＤを使用することができる。液圧、または望まれる場合には流量の、器械を取り付けたものではない物理パラメータは、推論した信号である。ＰＳＤからの入力は実際の信号である。これらの入力は、以下のいくつかの代替形態から選択することができる。
【００７１】
第１の代替形態では、選択された周波数だけを入力として使用することができる。例えば、液圧システム１００において対象となりそうな振動周波数の何らかの知識を用いて、いくつかの周波数を選択することができ、これらの周波数のそれぞれにおけるパワーの値を「センサ」入力として使用することができる。
【００７２】
別の代替形態では、いくつかの周波数帯にわたって周波数を「ビン化（ｂｉｎｎｅｄ）」または札付けする（ｔａｌｌｉｅｄ）ことができる。この場合、周波数の所与の帯（バンド）またはビンに関する値（または「センサ」信号）は、ビン内の最高パワー値、ビン内の最低パワー値、ビン全体にわたる平均パワー値、またはビン内のメジアンパワー値のうちの１つとすることができる。他の変形形態もまた明らかに有効であり、それらも本発明の範囲および精神内にある。
【００７３】
従って、説明した実施形態は、器械を取り付けたものではない物理パラメータを推論することのための入力として、分解された複合信号を用いて動作することの便益を提供する。例示的な一実施形態では、熱シンクとして働く大きな室内で、様々な予想される条件にわたって動作する標準的な窓取付け型の室内空調機からデータを収集した。合計２３個のセンサからの出力を使用し、蒸発器および凝縮器にわたる温度勾配の測定値を表した。データはｋ型熱電対から獲得され、１００サンプル毎秒のサンプリングレート設定を有するデータ獲得基板（ＤＡＱ）を使用してデジタル化された。データは、空調機が室内環境を比較的一定の温度で維持している間に収集された。データは、本明細書に述べられている方法に従ってトレーニング集合へと抽出された。センサ数に比べて多数のトレーニングスナップショット（９２個、センサ変数の数の４倍）を使用して、動作時の空調機の経験的モデルを作った。
【００７４】
経験的モデルの忠実度を測定するために、合計６００個のランダムに選択された動作観察結果を、トレーニングから開発したモデルを使用して推定した。そのような観察結果のそれぞれについて、全２３センサのスナップショットをモデルへ入力し、次いでモデルにより、これら同じセンサについて２３個の推定値の出力が生成された。基準モデル推定誤差は、残差（推定のセンサ値と実際のセンサ値の間の差）の平均の平方自乗平均（ＲＭＳ）の、実際のセンサ値におけるノイズの標準偏差に対する比率と定義された。２３個のセンサすべてがモデル入力として使用可能であったとき、平均推定誤差は０．２７１であった。これはセンサの平均ノイズの一部である。
【００７５】
正確に表現された仮想センサ信号の効力は、センサ故障をシミュレーションするように値を０に設定したランダムに選択されるセンサよって次々にアクセスされる。最大１２個のセンサが故障し、これは当初の使用可能なセンサの５２％を失ったことに対応する。上述の推定誤差は、故障センサ数の増加に対して、すべてのセンサにわたる平均として以下の表に示されている。予想されるように、推定誤差は、故障センサ数が増加するにつれて増加した。しかし、すべてのセンサにわたっての推定誤差は比較的低いままであり、「故障」していなかったセンサについても、更に「故障」していたセンサについても、センサ推定値が実用的に正確であったことを示していることに留意されたい。
【００７６】
【表１】

【００７７】
図１１を参照すると、オリジナルのセンサおよび他の２個が故障し、それらを経験的モデルへの入力として除外した後の、空調機用に生成された仮想センサ信号の図が示されている。また、オリジナルのセンサの実際の値も示されている。図の横軸は、分を単位とする時間である。縦軸は、センサの値、即ち、温度である。理解できるように、センサ（ならびに２３の集合のうちの他の２個）が故障したものとして扱われ、経験的モデルへ送られなかったとき、それにもかかわらず、モデルは、入力として提供された他のセンサ値に基づいて、実用的で使用可能なセンサ値の推定値を生成している。
【００７８】
前述の好ましい実施形態に対して、様々な態様で変更を加えることができることは、当業者なら理解できよう。本発明は、特徴と共に添付の特許請求の範囲に述べられている。本発明の精神および範囲は、当業者および本願の教示に通じている者にとって自明である好ましい実施形態に対するそのような変形および変更を包含するものとする。
【図面の簡単な説明】
【００７９】
【図１】図１は、プロセスまたはマシンに対しての本発明の仮想信号生成をセットアップするステップを示す。
【図２】図２は、本発明で使用するための、収集されたセンサ・データから代表的な「トレーニング」データ集合を作り出す方法を示す。
【図３】図３は、本発明で使用するための、収集されたセンサデータから代表的な「トレーニング」データ集合を作り出すためのフロー・チャートである。
【図４】図４は、本発明で使用するための、マシンに対してのデータ集合履歴を得るための構成の図である。
【図５】図５は、監視されているまたは制御されているマシンまたはプロセスに対しての仮想信号を生成するための、本発明の搭載型プロセッサの実施形態を示す。
【図６】図６は、監視されているまたは制御されているマシンまたはプロセスに対しての仮想信号を生成するための、本発明の遠隔監視式の実施形態を示す。
【図７】図７は、本発明に従った１または複数の仮想センサ信号の集合を生成するためのフロー・チャートを示す。
【図８】図８は、本発明の相似性演算子の１つの計算を示す。
【図９】図９は、本発明に従った、監視されているプロセスまたはマシンにおいて置換仮想信号を生成する判断論理のフロー・チャートを示す。
【図１０】図１０は、複合信号を使用して本発明を用いて監視することが可能な液圧システムを示す。
【図１１】図１１は、本発明に従った、対応する実際のセンサ信号と比較した、生成された仮想信号のチャートを示す。

Claims (30)

1. 動作中の機器を監視するシステムであって、
   前記機器へ取り付け可能なセンサと、
   前記センサと結合され、前記センサから導出された複数のコンポーネント信号を提供するデータ獲得フロントエンドと、
   前記センサに応答して動作し、前記複数のコンポーネント信号と前記機器の１または複数のプロセスパラメータとの間で観察された関係を用いて、前記機器の前記１または複数のプロセスパラメータに対応するパラメータ信号を生成する情報プロセッサと
   を備えるシステム。
2. 複数のセンサを備える請求項１に記載のシステム。
3. 前記情報プロセッサが、相似性演算子を使用して、前記複数のコンポーネント信号と前記プロセスパラメータのうち１つとの間の相似性の測度を得てパラメータ信号を生成する、請求項２に記載のシステム。
4. 前記情報プロセッサが、前記プロセスパラメータのうち１つに対応する前記パラメータ信号を推定する、請求項１に記載のシステム。
5. 前記情報プロセッサが、前記複数のセンサのうち１つによって監視されるプロセスパラメータに対応する前記パラメータ信号を推定する、請求項２に記載のシステム。
6. 前記情報プロセッサが、前記センサに関連するデータ獲得の失敗を判定し、前記データ獲得フロントエンドが、前記センサから前記情報プロセッサへ前記コンポーネント信号を提供するのを禁止され、前記情報プロセッサが、前記データ獲得の失敗に応答して、前記センサからの前記コンポーネント信号に対応する前記パラメータ信号を推定する、請求項２に記載のシステム。
7. 前記データ獲得の失敗が前記センサの故障に対応し、前記情報プロセッサが前記センサの故障を判定する、請求項６に記載のシステム。
8. 前記センサからの前記コンポーネント信号がプロセスパラメータを含む、請求項６に記載のシステム。
9. 前記機器の前記１または複数のプロセスパラメータが、監視されている動作中の前記機器の温度、圧力、または変位を含む物理的動作特性に対応する、請求項１に記載のシステム。
10. 推論信号生成装置であって、
    プロセスまたはマシンから選択されたシステムの予想される動作状態を表す、時間に相関したセンサデータ集合を記憶するメモリと、
    前記システムの物理パラメータを記述するセンサ値を前記システムから動作中に受信するための信号獲得入力と、
    前記信号獲得入力から前記センサ値を受信し、前記メモリ内の前記センサデータ集合と前記信号獲得入力からの前記センサ値との相似性を比較することにより、受信された前記センサ値によって測定されるパラメータの中にはないシステムのパラメータを記述する少なくとも１つの出力値を生成するように配置されたプロセッサと
    を備える推論信号生成装置。
11. 前記プロセッサが、前記少なくとも１つの出力値を、前記センサデータ集合と前記センサ値との前記相似性に従って調整された前記センサデータ集合の線形的結合によって、生成する、請求項１０に記載の推論信号生成装置。
12. 前記メモリ内の前記センサデータ集合に対する前記信号獲得入力からの前記センサ値の前記相似性は、前記メモリ内の同じセンサに関する値の全範囲と、同じセンサ値との数値的近似性を要素ごとに要素比較することによって、測定される、請求項１１に記載の推論信号生成装置。
13. 前記メモリ内の前記センサデータ集合が、センサデータの複数のスナップショットを含み、そのようなスナップショットのそれぞれが、前記システムの前記センサからの時間相関された値を含む、請求項１１に記載の推論信号生成装置。
14. 前記システムから動作中に前記信号獲得入力によって受信された前記センサ値が、前記システムのセンサのサブセットからの時間相関された値のスナップショットを含む、請求項１３に記載の推論信号生成装置。
15. 前記プロセッサが、前記メモリ内の各スナップショットと前記信号獲得入力によって受信された前記スナップショットとの前記相似性に従って調整された、前記メモリ内の複数のスナップショットの線形結合によって、前記少なくとも１つの出力値を生成する、請求項１４に記載の推論信号生成装置。
16. 前記信号獲得入力が、前記システムのセンサに電気的に接続されたデータバスを備える、請求項１０に記載の推論信号生成装置。
17. 前記信号獲得入力が、前記センサ値を含む伝送を受信するように配置された無線通信リンクを備える、請求項１０に記載の推論信号生成装置。
18. プロセスまたはマシンから選択されたシステムのための制御装置であって、
    制御信号を前記システムへ伝導するために前記システムへ接続された少なくとも１つの作動信号ラインと、
    前記システムの少なくとも１つのセンサからの前記システムの物理パラメータを示す信号を伝導するために、前記システムに接続された少なくとも１つのセンサ信号ラインと、
    前記システムの予想される動作状態を表す、時間相関されたセンサデータの集合を記憶するメモリと、
    前記作動信号ラインへ提供する制御信号を生成するために、前記少なくとも１つのセンサ信号ラインから信号を受信するように配置されたプロセッサであって、前記制御信号は、前記メモリ内の前記センサデータ集合に対しての前記センサ信号ラインからの前記信号の相似性を比較して、前記システムの第２の物理パラメータを記述する少なくとも１つの計算値を生成することにより生成されるものであり、前記制御信号は前記計算値に基づいて生成されるものである、プロセッサと、
    を備える制御装置。
19. 前記プロセッサが、前記センサデータ集合に対しての前記センサ信号の前記相似性に従って調整された前記センサデータ集合の組合せから、前記少なくとも１つの計算値を生成する、請求項１８に記載の制御装置。
20. 前記相似性が、前記メモリ内の同じセンサデータに対しての前記少なくとも１つのセンサ信号ラインからの前記センサ信号の数値的近似性によって測定される、請求項１９に記載の制御装置。
21. マシンまたはプロセスから選択されたシステムに関する少なくとも１つの推論したセンサ信号を生成する方法であって、
    前記システムの複数の物理パラメータを測定するために前記システムにセンサを取り付けるステップと、
    少なくとも１つの動作状態で前記システムを動作させるステップと、
    前記少なくとも１つの動作状態について前記複数の物理パラメータに関して前記センサ群からセンサデータを獲得するステップと、
    獲得された前記センサデータをメモリに記憶するステップと、
    前記システムが動作している間に、前記センサのサブセットの値を監視するステップと、
    記憶された前記センサデータに対しての監視されたセンサ値の相似性の測度に従って、記憶された前記センサデータを線形的に結み合わせることにより、前記センサのサブセットによって測定された前記物理パラメータの中にない物理パラメータに対応する少なくとも１つの推論したセンサ信号を計算するステップと
    を備える方法。
22. 前記相似性の測度が、記憶された前記センサデータにおけるの同じセンサの値に対しての監視された前記センサ値の、値の数値的近似性の要素ごとの比較である、請求項２１に記載の方法。
23. 物理システムを記述する仮想センサ信号を生成するコンピュータであって、
    前記システムの物理的状態を記述するセンサ値を要素としてそれぞれが有する複数の基準状態ベクトルを記憶するメモリと、
    前記基準状態ベクトルのそれぞれにおいてセンサのサブセットに対応するセンサ値を要素として有する、前記物理システムを記述する現在の状態ベクトルを受信するように配置され、前記現在の状態ベクトルを前記基準状態ベクトルのそれぞれと比較してそれらの間の相似性の測度を決定する第１の計算モジュールと、
    前記現在の状態ベクトルと前記基準状態ベクトルのそれぞれとの間の相似性の測度を受信し、前記現在相似性の測度によって加重された前記基準状態ベクトルの組合せから、前記センサのサブセットから外れたままである前記基準状態ベクトルにおけるセンサに対応する前記センサ値の推定値を要素として有する仮想信号ベクトルを生成するように、配置される第２の計算モジュールと
    を備えるコンピュータ。
24. 前記第２の計算モジュールが、前記基準状態ベクトルのセンサのサブセットに対応するセンサ値に加えて、仮想信号を提供するように、前記物理システムのパラメータを記述する少なくとも１つの出力値を生成する、請求項２３に記載のコンピュータ。
25. 前記第２の計算モジュールが、前記システムを記述する観察されたセンサデータに対しての前記基準状態ベクトルの相似性の測度に従って調整された前記基準状態ベクトルの線形的組み合わせとして前記仮想信号を生成する、請求項２４に記載のコンピュータ。
26. 器械を取り付けられた機器を監視するシステムであって、
    器械を取り付けられた前記機器から監視することが可能な複数のセンサと、
    情報プロセッサと、
    前記複数のセンサから、前記システムの物理パラメータを記述する動作値を受信するための、前記情報プロセッサへのデータ獲得入力と、
    予想される動作状態を表す時間相関されたセンサデータの集合と、器械を取り付けられた前記機器の動作中に観察された信号とを記憶するために、前記信号獲得入力と結合されるように動作可能なメモリと
    を備え、
    前記情報プロセッサが、器械を取り付けられた前記機器から観察された信号に加えて、器械を取り付けられた前記機器のパラメータを記述する少なくとも１つの出力値を生成するものであり、
    前記情報プロセッサが、前記予想される動作状態と、器械を取り付けられた前記機器からの前記観察された信号との間の関係を用いて、前記信号獲得入力に応答して動作して、前記観察された信号に加えて、器械を取り付けられた前記機器のパラメータを記述する出力値から前記機器の１つまたは複数のプロセスパラメータに対応する更なる信号を生成する、
    システム。
27. 前記情報プロセッサが、相似性演算子を用いて、前記予想される動作状態と、器械を取り付けられた前記機器からの前記観察された信号との間の相似性の測度を得る、請求項２６に記載のシステム。
28. 前記情報プロセッサが、様々な前記センサの少なくとも１つから前記データ獲得入力に関連するデータ獲得失敗を断定する、請求項２６に記載のシステム。
29. 前記情報プロセッサが、複数の前記センサからの前記システムの前記物理パラメータを記述する動作状態の複数のスナップショットを含む前記メモリ内のデータと共に相似性演算子を用いるものであり、各スナップショットが、複数の前記センサからの時間相関されたデータを含む、請求項２６に記載のシステム。
30. 前記情報プロセッサによって使用される関係は、前記予想される動作状態と前記観察された信号との数値的近似性として相似性を測定する、請求項２６に記載のシステム。

Images