JPH06167591A

JPH06167591A - プラントの異常検知方法及びその装置

Info

Publication number: JPH06167591A
Application number: JP43A
Authority: JP
Inventors: Keiji Tanaka; 敬二田中; Tatsuyuki Omote; 龍之表; Yutaka Yonetani; 豊米谷; Tomiji Yoshida; 富治吉田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1992-11-30
Filing date: 1992-11-30
Publication date: 1994-06-14
Anticipated expiration: 2016-04-25
Also published as: JP3161844B2

Abstract

(57)【要約】【目的】プラントの運転状態にかかわらず、プラント
の異常を常に高い正確さで検出する。【構成】プラント１の音等を検出する各種センサ１０
０とは別に、プラント運転状態をプラント運転中にオン
ラインで取り込む系統を異常検出装置２００に設け、各
種センサ１００で検出したプラントの音，温度，振動等
の状態を、オンラインで取得したプラント運転状態に対
応させて記憶しておき、プラントの異常検知をプラント
の運転状態に対応して行う。これにより、プラントの運
転状態がいなかる状態にあってもその運転状態に対応し
た音，温度，振動等の状態とセンサ出力とを比較できる
ので、プラントの異常を常に高い正確さで検出すること
が可能となる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はプラントの異常検知方法
及びその装置に係り、特に、的確にプラントの異常を検
出するのに好適な異常検知方法及びその装置に関する。

【０００２】

【従来の技術】原子力発電プラント等の各種プラントで
は、ＴＶカメラ，赤外線カメラ，マイクロホン等の各種
センサをプラント各所に配置したり移動式監視ロボット
に搭載して、プラントの異常の兆候を事前に検知するシ
ステムの開発が要望されてきている。

【０００３】例えば特開昭５７−２０８４９５号公報，
特開昭５８−１８４５８５号公報，特開昭６０−１０５
９９４号公報記載の従来技術では、プラントの音の状態
を検出し、この音をあらかじめ登録しておいたプラント
正常時の音のデータと比較し、プラントの異常を検知し
ている。しかしながら、あらかじめ登録しておく正常時
の音のデータは、プラントの一つの運転状態における検
出データであるか、あるいはいくつかのプラントの運転
状態を包含する所定のバンド幅を持たせた参照データで
あるため、プラントの運転状態が変わるたびに異常とし
て検知してしまったり、正常の範囲のバンド幅が広いた
め異常の検知の正確さが上がらないという問題があっ
た。

【０００４】そこで、特開平１−２７０６２３号公報記
載の従来技術では、比較対象とする正常時の音のデータ
をプラントの運転状態に応じて更新し、センサで捕らえ
た音をそのときのプラント運転状態に対応した正常音と
比較し、検出精度の向上を図っている。

【０００５】また、特開昭５８−１２４９９５号公報記
載の従来技術では、センサで捕らえた音と比較する基準
値が無い場合には学習により新たな基準値を作成し、プ
ラントの診断に用いるようにしている。

【０００６】

【発明が解決しようとする課題】上述した従来技術は、
いずれも図２に示す様な構成となる。すなわち、原子力
発電所のプラント１に、異常検知システムのセンサ１０
０としてたくさんのマイクロホンを原子力発電所内の格
納容器内に設置し、マイクロホン１００の検出信号を格
納容器の外に設置している異常検出装置２００に取り込
み、異常検知を行う構成である。異常検出装置２００の
中には、当然、プラントの正常運転中の音響スペクトル
のデータが記憶されているが、そのデータは、オフライ
ンであらかじめ異常検出装置２００に入力されている。

【０００７】オフラインで入力される正常音のデータ
は、実際にプラントを運転している最中のプラント運転
状態に正確に対応した正常音のデータとは言い難く、高
精度のプラント診断を行うには不安が付きまとう。例え
ば特開平１−２７０６２３号公報記載の従来技術は、異
常検出用のセンサとプラント運転状態検出用のセンサと
を共用しているため、センサ自体に欠陥があった場合に
は、正常音データの作成の高精度化は望めない。

【０００８】本発明の目的は、プラントの運転状態にか
かわらず、プラントの異常を常に高い正確さで検出でき
るプラントの異常検知方法及びその装置を提供すること
にある。

【０００９】

【課題を解決するための手段】上記目的は、プラントの
異常を検出する各種センサとは別に、プラント運転状態
をプラント運転中にオンラインで取り込む系統を異常検
出装置に設け、各種センサで検出したプラントの音，温
度，振動等の状態を、オンラインで取得したプラント運
転状態に対応させて記憶しておき、プラントの異常検知
をプラントの運転状態に対応させることで、達成され
る。

【００１０】上記目的はまた、プラントの運転状態をオ
ンラインで異常検出装置に取り込むと共に、異常検出装
置にプラントやプラントの音，温度，振動等の状態を検
出するためのセンサ部の仮想モデルを設け、実際のプラ
ントの運転状態や、実際に検出したプラントの音，温
度，振動等の状態を仮想モデルから求めたプラント運転
状態，センサ検出状態とを比較し、矛盾が生じていると
きにプラントに異常が発生していると判定することで、
達成される。

【００１１】

【作用】プラントの運転状態をオンラインで異常検出装
置に取り込むことで、異常検出装置は、現在検出してい
るプラントの音，温度，振動等の状態がプラントがどの
ような運転状態の時のものなのかをリアルタイムで認識
することができる。このため、プラント正常時の音，温
度，振動等の状態データをセンサから取得しこれを記憶
装置に記憶する場合には、その時のプラントの運転状態
に対応させて記憶することができる。さらに、現在検出
しているプラントの音，温度，振動等の状態データから
プラントの異常検知をする場合には、オンラインで入っ
てくる現在のプラントの運転状態と同じ運転状態のとき
に記憶したプラント正常時のデータと比較することがで
きので、プラントの運転状態にかかわらず、プラントの
異常を常に高い正確さで検出することができる。

【００１２】また、プラントの運転状態と、センサの検
出信号とをオンラインで異常検出装置に取り込み、仮想
モデルの出力とを比較することで、プラントの運転に過
渡変化が生じた場合にも、プラントの運転状態にかかわ
らず、プラントの異常を常に高い正確さで検出できる。
これは、仮想モデルがプラントの過渡現象も求めること
ができるためである。この場合、異常検出装置に、仮想
モデルの特性パラメータをプラントの正常時の運転デー
タに基づいて、随時、より正しいものに補正していく機
能を設けることが好ましい。仮想モデルのシミュレーシ
ョンより求めたプラントの運転状態の精度に依存する特
性パラメータの誤差を、プラントの運転実績と共に小さ
くしていくことで、より正確にプラントの異常を検出で
き、プラントの運転状態にかかわらず、プラントの異常
を常に高い正確さで検出できる。

【００１３】

【実施例】以下、本発明の一実施例を図面を参照して説
明する。図１は、本発明の一実施例に係るプラント異常
検出装置の構成図である。本実施例のプラント異常検出
装置では、前述した従来技術に係る図２の構成に較べ、
プラント１の状態を検出するセンサ１００の他に、プラ
ント１の運転状態をオンラインで取り込む経路を設けて
いる。

【００１４】センサ１００を、原子炉格納容器内に設置
されたマイクロホンとすれば、異常検出装置２００は、
まず、プラント正常時の音響スペクトルのデータを記憶
する。この時、異常検出装置２００は、オンラインで入
力されてくるプラントの運転状態に対応させて、プラン
ト正常時の音響スペクトルデータを記憶していく。これ
は当然、自動的に行うことが可能であり、人手をわずら
わせることもない。尚、記憶装置に正常時のデータを蓄
積する場合、最初は、そのデータが正常時のものである
か否かをプラント運転員の判断で行うのが好ましい。

【００１５】異常検出装置２００内にデータが多く蓄積
されてくると、異常検出装置２００は、新たに検出した
音響データをスペクトル解析し、また同時に入ってくる
プラントの現在の運転状態より、過去に記憶した音響ス
ペクトルデータの中から現在と同じまたは近い運転状態
の時に記憶したデータを検索し、両者を比較評価する。
ここで、現在のプラントの運転状態が過去に記憶した二
つの参照データの運転状態の間にある場合には、参照す
るデータを二つのデータより補間して求めたものを使用
すれば、少ない参照データでより正確にプラントの異常
を検出することができる。また、異常検出装置は、「異
常」と検出しない場合には、自動的に参照データをその
時のプラントの運転状態に対応させて正常時のデータと
して記憶していけば良いし、「異常」と検出した場合に
は、警報を発し、プラント運転員に知らせた上、異常検
知装置としては「異常」と判定したが、本当に異常なの
かどうかプラント運転員に判断してもらい、異常ではな
い時にはその「異常」と判断してしまった音響データも
正常時の参照データとして記憶する。

【００１６】以上の様なステップつまり正常時のデータ
を蓄積していくステップは、プラント運転開始の段階に
は頻繁に行なう必要があるが、参照データが蓄積されて
いくに従って、その頻度は少なくなる。この方法を採用
することでにより、小さな異常も見逃すことがなくな
る。尚、ここではマイクロホンを用いた音響センサを例
に説明しているが、センサとしては、振動計，温度計，
湿度計，放射線線量計，ＴＶカメラ，赤外線カメラ，圧
力計，臭いセンサ等、何を使用した場合にも同様の方法
が適用できる。

【００１７】図３は、原子力発電所の格納容器内の移動
式点検ロボットに本発明を適用した場合の異常検知装置
の構成図である。原子力発電所の格納容器１ｄの中に
は、主要機器として、原子炉１ａ、ドライウェル内冷却
系クーラ１ｃ、再循環ポンプモータ１ｂ等がある。原子
力発電所は、原子炉１ａから発生した蒸気でタービン１
ｅを回して発電機１ｆで電力を発電するものであり、中
央制御室にある制御・操作盤１ｇにて発電所の機器は運
転制御される。また、発電所運転中は格納容器１ｄの中
には人間は入ることがでにない環境になっている。そこ
で、移動式点検ロボットシステムを採用し、格納容器１
ｄの中に設置されるレール１０１に沿ってロボット本体
１０２を移動させ、格納容器１ｄ内の主要な機器を自動
的に点検パトロールするようになっている。

【００１８】ロボットの制御・操作は、格納容器１ｄの
外に設置される操作盤２００で行われる。ロボット本体
１０２には、ＴＶカメラ，マイクロホン，赤外線カメラ
が搭載されており、人間に代わって、目視点検，異音点
検，温度点検を行うことができる。異常かどうかの判断
は、正常時の検出データをあらかじめ操作盤２００の中
に記憶しておき行うものである。

【００１９】ロボット本体１０２は、図１のセンサ１０
０に相当し、操作盤２００が、図１の異常検出装置２０
０に対応する。ここで、プラントの運転状態は、プラン
トの制御・操作盤１ｇからオンラインで操作盤２００に
入力されるようにする。ロボット本体１０２が検出する
ＴＶ画像データ，音響データ，温度データ（温度分布を
含む。尚、これらのデータがロボットの位置，姿勢等に
依存するデータの場合には、その位置，姿勢等も関連デ
ータとして必要となる。）に影響するプラントの運転状
態としては、主に、プラント出力（発電機１ｆの発電
量）、ドライウェル内冷却系クーラ１ｃの運転状況、再
循環ポンプモータ１ｂの回転数等が考えられる。そこ
で、制御・操作盤１ｇからは、プラント出力（発電機１
ｆの発電量）、ドライウェル内冷却系クーラ１ｃの運転
状況、再循環ポンプモータ１ｂの回転数をオンラインで
操作盤２００に入力する。

【００２０】このようにシステムを構成した場合、操作
盤２００の中の正常時の検出データは、プラント出力
（発電機１ｆの発電量）、ドライウェル内冷却系クーラ
１ｃの運転状況、再循環ポンプモータ１ｂの回転数のプ
ラント運転状態に対応させて記憶され、検出データとの
比較を行う場合にも、それらのプラントの運転状態を同
じ条件にして行う。このため、前述した通り、プラント
の運転状態にかかわらず、プラントの異常を常に高い正
確さで移動式点検ロボットにより検出することが可能と
なる。尚、比較するデータがロボットの位置，姿勢等に
依存するデータの場合には、同位置，同姿勢でのデータ
で比較することはいうまでもない。ここで、プラントの
運転状態として、格納容器１ｄ内の雰囲気温度、再循環
ポンプ１ｂに入る冷却剤の温度等も取り込み、より正確
に異常を検出できるようにしても良い。

【００２１】図４は、本発明の第２実施例に係る異常検
出装置の構成図であり、仮想モデルを設けた異常検知装
置の基本構成図である。異常検出装置２００の中には、
プラント１を模擬したプラントのモデル１ｍ、センサ１
００を模擬したセンサ部のモデル１００ｍを有する仮想
モデル２０１があり、仮想モデル２０１のセンサ１００
ｍの出力と、実際のセンサ１００の検出データとの比較
を比較器２０２で行い、仮想モデル２０１のプラント１
ｍのプラント状態と、実際のプラント１から送られてく
るプラント状態との比較を比較器２０３で行い、仮想モ
デル２０１と実際のデータとの矛盾の有無を検出し、矛
盾のある場合には、警報器２０４に信号を出力し警報を
発する。

【００２２】ここで、プラントの仮想モデル２０１は、
原子力発電所全体の大規模モデルでも良いし、発電所の
中のある一つの機器のモデルでも良いし、さらに機器の
一部分をモデル化したものでも良い。仮想モデルとして
は、計算機のプログラムまたはデータで記述された単純
な数式でも良いし、ブロック線図をベースに記述された
伝達関数でも良いし、差分処理を実行するプログラムそ
のものでも良いし、入力と出力の生データを蓄積してお
くものでも良い。ここでは、仮想モデルの概念を説明す
るために、原子炉再循環ポンプを例にとり、仮想モデル
のほんの一実施例を紹介する。

【００２３】図６に、原子炉再循環ポンプの制御系構成
を示す。ポンプ２０は、電動機１０により駆動される。
原子炉の出力をポンプの流量Ｑを変えることにより行う
ため、流量制御系３１は電動機１０の回転数を制御する
ことになる。電動機２０は誘導電動機であるから、その
回転数は、次の数式１に示すように、

【００２４】

【数１】

【００２５】周波数に比例するので、流体継手３３を介
して駆動電動機３４にて回転させられる可変周波数発電
機３２の出力を電動機１０の電源としている。流量制御
系３１は可変周波数発電機３２の回転数をフィードバッ
ク信号として、流体継手３３に操作信号を出力する。こ
こで、この原子炉再循環ポンプを一つのプラントとして
みた場合、プラントの運転状態として容易に出力できる
のはフィードバック信号として検出している可変周波数
発電機３２の回転数である。これをプラントの運転状態
として異常検出装置にオンラインで取り込めるようにす
る。また、オンラインで取り込むプラントの状態は詳し
ければ詳しいほど仮想モデルも正確に模擬できるし、異
常検知もより正確に行えるので、より詳細にプラントの
運転状態を取り込もうとするならば、電動機１０の油面
計１１，１２のレベルを電気信号にして出力したり、電
動機１０に小型発電機２４を直結して、電動機１０の回
転数を直接検出してそれをプラントの運転状態として出
力したり、流量計２３により流量Ｑを電気信号に変換し
て出力したり、ポンプ２０の吸い込み圧力と吐き出し圧
力を圧力計２１，２２にて電気信号に変換して出力した
りすれば良い。

【００２６】図７は、原子炉再循環ポンプを特性曲線で
表したモデルの一例を示すグラフである。図７（ａ）の
電動機特性１０ｍとしては、すべりｓに対する一次電流
Ｉ，トルクＴ，機械的出力Ｐの関係を持たせ、図７
（ｂ）のポンプ特性２０ｍとしては、回転数Ｎと流量Ｑ
の関係を全揚程Ｈと抵抗曲線Ｒとで持たせている。これ
は、計算機の中に係数を有する特性式で持っていても良
いし、特性データそのもので持っていても良い。ここ
で、可変周波数発電機３２の回転数と、小型発電機２４
で検出した実際の回転数より、上記数式１の関係からす
べりｓが求まり、電動機の特性１０ｍよりその時のトル
クＴ，一次電流Ｉ，機械的出力Ｐが定まる。また、ポン
プ２０の圧力計２１，２２にて検出した吸い込み圧力と
吐き出し圧力より、現在の全揚程が求まり、それと現在
の回転数Ｎとから流量Ｑが定まる。プラントの状態とし
て、実際の一次電流を検出して異常検出装置にオンライ
ンで取り込んでおくとすれば、検出した一次電流と電動
機の特性１０ｍより求めた一次電流（これが、仮想モデ
ル２０１の出力である）とが大きく違う場合、「異常」
と判断するようにしておいても良いし、流量計２３によ
り検出した流量Ｑと、ポンプの特性２０ｍより求めた流
量Ｑ（これが、仮想モデル２０１の出力である）とが大
きく違う場合、「異常」と判断するようにしておいても
良い。このように特性曲線で仮想モデルを記述すること
は、実際にデータを取ってそれを初期特性としてしまう
ことができるので、非線形の数式化困難な機器の特性を
モデル化するときに有効な手段である。

【００２７】また、電動機１０に温度センサ１１１を取
付け、その電気信号を異常検出装置に取り込んだり、ポ
ンプ２０に振動計１１２を取り付けて、その電気信号を
異常検出装置に取り込むようにしても良い。これは、ポ
ンプの構造に基づいて忠実に振動モデルを記述しても良
いのであるが、振動計１１２の振動データを異常検出装
置においてスペクトルデータに解析して、実際に検出し
たポンプの回転数Ｎ，流量Ｑをプラントの運転状態を規
程するパラメータとしてプラントの運転状態に対応させ
て記憶するようにして、それをセンサ部の仮想モデル１
００ｍとするのが得策である。

【００２８】次に、温度センサ１１１と比較する温度セ
ンサ部のモデルの例を説明する。この場合には、原子炉
再循環ポンプ回りの雰囲気温度も温度計１１０にて検出
し、異常検出装置に取り込むようにするのが良い。図８
に、電動機表面温度のモデルを示す。ロータ１０Ｒのあ
る内部空間の平均温度をＴ0，平均重量をＧ0，平均比熱
をＣ0とし、ステータのコイル部１０coの熱的センタの
内側の平均重量をＧc1，平均比熱をＣc1，厚みをｄc1，
平均熱伝導率をλc1とし、外側の平均重量をＧc2，平均
比熱をＣc2，厚みをｄc2，平均熱伝導率をλc2とし、コ
イル１０coの内面の温度をＴ1，内面の表面積をＡ1，内
面の熱伝達率をα0とし、コイル部１０coの熱的センタ
の温度をＴc、熱通過断面積をＡcとし、コイル部１０co
の外側でケーシング１０caの内面の温度をＴ2とし、そ
の部分の熱通過断面積をＡ2とし、ケーシング１０caの
表面温度をＴ3，表面積をＡ3，平均重量をＧ2，平均比
熱をＣ2，厚みをｄ2、平均熱伝導率をλ2とし、表面の
熱伝達率をαa，雰囲気温度をＴaとし、ロータ１０Ｒの
機械的出力をＰとし、コイル１０coへの電気エネルギの
入力をｑINとし、ケーシング１０ca表面からの放熱をｑ
OUTとすれば、この電動機の熱伝達モデルは、次の数式
２で表される。

【００２９】

【数２】

【００３０】雰囲気温度Ｔaは温度計１１０にて検出す
ることができる。電気エネルギの入力ｑINも電圧と電流
を測定することで検出できる。ロータ１０Ｒの機械的出
力Ｐも電動機の特性１０ｍより知ることができる。△Ｔ
iは温度Ｔiの微小時間△ｔの間の変化分である。ここ
で、各部の重量Ｇ0，Ｇc1，Ｇc2，Ｇc2，各断面積Ａ1，
Ａc，Ａ2，Ａ3，各厚みｄc1，ｄc2，ｄ2は事前に正確に
知ることのできる定数である。また、比熱Ｃ0，Ｃc1，
Ｃc2，Ｃ2，熱伝導率λc1，λc2，λ2，熱伝達率α0，
α1も計算や事前の特性試験にて求めることは可能であ
る。したがって、数式２の方程式で差分法を用いて、逐
次、各部位の温度変化△Ｔi，各部位の温度Ｔiを求めて
いくことは可能である。

【００３１】一方、ケーシング１０caの実際の表面温度
Ｔ3は温度センサ１１１にて検出できる。または、移動
ロボット１０２に搭載されている赤外線カメラを用いた
非接触方式にて表面温度Ｔ3を検出することもできる。
そこで、数式２より求めた表面温度Ｔ3（仮想モデル１
００ｍの出力）と、センサで検出した実際の表面温度Ｔ
3とを比較することで、電動機の異常を容易に検出する
ことができる。このように、プラントに遅れ要素を含む
場合や、機器の表面温度などのように現在の温度が現在
のプラントの運転状態のみによって決まるのではなく、
過去の運転状態の履歴にも影響するような場合には、異
常検出装置２００の中にプラントの仮想モデル２０１を
持たせておくことがより正しくプラントの異常検出を行
なうために有効な方法である。

【００３２】図５は、仮想モデルの特性パラメータを補
正する異常検知装置の構成図である。異常検出装置２０
０の中には異常を検出するための比較器２０２，２０３
以外に、特性パラメータの補正量を求めるために、仮想
モデルの出力と実際の検出データとを比較するための比
較補正器２０５，２０６を設けてある。ここで、特性パ
ラメータとは、図７の電動機の特性１０ｍ，ポンプの特
性２０ｍの特性曲線そのものであったり、数式２におい
ては熱伝達率α0や熱伝導率λc1，λc2等である。モデ
ル２０１の出力と実際の検出データとの矛盾を比較検出
するということは、故障や劣化により実物の特性パラメ
ータが変化することを検出することにより、プラントの
異常を検知するということである。プラントの運転実績
が数多く蓄積されていくと、プラントの累積運転時間を
パラメータとしてプラントの特性パラメータの経年変化
もモデルとして記述することが可能となる。この場合に
は、通常の経年変化以上の極端な特性パラメータの変化
を検出し、プラントの異常を検知するということにな
る。したがって、「異常」と検出していないときにはモ
デル２０１の特性パラメータを統計的により正確なもの
に補正することは問題ないが、「異常」と検出した場合
にはスイッチ２０７，２０８を開いてモデル２０１の特
性パラメータを無条件に補正しないようにしておく必要
がある。この場合には、異常検出装置２００は警報を発
し、プラントの運転員にその判断を委ねる形となる。運
転員が「異常」では無いと判断した場合にのみプラント
側の特性パラメータは補正され、モデル２０１はより適
切なものに書き替えられる。この方法によれば、より正
確にプラントの異常を検出でき、プラントの運転状態に
かかわらず、プラントの異常を常に高い正確さで検出で
きる。

【００３３】

【発明の効果】本発明によれば、プラントの運転状態に
かかわらず、プラントの異常を常に高い正確さで検出で
きる。

【図面の簡単な説明】

【図１】本発明の第１実施例に係る異常検知装置の構成
図である。

【図２】従来の異常検知装置の構成図である。

【図３】移動式点検ロボットの異常検知装置の構成図で
ある。

【図４】本発明の第２実施例に係る異常検知装置の構成
図である。

【図５】モデル補正機能を有する異常検知装置の構成図
である。

【図６】原子炉再循環ポンプの制御系構成図である。

【図７】原子炉再循環ポンプのモデルの説明図である。

【図８】電動機表面温度のモデルの説明図である。

【符号の説明】

１…プラント、１００…センサ、２００…異常検出装
置、２０１…仮想モデル、１ｍ…プラントの仮想モデ
ル、１００ｍ…センサ部の仮想モデル、２０２、２０３
…比較器、２０４…警報器。

───────────────────────────────────────────────────── フロントページの続き (72)発明者吉田富治茨城県日立市幸町三丁目１番１号株式会社日立製作所日立工場内

Claims

【特許請求の範囲】

【請求項１】プラント状態をセンサで検出し、プラン
ト正常時におけるプラント状態を示すデータを記憶装置
に予め格納しておき、前記センサの検出信号を前記デー
タと比較することでプラントの異常を判断するプラント
異常検知方法において、前記センサの検出信号とは別に
プラント運転状態をオンラインで取り込み、オンライン
で取り込んだプラント運転状態と該プラント運転状態下
で前記センサから取り込んだセンサ検出信号とを対応さ
せて正常データとして記憶装置に格納しておき、センサ
の検出信号を当該検出時におけるプラント運転状態に対
応した前記正常データと比較することでプラントの異常
の判断を行うことを特徴とするプラントの異常検知方
法。
【請求項２】プラント状態を移動式ロボットに取り付
けたセンサで検出し、プラント正常時におけるプラント
状態を示すデータを記憶装置に予め格納しておき、前記
センサの検出信号を前記データと比較することでプラン
トの異常を判断するプラント異常検知方法において、前
記センサの検出信号とは別にプラント運転状態をオンラ
インで取り込み、オンラインで取り込んだプラント運転
状態と該プラント運転状態下で前記センサから取り込ん
だセンサ検出信号とを前記移動式ロボットの位置，姿勢
等のロボット情報と共に正常データとして記憶装置に格
納しておき、センサの検出信号を正常データと比較して
異常の判定を行うときは同じ運転状態，同一ロボット情
報の正常データを前記記憶装置から取り出してセンサ検
出信号と比較することを特徴とするプラントの異常検知
方法。
【請求項３】請求項１または請求項２において、比較
する正常データが記憶装置にない場合には、隣接するプ
ラント運転状態の正常データから補間演算により求める
ことを特徴とするプラントの異常検知方法。
【請求項４】請求項１乃至請求項３のいずれかにおい
て、プラント運転状態をプラント制御盤からオンライン
で取り込むことを特徴とするプラントの異常検知方法。
【請求項５】プラント状態をセンサで検出し、プラン
ト正常時におけるプラント状態を示すデータを記憶装置
に予め格納しておき、前記センサの検出信号を前記デー
タと比較することでプラントの異常を判断するプラント
の異常検知装置において、前記センサの検出信号とは別
にプラント運転状態をオンラインで取り込む手段と、オ
ンラインで取り込んだプラント運転状態と該プラント運
転状態下で前記センサから取り込んだセンサ検出信号と
を対応させて正常データとして記憶装置に格納する手段
と、センサの検出信号を当該検出時におけるプラント運
転状態に対応した前記正常データと比較することでプラ
ントの異常の判断を行う手段とを備えることを特徴とす
るプラントの異常検知装置。
【請求項６】プラント状態を移動式ロボットに取り付
けたセンサで検出し、プラント正常時におけるプラント
状態を示すデータを記憶装置に予め格納しておき、前記
センサの検出信号を前記データと比較することでプラン
トの異常を判断するプラントの異常検知装置において、
前記センサの検出信号とは別にプラント運転状態をオン
ラインで取り込む手段と、オンラインで取り込んだプラ
ント運転状態と該プラント運転状態下で前記センサから
取り込んだセンサ検出信号とを前記移動式ロボットの位
置，姿勢等のロボット情報と共に正常データとして記憶
装置に格納する手段と、センサの検出信号を正常データ
と比較して異常の判定を行うときは同じ運転状態，同一
ロボット情報の正常データを前記記憶装置から取り出し
てセンサ検出信号と比較する手段とを備えることを特徴
とするプラントの異常検知装置。
【請求項７】請求項５または請求項６において、比較
する正常データが記憶装置にない場合には隣接するプラ
ント運転状態の正常データから補間演算により求める手
段を備えることを特徴とするプラントの異常検知装置。
【請求項８】請求項５乃至請求項７のいずれかにおい
て、プラントは原子力発電プラントであり、プラント運
転状態はプラント制御盤からオンラインで取り込むこと
を特徴とするプラントの異常検知装置。
【請求項９】プラントの音，温度，振動等のプラント
状態をセンサで検出し、プラント正常時のセンサ信号を
参照データとして記憶しておき、センサ信号を前記参照
データと比較することでプラントの異常を判別するプラ
ントの異常検知方法において、プラント運転状態をオン
ラインで取り込むと共に前記センサの検出信号を取り込
み、プラントの仮想モデル及び前記センサの仮想モデル
からプラント運転状態及びセンサ出力を求め、該仮想モ
デルから求めた結果と前記オンラインで取り込んだ実際
のプラント運転状態または前記センサの実際の検出信号
とを比較して、プラントの異常を検知するようにしたこ
とを特徴とするプラントの異常検知方法。
【請求項１０】請求項９において、仮想モデルの特性
パラメータをプラントの正常時の運転データよりもより
正しいものに随時補正していくことを特徴とするプラン
トの異常検知方法。
【請求項１１】請求項１０において、仮想モデルで求
めた結果と実際のプラント運転状態またはセンサ出力と
が所定値以上異なったときは前記補正を停止することを
特徴とするプラントの異常検知方法。
【請求項１２】プラントの音，温度，振動等のプラン
ト状態をセンサで検出し、プラント正常時のセンサ信号
を参照データとして記憶しておき、センサ信号を前記参
照データと比較することでプラントの異常を判別するプ
ラントの異常検知装置において、プラント運転状態をオ
ンラインで取り込むと共に前記センサの検出信号を取り
込む手段と、プラントの仮想モデル及び前記センサの仮
想モデルからプラント運転状態及びセンサ出力を求める
手段と、該仮想モデルから求めた結果と前記オンライン
で取り込んだ実際のプラント運転状態または前記センサ
の実際の検出信号とを比較してプラントの異常を検知す
る手段とを備えることを特徴とするプラントの異常検知
装置。
【請求項１３】請求項１２において、仮想モデルの特
性パラメータをプラントの正常時の運転データよりもよ
り正しいものに随時補正していく手段を備えることを特
徴とするプラントの異常検知装置。
【請求項１４】請求項１３において、仮想モデルで求
めた結果と実際のプラント運転状態またはセンサ出力と
が所定値以上異なったときは前記補正を停止する手段を
備えることを特徴とするプラントの異常検知装置。