パターン認識による反応解析装置、反応解析方法及びプログラム
【課題】作業者の有する専門知識に左右されることなく、多変量の環境変化による影響にも対応した解析結果を得る技術を提供する。
【解決手段】本発明の反応解析装置は、ＬＩＢＳを用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部と、スペクトルデータが入力されるスペクトルデータ入力部と、前記収録データ記憶部に格納された収録データを用いて前記スペクトルデータに対して所定のパターン認識をするパターン認識処理部と、を備える。
【解決手段】本発明の反応解析装置は、ＬＩＢＳを用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部と、スペクトルデータが入力されるスペクトルデータ入力部と、前記収録データ記憶部に格納された収録データを用いて前記スペクトルデータに対して所定のパターン認識をするパターン認識処理部と、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、レーザ誘起ブレークダウン分光法（以下、「ＬＩＢＳ」とも標記する）による反応条件の解析方法及びその解析方法を利用した装置に関する。一例では、ＬＩＢＳにおける解析装置及び計測システムを構成し、燃焼反応、プラズマ反応などの反応(以下、
単に反応と呼ぶ)の状態またはエアロゾル濃度、煤、NOxの発生を計測し、解析する方法及び解析装置に関する。
【背景技術】
【０００２】
現在、反応条件を解析する装置として、ＬＩＢＳによる反応解析装置が開発販売されている。例えば、各種燃焼器の燃焼状態の診断システムやエアロゾル濃度分析装置としてのＬＩＢＳによる反応解析装置が開発販売されている。これらの反応解析装置に用いられている従来の解析手法として、以下の特許文献や非特許文献で挙げられるような反応解析方法が知られている。
【０００３】
以下の特許文献や非特許文献で挙げられるような反応解析方法では、反応解析装置は、ＬＩＢＳを用いた分光測定装置によって光の波長と強さの関係を示すスペクトルデータ（光の波長と強さの関係を表したもの。または、光の波長と強さの関係を時間軸において表したもの。光のプロフィールデータ）を取得する。そして、当該反応解析装置は、取得したスペクトルデータの中から、２点ないし３点の特定波長成分（HやO、N、Cなどの波長成分）を抽出し、その強度または強度比により、当量比や物質の状態を解析する。
【０００４】
なお、ＬＩＢＳを用いた分光測定装置は、当該スペクトルデータを得るために、レーザの照射により、原子がイオンと電子に分離したプラズマ状態を発生させる。そして、当該分光測定装置は、発生させたプラズマ状態において励起状態にある原子が基底状態に戻るときに発する原子固有の波長の光（蛍光）を分光分析することによって、スペクトルデータを取得する。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００５−２２６８９３号公報
【特許文献２】国際公開第２００８／０５９９７６号
【非特許文献】
【０００６】
【非特許文献１】宮本登、小川英之、城戸章宏、吉岡悟、高橋智也、「ＬＩＢＳ法による炭化水素混合気の高速局所当量比計測」、日本機械学會論文集. B編 67(658), 1494-1499, 2001-06-25、社団法人日本機械学会
【発明の概要】
【発明が解決しようとする課題】
【０００７】
以上のように、従来における反応解析装置は、HやO、N、Cなどの特定の波長成分のみを解析の対象とし、スペクトルデータが有する、特定の波長成分以外の多くの情報量（変化成分）を解析の対象としていない。そのため、反応解析装置によって解析されない変化成分が、有意な変化成分であるのか、それとも、ノイズのような変化成分であるのかの判断は、作業者に委ねられていた。そして、当該変化成分を考慮した上で、どの波長成分を選択するかの選択も作業者に委ねられていた。
【０００８】
このような判断や選択には高度な専門知識を必要としたため、従来における反応解析装
置では、作業者の熟練度合い等に解析結果が左右されてしまうという問題点があった。そして、従来における反応解析装置では、同一の反応条件に対する作業者の認識がばらついてしまい、定量的な解析結果が得られないという問題点があった。
【０００９】
また、ＬＩＢＳを用いた分光測定装置が行う分光分析では、分析元素の形状、化合形態、主成分化合物や共存元素の種類や測定物質の供給量などが変化すると、同一分析条件下でも得られるスペクトルデータが変化してしまう。
【００１０】
そのため、従来における反応解析装置には、温度や圧力など多変量の環境変化による影響が同時に存在するスペクトルデータには対応困難という問題点があった。
【００１１】
これらの問題点に鑑み、本発明が解決しようとする課題は、作業者の有する専門知識に左右されることなく、多変量の環境変化による影響にも対応した解析結果を得る反応解析装置及び反応解析方法を提供することにある。
【課題を解決するための手段】
【００１２】
本発明の反応解析装置は、上記の課題を解決するために、以下の構成を採用する。
【００１３】
すなわち、本発明の反応解析装置は、ＬＩＢＳを用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部と、スペクトルデータが入力されるスペクトルデータ入力部と、前記収録データ記憶部に格納された収録データを用いて前記スペクトルデータに対して所定のパターン認識をするパターン認識処理部と、を備える。
【００１４】
また、本発明の反応解析装置は、更に、２つのスペクトルデータのマハラノビス距離の値（ＭＤ値）を算出するＭＤ値算出部を備えてもよい。
【００１５】
また、前記収録データはスペクトルデータを含んでもよい。そして、前記入力されたスペクトルデータは、条件属性に対する属性値が未知の物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、前記条件属性に対する属性値が未知である入力されたスペクトルデータの条件属性と同一の条件属性に対して既知の属性値をパラメータとしてもつ収録データを前記収録データ記憶部から取得する手段と、取得した前記収録データ記憶部に格納された前記収録データに含まれたスペクトルデータと、前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出されるＭＤ値が最近傍である収録データのパラメータに含まれた属性値に基づいて前記未知である属性値を推定する手段と、を備えてもよい。
【００１６】
また、前記収録データはスペクトルデータを含んでもよい。そして、前記入力されたスペクトルデータは、条件属性に対する属性値が未知の物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、前記条件属性に対する属性値が未知である入力されたスペクトルデータの条件属性と同一の条件属性をパラメータとしてもつ複数の収録データを前記収録データ記憶部から取得する手段と、前記入力されたスペクトルデータの未知である属性値について、前記入力されたスペクトルデータと前記複数の収録データに含まれたスペクトルデータ及び前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出したＭＤ値から前記入力されたスペクトルデータの未知である属性値を変数とする近似式を所定の近似式導出方法により求め、該近似式に前記ＭＤ値算出部により算出した前記入力されたスペクトルデータと前記入力されたスペクトルデータとのＭＤ値
を代入することにより、前記入力されたスペクトルデータの未知である属性値を推定する手段と、を備えてもよい。
【００１７】
また、前記反応条件を規定する条件属性と属性値とが特定された物体の反応条件は、属性値が固定された１つ以上の第１反応条件と、１つの条件属性に対して複数の属性値を有する第２反応条件と、を含んでもよい。そして、前記収録データは、前記条件属性と属性値とが特定された物体を前記分光測定装置により計測することで得られた複数のスペクトルデータのうちの１つのスペクトルデータと、前記１つのスペクトルデータを単位空間として前記複数のスペクトルデータ間相互のＭＤ値を算出し、算出した複数のＭＤ値から前記第２反応条件の属性値を変数とする近似式を所定の近似式導出法で求めることにより得られる第２反応条件の属性値と前記ＭＤ値との関係式と、を含んでもよい。また、前記入力されたスペクトルデータは、１つの条件属性に対する属性値が未知であり、１つ以上の条件属性に対するそれぞれの属性値が特定された物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、１つ以上の属性値が特定された条件属性及び当該条件属性に対する属性値と前記第１反応条件の条件属性及び当該条件属性に対する属性値とが一致し、前記属性値が未知である条件属性と前記第２反応条件の条件属性とが一致するパラメータをもつ収録データを前記収録データ記憶部から取得する手段と、前記収録データ記憶部から取得した前記収録データに含まれる前記１つのスペクトルデータと前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、前記収録データ記憶部から取得した収録データに含まれる関係式に算出したＭＤ値を代入することで得られる値を前記入力されたスペクトルデータの未知である属性値と推定する手段と、を備えてもよい。
【００１８】
また、前記収録データは、スペクトルデータを含んでもよい。そして、前記入力されたスペクトルデータは、条件属性に対する属性値を監視する対象の物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、前記条件属性に対する属性値について、入力されたスペクトルデータの属性値と同一の属性値をパラメータとしてもつ収録データを前記収録データ記憶部から取得する手段と、取得した前記収録データ記憶部に格納された前記収録データに含まれたスペクトルデータと、前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出されるＭＤ値が所定の値を超えたかどうかを判定することにより、前記監視する対象の物体の条件属性に対する属性値がずれたことを検出する手段と、を備えてもよい。
【００１９】
また、前記反応条件を規定する条件属性と属性値とが特定された物体の反応条件は、属性値が固定された１つ以上の第１反応条件と、１つの条件属性に対して複数の属性値を有する第２反応条件と、を含んでもよい。そして、前記収録データは、前記条件属性と属性値が特定された物体を前記分光測定装置により計測することで得られた複数のスペクトルデータのうちの１つのスペクトルデータと、前記１つのスペクトルデータを単位空間として前記複数のスペクトルデータ間相互のＭＤ値を算出し、算出した複数のＭＤ値から前記第２反応条件の属性値を変数とする近似式を所定の近似式導出方法で求めることにより得られる第２反応条件の属性値と前記ＭＤ値との関係式と、を含んでもよい。また、前記入力されたスペクトルデータは、条件属性に対する属性値を監視する対象の物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、前記入力されたスペクトルデータの条件属性が当該条件属性に対する属性値が一致した上で第１反応条件の条件属性を含み、前記入力されたスペクトルデータの第１反応条件の条件属性以外の条件属性と前記第２反応条件の条件属性とが一致するパラメータをもつ収録データを前記収録データ記憶部から取得する手段と、前記収録データ記憶部から取得した前記収録データに含まれる前記１つのスペクトルデータと前記計測対象の物体のスペクトルデータとのＭＤ値を前記ＭＤ値算出
部により算出し、前記収録データ記憶部から取得した収録データに含まれる関係式に算出したＭＤ値を代入することで得られる値が前記入力されたスペクトルデータの第１反応条件の条件属性以外の条件属性に対する属性値から所定の値ずれたかどうかを判定することにより、前記監視する対象の物体の反応条件の属性値がずれたことを検出する手段と、を備えてもよい。
【００２０】
また、本発明の反応解析装置は、更に、波長領域が分割された二つのスペクトルデータの間のＭＤ値を前記ＭＤ値算出部により直交表に従って算出すること求められる静特性の値に基づいて、前記二つのスペクトルデータの間の、前記波長領域の各領域についての有効性を示す有効性分析部を備えてもよい。
【００２１】
また、本発明の反応解析装置は、更に、あるスペクトルデータに対して求められるＭＤ値と他のスペクトルデータに対して求められるＭＤ値との比率を用いて、他のスペクトルデータに対して前記ＭＤ値算出部により求められるＭＤ値を補正するデータ補正部を更に備えてもよい。
【００２２】
また、本発明の反応解析装置は、更に、あるスペクトルデータのある波長のピーク値と他のスペクトルデータの当該ある波長のピーク値の比率を用いて、他のスペクトルデータに対して前記ＭＤ値算出部により求められるＭＤ値を補正するデータ補正部を備えてもよい。
【００２３】
なお、本発明の別態様としては、以上の何れかの構成を実現する方法であってもよいし、プログラムであってもよいし、このようなプログラムを記録したコンピュータが読み取り可能な記憶媒体であってもよい。
【発明の効果】
【００２４】
本発明によれば、作業者の有する専門知識に左右されることなく、多変量の環境変化による影響にも対応した解析結果を得る反応解析装置及び反応解析方法を実現することができる。
【図面の簡単な説明】
【００２５】
【図１】本発明を実施する計測システムの全体構成を例示する図。
【図２】本発明を実施する反応解析装置のハードウェア構成を例示する図。
【図３】分光測定装置により取得される光の画像例。
【図４】図３に示される光の画像例の各波長における光の強さを示すスペクトルデータ例。
【図５】分光測定装置により取得される、時間変化を考慮した光の画像例。
【図６】図５に示される光の画像例の各波長及び各時間における光の強さを示すスペクトルデータ例。
【図７】本発明を実施する反応解析装置の機能構成を例示する図。
【図８】収録データのデータ構造例（１）。
【図９】図８に示されるデータ構造例の具体例。
【図１０】収録データと反応条件との関係を示す図。
【図１１】収録データのデータ構造例（２）の具体例。
【図１２】図１１に示される関係式（近似式）のグラフを示す図。
【図１３】収録データのパラメータを管理するパラメータ管理テーブルの構成を例示する図。
【図１４】圧力Ｐと当量比φの属性値が未知である計測対象の物体を分光測定装置２により測定することで得られるスペクトルデータについて計測準備部１０が前処理を行った後のスペクトルデータ例を示す図。
【図１５】図９に示されるスペクトルデータと図１４に示されるスペクトルデータとの間のＭＤ値の計算結果例を示す図。
【図１６】図１４に示されるスペクトルデータと圧力Ｐと当量比φをパラメータとしてもつ収録データとの間のＭＤ値の計算結果例を示す図。
【図１７】圧力一定（Ｐ１）の収録データと計測データとのＭＤ値の計算結果例を示す図。
【図１８】ＭＤ値と当量比φの関係式を算出した例を示す図。
【図１９】図１１の収録データを用いた当量比φの推定を表現したグラフ。
【図２０】計測対象の物体の監視する反応条件の属性値の例を示す図（１）。
【図２１】計測対象の物体の監視する反応条件の属性値と処理の例を示す図。
【図２２】有効性分析部６０が用いる直交表の例。
【図２３】有効性分析部６０が作成する要因効果図の例。
【図２４】ＭＤ値の比率を利用して補正する処理の例を示す図。
【図２５】ある波長のピーク値の比率を利用して補正する処理の例を示す図。
【図２６】反応解析装置１の動作例を示すフローチャート。
【図２７】従来例による当量比φの計測例を示すグラフ。
【図２８】スペクトルデータの応用例を示す図。
【図２９】時間領域を考慮してＭＤ値を算出した計算結果例を示すグラフ。
【図３０】図２９のスペクトルデータを用いて図１１の収録データを作成した際のデータ構造例。
【図３１】図２９のスペクトルデータを用いて図１１の収録データを作成した際のＭＤ値と圧力Ｐの関係式を表現するグラフ。
【発明を実施するための形態】
【００２６】
以下、本発明を実施するための形態としての反応解析装置を備える計測システム（以下、単に「本システム」とも表記する）について具体例を挙げて説明する。以下に挙げる実施形態は例示であり、本発明は以下の実施形態の構成に限定されない。
【００２７】
なお、以下に挙げる実施形態において、コンピュータが処理するデータをグラフや自然言語を用いて例示しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメータ、マシン語、配列等で指定される。本発明は、データの表現方法を限定するものではない。
【００２８】
§１ システム構成
図１は、実施形態における計測システムの全体構成を例示する。本システムは、反応解析装置１、分光測定装置２、センサ３、センサアンプ４等を備える。以下、本システムが備える各ノードの構成についてそれぞれ説明する。
【００２９】
＜反応解析装置１＞
反応解析装置１は、後述する分光測定装置２によって得られるスペクトルデータ及びセンサ３によって得られる反応条件を規定する条件属性及び当該条件属性に対する属性値に基づいて、計測対象の物体の反応条件の属性値を所定のパターン認識により解析する。つまり、反応解析装置１は、本発明を実施するための形態としての反応解析装置にあたる。
【００３０】
図２は、本実施形態における反応解析装置１の構成を例示する。図２に示されるように、反応解析装置１のハードウェア構成の一例は、バス２０５で接続される、外部機器接続インタフェース２００、ＣＰＵ（Central Processing Unit）２０１、ＲＯＭ（Read Only
Memory）２０２、ＲＡＭ（Random Access Memory）２０３、ハードディスクドライブ２
０４等既存のハードウェアを備える。
【００３１】
外部機器接続インタフェース２００は、分光測定装置２及びセンスアンプ４等の外部からの入力を受け取る。ＣＰＵ２０１は、１又は複数のプロセッサであり、ＲＡＭ２０３に展開されるプログラムを実行する。ＲＯＭ２０２は、反応解析装置１を起動するためのブートアッププログラム等を記憶する。ＲＡＭ２０３は、プログラム命令、システムプログラム、及び作業データ（スペクトルデータや収録データ）等を記憶する。ハードディスク２０４は、外部記憶装置であり、プログラム命令、システムプログラム、及び作業データ（スペクトルデータや収録データ）等を記憶する。
【００３２】
また、バス２０５には、入力装置２０６及び出力装置２０７が接続される。入力装置２０６は、具体的にはマウスやキーボード等であり、作業者の操作に応じた命令を反応解析装置１に入力する。出力装置２０７は、具体的にはディスプレイ等であり、反応解析装置１の処理結果等を表示する。
【００３３】
なお、反応解析装置１は、PC（Personal Computer）等のような汎用コンピュータで構
成されてもよいし、ネットワーク接続ストレージ（NAS）のような専用コンピュータで構
築されてもよい。また、反応解析装置１は、複数台のコンピュータで構築されてもよい。更に、反応解析装置１は、ローカルエリアネットワーク（ＬＡＮ）への接続を提供するネットワークアダプターボードを備えてもよいし、ＤＶＤ（Digital Video Disc）等のリムーバルメディアを再生するためのドライブを備えてもよい。本発明は、反応解析装置１のハードウェア構成を限定するものではない。
【００３４】
＜分光測定装置２＞
分光測定装置２は、レーザ誘起ブレークダウン分光法によって光の波長と強さの関係を示すスペクトルデータを取得する。スペクトルデータを取得するため、分光測定装置２は、図１に示されるとおり、レーザ１００、光学素子１０２、分光器１０４、ＣＣＤカメラ１０５等を備える。
【００３５】
レーザ１００は、測定領域１０１においてレーザ誘起ブレークダウンを発生させるためのレーザを照射する。光学素子１０２は、測定領域１０１に存在する励起状態の原子が基底状態に戻る時に発する原子固有の波長の光を受け取る。光学素子１０２が受け取った光は、光ファイバ１０３を通して分光器１０４に入力される。分光器１０４は、入力される光を分光する。そして、ＣＣＤカメラ１０５は、分光器１０４により分光された光の画像を取得する。ＣＣＤカメラ１０５により取得された光の画像はデータ処理部１０８に出力される。データ処理部１０８は、光の画像から光のスペクトルデータを生成する。
【００３６】
取得または生成される画像例を図３及び図４に示す。図３は、分光器１０４により分光され、ＣＣＤカメラ１０５により取得された光の画像例である。図４は、図３に示される光の画像例の各波長における光の強さを示すスペクトルデータ例である。
【００３７】
なお、分光された光の各波長における光の強さと時間変化との関係を取得したい場合は、図１に示されるストリークカメラ１０６を用いる。取得される画像例を図５及び図６に示す。図５は、分光器１０４により分光され、ストリークカメラ１０６及びＣＣＤカメラ１０５により取得された光の画像例である。図６は、図５に示される光の画像例の各波長及び各時間における光の強さを示すスペクトルデータ例である。
【００３８】
ディレイユニット１０７は、パルス信号によりレーザ１００とカメラ（ＣＣＤカメラ１０５、ストリークカメラ１０６）との動作タイミングを制御する。なお、分光測定装置２は、図３から図６までの光の画像またはスペクトルデータを表示するための不図示のモニタを備えてもよい。
【００３９】
なお、図１に示される分光測定装置２は、レーザ誘起ブレークダウン分光法によって光の波長と強さの関係を示すスペクトルデータを取得する分光測定装置の一例であり、本発明は、分光測定装置２のハードウェア構成を限定するものではない。
【００４０】
＜センサ３及びセンサアンプ４＞
センサ３は、測定領域１０１における反応条件を規定する条件属性に対する属性値を取得するためのセンサ群である。反応条件を規定する条件属性は、測定領域１０１に存在する物体の状態を示す物理的な属性であり、例えば、当量比、圧力、温度、位置、進路、高度、姿勢、方向、寸法、体積、角度、流量、密度、線速度、角速度、加速度、機械的力、応力、流体圧力（気圧）、トルク、振幅、周波数、位相、数量、物理化学的変量、成分、混合比率、空燃比、燃空比、湿度、粘度、光量、色、電荷、電圧、電流、磁束密度及び線量、レーザエネルギ、光路構成、吸気量、吸気湿度、酸化剤の供給圧力、酸化剤中の成分の混合比率、燃料供給量、燃料供給速度、燃料供給位置、燃料供給方向、燃料供給タイミング、燃料粒径、燃料貫通度、混合度、バルブタイミング、バルブ間での開閉の相対時間差、着火タイミング、着火のための投入エネルギ、スワール強さ、タンブル強さ、点火プラグ近傍の作動流体の乱れの強さ、稼働させる計器の種類、稼働させる計器の数量、稼働させる計器の配置、排気再循環量、再循環される排気の温度、排気管圧力、後燃え、排気の定性的成分、排気の定量的成分及び圧力波の振動等である。また、属性値は、条件属性の値、すなわち、測定領域１０１に存在する物体の状態を示す物理的な数値である。センサ３は、上記各条件属性に対するセンサ（例えば、圧力センサ、温度センサ等）を１つ以上備える。
【００４１】
センサ３により取得される条件属性に対する属性値はセンサアンプ４に信号として出力される。そして、センサアンプ４は、入力される信号の増幅及びフィルタリング処理をし、反応解析装置１に当該処理後の信号を出力する。
【００４２】
なお、以下、条件属性の単位を省略する。条件属性の単位は任意でよい。ただし、一連の処理において、条件属性に用いられる単位は統一されているものとする。
【００４３】
§２ 機能構成
図７は、反応解析装置１の機能構成を例示する図である。反応解析装置１は、計測準備部１０、収録データ記憶部２０、データベース構成部３０、パターン認識処理部４０、ＭＤ値算出部５０、有効性分析部６０及びデータ補正部７０等を備える。収録データ記憶部２０は、例えばハードディスク２０４に格納されることで実現される。また、計測準備部１０、データベース構成部３０、パターン認識処理部４０、ＭＤ値算出部５０、有効性分析部６０及びデータ補正部７０は、例えば、ハードディスク２０４に格納されたプログラムがＲＡＭ２０３に展開されてＣＰＵ２０１により実行されることにより実現される。
【００４４】
以下、反応解析装置１が備える各ノードについてそれぞれ説明する。なお、本実施形態における反応解析装置１は、ＭＴ（Mahalanobis Taguchi）システムに準ずる方法によっ
て計測対象の物体のスペクトルデータをパターン認識する装置であるとして説明する。ただし、パターン認識の種類は本発明を限定するものではない。
【００４５】
§２−１ 計測準備部１０
計測準備部１０は、分光測定装置２及びセンサ３により取得される各データに対して、反応解析装置１が行う処理の前処理を行う。
【００４６】
本実施形態において、反応解析装置１は、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理、反応条件を規定する条件属性と属性値とが特定された物体を計測することで得られたスペクトルデータから収録データを作成し、収録データ記
憶部２０に作成した収録データを格納する処理、及び、計測対象の物体のある条件属性に対する属性値について監視する処理を実行する。ただし、本発明は、実行する処理によって限定されない。本実施形態の反応解析装置１は、その他の処理を実行してもよい。
【００４７】
計測準備部１０は、反応解析装置１が行う処理の前処理を行うために、信号入力部１１、スペクトルデータ構成設定部１２、及び処理選択部１３を備える。信号入力部１１、スペクトルデータ構成設定部１２、及び処理選択部１３は、上述の計測準備部１０と同様に、例えば、ハードディスク２０４に格納されたプログラムがＲＡＭ２０３に展開されてＣＰＵ２０１により実行されることにより実現される。
【００４８】
信号入力部１１は、分光測定装置２及びセンサアンプ４から計測対象の物体のスペクトルデータ及び条件属性に対する属性値の入力を受け取る。スペクトルデータ構成設定部１２は、信号入力部１１が受け取ったデータを反応解析装置１が行う上記各処理に適合するデータに変換する。そして、変換したデータは、処理選択部１３によって反応解析装置１が行う上記各処理を行うデータベース構成部３０またはパターン認識処理部４０に入力される。
【００４９】
具体的なデータの変換例は図１４に示す。図１４については後述する。
【００５０】
§２−２ 収録データ記憶部２０
収録データ記憶部２０は、パターン認識処理部４０が計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理及び計測対象の物体についてある条件属性に対する属性値について監視する処理を実行するときに行う所定のパターン認識に用いる収録データを格納する。
【００５１】
収録データは、パターン認識処理部４０が行うパターン認識によって色々考えられるが、本実施形態では、以下の二つの例を想定する。ただし、以下の二つの例は本発明を限定するものではない。
【００５２】
＜収録データとしてスペクトルデータを記憶する場合＞
収録データの一例として、図８に示されるとおり、収録データが分光測定装置２によって取得されるスペクトルデータそのものを含む例を挙げる。
【００５３】
図８は、スペクトルデータそのものを収録データとして収録データ記憶部２０に格納する時のデータ構造例である。図８に示される収録データは、スペクトルデータをｋ（ｋは１以上の自然数）等分の波長領域に分けて、光の強さ（ｘ１１〜ｘｎｋ）、光の強さの平均値（下記の数１）、光の強さの標準偏差の値（下記の数２）、後述する有効性分析の結果を格納するフィールドを有する。なお、ｘｉｊは波長「（ｊ−１）ｎ＋ｍ＋ｉ−１」の光の強さを示す。ここで、ｍはスペクトルデータ内の始点となる波長を意味し、１以上の自然数である。ｎはｋ等分した波長領域に含まれるデータの個数を意味し、２以上の自然数である。ｊは波長領域の番号（１からｎまで）が入力される変数である。つまり、ｘｉｊは、ｊ番目の波長領域におけるｉ個目の波長の光の強さを示す。ｊ番目の波長領域における始点となる波長は波長「（ｊ−１）ｎ＋ｍ」であり、その始点からｉ個目の波長は「（ｊ−１）ｎ＋ｍ＋ｉ−１」である。したがって、ｘｉｊは波長「（ｊ−１）ｎ＋ｍ＋ｉ−１」の光の強さを示す。
【００５４】
【数１】
【００５５】
【数２】
【００５６】
条件属性に対する属性値が圧力Ｐ＝１、当量比φ＝３（以下、このような条件属性と属性値との関係を「Ｐ１φ３」と表現する。）である時の収録データ例を図９に示す。図９のデータ例は、条件属性に対する属性値「Ｐ１φ３」をパラメータとしてもつ収録データ例である。また、図９のグラフは、各ノードに該当する条件属性に対する属性値「Ｐｙφｘ」（ｘとｙは任意の実数）をパラメータとしてもつ収録データが収録データ記憶部２０に格納されていることを示す。図８では収録データの汎用的なデータ構造を示したが、以下の説明においては、図９に示されるように、ｋ＝１１、ｎ＝９３、ｍ＝１として説明する。また、以下の説明においては、収録データのパラメータとして条件属性と属性値との関係を示す場合は、「Ｐ１」のように条件属性の後に属性値を記載した表現を用いる。
【００５７】
＜収録データとして１つの条件属性に対する属性値を変数とする関係式を記憶する場合＞
収録データのその他の一例として、収録データが単位空間としての１つのスペクトルデータと、当該単位空間であるスペクトルデータと他のスペクトルデータとのマハラノビス距離の値（以下、「ＭＤ値」と表記する）を計算することで求められる１つの条件属性に対する属性値を変数とする当該条件属性に対する属性値とＭＤ値との関係式とを含む例を挙げる。
【００５８】
本収録データの例を図１０と図１１を用いて説明する。図１０及び図１１の例では、属性値が固定された１つ以上の第１反応条件が圧力ＰとレーザエネルギＥであり、１つの条件属性に対して複数の属性値を有する第２反応条件が当量比φであると想定する。
【００５９】
図１０は、第１反応条件間の関係、つまり、圧力ＰとレーザエネルギＥとの関係を示す。当量比φの属性値とＭＤ値との関係式は、図１０における各ノード、つまり、第１反応条件「ＰyＥx」における当量比φの属性値が異なる複数のスペクトルデータを用いることで算出することができる。
【００６０】
以下、第２反応条件の属性値を変数とする当該第２反応条件の属性値とＭＤ値との関係式の導出例を説明するために、第１反応条件「Ｐ１Ｅ１」における第２反応条件の条件属性である当量比φの属性値とＭＤ値との関係式の導出例を説明する。前提として、第１反応条件「Ｐ１Ｅ１」における当量比φの各属性値のスペクトルデータが与えられており、「Ｐ１Ｅ１φ２０」のスペクトルデータが単位空間に設定されているとする。なお、第１反応条件、及び、第２反応条件は任意に定められるものとする。本発明は、第１反応条件、及び、第２反応条件を限定するものではない。
【００６１】
［ＭＤ値の算出］
上記関係式を導出するために、反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと各スペクトルデータ間でＭＤ値を計算する必要がある。したがって、まず、２つのスペクトルデータ間のＭＤ値の算出例を説明する。スペクトルデータとして図８で示したデータ構造が与えられているとする。
【００６２】
まず、ＭＤ値を求める前段階として、スペクトルデータの基準化を行う（数３）。
【００６３】
【数３】
【００６４】
次に、片方のスペクトルデータについて、基準化されたスペクトルデータの波長領域に基づいて、相関行列を計算する（数４及び数５）。相関行列は、ｋ×ｋの正方行列であり、成分ｒｕｗは波長領域uと波長領域wの相関係数である（ｕ,ｗは１からｋまでの自然数
）。なお、以下、相関行列が計算されたスペクトルデータかどうかを明らかにするため、相関行列が計算されるスペクトルデータをＸ（Ｘｉｊ）、相関行列が計算されないスペクトルデータをＹ（Ｙｉｊ）で標記する。
【００６５】
【数４】
【００６６】
【数５】
【００６７】
続いて、相関行列Ｒの逆行列Ａ（＝Ｒ−１）を計算する（数６）。
【００６８】
【数６】
【００６９】
以上により計算されるＡを用いて、各波長領域におけるＸとＹの間のＭＤ値（Ｄｉ）を算出する（数７）。
【００７０】
【数７】
【００７１】
最後に、以上により計算される各波長領域におけるＸとＹの間のＭＤ値（Ｄｉ）の感度（数８）または、ばらつき（数９）等の値を計算し、ＸとＹの間のＭＤ値とする。
【００７２】
【数８】
【００７３】
（Ｄｉの平均値）
【００７４】
【数９】
【００７５】
（Ｄｉの標準偏差）
以上までの計算により、２つのスペクトルデータ間のＭＤ値を算出することができる。そして、例えば、反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータをＸとし、各スペクトルデータをＹとしてＭＤ値を求めることで、「Ｐ１Ｅ１φ２０」のスペクトルデータと各
スペクトルデータ間のＭＤ値を算出することができる。以下、特に記載しない限りＭＤ値はばらつきを用いるものとする。
【００７６】
［関係式の算出］
次に、上記ＭＤ値を用いて、第１反応条件「Ｐ１Ｅ１」における当量比φの属性値とＭＤ値との関係式を算出する例を示す。図１１は、反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと各スペクトルデータ間のＭＤ値の計算結果と当該ＭＤ値に基づいて計算される第１反応条件「Ｐ１Ｅ１」における当量比φの属性値とＭＤ値との関係式の算出結果を示す。
【００７７】
第１反応条件「Ｐ１Ｅ１」における当量比φの属性値とＭＤ値との関係式は、反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと各スペクトルデータ（反応条件「Ｐ１Ｅ１φｒ」、ｒは各スペクトルデータの当量比φの属性値）間のＭＤ値の計算結果を所定の近似式導出方法によって導き出される任意の近似式を求めることで算出される。
【００７８】
以下、所定の近似式導出方法は回帰分析であり、導き出される近似式は線形近似式である例を示す。つまり、線形近似式「Ｙ＝ＡＸ＋Ｂ」のＡとＢを回帰分析により求める例を示す。前提として、ＹとＸのデータ（ｘｖ， ｙｖ）（ｖ＝１，２，・・・，ｈ）が与え
られているとする。
【００７９】
まず、ＸとＹの平均値（数１０）、分散（数１１）、共分散（数１２）を求める。
【００８０】
【数１０】
【００８１】
【数１１】
【００８２】
【数１２】
【００８３】
ＹとＸのデータと線形近似式「Ｙ＝ＡＸ＋Ｂ」の誤差分散をＳ（数１３）とし、Ｓが最小となるようにＡとＢを決定すると、それぞれＡ（数１４）とＢ（数１５）は以下のとおりに求められる。
【００８４】
【数１３】
【００８５】
【数１４】
【００８６】
【数１５】
【００８７】
上記の近似式導出方法は、線形近似式以外の近似式にも適用できる。例えば、以下の例で用いる、対数近似式（数１６）や累乗近似式（数１７）にも適用することが出来る。
【００８８】
【数１６】
【００８９】
【数１７】
【００９０】
上記の近似式導出方法を対数近似式に適用する場合は、線形近似式「Ｙ＝ＡＸ＋Ｂ」のＸに数１６のln(x)を、Ｙに数１６のｙを代入すればよい。
【００９１】
また、上記の近似式導出方法を累乗近似式に適用する場合は、累乗近似式の両辺の対数をとると下記数１８となるので、線形近似式「Ｙ＝ＡＸ＋Ｂ」のＸに数１８のln(x)を、
Ｙに数１８のln(y)を、Ｂに数１８のln(b)を代入すればよい。
【００９２】
【数１８】
【００９３】
以上までの方法において、ＹをＭＤ値、Ｘを当量比φとして当てはめることにより、反応条件「Ｐ１Ｅ１φ２０」である物体のスペクトルデータと各スペクトルデータ間のＭＤ値の計算結果から、当該ＭＤ値に基づいて計算される第１反応条件「Ｐ１Ｅ１」における
当量比φの属性値とＭＤ値との関係式（近似式）を導出することができる。
【００９４】
図１１における各反応条件における関係式の計算結果（単位空間：φ２０）は、近似式として上記対数近似式を用いた場合の計算結果である。関係式（変数：当量比）は、当量比φの属性値を求める関係式となるように関係式（近似式）を式変形した式である。なお、図１１の計算結果（図１１以下の図面についても同様）は、周知の表計算ソフトの機能を用いて計算したものである。
【００９５】
図１１における関係式（近似式）をグラフ化したものを図１２に示す。図１２（ａ）は、近似式として対数近似式を用いた場合のグラフであり、図１２（ｂ）は、近似式として累乗近似式を用いた場合のグラフである。このように、近似式は任意のものを利用すればよい。本発明は用いる近似式に限定されない。
【００９６】
なお、以上において所定の近似式導出法は回帰分析である例を示したが、所定の近似式導出方法はフーリエ級数展開や重回帰分析等の周知の方法でよい。本発明は、所定の近似式導出方法により限定されるものではない。
【００９７】
また、所定の近似式導出方法により導き出される任意の近似式として、線形近似式、累乗近似式、対数近似式の例を示したが、当該任意の近似式はその他多項式近似式や指数近似式等の周知の近似式でよい。本発明は、所定の近似式導出方法により導き出される任意の近似式により限定されるものではない。
【００９８】
＜収録データについてのまとめ＞
本実施形態における収録データ記憶部２０は、以上の二つの例で示されるような収録データを格納する。ただし、上述のとおり、本発明は以上の二つの例によって限定されない。
【００９９】
なお、収録データは、以上の二つの例における途中の計算結果を含んでもよい。例えば、収録データは、基準化した値（数３）、相関行列Ｒ（数４、数５）、相関行列の逆行列Ａ（数６）等を含んでもよい。
【０１００】
＜収録データのパラメータの管理について＞
上記のような収録データは、例えば上述の反応条件「Ｐ１Ｅ１φ２０」のように、条件属性と属性値をパラメータとして持つ。当該パラメータは、例えば、収録データのタグとして格納されることで管理されてもよいし、パラメータ管理テーブルによって管理されてもよい。
【０１０１】
以下、パラメータ管理テーブルによって収録データのパラメータを管理する方法を説明する。図１３は、収録データのパラメータを管理するパラメータ管理テーブルのデータ構成例を示す。
【０１０２】
図１３に示されるパラメータ管理テーブルは、条件属性を格納するフィールド（ガス種類、圧力Ｐ、当量比φ、温度Ｔ等）、条件属性に対する属性値の設定範囲を格納するフィールド（「Ｐ１〜Ｐ１０」等）、属性値を格納するフィールド（Ｐ１、φ１、Ｔ１等）、各反応条件に対応する登録ナンバーを格納するフィールドを有する。この各反応条件に対応する登録ナンバーに対応して、図９や図１１で示される収録データが格納される（したがって、図１３の例では２０００個の収録データが格納されていることになる。）。これにより、反応条件を規定する条件属性と属性値を指定することにより収録データ記憶部２０から収録データを取得することができる。
【０１０３】
ただし、本発明は、収録データのパラメータの管理方法により限定されるものではない。収録データのパラメータは任意の方法で管理されればよい。
【０１０４】
§２−３ データベース構成部３０
データベース構成部３０は、反応条件を規定する条件属性と属性値とが特定された物体を計測することで得られたスペクトルデータから収録データを作成し、収録データ記憶部２０に作成した収録データを格納する処理を実行する。
【０１０５】
データベース構成部３０は、図７に示されるとおり、当該処理を行うために、収録データ作成部３１及び関係式算出部３２を備える。収録データ作成部３１及び関係式算出部３２は、上述のデータベース構成部３０と同様に、例えば、ハードディスク２０４に格納されたプログラムがＲＡＭ２０３に展開されてＣＰＵ２０１により実行されることにより実現される。
【０１０６】
収録データ作成部３１は、計測準備部１０が前処理を行った分光測定装置２及びセンサ３により取得される各データから図９または図１１で示される収録データを作成する。そして、収録データ作成部３１は、作成した収録データを収録データ記憶部２０に格納する。
【０１０７】
まず、収録データが、上述の、分光測定装置２によって取得されるスペクトルデータそのものを含む例である場合の収録データ作成部３１の動作について説明する。
【０１０８】
収録データ作成部３１は、計測準備部１０が前処理を行った分光測定装置２により取得される各データに対して数１及び数２の計算を行い、図８に示されるデータ構造にそれぞれの値を格納し、収録データを作成する。そして、全ての値の格納が完了すると、収録データ作成部３１は、作成した収録データのパラメータとしてセンサ３により取得される条件属性と当該条件属性に対する属性値を登録する。その後、収録データ作成部３１は、作成した収録データを収録データ記憶部２０に格納する。
【０１０９】
次に、収録データが、上述の、単位空間としての１つのスペクトルデータと、１つの条件属性に対する属性値を変数とする当該条件属性に対する属性値とＭＤ値との関係式とを含む例である場合の収録データ作成部３１の動作について説明する。
【０１１０】
収録データ作成部３１は、複数のスペクトルデータのうちの１つを単位空間としたＭＤ値の計算を後述するＭＤ値算出部５０に要求する。
【０１１１】
このＭＤ値の計算に用いるスペクトルデータは、収録データ格納部２０に格納されている収録データであってもよいし、ＲＡＭ２０３やハードディスク２０４に記憶されているスペクトルデータであってもよいし、計測準備部１０が前処理を行った分光測定装置２により取得されるスペクトルデータであってもよい。
【０１１２】
また、この複数のスペクトルデータは、属性値が固定された１つ以上の反応条件を規定する条件属性と属性値をパラメータとしてもつスペクトルデータであり、１つの条件属性に対して属性値が固定されていないスペクトルデータである。
【０１１３】
具体的には、上述の図１０及び図１１で示した例でいうところの反応条件「圧力Ｐ」と「レーザエネルギＥ」とは属性値が固定された条件属性にあたり、「当量比φ」は属性値が固定されていない条件属性にあたる。また、「Ｐ１Ｅ１」や「Ｐ１Ｅ２」のスペクトルデータが「属性値が固定された１つ以上の反応条件を規定する条件属性と属性値をパラメータとしてもつスペクトルデータであり、１つの条件属性に対して属性値が固定されてい
ないスペクトルデータ」にあたる。更に、反応条件「Ｐ１Ｅ１φ２０」や「Ｐ１Ｅ２φ２０」のスペクトルデータが単位空間のスペクトルデータにあたる。
【０１１４】
ＭＤ値算出部５０により複数のスペクトルデータに対するＭＤ値が算出されると、収録データ作成部３１は、関係式算出部３２に対して、属性値が固定されていない条件属性の属性値とＭＤ値との関係式の算出を要求する。
【０１１５】
関係式算出部３２は、収録データ作成部３１から与えられる属性値が固定されていない条件属性の属性値とＭＤ値から、例えば、上記［関係式の算出］に記載の方法によって属性値が固定されていない条件属性の属性値とＭＤ値との関係式を算出する。
【０１１６】
なお、上述のとおり、関係式算出部３２は、所定の近似式導出方法で、任意の近似式を導出することで、属性値が固定されていない条件属性の属性値とＭＤ値との関係式を算出すればよい。本発明は、関係式算出部３２が関係式を算出する方法によって限定されない。
【０１１７】
関係式算出部３２によって関係式が算出されると、収録データ作成部３１は図１１に示されるような収録データを作成する。図１１に示されるとおり、収録データ作成部３１は、属性値が固定されていない条件属性の属性値とＭＤ値との関係式（近似式）から、属性値が固定されていない条件属性の属性値を求める関係式を求めてもよい。
【０１１８】
収録データ作成部３１は、以上により求めた関係式と単位空間のスペクトルデータとから収録データを作成する。そして、収録データ作成部３１は、作成した収録データのパラメータとしてセンサ３により取得される条件属性と当該条件属性に対応する属性値を登録する。その後、収録データ作成部３１は、作成した収録データを収録データ記憶部２０に格納する。
【０１１９】
なお、収録データ作成部３１は、上述のような収録データを作成する際、処理に係る複数のスペクトルデータや既に収録データ記憶部２０に格納されている収録データとの間の有効性分析を後述する有効性分析部６０に要求してもよい。そして、有効性分析部６０の結果に応じて、収録データ作成部３１は、ＭＤ値の算出に有意ではない波長領域のデータを削除してもよいし、有効性フィールドに当該結果を格納してもよい。
【０１２０】
また、収録データ作成部３１は、作成した収録データに対するデータ補正を後述するデータ補正部７０に要求してもよい。これらの処理は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、設定される。詳細については、後述する。
【０１２１】
§２−４ パターン認識処理部４０
パターン認識処理部４０は、所定のパターン認識により、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理、または、計測対象の物体のある条件属性に対する属性値ついて監視する処理を実行する。なお、上述のとおり、本実施形態において所定のパターン認識は、ＭＴシステムに準ずる方法を想定する。
【０１２２】
パターン認識処理部４０は、図７に示されるとおり、当該処理を行うために、データ読出部４１及びパターン認識部４３を備える。データ読出部４１及びパターン認識部４３は、上述のパターン認識処理部４０と同様に、例えば、ハードディスク２０４に格納されたプログラムがＲＡＭ２０３に展開されてＣＰＵ２０１により実行されることにより実現される。
【０１２３】
データ読出部４１は、パターン認識部４３が行うパターン認識に必要な収録データを収録データ記憶部２０から読み出す。そして、読み出した収録データを用いてパターン認識部４３がパターン認識を実行することで、上記二つの処理を実現する。以下、具体例を挙げて本処理について説明する。
【０１２４】
§２−４−１ 計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について
以下、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について具体例を挙げて説明する。
【０１２５】
＜具体例１＞
収録データとして図９に示されるスペクトルデータを含むデータが収録データ格納部２０に格納されており、図１４で示される圧力Ｐと当量比φの属性値が未知である計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。図１４は、圧力Ｐと当量比φの属性値が未知である計測対象の物体を分光測定装置２が測定したスペクトルデータについて計測準備部１０が前処理を行った後のスペクトルデータ例を示す。
【０１２６】
計測準備部１０からパターン認識処理部４０にスペクトルデータが入力されると、データ読出部４１は、属性値が未知である条件属性、つまり、圧力Ｐと当量比φをパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。読み出される収録データは、図９のグラフにおける各ノードに該当する収録データである。上述のとおり、図９に示される収録データは、反応条件「Ｐ１φ３」をパラメータとしてもつ収録データの例である。
【０１２７】
パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出したスペクトルデータ（収録データ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。具体的な計算処理は、上述の［ＭＤ値の算出］のとおりである。例えば、ＭＤ値算出部５０は、データ読出部４１が読み出したスペクトルデータをＸとし、計測準備部１０から受け取ったスペクトルデータをＹとしてＭＤ値を算出する。
【０１２８】
図１５に、計算結果例を示す。図１５は、図９に示される反応条件「Ｐ１φ３」をパラメータとしてもつ収録データと、図１４に示される計測準備部１０から受け取ったスペクトルデータとのＭＤ値の計算結果例を示す図である。なお、図１５に示されるＭＤ値の計算結果例は、感度またはばらつき等の値に変換する前の値である。当該値を数９に代入するとＭＤ値は６．７と算出される。ＭＤ値算出部５０の処理により、このようなＭＤ値が各収録データに対して算出される。
【０１２９】
図１６に、ＭＤ値算出部５０が算出したＭＤ値の計算結果例を示す。図１６は、図１４に示される計測準備部１０から受け取ったスペクトルデータと、圧力Ｐと当量比φをパラメータとしてもつ収録データ間のＭＤ値の算出結果例を示す図である。
【０１３０】
ＭＤ値が算出されると、パターン認識部４３は、ＭＤ値が一番小さい、つまり、図１４に示される計測準備部１０から受け取ったスペクトルデータに最近傍である収録データを検索する。
【０１３１】
図１６のようにＭＤ値が算出された場合、ＭＤ値が一番小さい収録データは、反応条件「Ｐ２φ２」をパラメータとしてもつ収録データである。この場合、パターン認識部４３は、計測対象の物体の圧力Ｐと当量比φの各属性値を「Ｐ２φ２」であると推定してもよい。また、パターン認識部４３は、周知の数学的手法によりＭＤ値が０となる推定計測点
を算出し、当該推定計測点の各条件属性の属性値（図１６では、反応条件「Ｐ２．１４φ２．０４」）を計測対象の物体の各条件属性に対する属性値であると推定してもよい。
【０１３２】
パターン認識部４３は、以上のような方法を一例として、計測対象の物体の属性値が不明である条件属性に対する属性値を推定してもよい。
【０１３３】
＜具体例２＞
収録データとして図９に示されるスペクトルデータを含むデータが収録データ格納部２０に格納されており、圧力Ｐの属性値が１と特定されており、当量比φの属性値が未知である計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。
【０１３４】
計測準備部１０からパターン認識処理部４０にスペクトルデータが入力されると、データ読出部４１は、属性値が特定されている条件属性と当該条件属性に対する属性値及び属性値が未知である条件属性、つまり、圧力Ｐ１と当量比φをパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。読み出される収録データは、図９のグラフにおける圧力Ｐ１の横軸のノードに該当する収録データである。
【０１３５】
パターン認識部４３は、上述の＜具体例１＞と同様に、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出したスペクトルデータ（収録データ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。図１７に、計算結果例を示す。図１７は、圧力一定（Ｐ１）の収録データと計測データとのＭＤ値の計算結果例を示す図である。
【０１３６】
上記ＭＤ値が算出されると、パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値の算出をＭＤ値算出部５０に要求する。すなわち、パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータをＸ及びＹとしてＭＤ値の算出をＭＤ値算出部５０に要求する。本具体例では、当該ＭＤ値は０．７１６と算出されたものとする。
【０１３７】
各ＭＤ値が算出されると、パターン認識部４３は、所定の近似式導出方法、例えば上記［関係式の算出］における方法によって、ＭＤ値と当量比φの属性値との関係式を算出する。そして、算出した関係式のＭＤ値に計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値を代入することで、計測対象の物体の当量比φの属性値を推定する。
【０１３８】
図１８は、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値が極小値になるだろう当量比φの属性値において図１７に示されるＭＤ値を２等分し、各領域についてＭＤ値と当量比φの属性値との関係式（累乗近似式）を算出した例を示す図である。
【０１３９】
なお、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値が極小値になるだろう当量比φの属性値は任意の数学的手法や作業者による入力装置２０６の操作によって設定されればよい。図１８では、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値が極小値になるだろう当量比φの属性値は０．４０から２までの間の値であると設定されているものとする。
【０１４０】
このように、パターン認識部４３は、求めたＭＤ値を属性値が未知である条件属性に対する属性値の範囲で分割した後に、各範囲において、ＭＤ値と属性値が未知である条件属性に対する属性値との関係式を算出してもよい。当該分割方法は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって設定されればよい。
【０１４１】
以上のように複数の関係式が求められる場合、例えば、図１８の場合、各関係式のＭＤ値に計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値を代入することで、計測対象の物体の当量比φの属性値の推定値が算出される。この場合、パターン認識部４３は、当該計測対象の物体の当量比φの属性値の複数の推定値に対して、平均値やいずれか１つを選択すること等によって、当該計測対象の物体の当量比φの属性値の推定値を決定する。
【０１４２】
パターン認識部４３が、当該計測対象の物体の当量比φの属性値の複数の推定値に対して、平均値を算出することで、当該計測対象の物体の当量比φの属性値の推定値を決定する具体例について図１８を用いて説明する。
【０１４３】
図１８では、ＭＤ値と当量比φの関係式として、数１９と数２０がパターン認識部４３によって算出されている（ｘは当量比φ、ｙはＭＤ値）。
【０１４４】
【数１９】
【０１４５】
【数２０】
【０１４６】
それぞれの関係式に、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値（０．７１６）を代入すると、計測データの当量比φの属性値について、二つの推定値が算出される（数２１及び数２２）。
【０１４７】
【数２１】
【０１４８】
【数２２】
【０１４９】
パターン認識部４３は、この二つの推定値の平均値（１．０６）を計測データの当量比φの属性値として推定する。
【０１５０】
パターン認識部４３は、以上のような方法を一例として、計測対象の物体の属性値が未知である条件属性に対する属性値を推定してもよい。
【０１５１】
＜具体例３＞
収録データとして図１１に示される反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと反応条件「Ｐ１Ｅ１」におけるＭＤ値と当量比φの属性値の関係式を含むデータが格納されているとする。そして、反応条件「Ｐ１Ｅ１」が特定されており、当量比φの属性値が未知である計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。
【０１５２】
計測準備部１０からパターン認識処理部４０にスペクトルデータが入力されると、データ読出部４１は、属性値が特定されている条件属性と当該条件属性に対する属性値及び属性値が未知である条件属性、つまり、「Ｐ１Ｅ１」と当量比φをパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。読み出される収録データは、図１１に示される反応条件「Ｐ１Ｅ１」の関係式と、当量比２０のスペクトルデータを含むデータである。
【０１５３】
パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出した収録データに含まれるスペクトルデータ（単位空間は反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。本具体例では、当該ＭＤ値は４．５５０５と算出されたものとする。
【０１５４】
上記ＭＤ値が算出されると、パターン認識部４３は、収録データに含まれる関係式に代入することで、計測対象の物体の当量比φの属性値を推定する（数２３）。本具体例では、計測対象の物体の当量比φの属性値は１．５と推定される。
【０１５５】
【数２３】
【０１５６】
図１９は、本具体例についてグラフを用いて表現した図である。図１９において、反応条件「Ｐ１Ｅ１」におけるＭＤ値と当量比φの属性値との関係式上における上記ＭＤ値が代入される位置が表現されている。
【０１５７】
パターン認識部４３は、以上のような方法を一例として、計測対象の物体の属性値が未知である条件属性に対する属性値を推定してもよい。
【０１５８】
＜まとめ＞
以上、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について、具体例を３つ説明した。これらの処理は、与えられる収録データや計測対象の物体の属性値が未知である条件属性によって選択されてもよい。その際、当該選択は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって実現される。
【０１５９】
§２−４−２ 計測対象の物体のある条件属性に対する属性値について監視する処理について
計測対象の物体のある条件属性に対する属性値について監視する処理は、上述の計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理と共通する点が多い。以下、計測対象の物体のある条件属性に対する属性値について監視する処理を上記＜具体例１＞及び＜具体例３＞に準ずる方法によって実現する例について説明する。
【０１６０】
＜具体例４＞
計測対象の物体のある条件属性に対する属性値について監視する処理を上記＜具体例１＞に準ずる方法によって実現する例について説明する。
【０１６１】
図２０は、計測対象の物体の監視する条件属性に対する属性値の例を示す図である。図
２０における計測対象の物体の監視する各条件属性に対する属性値は「Ｐ１φ３」である。収録データとして図９に示されるスペクトルデータを含むデータが収録データ格納部２０に格納されており、反応条件が「Ｐ１φ３」であるだろう計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。
【０１６２】
計測準備部１０からパターン認識処理部４０に上記スペクトルデータが入力されると、データ読出部４１は、監視する属性値、つまり、反応条件「Ｐ１φ３」をパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。
【０１６３】
パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出したスペクトルデータ（収録データ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。上記＜具体例１＞と同様である。
【０１６４】
ＭＤ値算出部５０により算出されるＭＤ値は、反応条件（つまり、条件属性と当該条件属性に対する属性値）が等しいスペクトルデータ間のＭＤ値であるため、０に近い値になるはずである。このとき、測定領域１０１において異常状態が発生すると、つまり、監視する条件属性のなかのある条件属性に対する属性値が監視する属性値からずれると、ＭＤ値算出部５０により算出されるＭＤ値は０に近い値から変動する。なお、この変動は、上記属性値のずれが大きければ大きいほど、大きいものと思われる。
【０１６５】
パターン認識部４３は、ＭＤ値算出部５０により算出されるＭＤ値が所定の閾値を超えた場合に、計測対象の物体の監視する条件属性に対する属性値がずれ、測定領域１０１において異常状態が発生したと判定する。なお、「異常状態」とは、例えば、ＮＯｘや煤などが発生する場合を指す。
【０１６６】
＜具体例５＞
計測対象の物体のある条件属性に対する属性値について監視する処理を上記＜具体例３＞に準ずる方法によって実現する例について説明する。
【０１６７】
図２１は、計測対象の物体の監視する条件属性に対する属性値の例と、本具体例の処理を示す図である。図２１における計測対象の物体の監視する各条件属性に対する属性値は「Ｐ１Ｅ１φ１」である。収録データとして図１１に示される反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと反応条件「Ｐ１Ｅ１」におけるＭＤ値と当量比φの属性値との関係式を含むデータが格納されているとする。そして、条件属性に対する属性値が「Ｐ１Ｅ１φ１」であるだろう計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。
【０１６８】
計測準備部１０からパターン認識処理部４０にスペクトルデータが入力されると、データ読出部４１は、計測対象の物体の監視する反応条件のうちの１つの反応条件（第２反応条件）の条件属性とその他の反応条件（第１反応条件）の条件属性及び属性値、例えば、当量比φ（第２反応条件）と、「Ｐ１Ｅ１」（第２反応条件）をパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。読み出される収録データは、上記＜具体例３＞と同様、図１１に示される反応条件「Ｐ１Ｅ１」の関係式と、当量比２０のスペクトルデータを含むデータである。
【０１６９】
パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出した収録データに含まれるスペクトルデータ（単位空間は反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。
【０１７０】
ＭＤ値算出部５０により算出されるＭＤ値は、本具体例の場合、反応条件「Ｐ１Ｅ１φ
１」の５．３７４であるはずである（図２１参照）。このとき、測定領域１０１において異常状態が発生すると、つまり、監視する条件属性に対する属性値から値がずれると、ＭＤ値算出部５０により算出されるＭＤ値は５．３７４から変動する。
【０１７１】
パターン認識部４３は、ＭＤ値算出部５０により算出されるＭＤ値が監視する反応条件「Ｐ１Ｅ１φ１」に対応するＭＤ値である５．３７４から所定の閾値分ずれた場合、計測対象の物体の監視する条件属性に対する属性値がずれ、測定領域１０１において異常状態が発生したと判定する。
【０１７２】
または、パターン認識部４３は、ＭＤ値算出部５０により算出されるＭＤ値を上記関係式に代入することにより求められる当量比φの属性値の推定値が監視する属性値である「φ１」から閾値分ずれた場合、計測対象の物体の監視する条件属性に対する属性値がずれ、測定領域１０１において異常状態が発生したと判定する。
【０１７３】
＜まとめ＞
以上、計測対象の物体のある条件属性に対する属性値について監視する処理について具体例を２つ説明した。これらの処理は、与えられる収録データや計測対象の物体の監視する条件属性によって選択されてもよい。その際、当該選択は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって実現される。
【０１７４】
§２−４−３ まとめ
以上のとおり、パターン認識処理部４０は、所定のパターン認識により、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理、または、計測対象の物体のある条件属性に対する属性値について監視する処理を実行する。
【０１７５】
なお、パターン認識部４３は、上述のようなパターン認識を行う際、処理に係る複数のスペクトルデータ間の有効性分析を後述する有効性分析部６０に要求してもよい。そして、有効性分析部６０の結果に応じて、パターン認識部４３は、ＭＤ値の算出に有意ではない波長領域のデータを省略して、ＭＤ値算出部５０にＭＤ値の算出を要求してもよい。
【０１７６】
また、パターン認識部４３は、パターン認識に用いたＭＤ値に対するデータ補正を後述するデータ補正部７０に要求してもよい。これらの処理は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、設定される。詳細については、後述する。
【０１７７】
§２−５ ＭＤ値算出部５０
ＭＤ値算出部５０は、各処理部（例えば、データベース構成部３０、パターン認識処理部４０）から与えられる二つのスペクトルデータ間のＭＤ値の算出を行う。ＭＤ値算出部５０が行う処理は、上記［ＭＤ値の算出］に記載したＭＤ値の計算処理である。よって、ここでは説明を省略する。
【０１７８】
§２−６ 有効性分析部６０
有効性分析部６０は、各処理部（例えば、データベース構成部３０、パターン認識処理部４０）から与えられる二つのスペクトルデータ間の有効性の分析を行う。当該有効性の分析は、ＭＴシステムに準ずるものである。以下、有効性分析部６０の処理について説明する。
【０１７９】
本実施形態におけるスペクトルデータは波長領域において１１等分されている。有効性分析部６０は、各処理部から与えられる二つのスペクトルデータ間の直交表Ｌ１２に基づ
いたＭＤ値の算出をＭＤ値算出部５０に要求する。図２２は、スペクトルデータの各波長領域と直交表Ｌ１２との対応関係を示す。
【０１８０】
有効性分析部６０は、図２２に示される直交表Ｌ１２の各行に従ったＭＤ値Ｄ´ｑ（ｑは１から１２までの自然数）の計算をＭＤ値算出部５０に要求する。具体的には、有効性分析部６０は、図２２に示される直交表Ｌ１２の各行について「１」が格納されている波長領域のデータを用いたＭＤ値の算出をＭＤ値算出部５０に要求する。そして、「２」が格納されている波長領域のデータはＭＤ値の算出に用いない。言い換えると、有効性分析部６０は、数３から数７の数式におけるｊの値に図２２に示される直交表Ｌ１２の各行について「１」が格納されている波長領域の値を代入することにより求められるＭＤ値の算出をＭＤ値算出部５０に要求する。
【０１８１】
例えば、図２２に示される直交表Ｌ１２の１行目（Ｎｏ．１）に従ったＭＤ値Ｄ´１は、数３から数７の数式におけるｊの値に１から１１までの値を代入することにより求められる。また、例えば、図２２に示される直交表Ｌ１２の３行目（Ｎｏ．３）に従ったＭＤ値Ｄ´３は、数３から数７の数式におけるｊの値に１、２、６、７、８の値を代入することにより求められる。
【０１８２】
ＭＤ値算出部５０により直交表Ｌ１２の各行に従ったＭＤ値Ｄ´ｑが計算されると、有効性分析部６０は、直交表Ｌ１２の各行に対応する静特性の値、ここでは、望大特性ηｑ（数２４）を算出する。静特性の値は、望大特性に代えて、いわゆる望小特性や望目特性であってもよい。本発明は、有効性分析に用いる値によって限定されるものではない。
【０１８３】
【数２４】
【０１８４】
有効性分析部６０は、求めた望大特性を用いて、波長領域ｋ（ｋは１から１１までの自然数）について第一水準の平均ηｋ１、第一水準の平均ηｋ２を求める。第一水準の平均ηｋ１、第一水準の平均ηｋ２について波長領域１の例を数２５及び数２６に示す。波長領域ｋの第一水準の平均ηｋ１または第一水準の平均ηｋ２はそれぞれ、直交表Ｌ１２における波長領域ｋの各列について「１」が格納されている行の望大特性の平均値または「２」が格納されている行の望大特性の平均値である。
【０１８５】
【数２５】
【０１８６】
【数２６】
【０１８７】
有効性分析部６０は、第一水準の平均ηｋ１と第一水準の平均ηｋ２とを比較することにより、当該波長領域ｋがＭＤ値算出に有意であるかどうかの判定を行う。例えば、有効
性分析部６０は、第一水準の平均ηｋ１が第一水準の平均ηｋ２よりも所定の閾値分大きければ、当該波長領域ｋがＭＤ値算出に有意であると判定する。また、例えば、有効性分析部６０は、第一水準の平均ηｋ１が第一水準の平均ηｋ２よりも大きく、第一水準の平均ηｋ１と第一水準の平均ηｋ２との差が大きいものを上から３つ選択して、当該波長領域ｋがＭＤ値算出に有意であると判定する。
【０１８８】
また、有効性分析部６０は、求めた第一水準の平均ηｋ１と第一水準の平均ηｋ２とをまとめた要因効果図を出力装置２０７に出力してもよい。要因効果図の例を図２３に示す。
【０１８９】
図２３は、有効性分析部６０が、図９で示される反応条件「Ｐ１φ３」の収録データ（スペクトルデータ）と図１４で示される計測データ（スペクトルデータ）に対して上記有効性分析を行った時の要因効果図である。図２３に示される要因効果図からは、波長領域ｘ４、ｘ７、ｘ８等がＭＤ値の計算に影響の大きい波長領域であることが分かる。
【０１９０】
なお、有効性分析部６０は、スペクトルデータの波長領域の分割個数（ｋ）に応じて直交表を選択すればよい。本発明は、直交表の種類によって限定されるものではない。
【０１９１】
§２−７ データ補正部７０
データ補正部７０は、ＭＤ値算出部５０によって求められるＭＤ値の補正処理を行う。以下にデータ補正部７０が行う補正例を２つ示す。
【０１９２】
§２−７−１ ＭＤ値の比率を利用して補正する
ある１つのスペクトルデータに対して求められるＭＤ値を基準として、他のスペクトルデータに対して求められるＭＤ値を補正する例を図２４に基づいて説明する。図２４は、反応条件「φ３」をパラメータとしてもつ収録データ（補正の基準とするスペクトルデータ）と任意のスペクトルデータ間のＭＤ値（感度）を用いて、他のスペクトルデータと当該任意のスペクトルデータとの間のＭＤ値を補正する前後のＭＤ値（ばらつき）を表わすグラフである。なお、当該任意のスペクトルデータはどのようなスペクトルデータであってもよい。したがって、ここでは特に指定しない。以下、当該任意のスペクトルデータが単位空間であるとして、補正の基準となるスペクトルデータや他のスペクトルデータのＭＤ値が算出されるものとする。
【０１９３】
図２４において、当該他のスペクトルデータとして、反応条件が「レーザ150mJ、レン
ズf80」である物体のスペクトルデータ、反応条件が「レーザ100mJ、レンズf100」である物体のスペクトルデータ、反応条件が「レーザ80mJ、レンズf100」である物体のスペクトルデータを想定する。
【０１９４】
以下、反応条件「φ３」をパラメータとしてもつ収録データ（補正の基準とするスペクトルデータ）に対して求められるＭＤ値（感度）をＳで表わす。反応条件が「レーザ150mJ、レンズf80、当量比φ」である物体のスペクトルデータに対して求められるＭＤ値（感度）をＳ1,φ、ＭＤ値（ばらつき）をσ1,φで表わす。反応条件が「レーザ100mJ、レン
ズf100、当量比φ」である物体のスペクトルデータに対して求められるＭＤ値（感度）をＳ２,φ、ＭＤ値（ばらつき）をσ２,φで表わす。反応条件が「レーザ80mJ、レンズf100、当量比φ」である物体のスペクトルデータに対して求められるＭＤ値（感度）をＳ３,
φ、ＭＤ値（ばらつき）をσ３,φで表わす。また、補正した後のＭＤ値（ばらつき）を
σ´で表現する。
【０１９５】
データ補正部７０は、当該他のスペクトルデータに対して求められるＭＤ値（ばらつき）について、数２７で示される補正処理を行う。
【０１９６】
【数２７】
【０１９７】
以上により、データ補正部７０は、図２４に示される補正処理を実現する。
【０１９８】
§２−７−２ ある波長のピーク値の比率を利用して補正する
ある１つのスペクトルデータに含まれるある波長のピーク値を基準として、他のスペクトルデータに対して求められるＭＤ値を補正する例を図２５に基づいて説明する。図２５は、反応条件が「レーザ150mJ、レンズf80」である物体のスペクトルデータにおける波長７４７（窒素原子の発する光に該当する）のピーク値を用いて、他のスペクトルデータに対して求められるＭＤ値を補正する前後のＭＤ値（ばらつき）を表わすグラフである。
【０１９９】
なお、各符号は、上述の「§２−７−１ ＭＤ値の比率を利用して補正する」と同様のものを用いる。また、反応条件が「レーザ150mJ、レンズf80、当量比φ」である物体のスペクトルデータにおける波長７４７のピーク値をＰＮ１,φで表わす。反応条件が「レー
ザ100mJ、レンズf100、当量比φ」である物体のスペクトルデータにおける波長７４７の
ピーク値をＰＮ２,φで表わす。反応条件が「レーザ100mJ、レンズf80、当量比φ」であ
る物体のスペクトルデータにおける波長７４７のピーク値をＰＮ３,φで表わす。
【０２００】
データ補正部７０は、各スペクトルデータに対して求められるＭＤ値（ばらつき）について、数２８で示される補正処理を行う。
【０２０１】
【数２８】
【０２０２】
以上により、データ補正部７０は、図２４に示される補正処理を実現する。
【０２０３】
§２−７−３ まとめ
以上の方法例により、データ補正部７０は、ＭＤ値算出部５０によって求められるＭＤ値の補正処理を行う。
【０２０４】
なお、以上の方法例の補正の基準となるスペクトルデータや他のスペクトルデータは、データベース構成部３０やパターン認識処理部４０の処理過程で登場するスペクトルデータや収録データ記憶部２０に格納される収録データのいずれかでよい。また、補正の基準となるスペクトルデータに対するＭＤ値や他のスペクトルデータに対するＭＤ値は、データベース構成部３０やパターン認識処理部４０の処理過程でＭＤ値算出部５０によって算出されたＭＤ値であってもよいし、当該補正時にＭＤ値算出部５０に算出を要求することで求められたＭＤ値であってもよい。
【０２０５】
§３ 動作例
本実施形態における反応解析装置１の動作について説明する。図２６は、反応解析装置１の動作例を示すフローチャートである。
【０２０６】
まず、信号入力部１１は、分光測定装置２及びセンサアンプ４から計測対象の物体のスペクトルデータ並びに条件属性及び当該条件属性に対する属性値の入力を受け取る（Ｓ１０００）。そして、スペクトルデータ構成部１２は、信号入力部１１が受け取ったデータを反応解析装置１が行う処理に適合するスペクトルデータに変換する（Ｓ１００１）。変換したスペクトルデータは、処理選択部１３によって反応解析装置１が行う各処理を実行するデータベース構成部３０またはパターン認識処理部４０に入力される（Ｓ１００２）。
【０２０７】
反応解析装置１が行う処理が、条件属性に対する属性値が特定された物体を計測することで得られたスペクトルデータから収録データを作成し、収録データ記憶部２０に作成した収録データを格納する処理である場合、上記変換したスペクトルデータは、データベース構成部３０に入力される。
【０２０８】
収録データ作成部３１は、上記スペクトルデータが入力されると、収録データの作成を行う（Ｓ１００３）。収録データの作成は、「§２−３ データベース構成部３０」で説明したとおりである。
【０２０９】
収録データ作成部３１は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、作成した収録データと処理に係ったスペクトルデータまたは既に収録データ記憶部２０に格納されている収録データとの間の有効性分析を有効性分析部６０に要求する（Ｓ１００４）。有効性分析を要求されると、有効性分析部６０は、有効性分析に係る二つのスペクトルデータ間の有効性分析を行う（Ｓ１００５）。当該処理は、「§２−６ 有効性分析部６０」において説明したとおりである。
【０２１０】
収録データ作成部３１は、有効性分析の結果、ＭＤ値の算出に有意である波長領域を選択した後、再度、収録データの作成を行う。或いは、収録データ作成部３１は、当該有効性分析の結果を作成した収録データに付加しまたは付加せず、当該作成した収録データを収録データ記憶部２０に格納する（Ｓ１００６）。
【０２１１】
反応解析装置１が行う処理が、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理である場合、上記変換したスペクトルデータ（計測データ）は、パターン認識処理部４０に入力される。
【０２１２】
上記スペクトルデータがパターン認識処理部４０に入力されると、パターン認識処理部４０は、パターン認識処理の前処理を行う（Ｓ１００７）。具体的には、データ読出部４１がパターン認識部４３の行うパターン認識に必要な収録データを収録データ記憶部２０から読み出す。そして、パターン認識部４３は、「§２−４−１ 計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について」で記載したように、計測データと収録データとの間のＭＤ値の算出をＭＤ値算出部５０に要求する。
【０２１３】
このＭＤ値算出部５０により算出されるＭＤ値に対して、パターン認識部４３は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、計測データと収録データとの間の有効性分析を有効性分析部６０に要求する（Ｓ１００８）。有効性分析を要求されると、有効性分析部６０は、有効性分析に係る二つのスペクトルデータ間の有効性分析を行う（Ｓ１００９）。当該処理は、「§２−６ 有効性分析部６０」において説明したとおりである。
【０２１４】
パターン認識部４３は、有効分析の結果、ＭＤ値の算出に有意である波長領域を選択した後、再度、計測データと収録データとの間のＭＤ値の算出を行う。或いは、パターン認
識部４３は、「§２−４−１ 計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について」で記載したような方法で計測対象の物体の属性値が未知である条件属性に対する属性値を推定する（Ｓ１０１０）。
【０２１５】
反応解析装置１が行う処理が、計測対象の物体のある条件属性に対する属性値について監視する処理である場合、上記変換したスペクトルデータ（計測データ）は、パターン認識処理部４０に入力される。
【０２１６】
上記スペクトルデータがパターン認識処理部４０に入力されると、パターン認識処理部４０は、パターン認識により、計測対象の物体のある条件属性に対する属性値について監視する処理を行う（Ｓ１０１１）。具体的には、データ読出部４１が監視する条件属性及び当該条件属性に対する属性値をパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。そして、パターン認識部４３は、「§２−４−２ 計測対象の物体のある条件属性に対する属性値について監視する処理について」で記載したように、計測データと収録データとの間のＭＤ値の算出をＭＤ値算出部５０に要求する。
【０２１７】
このＭＤ値算出部５０により算出されるＭＤ値に対して、パターン認識部４３は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、計測データと収録データとの間の有効性分析を有効性分析部６０に要求する（Ｓ１０１２）。有効性分析を要求されると、有効性分析部６０は、有効性分析に係る二つのスペクトルデータ間の有効性分析を行う（Ｓ１０１３）。当該処理は、「§２−６ 有効性分析部６０」において説明したとおりである。
【０２１８】
パターン認識部４３は、ＭＤ値算出部５０により算出されるＭＤ値によりパターン認識部４３は、測定領域１０１において異常状態が発生したかどうかの判定を行う（Ｓ１０１４）。異常状態が発生している場合に上述の有効性分析が行われていると、当該異常状態に関連の高い波長領域を知ることができる。
【０２１９】
以上の各処理の結果が出力装置２０７に出力される（Ｓ１０１５）。この出力装置２０７に出力される上記の各処理の結果について、データ補正部７０は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、データの補正処理を行う（Ｓ１０１６、Ｓ１０１７）。当該処理は、「§２−７ データ補正部７０」において説明したとおりである。
【０２２０】
＜実施形態の作用及び効果＞
本実施形態における反応解析装置１は、以上のような動作を行う。
【０２２１】
このように、本実施形態によれば、作業者による作業を必要とすることなく反応条件の属性値の推定が行われるため、作業者の有する専門知識に左右されることのない反応の解析結果を得ることができる。また、多変量のパラメータをもつスペクトルデータによりパターン認識を行うことができるため、多変量の環境変化による影響にも対応した解析結果を得ることができる。
【０２２２】
また、本実施形態によれば、パターン認識に用いる収録データは予め収録データ記憶部２０に格納されていてもよいため、当該収録データを他の作業者に提供することができる。
【０２２３】
また、本実施形態によれば、パターン認識に用いる収録データを計測データから作成することができるため、作業者は必要に応じて収録データを用意することができる。
【０２２４】
また、本実施形態によれば、単位空間であるスペクトルデータと計測データとのＭＤ値を計算し、計算したＭＤ値を関係式に代入することにより、計測対象の物体の反応条件の属性値を推定する。これによって、複雑な計算処理を必要とすることなく、計測対象の物体の反応条件の属性値を推定することができる。
【０２２５】
また、本実施形態によれば、有効性分析部６０により二つのスペクトルデータ間の有効性に係る波長領域を判定することができる。これによって、ＭＤ値の算出に有意な波長領域のみを選択してＭＤ値を算出することができる。また、異常状態に関係する波長領域を知ることができる。
【０２２６】
また、本実施形態によれば、データ補正部７０の処理により、各処理部が算出したＭＤ値について補正をすることができる。
【０２２７】
なお、従来例における当量比の計測例を図２７に示す。図２７は、従来例における当量比φの計測例を示すグラフである。この図２７では、当量比φ５を過ぎると各波長のピーク値の比率に変化が生じなくなるため、当量比φ５を超える物体について反応の解析をすることができなかった。これに対して、本実施形態によれば、例えば図１２に示されるように当量比φ２０程度まで解析することができる可能性があるため、従来よりも広い範囲について反応条件の属性値を解析することができる。
【０２２８】
§４ 補足
分光測定装置２によって得られるスペクトルデータは、同一の反応条件について繰り返し計測したスペクトルデータであってもよい。また、分光測定装置２によって得られるスペクトルデータは、ストリークカメラ１０６を用いることで得られる時間変化を含んだスペクトルデータであってもよい。
【０２２９】
これらのデータ構成例を図２８に示す。図２８は、同一反応条件でＬ回繰り返して分光測定装置２によりスペクトルデータを取得した時のデータ構成例、及び、ストリークカメラ１０６を用いて得られる時間変化ｔを含んだスペクトルデータである時のデータ構成例を示す。
【０２３０】
ストリークカメラ１０６を用いて得られる時間変化ｔを含んだスペクトルデータについて、例えば、スペクトルデータ構成設定部１２が、各時間領域におけるＭＤ値の平均値等を求め、複数のＭＤ値（図２９においては５つ）を１つのＭＤ値に変換するとする。このようにすれば、上述の処理（例えば、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理）と同様の処理をこの場合にも適用することができる。図３０は、図１１に対応する収録データ例を示し、図３１は、図１９に対応する反応条件の属性値の推定例を示す。
【０２３１】
なお、図２９に示されるＭＤ値の差分を、ＭＤ値（ばらつき）に代えて上述の処理に用いられてもよい。
【０２３２】
また、本実施形態における反応解析装置１が行うパターン認識はＭＴシステムに準ずるものである。しかしながら、本発明は、当該パターン認識処理によって限定されない。例えば、ニューラルネットワークやサポートベクターマシン等の識別器を用いてもよい。この場合、収録データ記憶部２０は、入力をスペクトルデータの光の強さとし、出力を反応条件の属性値とする教師データにより学習した識別器を収録データとして格納する。
【符号の説明】
【０２３３】
１． 反応解析装置
２． 分光測定装置
３． センサ
４． センサアンプ
１０． 計測準備部
１１． 信号入力部
１２． スペクトルデータ構成設定部
１３． 処理選択部
２０． 収録データ記憶部
３０． データベース構成部
３１． 収録データ作成部
３２． 関係式算出部
４０． パターン認識処理部
４１． データ読出部
４３． パターン認識部
５０． ＭＤ値算出部
６０． 有効性分析部
７０． データ補正部
１００． レーザ
１０１． 測定領域
１０２． 光学素子
１０３． 光ファイバ
１０４． 分光器
１０５． ＣＣＤカメラ
１０６． ストリークカメラ
１０７． ディレイユニット
１０８． データ処理部
２００． 外部機器接続インタフェース
２０１． ＣＰＵ
２０２． ＲＯＭ
２０３． ＲＡＭ
２０４． ハードディスク
２０５． バス
２０６． 入力装置
２０７． 出力装置
【技術分野】
【０００１】
本発明は、レーザ誘起ブレークダウン分光法（以下、「ＬＩＢＳ」とも標記する）による反応条件の解析方法及びその解析方法を利用した装置に関する。一例では、ＬＩＢＳにおける解析装置及び計測システムを構成し、燃焼反応、プラズマ反応などの反応(以下、
単に反応と呼ぶ)の状態またはエアロゾル濃度、煤、NOxの発生を計測し、解析する方法及び解析装置に関する。
【背景技術】
【０００２】
現在、反応条件を解析する装置として、ＬＩＢＳによる反応解析装置が開発販売されている。例えば、各種燃焼器の燃焼状態の診断システムやエアロゾル濃度分析装置としてのＬＩＢＳによる反応解析装置が開発販売されている。これらの反応解析装置に用いられている従来の解析手法として、以下の特許文献や非特許文献で挙げられるような反応解析方法が知られている。
【０００３】
以下の特許文献や非特許文献で挙げられるような反応解析方法では、反応解析装置は、ＬＩＢＳを用いた分光測定装置によって光の波長と強さの関係を示すスペクトルデータ（光の波長と強さの関係を表したもの。または、光の波長と強さの関係を時間軸において表したもの。光のプロフィールデータ）を取得する。そして、当該反応解析装置は、取得したスペクトルデータの中から、２点ないし３点の特定波長成分（HやO、N、Cなどの波長成分）を抽出し、その強度または強度比により、当量比や物質の状態を解析する。
【０００４】
なお、ＬＩＢＳを用いた分光測定装置は、当該スペクトルデータを得るために、レーザの照射により、原子がイオンと電子に分離したプラズマ状態を発生させる。そして、当該分光測定装置は、発生させたプラズマ状態において励起状態にある原子が基底状態に戻るときに発する原子固有の波長の光（蛍光）を分光分析することによって、スペクトルデータを取得する。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００５−２２６８９３号公報
【特許文献２】国際公開第２００８／０５９９７６号
【非特許文献】
【０００６】
【非特許文献１】宮本登、小川英之、城戸章宏、吉岡悟、高橋智也、「ＬＩＢＳ法による炭化水素混合気の高速局所当量比計測」、日本機械学會論文集. B編 67(658), 1494-1499, 2001-06-25、社団法人日本機械学会
【発明の概要】
【発明が解決しようとする課題】
【０００７】
以上のように、従来における反応解析装置は、HやO、N、Cなどの特定の波長成分のみを解析の対象とし、スペクトルデータが有する、特定の波長成分以外の多くの情報量（変化成分）を解析の対象としていない。そのため、反応解析装置によって解析されない変化成分が、有意な変化成分であるのか、それとも、ノイズのような変化成分であるのかの判断は、作業者に委ねられていた。そして、当該変化成分を考慮した上で、どの波長成分を選択するかの選択も作業者に委ねられていた。
【０００８】
このような判断や選択には高度な専門知識を必要としたため、従来における反応解析装
置では、作業者の熟練度合い等に解析結果が左右されてしまうという問題点があった。そして、従来における反応解析装置では、同一の反応条件に対する作業者の認識がばらついてしまい、定量的な解析結果が得られないという問題点があった。
【０００９】
また、ＬＩＢＳを用いた分光測定装置が行う分光分析では、分析元素の形状、化合形態、主成分化合物や共存元素の種類や測定物質の供給量などが変化すると、同一分析条件下でも得られるスペクトルデータが変化してしまう。
【００１０】
そのため、従来における反応解析装置には、温度や圧力など多変量の環境変化による影響が同時に存在するスペクトルデータには対応困難という問題点があった。
【００１１】
これらの問題点に鑑み、本発明が解決しようとする課題は、作業者の有する専門知識に左右されることなく、多変量の環境変化による影響にも対応した解析結果を得る反応解析装置及び反応解析方法を提供することにある。
【課題を解決するための手段】
【００１２】
本発明の反応解析装置は、上記の課題を解決するために、以下の構成を採用する。
【００１３】
すなわち、本発明の反応解析装置は、ＬＩＢＳを用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部と、スペクトルデータが入力されるスペクトルデータ入力部と、前記収録データ記憶部に格納された収録データを用いて前記スペクトルデータに対して所定のパターン認識をするパターン認識処理部と、を備える。
【００１４】
また、本発明の反応解析装置は、更に、２つのスペクトルデータのマハラノビス距離の値（ＭＤ値）を算出するＭＤ値算出部を備えてもよい。
【００１５】
また、前記収録データはスペクトルデータを含んでもよい。そして、前記入力されたスペクトルデータは、条件属性に対する属性値が未知の物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、前記条件属性に対する属性値が未知である入力されたスペクトルデータの条件属性と同一の条件属性に対して既知の属性値をパラメータとしてもつ収録データを前記収録データ記憶部から取得する手段と、取得した前記収録データ記憶部に格納された前記収録データに含まれたスペクトルデータと、前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出されるＭＤ値が最近傍である収録データのパラメータに含まれた属性値に基づいて前記未知である属性値を推定する手段と、を備えてもよい。
【００１６】
また、前記収録データはスペクトルデータを含んでもよい。そして、前記入力されたスペクトルデータは、条件属性に対する属性値が未知の物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、前記条件属性に対する属性値が未知である入力されたスペクトルデータの条件属性と同一の条件属性をパラメータとしてもつ複数の収録データを前記収録データ記憶部から取得する手段と、前記入力されたスペクトルデータの未知である属性値について、前記入力されたスペクトルデータと前記複数の収録データに含まれたスペクトルデータ及び前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出したＭＤ値から前記入力されたスペクトルデータの未知である属性値を変数とする近似式を所定の近似式導出方法により求め、該近似式に前記ＭＤ値算出部により算出した前記入力されたスペクトルデータと前記入力されたスペクトルデータとのＭＤ値
を代入することにより、前記入力されたスペクトルデータの未知である属性値を推定する手段と、を備えてもよい。
【００１７】
また、前記反応条件を規定する条件属性と属性値とが特定された物体の反応条件は、属性値が固定された１つ以上の第１反応条件と、１つの条件属性に対して複数の属性値を有する第２反応条件と、を含んでもよい。そして、前記収録データは、前記条件属性と属性値とが特定された物体を前記分光測定装置により計測することで得られた複数のスペクトルデータのうちの１つのスペクトルデータと、前記１つのスペクトルデータを単位空間として前記複数のスペクトルデータ間相互のＭＤ値を算出し、算出した複数のＭＤ値から前記第２反応条件の属性値を変数とする近似式を所定の近似式導出法で求めることにより得られる第２反応条件の属性値と前記ＭＤ値との関係式と、を含んでもよい。また、前記入力されたスペクトルデータは、１つの条件属性に対する属性値が未知であり、１つ以上の条件属性に対するそれぞれの属性値が特定された物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、１つ以上の属性値が特定された条件属性及び当該条件属性に対する属性値と前記第１反応条件の条件属性及び当該条件属性に対する属性値とが一致し、前記属性値が未知である条件属性と前記第２反応条件の条件属性とが一致するパラメータをもつ収録データを前記収録データ記憶部から取得する手段と、前記収録データ記憶部から取得した前記収録データに含まれる前記１つのスペクトルデータと前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、前記収録データ記憶部から取得した収録データに含まれる関係式に算出したＭＤ値を代入することで得られる値を前記入力されたスペクトルデータの未知である属性値と推定する手段と、を備えてもよい。
【００１８】
また、前記収録データは、スペクトルデータを含んでもよい。そして、前記入力されたスペクトルデータは、条件属性に対する属性値を監視する対象の物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、前記条件属性に対する属性値について、入力されたスペクトルデータの属性値と同一の属性値をパラメータとしてもつ収録データを前記収録データ記憶部から取得する手段と、取得した前記収録データ記憶部に格納された前記収録データに含まれたスペクトルデータと、前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出されるＭＤ値が所定の値を超えたかどうかを判定することにより、前記監視する対象の物体の条件属性に対する属性値がずれたことを検出する手段と、を備えてもよい。
【００１９】
また、前記反応条件を規定する条件属性と属性値とが特定された物体の反応条件は、属性値が固定された１つ以上の第１反応条件と、１つの条件属性に対して複数の属性値を有する第２反応条件と、を含んでもよい。そして、前記収録データは、前記条件属性と属性値が特定された物体を前記分光測定装置により計測することで得られた複数のスペクトルデータのうちの１つのスペクトルデータと、前記１つのスペクトルデータを単位空間として前記複数のスペクトルデータ間相互のＭＤ値を算出し、算出した複数のＭＤ値から前記第２反応条件の属性値を変数とする近似式を所定の近似式導出方法で求めることにより得られる第２反応条件の属性値と前記ＭＤ値との関係式と、を含んでもよい。また、前記入力されたスペクトルデータは、条件属性に対する属性値を監視する対象の物体を前記分光測定装置により計測することで得られたスペクトルデータであってもよい。このとき、本発明の反応解析装置の前記パターン認識処理部は、前記入力されたスペクトルデータの条件属性が当該条件属性に対する属性値が一致した上で第１反応条件の条件属性を含み、前記入力されたスペクトルデータの第１反応条件の条件属性以外の条件属性と前記第２反応条件の条件属性とが一致するパラメータをもつ収録データを前記収録データ記憶部から取得する手段と、前記収録データ記憶部から取得した前記収録データに含まれる前記１つのスペクトルデータと前記計測対象の物体のスペクトルデータとのＭＤ値を前記ＭＤ値算出
部により算出し、前記収録データ記憶部から取得した収録データに含まれる関係式に算出したＭＤ値を代入することで得られる値が前記入力されたスペクトルデータの第１反応条件の条件属性以外の条件属性に対する属性値から所定の値ずれたかどうかを判定することにより、前記監視する対象の物体の反応条件の属性値がずれたことを検出する手段と、を備えてもよい。
【００２０】
また、本発明の反応解析装置は、更に、波長領域が分割された二つのスペクトルデータの間のＭＤ値を前記ＭＤ値算出部により直交表に従って算出すること求められる静特性の値に基づいて、前記二つのスペクトルデータの間の、前記波長領域の各領域についての有効性を示す有効性分析部を備えてもよい。
【００２１】
また、本発明の反応解析装置は、更に、あるスペクトルデータに対して求められるＭＤ値と他のスペクトルデータに対して求められるＭＤ値との比率を用いて、他のスペクトルデータに対して前記ＭＤ値算出部により求められるＭＤ値を補正するデータ補正部を更に備えてもよい。
【００２２】
また、本発明の反応解析装置は、更に、あるスペクトルデータのある波長のピーク値と他のスペクトルデータの当該ある波長のピーク値の比率を用いて、他のスペクトルデータに対して前記ＭＤ値算出部により求められるＭＤ値を補正するデータ補正部を備えてもよい。
【００２３】
なお、本発明の別態様としては、以上の何れかの構成を実現する方法であってもよいし、プログラムであってもよいし、このようなプログラムを記録したコンピュータが読み取り可能な記憶媒体であってもよい。
【発明の効果】
【００２４】
本発明によれば、作業者の有する専門知識に左右されることなく、多変量の環境変化による影響にも対応した解析結果を得る反応解析装置及び反応解析方法を実現することができる。
【図面の簡単な説明】
【００２５】
【図１】本発明を実施する計測システムの全体構成を例示する図。
【図２】本発明を実施する反応解析装置のハードウェア構成を例示する図。
【図３】分光測定装置により取得される光の画像例。
【図４】図３に示される光の画像例の各波長における光の強さを示すスペクトルデータ例。
【図５】分光測定装置により取得される、時間変化を考慮した光の画像例。
【図６】図５に示される光の画像例の各波長及び各時間における光の強さを示すスペクトルデータ例。
【図７】本発明を実施する反応解析装置の機能構成を例示する図。
【図８】収録データのデータ構造例（１）。
【図９】図８に示されるデータ構造例の具体例。
【図１０】収録データと反応条件との関係を示す図。
【図１１】収録データのデータ構造例（２）の具体例。
【図１２】図１１に示される関係式（近似式）のグラフを示す図。
【図１３】収録データのパラメータを管理するパラメータ管理テーブルの構成を例示する図。
【図１４】圧力Ｐと当量比φの属性値が未知である計測対象の物体を分光測定装置２により測定することで得られるスペクトルデータについて計測準備部１０が前処理を行った後のスペクトルデータ例を示す図。
【図１５】図９に示されるスペクトルデータと図１４に示されるスペクトルデータとの間のＭＤ値の計算結果例を示す図。
【図１６】図１４に示されるスペクトルデータと圧力Ｐと当量比φをパラメータとしてもつ収録データとの間のＭＤ値の計算結果例を示す図。
【図１７】圧力一定（Ｐ１）の収録データと計測データとのＭＤ値の計算結果例を示す図。
【図１８】ＭＤ値と当量比φの関係式を算出した例を示す図。
【図１９】図１１の収録データを用いた当量比φの推定を表現したグラフ。
【図２０】計測対象の物体の監視する反応条件の属性値の例を示す図（１）。
【図２１】計測対象の物体の監視する反応条件の属性値と処理の例を示す図。
【図２２】有効性分析部６０が用いる直交表の例。
【図２３】有効性分析部６０が作成する要因効果図の例。
【図２４】ＭＤ値の比率を利用して補正する処理の例を示す図。
【図２５】ある波長のピーク値の比率を利用して補正する処理の例を示す図。
【図２６】反応解析装置１の動作例を示すフローチャート。
【図２７】従来例による当量比φの計測例を示すグラフ。
【図２８】スペクトルデータの応用例を示す図。
【図２９】時間領域を考慮してＭＤ値を算出した計算結果例を示すグラフ。
【図３０】図２９のスペクトルデータを用いて図１１の収録データを作成した際のデータ構造例。
【図３１】図２９のスペクトルデータを用いて図１１の収録データを作成した際のＭＤ値と圧力Ｐの関係式を表現するグラフ。
【発明を実施するための形態】
【００２６】
以下、本発明を実施するための形態としての反応解析装置を備える計測システム（以下、単に「本システム」とも表記する）について具体例を挙げて説明する。以下に挙げる実施形態は例示であり、本発明は以下の実施形態の構成に限定されない。
【００２７】
なお、以下に挙げる実施形態において、コンピュータが処理するデータをグラフや自然言語を用いて例示しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメータ、マシン語、配列等で指定される。本発明は、データの表現方法を限定するものではない。
【００２８】
§１ システム構成
図１は、実施形態における計測システムの全体構成を例示する。本システムは、反応解析装置１、分光測定装置２、センサ３、センサアンプ４等を備える。以下、本システムが備える各ノードの構成についてそれぞれ説明する。
【００２９】
＜反応解析装置１＞
反応解析装置１は、後述する分光測定装置２によって得られるスペクトルデータ及びセンサ３によって得られる反応条件を規定する条件属性及び当該条件属性に対する属性値に基づいて、計測対象の物体の反応条件の属性値を所定のパターン認識により解析する。つまり、反応解析装置１は、本発明を実施するための形態としての反応解析装置にあたる。
【００３０】
図２は、本実施形態における反応解析装置１の構成を例示する。図２に示されるように、反応解析装置１のハードウェア構成の一例は、バス２０５で接続される、外部機器接続インタフェース２００、ＣＰＵ（Central Processing Unit）２０１、ＲＯＭ（Read Only
Memory）２０２、ＲＡＭ（Random Access Memory）２０３、ハードディスクドライブ２
０４等既存のハードウェアを備える。
【００３１】
外部機器接続インタフェース２００は、分光測定装置２及びセンスアンプ４等の外部からの入力を受け取る。ＣＰＵ２０１は、１又は複数のプロセッサであり、ＲＡＭ２０３に展開されるプログラムを実行する。ＲＯＭ２０２は、反応解析装置１を起動するためのブートアッププログラム等を記憶する。ＲＡＭ２０３は、プログラム命令、システムプログラム、及び作業データ（スペクトルデータや収録データ）等を記憶する。ハードディスク２０４は、外部記憶装置であり、プログラム命令、システムプログラム、及び作業データ（スペクトルデータや収録データ）等を記憶する。
【００３２】
また、バス２０５には、入力装置２０６及び出力装置２０７が接続される。入力装置２０６は、具体的にはマウスやキーボード等であり、作業者の操作に応じた命令を反応解析装置１に入力する。出力装置２０７は、具体的にはディスプレイ等であり、反応解析装置１の処理結果等を表示する。
【００３３】
なお、反応解析装置１は、PC（Personal Computer）等のような汎用コンピュータで構
成されてもよいし、ネットワーク接続ストレージ（NAS）のような専用コンピュータで構
築されてもよい。また、反応解析装置１は、複数台のコンピュータで構築されてもよい。更に、反応解析装置１は、ローカルエリアネットワーク（ＬＡＮ）への接続を提供するネットワークアダプターボードを備えてもよいし、ＤＶＤ（Digital Video Disc）等のリムーバルメディアを再生するためのドライブを備えてもよい。本発明は、反応解析装置１のハードウェア構成を限定するものではない。
【００３４】
＜分光測定装置２＞
分光測定装置２は、レーザ誘起ブレークダウン分光法によって光の波長と強さの関係を示すスペクトルデータを取得する。スペクトルデータを取得するため、分光測定装置２は、図１に示されるとおり、レーザ１００、光学素子１０２、分光器１０４、ＣＣＤカメラ１０５等を備える。
【００３５】
レーザ１００は、測定領域１０１においてレーザ誘起ブレークダウンを発生させるためのレーザを照射する。光学素子１０２は、測定領域１０１に存在する励起状態の原子が基底状態に戻る時に発する原子固有の波長の光を受け取る。光学素子１０２が受け取った光は、光ファイバ１０３を通して分光器１０４に入力される。分光器１０４は、入力される光を分光する。そして、ＣＣＤカメラ１０５は、分光器１０４により分光された光の画像を取得する。ＣＣＤカメラ１０５により取得された光の画像はデータ処理部１０８に出力される。データ処理部１０８は、光の画像から光のスペクトルデータを生成する。
【００３６】
取得または生成される画像例を図３及び図４に示す。図３は、分光器１０４により分光され、ＣＣＤカメラ１０５により取得された光の画像例である。図４は、図３に示される光の画像例の各波長における光の強さを示すスペクトルデータ例である。
【００３７】
なお、分光された光の各波長における光の強さと時間変化との関係を取得したい場合は、図１に示されるストリークカメラ１０６を用いる。取得される画像例を図５及び図６に示す。図５は、分光器１０４により分光され、ストリークカメラ１０６及びＣＣＤカメラ１０５により取得された光の画像例である。図６は、図５に示される光の画像例の各波長及び各時間における光の強さを示すスペクトルデータ例である。
【００３８】
ディレイユニット１０７は、パルス信号によりレーザ１００とカメラ（ＣＣＤカメラ１０５、ストリークカメラ１０６）との動作タイミングを制御する。なお、分光測定装置２は、図３から図６までの光の画像またはスペクトルデータを表示するための不図示のモニタを備えてもよい。
【００３９】
なお、図１に示される分光測定装置２は、レーザ誘起ブレークダウン分光法によって光の波長と強さの関係を示すスペクトルデータを取得する分光測定装置の一例であり、本発明は、分光測定装置２のハードウェア構成を限定するものではない。
【００４０】
＜センサ３及びセンサアンプ４＞
センサ３は、測定領域１０１における反応条件を規定する条件属性に対する属性値を取得するためのセンサ群である。反応条件を規定する条件属性は、測定領域１０１に存在する物体の状態を示す物理的な属性であり、例えば、当量比、圧力、温度、位置、進路、高度、姿勢、方向、寸法、体積、角度、流量、密度、線速度、角速度、加速度、機械的力、応力、流体圧力（気圧）、トルク、振幅、周波数、位相、数量、物理化学的変量、成分、混合比率、空燃比、燃空比、湿度、粘度、光量、色、電荷、電圧、電流、磁束密度及び線量、レーザエネルギ、光路構成、吸気量、吸気湿度、酸化剤の供給圧力、酸化剤中の成分の混合比率、燃料供給量、燃料供給速度、燃料供給位置、燃料供給方向、燃料供給タイミング、燃料粒径、燃料貫通度、混合度、バルブタイミング、バルブ間での開閉の相対時間差、着火タイミング、着火のための投入エネルギ、スワール強さ、タンブル強さ、点火プラグ近傍の作動流体の乱れの強さ、稼働させる計器の種類、稼働させる計器の数量、稼働させる計器の配置、排気再循環量、再循環される排気の温度、排気管圧力、後燃え、排気の定性的成分、排気の定量的成分及び圧力波の振動等である。また、属性値は、条件属性の値、すなわち、測定領域１０１に存在する物体の状態を示す物理的な数値である。センサ３は、上記各条件属性に対するセンサ（例えば、圧力センサ、温度センサ等）を１つ以上備える。
【００４１】
センサ３により取得される条件属性に対する属性値はセンサアンプ４に信号として出力される。そして、センサアンプ４は、入力される信号の増幅及びフィルタリング処理をし、反応解析装置１に当該処理後の信号を出力する。
【００４２】
なお、以下、条件属性の単位を省略する。条件属性の単位は任意でよい。ただし、一連の処理において、条件属性に用いられる単位は統一されているものとする。
【００４３】
§２ 機能構成
図７は、反応解析装置１の機能構成を例示する図である。反応解析装置１は、計測準備部１０、収録データ記憶部２０、データベース構成部３０、パターン認識処理部４０、ＭＤ値算出部５０、有効性分析部６０及びデータ補正部７０等を備える。収録データ記憶部２０は、例えばハードディスク２０４に格納されることで実現される。また、計測準備部１０、データベース構成部３０、パターン認識処理部４０、ＭＤ値算出部５０、有効性分析部６０及びデータ補正部７０は、例えば、ハードディスク２０４に格納されたプログラムがＲＡＭ２０３に展開されてＣＰＵ２０１により実行されることにより実現される。
【００４４】
以下、反応解析装置１が備える各ノードについてそれぞれ説明する。なお、本実施形態における反応解析装置１は、ＭＴ（Mahalanobis Taguchi）システムに準ずる方法によっ
て計測対象の物体のスペクトルデータをパターン認識する装置であるとして説明する。ただし、パターン認識の種類は本発明を限定するものではない。
【００４５】
§２−１ 計測準備部１０
計測準備部１０は、分光測定装置２及びセンサ３により取得される各データに対して、反応解析装置１が行う処理の前処理を行う。
【００４６】
本実施形態において、反応解析装置１は、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理、反応条件を規定する条件属性と属性値とが特定された物体を計測することで得られたスペクトルデータから収録データを作成し、収録データ記
憶部２０に作成した収録データを格納する処理、及び、計測対象の物体のある条件属性に対する属性値について監視する処理を実行する。ただし、本発明は、実行する処理によって限定されない。本実施形態の反応解析装置１は、その他の処理を実行してもよい。
【００４７】
計測準備部１０は、反応解析装置１が行う処理の前処理を行うために、信号入力部１１、スペクトルデータ構成設定部１２、及び処理選択部１３を備える。信号入力部１１、スペクトルデータ構成設定部１２、及び処理選択部１３は、上述の計測準備部１０と同様に、例えば、ハードディスク２０４に格納されたプログラムがＲＡＭ２０３に展開されてＣＰＵ２０１により実行されることにより実現される。
【００４８】
信号入力部１１は、分光測定装置２及びセンサアンプ４から計測対象の物体のスペクトルデータ及び条件属性に対する属性値の入力を受け取る。スペクトルデータ構成設定部１２は、信号入力部１１が受け取ったデータを反応解析装置１が行う上記各処理に適合するデータに変換する。そして、変換したデータは、処理選択部１３によって反応解析装置１が行う上記各処理を行うデータベース構成部３０またはパターン認識処理部４０に入力される。
【００４９】
具体的なデータの変換例は図１４に示す。図１４については後述する。
【００５０】
§２−２ 収録データ記憶部２０
収録データ記憶部２０は、パターン認識処理部４０が計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理及び計測対象の物体についてある条件属性に対する属性値について監視する処理を実行するときに行う所定のパターン認識に用いる収録データを格納する。
【００５１】
収録データは、パターン認識処理部４０が行うパターン認識によって色々考えられるが、本実施形態では、以下の二つの例を想定する。ただし、以下の二つの例は本発明を限定するものではない。
【００５２】
＜収録データとしてスペクトルデータを記憶する場合＞
収録データの一例として、図８に示されるとおり、収録データが分光測定装置２によって取得されるスペクトルデータそのものを含む例を挙げる。
【００５３】
図８は、スペクトルデータそのものを収録データとして収録データ記憶部２０に格納する時のデータ構造例である。図８に示される収録データは、スペクトルデータをｋ（ｋは１以上の自然数）等分の波長領域に分けて、光の強さ（ｘ１１〜ｘｎｋ）、光の強さの平均値（下記の数１）、光の強さの標準偏差の値（下記の数２）、後述する有効性分析の結果を格納するフィールドを有する。なお、ｘｉｊは波長「（ｊ−１）ｎ＋ｍ＋ｉ−１」の光の強さを示す。ここで、ｍはスペクトルデータ内の始点となる波長を意味し、１以上の自然数である。ｎはｋ等分した波長領域に含まれるデータの個数を意味し、２以上の自然数である。ｊは波長領域の番号（１からｎまで）が入力される変数である。つまり、ｘｉｊは、ｊ番目の波長領域におけるｉ個目の波長の光の強さを示す。ｊ番目の波長領域における始点となる波長は波長「（ｊ−１）ｎ＋ｍ」であり、その始点からｉ個目の波長は「（ｊ−１）ｎ＋ｍ＋ｉ−１」である。したがって、ｘｉｊは波長「（ｊ−１）ｎ＋ｍ＋ｉ−１」の光の強さを示す。
【００５４】
【数１】
【００５５】
【数２】
【００５６】
条件属性に対する属性値が圧力Ｐ＝１、当量比φ＝３（以下、このような条件属性と属性値との関係を「Ｐ１φ３」と表現する。）である時の収録データ例を図９に示す。図９のデータ例は、条件属性に対する属性値「Ｐ１φ３」をパラメータとしてもつ収録データ例である。また、図９のグラフは、各ノードに該当する条件属性に対する属性値「Ｐｙφｘ」（ｘとｙは任意の実数）をパラメータとしてもつ収録データが収録データ記憶部２０に格納されていることを示す。図８では収録データの汎用的なデータ構造を示したが、以下の説明においては、図９に示されるように、ｋ＝１１、ｎ＝９３、ｍ＝１として説明する。また、以下の説明においては、収録データのパラメータとして条件属性と属性値との関係を示す場合は、「Ｐ１」のように条件属性の後に属性値を記載した表現を用いる。
【００５７】
＜収録データとして１つの条件属性に対する属性値を変数とする関係式を記憶する場合＞
収録データのその他の一例として、収録データが単位空間としての１つのスペクトルデータと、当該単位空間であるスペクトルデータと他のスペクトルデータとのマハラノビス距離の値（以下、「ＭＤ値」と表記する）を計算することで求められる１つの条件属性に対する属性値を変数とする当該条件属性に対する属性値とＭＤ値との関係式とを含む例を挙げる。
【００５８】
本収録データの例を図１０と図１１を用いて説明する。図１０及び図１１の例では、属性値が固定された１つ以上の第１反応条件が圧力ＰとレーザエネルギＥであり、１つの条件属性に対して複数の属性値を有する第２反応条件が当量比φであると想定する。
【００５９】
図１０は、第１反応条件間の関係、つまり、圧力ＰとレーザエネルギＥとの関係を示す。当量比φの属性値とＭＤ値との関係式は、図１０における各ノード、つまり、第１反応条件「ＰyＥx」における当量比φの属性値が異なる複数のスペクトルデータを用いることで算出することができる。
【００６０】
以下、第２反応条件の属性値を変数とする当該第２反応条件の属性値とＭＤ値との関係式の導出例を説明するために、第１反応条件「Ｐ１Ｅ１」における第２反応条件の条件属性である当量比φの属性値とＭＤ値との関係式の導出例を説明する。前提として、第１反応条件「Ｐ１Ｅ１」における当量比φの各属性値のスペクトルデータが与えられており、「Ｐ１Ｅ１φ２０」のスペクトルデータが単位空間に設定されているとする。なお、第１反応条件、及び、第２反応条件は任意に定められるものとする。本発明は、第１反応条件、及び、第２反応条件を限定するものではない。
【００６１】
［ＭＤ値の算出］
上記関係式を導出するために、反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと各スペクトルデータ間でＭＤ値を計算する必要がある。したがって、まず、２つのスペクトルデータ間のＭＤ値の算出例を説明する。スペクトルデータとして図８で示したデータ構造が与えられているとする。
【００６２】
まず、ＭＤ値を求める前段階として、スペクトルデータの基準化を行う（数３）。
【００６３】
【数３】
【００６４】
次に、片方のスペクトルデータについて、基準化されたスペクトルデータの波長領域に基づいて、相関行列を計算する（数４及び数５）。相関行列は、ｋ×ｋの正方行列であり、成分ｒｕｗは波長領域uと波長領域wの相関係数である（ｕ,ｗは１からｋまでの自然数
）。なお、以下、相関行列が計算されたスペクトルデータかどうかを明らかにするため、相関行列が計算されるスペクトルデータをＸ（Ｘｉｊ）、相関行列が計算されないスペクトルデータをＹ（Ｙｉｊ）で標記する。
【００６５】
【数４】
【００６６】
【数５】
【００６７】
続いて、相関行列Ｒの逆行列Ａ（＝Ｒ−１）を計算する（数６）。
【００６８】
【数６】
【００６９】
以上により計算されるＡを用いて、各波長領域におけるＸとＹの間のＭＤ値（Ｄｉ）を算出する（数７）。
【００７０】
【数７】
【００７１】
最後に、以上により計算される各波長領域におけるＸとＹの間のＭＤ値（Ｄｉ）の感度（数８）または、ばらつき（数９）等の値を計算し、ＸとＹの間のＭＤ値とする。
【００７２】
【数８】
【００７３】
（Ｄｉの平均値）
【００７４】
【数９】
【００７５】
（Ｄｉの標準偏差）
以上までの計算により、２つのスペクトルデータ間のＭＤ値を算出することができる。そして、例えば、反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータをＸとし、各スペクトルデータをＹとしてＭＤ値を求めることで、「Ｐ１Ｅ１φ２０」のスペクトルデータと各
スペクトルデータ間のＭＤ値を算出することができる。以下、特に記載しない限りＭＤ値はばらつきを用いるものとする。
【００７６】
［関係式の算出］
次に、上記ＭＤ値を用いて、第１反応条件「Ｐ１Ｅ１」における当量比φの属性値とＭＤ値との関係式を算出する例を示す。図１１は、反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと各スペクトルデータ間のＭＤ値の計算結果と当該ＭＤ値に基づいて計算される第１反応条件「Ｐ１Ｅ１」における当量比φの属性値とＭＤ値との関係式の算出結果を示す。
【００７７】
第１反応条件「Ｐ１Ｅ１」における当量比φの属性値とＭＤ値との関係式は、反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと各スペクトルデータ（反応条件「Ｐ１Ｅ１φｒ」、ｒは各スペクトルデータの当量比φの属性値）間のＭＤ値の計算結果を所定の近似式導出方法によって導き出される任意の近似式を求めることで算出される。
【００７８】
以下、所定の近似式導出方法は回帰分析であり、導き出される近似式は線形近似式である例を示す。つまり、線形近似式「Ｙ＝ＡＸ＋Ｂ」のＡとＢを回帰分析により求める例を示す。前提として、ＹとＸのデータ（ｘｖ， ｙｖ）（ｖ＝１，２，・・・，ｈ）が与え
られているとする。
【００７９】
まず、ＸとＹの平均値（数１０）、分散（数１１）、共分散（数１２）を求める。
【００８０】
【数１０】
【００８１】
【数１１】
【００８２】
【数１２】
【００８３】
ＹとＸのデータと線形近似式「Ｙ＝ＡＸ＋Ｂ」の誤差分散をＳ（数１３）とし、Ｓが最小となるようにＡとＢを決定すると、それぞれＡ（数１４）とＢ（数１５）は以下のとおりに求められる。
【００８４】
【数１３】
【００８５】
【数１４】
【００８６】
【数１５】
【００８７】
上記の近似式導出方法は、線形近似式以外の近似式にも適用できる。例えば、以下の例で用いる、対数近似式（数１６）や累乗近似式（数１７）にも適用することが出来る。
【００８８】
【数１６】
【００８９】
【数１７】
【００９０】
上記の近似式導出方法を対数近似式に適用する場合は、線形近似式「Ｙ＝ＡＸ＋Ｂ」のＸに数１６のln(x)を、Ｙに数１６のｙを代入すればよい。
【００９１】
また、上記の近似式導出方法を累乗近似式に適用する場合は、累乗近似式の両辺の対数をとると下記数１８となるので、線形近似式「Ｙ＝ＡＸ＋Ｂ」のＸに数１８のln(x)を、
Ｙに数１８のln(y)を、Ｂに数１８のln(b)を代入すればよい。
【００９２】
【数１８】
【００９３】
以上までの方法において、ＹをＭＤ値、Ｘを当量比φとして当てはめることにより、反応条件「Ｐ１Ｅ１φ２０」である物体のスペクトルデータと各スペクトルデータ間のＭＤ値の計算結果から、当該ＭＤ値に基づいて計算される第１反応条件「Ｐ１Ｅ１」における
当量比φの属性値とＭＤ値との関係式（近似式）を導出することができる。
【００９４】
図１１における各反応条件における関係式の計算結果（単位空間：φ２０）は、近似式として上記対数近似式を用いた場合の計算結果である。関係式（変数：当量比）は、当量比φの属性値を求める関係式となるように関係式（近似式）を式変形した式である。なお、図１１の計算結果（図１１以下の図面についても同様）は、周知の表計算ソフトの機能を用いて計算したものである。
【００９５】
図１１における関係式（近似式）をグラフ化したものを図１２に示す。図１２（ａ）は、近似式として対数近似式を用いた場合のグラフであり、図１２（ｂ）は、近似式として累乗近似式を用いた場合のグラフである。このように、近似式は任意のものを利用すればよい。本発明は用いる近似式に限定されない。
【００９６】
なお、以上において所定の近似式導出法は回帰分析である例を示したが、所定の近似式導出方法はフーリエ級数展開や重回帰分析等の周知の方法でよい。本発明は、所定の近似式導出方法により限定されるものではない。
【００９７】
また、所定の近似式導出方法により導き出される任意の近似式として、線形近似式、累乗近似式、対数近似式の例を示したが、当該任意の近似式はその他多項式近似式や指数近似式等の周知の近似式でよい。本発明は、所定の近似式導出方法により導き出される任意の近似式により限定されるものではない。
【００９８】
＜収録データについてのまとめ＞
本実施形態における収録データ記憶部２０は、以上の二つの例で示されるような収録データを格納する。ただし、上述のとおり、本発明は以上の二つの例によって限定されない。
【００９９】
なお、収録データは、以上の二つの例における途中の計算結果を含んでもよい。例えば、収録データは、基準化した値（数３）、相関行列Ｒ（数４、数５）、相関行列の逆行列Ａ（数６）等を含んでもよい。
【０１００】
＜収録データのパラメータの管理について＞
上記のような収録データは、例えば上述の反応条件「Ｐ１Ｅ１φ２０」のように、条件属性と属性値をパラメータとして持つ。当該パラメータは、例えば、収録データのタグとして格納されることで管理されてもよいし、パラメータ管理テーブルによって管理されてもよい。
【０１０１】
以下、パラメータ管理テーブルによって収録データのパラメータを管理する方法を説明する。図１３は、収録データのパラメータを管理するパラメータ管理テーブルのデータ構成例を示す。
【０１０２】
図１３に示されるパラメータ管理テーブルは、条件属性を格納するフィールド（ガス種類、圧力Ｐ、当量比φ、温度Ｔ等）、条件属性に対する属性値の設定範囲を格納するフィールド（「Ｐ１〜Ｐ１０」等）、属性値を格納するフィールド（Ｐ１、φ１、Ｔ１等）、各反応条件に対応する登録ナンバーを格納するフィールドを有する。この各反応条件に対応する登録ナンバーに対応して、図９や図１１で示される収録データが格納される（したがって、図１３の例では２０００個の収録データが格納されていることになる。）。これにより、反応条件を規定する条件属性と属性値を指定することにより収録データ記憶部２０から収録データを取得することができる。
【０１０３】
ただし、本発明は、収録データのパラメータの管理方法により限定されるものではない。収録データのパラメータは任意の方法で管理されればよい。
【０１０４】
§２−３ データベース構成部３０
データベース構成部３０は、反応条件を規定する条件属性と属性値とが特定された物体を計測することで得られたスペクトルデータから収録データを作成し、収録データ記憶部２０に作成した収録データを格納する処理を実行する。
【０１０５】
データベース構成部３０は、図７に示されるとおり、当該処理を行うために、収録データ作成部３１及び関係式算出部３２を備える。収録データ作成部３１及び関係式算出部３２は、上述のデータベース構成部３０と同様に、例えば、ハードディスク２０４に格納されたプログラムがＲＡＭ２０３に展開されてＣＰＵ２０１により実行されることにより実現される。
【０１０６】
収録データ作成部３１は、計測準備部１０が前処理を行った分光測定装置２及びセンサ３により取得される各データから図９または図１１で示される収録データを作成する。そして、収録データ作成部３１は、作成した収録データを収録データ記憶部２０に格納する。
【０１０７】
まず、収録データが、上述の、分光測定装置２によって取得されるスペクトルデータそのものを含む例である場合の収録データ作成部３１の動作について説明する。
【０１０８】
収録データ作成部３１は、計測準備部１０が前処理を行った分光測定装置２により取得される各データに対して数１及び数２の計算を行い、図８に示されるデータ構造にそれぞれの値を格納し、収録データを作成する。そして、全ての値の格納が完了すると、収録データ作成部３１は、作成した収録データのパラメータとしてセンサ３により取得される条件属性と当該条件属性に対する属性値を登録する。その後、収録データ作成部３１は、作成した収録データを収録データ記憶部２０に格納する。
【０１０９】
次に、収録データが、上述の、単位空間としての１つのスペクトルデータと、１つの条件属性に対する属性値を変数とする当該条件属性に対する属性値とＭＤ値との関係式とを含む例である場合の収録データ作成部３１の動作について説明する。
【０１１０】
収録データ作成部３１は、複数のスペクトルデータのうちの１つを単位空間としたＭＤ値の計算を後述するＭＤ値算出部５０に要求する。
【０１１１】
このＭＤ値の計算に用いるスペクトルデータは、収録データ格納部２０に格納されている収録データであってもよいし、ＲＡＭ２０３やハードディスク２０４に記憶されているスペクトルデータであってもよいし、計測準備部１０が前処理を行った分光測定装置２により取得されるスペクトルデータであってもよい。
【０１１２】
また、この複数のスペクトルデータは、属性値が固定された１つ以上の反応条件を規定する条件属性と属性値をパラメータとしてもつスペクトルデータであり、１つの条件属性に対して属性値が固定されていないスペクトルデータである。
【０１１３】
具体的には、上述の図１０及び図１１で示した例でいうところの反応条件「圧力Ｐ」と「レーザエネルギＥ」とは属性値が固定された条件属性にあたり、「当量比φ」は属性値が固定されていない条件属性にあたる。また、「Ｐ１Ｅ１」や「Ｐ１Ｅ２」のスペクトルデータが「属性値が固定された１つ以上の反応条件を規定する条件属性と属性値をパラメータとしてもつスペクトルデータであり、１つの条件属性に対して属性値が固定されてい
ないスペクトルデータ」にあたる。更に、反応条件「Ｐ１Ｅ１φ２０」や「Ｐ１Ｅ２φ２０」のスペクトルデータが単位空間のスペクトルデータにあたる。
【０１１４】
ＭＤ値算出部５０により複数のスペクトルデータに対するＭＤ値が算出されると、収録データ作成部３１は、関係式算出部３２に対して、属性値が固定されていない条件属性の属性値とＭＤ値との関係式の算出を要求する。
【０１１５】
関係式算出部３２は、収録データ作成部３１から与えられる属性値が固定されていない条件属性の属性値とＭＤ値から、例えば、上記［関係式の算出］に記載の方法によって属性値が固定されていない条件属性の属性値とＭＤ値との関係式を算出する。
【０１１６】
なお、上述のとおり、関係式算出部３２は、所定の近似式導出方法で、任意の近似式を導出することで、属性値が固定されていない条件属性の属性値とＭＤ値との関係式を算出すればよい。本発明は、関係式算出部３２が関係式を算出する方法によって限定されない。
【０１１７】
関係式算出部３２によって関係式が算出されると、収録データ作成部３１は図１１に示されるような収録データを作成する。図１１に示されるとおり、収録データ作成部３１は、属性値が固定されていない条件属性の属性値とＭＤ値との関係式（近似式）から、属性値が固定されていない条件属性の属性値を求める関係式を求めてもよい。
【０１１８】
収録データ作成部３１は、以上により求めた関係式と単位空間のスペクトルデータとから収録データを作成する。そして、収録データ作成部３１は、作成した収録データのパラメータとしてセンサ３により取得される条件属性と当該条件属性に対応する属性値を登録する。その後、収録データ作成部３１は、作成した収録データを収録データ記憶部２０に格納する。
【０１１９】
なお、収録データ作成部３１は、上述のような収録データを作成する際、処理に係る複数のスペクトルデータや既に収録データ記憶部２０に格納されている収録データとの間の有効性分析を後述する有効性分析部６０に要求してもよい。そして、有効性分析部６０の結果に応じて、収録データ作成部３１は、ＭＤ値の算出に有意ではない波長領域のデータを削除してもよいし、有効性フィールドに当該結果を格納してもよい。
【０１２０】
また、収録データ作成部３１は、作成した収録データに対するデータ補正を後述するデータ補正部７０に要求してもよい。これらの処理は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、設定される。詳細については、後述する。
【０１２１】
§２−４ パターン認識処理部４０
パターン認識処理部４０は、所定のパターン認識により、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理、または、計測対象の物体のある条件属性に対する属性値ついて監視する処理を実行する。なお、上述のとおり、本実施形態において所定のパターン認識は、ＭＴシステムに準ずる方法を想定する。
【０１２２】
パターン認識処理部４０は、図７に示されるとおり、当該処理を行うために、データ読出部４１及びパターン認識部４３を備える。データ読出部４１及びパターン認識部４３は、上述のパターン認識処理部４０と同様に、例えば、ハードディスク２０４に格納されたプログラムがＲＡＭ２０３に展開されてＣＰＵ２０１により実行されることにより実現される。
【０１２３】
データ読出部４１は、パターン認識部４３が行うパターン認識に必要な収録データを収録データ記憶部２０から読み出す。そして、読み出した収録データを用いてパターン認識部４３がパターン認識を実行することで、上記二つの処理を実現する。以下、具体例を挙げて本処理について説明する。
【０１２４】
§２−４−１ 計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について
以下、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について具体例を挙げて説明する。
【０１２５】
＜具体例１＞
収録データとして図９に示されるスペクトルデータを含むデータが収録データ格納部２０に格納されており、図１４で示される圧力Ｐと当量比φの属性値が未知である計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。図１４は、圧力Ｐと当量比φの属性値が未知である計測対象の物体を分光測定装置２が測定したスペクトルデータについて計測準備部１０が前処理を行った後のスペクトルデータ例を示す。
【０１２６】
計測準備部１０からパターン認識処理部４０にスペクトルデータが入力されると、データ読出部４１は、属性値が未知である条件属性、つまり、圧力Ｐと当量比φをパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。読み出される収録データは、図９のグラフにおける各ノードに該当する収録データである。上述のとおり、図９に示される収録データは、反応条件「Ｐ１φ３」をパラメータとしてもつ収録データの例である。
【０１２７】
パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出したスペクトルデータ（収録データ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。具体的な計算処理は、上述の［ＭＤ値の算出］のとおりである。例えば、ＭＤ値算出部５０は、データ読出部４１が読み出したスペクトルデータをＸとし、計測準備部１０から受け取ったスペクトルデータをＹとしてＭＤ値を算出する。
【０１２８】
図１５に、計算結果例を示す。図１５は、図９に示される反応条件「Ｐ１φ３」をパラメータとしてもつ収録データと、図１４に示される計測準備部１０から受け取ったスペクトルデータとのＭＤ値の計算結果例を示す図である。なお、図１５に示されるＭＤ値の計算結果例は、感度またはばらつき等の値に変換する前の値である。当該値を数９に代入するとＭＤ値は６．７と算出される。ＭＤ値算出部５０の処理により、このようなＭＤ値が各収録データに対して算出される。
【０１２９】
図１６に、ＭＤ値算出部５０が算出したＭＤ値の計算結果例を示す。図１６は、図１４に示される計測準備部１０から受け取ったスペクトルデータと、圧力Ｐと当量比φをパラメータとしてもつ収録データ間のＭＤ値の算出結果例を示す図である。
【０１３０】
ＭＤ値が算出されると、パターン認識部４３は、ＭＤ値が一番小さい、つまり、図１４に示される計測準備部１０から受け取ったスペクトルデータに最近傍である収録データを検索する。
【０１３１】
図１６のようにＭＤ値が算出された場合、ＭＤ値が一番小さい収録データは、反応条件「Ｐ２φ２」をパラメータとしてもつ収録データである。この場合、パターン認識部４３は、計測対象の物体の圧力Ｐと当量比φの各属性値を「Ｐ２φ２」であると推定してもよい。また、パターン認識部４３は、周知の数学的手法によりＭＤ値が０となる推定計測点
を算出し、当該推定計測点の各条件属性の属性値（図１６では、反応条件「Ｐ２．１４φ２．０４」）を計測対象の物体の各条件属性に対する属性値であると推定してもよい。
【０１３２】
パターン認識部４３は、以上のような方法を一例として、計測対象の物体の属性値が不明である条件属性に対する属性値を推定してもよい。
【０１３３】
＜具体例２＞
収録データとして図９に示されるスペクトルデータを含むデータが収録データ格納部２０に格納されており、圧力Ｐの属性値が１と特定されており、当量比φの属性値が未知である計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。
【０１３４】
計測準備部１０からパターン認識処理部４０にスペクトルデータが入力されると、データ読出部４１は、属性値が特定されている条件属性と当該条件属性に対する属性値及び属性値が未知である条件属性、つまり、圧力Ｐ１と当量比φをパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。読み出される収録データは、図９のグラフにおける圧力Ｐ１の横軸のノードに該当する収録データである。
【０１３５】
パターン認識部４３は、上述の＜具体例１＞と同様に、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出したスペクトルデータ（収録データ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。図１７に、計算結果例を示す。図１７は、圧力一定（Ｐ１）の収録データと計測データとのＭＤ値の計算結果例を示す図である。
【０１３６】
上記ＭＤ値が算出されると、パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値の算出をＭＤ値算出部５０に要求する。すなわち、パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータをＸ及びＹとしてＭＤ値の算出をＭＤ値算出部５０に要求する。本具体例では、当該ＭＤ値は０．７１６と算出されたものとする。
【０１３７】
各ＭＤ値が算出されると、パターン認識部４３は、所定の近似式導出方法、例えば上記［関係式の算出］における方法によって、ＭＤ値と当量比φの属性値との関係式を算出する。そして、算出した関係式のＭＤ値に計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値を代入することで、計測対象の物体の当量比φの属性値を推定する。
【０１３８】
図１８は、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値が極小値になるだろう当量比φの属性値において図１７に示されるＭＤ値を２等分し、各領域についてＭＤ値と当量比φの属性値との関係式（累乗近似式）を算出した例を示す図である。
【０１３９】
なお、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値が極小値になるだろう当量比φの属性値は任意の数学的手法や作業者による入力装置２０６の操作によって設定されればよい。図１８では、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値が極小値になるだろう当量比φの属性値は０．４０から２までの間の値であると設定されているものとする。
【０１４０】
このように、パターン認識部４３は、求めたＭＤ値を属性値が未知である条件属性に対する属性値の範囲で分割した後に、各範囲において、ＭＤ値と属性値が未知である条件属性に対する属性値との関係式を算出してもよい。当該分割方法は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって設定されればよい。
【０１４１】
以上のように複数の関係式が求められる場合、例えば、図１８の場合、各関係式のＭＤ値に計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値を代入することで、計測対象の物体の当量比φの属性値の推定値が算出される。この場合、パターン認識部４３は、当該計測対象の物体の当量比φの属性値の複数の推定値に対して、平均値やいずれか１つを選択すること等によって、当該計測対象の物体の当量比φの属性値の推定値を決定する。
【０１４２】
パターン認識部４３が、当該計測対象の物体の当量比φの属性値の複数の推定値に対して、平均値を算出することで、当該計測対象の物体の当量比φの属性値の推定値を決定する具体例について図１８を用いて説明する。
【０１４３】
図１８では、ＭＤ値と当量比φの関係式として、数１９と数２０がパターン認識部４３によって算出されている（ｘは当量比φ、ｙはＭＤ値）。
【０１４４】
【数１９】
【０１４５】
【数２０】
【０１４６】
それぞれの関係式に、計測準備部１０から受け取ったスペクトルデータ自身のＭＤ値（０．７１６）を代入すると、計測データの当量比φの属性値について、二つの推定値が算出される（数２１及び数２２）。
【０１４７】
【数２１】
【０１４８】
【数２２】
【０１４９】
パターン認識部４３は、この二つの推定値の平均値（１．０６）を計測データの当量比φの属性値として推定する。
【０１５０】
パターン認識部４３は、以上のような方法を一例として、計測対象の物体の属性値が未知である条件属性に対する属性値を推定してもよい。
【０１５１】
＜具体例３＞
収録データとして図１１に示される反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと反応条件「Ｐ１Ｅ１」におけるＭＤ値と当量比φの属性値の関係式を含むデータが格納されているとする。そして、反応条件「Ｐ１Ｅ１」が特定されており、当量比φの属性値が未知である計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。
【０１５２】
計測準備部１０からパターン認識処理部４０にスペクトルデータが入力されると、データ読出部４１は、属性値が特定されている条件属性と当該条件属性に対する属性値及び属性値が未知である条件属性、つまり、「Ｐ１Ｅ１」と当量比φをパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。読み出される収録データは、図１１に示される反応条件「Ｐ１Ｅ１」の関係式と、当量比２０のスペクトルデータを含むデータである。
【０１５３】
パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出した収録データに含まれるスペクトルデータ（単位空間は反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。本具体例では、当該ＭＤ値は４．５５０５と算出されたものとする。
【０１５４】
上記ＭＤ値が算出されると、パターン認識部４３は、収録データに含まれる関係式に代入することで、計測対象の物体の当量比φの属性値を推定する（数２３）。本具体例では、計測対象の物体の当量比φの属性値は１．５と推定される。
【０１５５】
【数２３】
【０１５６】
図１９は、本具体例についてグラフを用いて表現した図である。図１９において、反応条件「Ｐ１Ｅ１」におけるＭＤ値と当量比φの属性値との関係式上における上記ＭＤ値が代入される位置が表現されている。
【０１５７】
パターン認識部４３は、以上のような方法を一例として、計測対象の物体の属性値が未知である条件属性に対する属性値を推定してもよい。
【０１５８】
＜まとめ＞
以上、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について、具体例を３つ説明した。これらの処理は、与えられる収録データや計測対象の物体の属性値が未知である条件属性によって選択されてもよい。その際、当該選択は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって実現される。
【０１５９】
§２−４−２ 計測対象の物体のある条件属性に対する属性値について監視する処理について
計測対象の物体のある条件属性に対する属性値について監視する処理は、上述の計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理と共通する点が多い。以下、計測対象の物体のある条件属性に対する属性値について監視する処理を上記＜具体例１＞及び＜具体例３＞に準ずる方法によって実現する例について説明する。
【０１６０】
＜具体例４＞
計測対象の物体のある条件属性に対する属性値について監視する処理を上記＜具体例１＞に準ずる方法によって実現する例について説明する。
【０１６１】
図２０は、計測対象の物体の監視する条件属性に対する属性値の例を示す図である。図
２０における計測対象の物体の監視する各条件属性に対する属性値は「Ｐ１φ３」である。収録データとして図９に示されるスペクトルデータを含むデータが収録データ格納部２０に格納されており、反応条件が「Ｐ１φ３」であるだろう計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。
【０１６２】
計測準備部１０からパターン認識処理部４０に上記スペクトルデータが入力されると、データ読出部４１は、監視する属性値、つまり、反応条件「Ｐ１φ３」をパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。
【０１６３】
パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出したスペクトルデータ（収録データ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。上記＜具体例１＞と同様である。
【０１６４】
ＭＤ値算出部５０により算出されるＭＤ値は、反応条件（つまり、条件属性と当該条件属性に対する属性値）が等しいスペクトルデータ間のＭＤ値であるため、０に近い値になるはずである。このとき、測定領域１０１において異常状態が発生すると、つまり、監視する条件属性のなかのある条件属性に対する属性値が監視する属性値からずれると、ＭＤ値算出部５０により算出されるＭＤ値は０に近い値から変動する。なお、この変動は、上記属性値のずれが大きければ大きいほど、大きいものと思われる。
【０１６５】
パターン認識部４３は、ＭＤ値算出部５０により算出されるＭＤ値が所定の閾値を超えた場合に、計測対象の物体の監視する条件属性に対する属性値がずれ、測定領域１０１において異常状態が発生したと判定する。なお、「異常状態」とは、例えば、ＮＯｘや煤などが発生する場合を指す。
【０１６６】
＜具体例５＞
計測対象の物体のある条件属性に対する属性値について監視する処理を上記＜具体例３＞に準ずる方法によって実現する例について説明する。
【０１６７】
図２１は、計測対象の物体の監視する条件属性に対する属性値の例と、本具体例の処理を示す図である。図２１における計測対象の物体の監視する各条件属性に対する属性値は「Ｐ１Ｅ１φ１」である。収録データとして図１１に示される反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータと反応条件「Ｐ１Ｅ１」におけるＭＤ値と当量比φの属性値との関係式を含むデータが格納されているとする。そして、条件属性に対する属性値が「Ｐ１Ｅ１φ１」であるだろう計測データ（スペクトルデータ）が計測準備部１０からパターン認識処理部４０に与えられるとする。
【０１６８】
計測準備部１０からパターン認識処理部４０にスペクトルデータが入力されると、データ読出部４１は、計測対象の物体の監視する反応条件のうちの１つの反応条件（第２反応条件）の条件属性とその他の反応条件（第１反応条件）の条件属性及び属性値、例えば、当量比φ（第２反応条件）と、「Ｐ１Ｅ１」（第２反応条件）をパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。読み出される収録データは、上記＜具体例３＞と同様、図１１に示される反応条件「Ｐ１Ｅ１」の関係式と、当量比２０のスペクトルデータを含むデータである。
【０１６９】
パターン認識部４３は、計測準備部１０から受け取ったスペクトルデータと、データ読出部４１が読み出した収録データに含まれるスペクトルデータ（単位空間は反応条件「Ｐ１Ｅ１φ２０」のスペクトルデータ）間のＭＤ値の算出をＭＤ値算出部５０に要求する。
【０１７０】
ＭＤ値算出部５０により算出されるＭＤ値は、本具体例の場合、反応条件「Ｐ１Ｅ１φ
１」の５．３７４であるはずである（図２１参照）。このとき、測定領域１０１において異常状態が発生すると、つまり、監視する条件属性に対する属性値から値がずれると、ＭＤ値算出部５０により算出されるＭＤ値は５．３７４から変動する。
【０１７１】
パターン認識部４３は、ＭＤ値算出部５０により算出されるＭＤ値が監視する反応条件「Ｐ１Ｅ１φ１」に対応するＭＤ値である５．３７４から所定の閾値分ずれた場合、計測対象の物体の監視する条件属性に対する属性値がずれ、測定領域１０１において異常状態が発生したと判定する。
【０１７２】
または、パターン認識部４３は、ＭＤ値算出部５０により算出されるＭＤ値を上記関係式に代入することにより求められる当量比φの属性値の推定値が監視する属性値である「φ１」から閾値分ずれた場合、計測対象の物体の監視する条件属性に対する属性値がずれ、測定領域１０１において異常状態が発生したと判定する。
【０１７３】
＜まとめ＞
以上、計測対象の物体のある条件属性に対する属性値について監視する処理について具体例を２つ説明した。これらの処理は、与えられる収録データや計測対象の物体の監視する条件属性によって選択されてもよい。その際、当該選択は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって実現される。
【０１７４】
§２−４−３ まとめ
以上のとおり、パターン認識処理部４０は、所定のパターン認識により、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理、または、計測対象の物体のある条件属性に対する属性値について監視する処理を実行する。
【０１７５】
なお、パターン認識部４３は、上述のようなパターン認識を行う際、処理に係る複数のスペクトルデータ間の有効性分析を後述する有効性分析部６０に要求してもよい。そして、有効性分析部６０の結果に応じて、パターン認識部４３は、ＭＤ値の算出に有意ではない波長領域のデータを省略して、ＭＤ値算出部５０にＭＤ値の算出を要求してもよい。
【０１７６】
また、パターン認識部４３は、パターン認識に用いたＭＤ値に対するデータ補正を後述するデータ補正部７０に要求してもよい。これらの処理は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、設定される。詳細については、後述する。
【０１７７】
§２−５ ＭＤ値算出部５０
ＭＤ値算出部５０は、各処理部（例えば、データベース構成部３０、パターン認識処理部４０）から与えられる二つのスペクトルデータ間のＭＤ値の算出を行う。ＭＤ値算出部５０が行う処理は、上記［ＭＤ値の算出］に記載したＭＤ値の計算処理である。よって、ここでは説明を省略する。
【０１７８】
§２−６ 有効性分析部６０
有効性分析部６０は、各処理部（例えば、データベース構成部３０、パターン認識処理部４０）から与えられる二つのスペクトルデータ間の有効性の分析を行う。当該有効性の分析は、ＭＴシステムに準ずるものである。以下、有効性分析部６０の処理について説明する。
【０１７９】
本実施形態におけるスペクトルデータは波長領域において１１等分されている。有効性分析部６０は、各処理部から与えられる二つのスペクトルデータ間の直交表Ｌ１２に基づ
いたＭＤ値の算出をＭＤ値算出部５０に要求する。図２２は、スペクトルデータの各波長領域と直交表Ｌ１２との対応関係を示す。
【０１８０】
有効性分析部６０は、図２２に示される直交表Ｌ１２の各行に従ったＭＤ値Ｄ´ｑ（ｑは１から１２までの自然数）の計算をＭＤ値算出部５０に要求する。具体的には、有効性分析部６０は、図２２に示される直交表Ｌ１２の各行について「１」が格納されている波長領域のデータを用いたＭＤ値の算出をＭＤ値算出部５０に要求する。そして、「２」が格納されている波長領域のデータはＭＤ値の算出に用いない。言い換えると、有効性分析部６０は、数３から数７の数式におけるｊの値に図２２に示される直交表Ｌ１２の各行について「１」が格納されている波長領域の値を代入することにより求められるＭＤ値の算出をＭＤ値算出部５０に要求する。
【０１８１】
例えば、図２２に示される直交表Ｌ１２の１行目（Ｎｏ．１）に従ったＭＤ値Ｄ´１は、数３から数７の数式におけるｊの値に１から１１までの値を代入することにより求められる。また、例えば、図２２に示される直交表Ｌ１２の３行目（Ｎｏ．３）に従ったＭＤ値Ｄ´３は、数３から数７の数式におけるｊの値に１、２、６、７、８の値を代入することにより求められる。
【０１８２】
ＭＤ値算出部５０により直交表Ｌ１２の各行に従ったＭＤ値Ｄ´ｑが計算されると、有効性分析部６０は、直交表Ｌ１２の各行に対応する静特性の値、ここでは、望大特性ηｑ（数２４）を算出する。静特性の値は、望大特性に代えて、いわゆる望小特性や望目特性であってもよい。本発明は、有効性分析に用いる値によって限定されるものではない。
【０１８３】
【数２４】
【０１８４】
有効性分析部６０は、求めた望大特性を用いて、波長領域ｋ（ｋは１から１１までの自然数）について第一水準の平均ηｋ１、第一水準の平均ηｋ２を求める。第一水準の平均ηｋ１、第一水準の平均ηｋ２について波長領域１の例を数２５及び数２６に示す。波長領域ｋの第一水準の平均ηｋ１または第一水準の平均ηｋ２はそれぞれ、直交表Ｌ１２における波長領域ｋの各列について「１」が格納されている行の望大特性の平均値または「２」が格納されている行の望大特性の平均値である。
【０１８５】
【数２５】
【０１８６】
【数２６】
【０１８７】
有効性分析部６０は、第一水準の平均ηｋ１と第一水準の平均ηｋ２とを比較することにより、当該波長領域ｋがＭＤ値算出に有意であるかどうかの判定を行う。例えば、有効
性分析部６０は、第一水準の平均ηｋ１が第一水準の平均ηｋ２よりも所定の閾値分大きければ、当該波長領域ｋがＭＤ値算出に有意であると判定する。また、例えば、有効性分析部６０は、第一水準の平均ηｋ１が第一水準の平均ηｋ２よりも大きく、第一水準の平均ηｋ１と第一水準の平均ηｋ２との差が大きいものを上から３つ選択して、当該波長領域ｋがＭＤ値算出に有意であると判定する。
【０１８８】
また、有効性分析部６０は、求めた第一水準の平均ηｋ１と第一水準の平均ηｋ２とをまとめた要因効果図を出力装置２０７に出力してもよい。要因効果図の例を図２３に示す。
【０１８９】
図２３は、有効性分析部６０が、図９で示される反応条件「Ｐ１φ３」の収録データ（スペクトルデータ）と図１４で示される計測データ（スペクトルデータ）に対して上記有効性分析を行った時の要因効果図である。図２３に示される要因効果図からは、波長領域ｘ４、ｘ７、ｘ８等がＭＤ値の計算に影響の大きい波長領域であることが分かる。
【０１９０】
なお、有効性分析部６０は、スペクトルデータの波長領域の分割個数（ｋ）に応じて直交表を選択すればよい。本発明は、直交表の種類によって限定されるものではない。
【０１９１】
§２−７ データ補正部７０
データ補正部７０は、ＭＤ値算出部５０によって求められるＭＤ値の補正処理を行う。以下にデータ補正部７０が行う補正例を２つ示す。
【０１９２】
§２−７−１ ＭＤ値の比率を利用して補正する
ある１つのスペクトルデータに対して求められるＭＤ値を基準として、他のスペクトルデータに対して求められるＭＤ値を補正する例を図２４に基づいて説明する。図２４は、反応条件「φ３」をパラメータとしてもつ収録データ（補正の基準とするスペクトルデータ）と任意のスペクトルデータ間のＭＤ値（感度）を用いて、他のスペクトルデータと当該任意のスペクトルデータとの間のＭＤ値を補正する前後のＭＤ値（ばらつき）を表わすグラフである。なお、当該任意のスペクトルデータはどのようなスペクトルデータであってもよい。したがって、ここでは特に指定しない。以下、当該任意のスペクトルデータが単位空間であるとして、補正の基準となるスペクトルデータや他のスペクトルデータのＭＤ値が算出されるものとする。
【０１９３】
図２４において、当該他のスペクトルデータとして、反応条件が「レーザ150mJ、レン
ズf80」である物体のスペクトルデータ、反応条件が「レーザ100mJ、レンズf100」である物体のスペクトルデータ、反応条件が「レーザ80mJ、レンズf100」である物体のスペクトルデータを想定する。
【０１９４】
以下、反応条件「φ３」をパラメータとしてもつ収録データ（補正の基準とするスペクトルデータ）に対して求められるＭＤ値（感度）をＳで表わす。反応条件が「レーザ150mJ、レンズf80、当量比φ」である物体のスペクトルデータに対して求められるＭＤ値（感度）をＳ1,φ、ＭＤ値（ばらつき）をσ1,φで表わす。反応条件が「レーザ100mJ、レン
ズf100、当量比φ」である物体のスペクトルデータに対して求められるＭＤ値（感度）をＳ２,φ、ＭＤ値（ばらつき）をσ２,φで表わす。反応条件が「レーザ80mJ、レンズf100、当量比φ」である物体のスペクトルデータに対して求められるＭＤ値（感度）をＳ３,
φ、ＭＤ値（ばらつき）をσ３,φで表わす。また、補正した後のＭＤ値（ばらつき）を
σ´で表現する。
【０１９５】
データ補正部７０は、当該他のスペクトルデータに対して求められるＭＤ値（ばらつき）について、数２７で示される補正処理を行う。
【０１９６】
【数２７】
【０１９７】
以上により、データ補正部７０は、図２４に示される補正処理を実現する。
【０１９８】
§２−７−２ ある波長のピーク値の比率を利用して補正する
ある１つのスペクトルデータに含まれるある波長のピーク値を基準として、他のスペクトルデータに対して求められるＭＤ値を補正する例を図２５に基づいて説明する。図２５は、反応条件が「レーザ150mJ、レンズf80」である物体のスペクトルデータにおける波長７４７（窒素原子の発する光に該当する）のピーク値を用いて、他のスペクトルデータに対して求められるＭＤ値を補正する前後のＭＤ値（ばらつき）を表わすグラフである。
【０１９９】
なお、各符号は、上述の「§２−７−１ ＭＤ値の比率を利用して補正する」と同様のものを用いる。また、反応条件が「レーザ150mJ、レンズf80、当量比φ」である物体のスペクトルデータにおける波長７４７のピーク値をＰＮ１,φで表わす。反応条件が「レー
ザ100mJ、レンズf100、当量比φ」である物体のスペクトルデータにおける波長７４７の
ピーク値をＰＮ２,φで表わす。反応条件が「レーザ100mJ、レンズf80、当量比φ」であ
る物体のスペクトルデータにおける波長７４７のピーク値をＰＮ３,φで表わす。
【０２００】
データ補正部７０は、各スペクトルデータに対して求められるＭＤ値（ばらつき）について、数２８で示される補正処理を行う。
【０２０１】
【数２８】
【０２０２】
以上により、データ補正部７０は、図２４に示される補正処理を実現する。
【０２０３】
§２−７−３ まとめ
以上の方法例により、データ補正部７０は、ＭＤ値算出部５０によって求められるＭＤ値の補正処理を行う。
【０２０４】
なお、以上の方法例の補正の基準となるスペクトルデータや他のスペクトルデータは、データベース構成部３０やパターン認識処理部４０の処理過程で登場するスペクトルデータや収録データ記憶部２０に格納される収録データのいずれかでよい。また、補正の基準となるスペクトルデータに対するＭＤ値や他のスペクトルデータに対するＭＤ値は、データベース構成部３０やパターン認識処理部４０の処理過程でＭＤ値算出部５０によって算出されたＭＤ値であってもよいし、当該補正時にＭＤ値算出部５０に算出を要求することで求められたＭＤ値であってもよい。
【０２０５】
§３ 動作例
本実施形態における反応解析装置１の動作について説明する。図２６は、反応解析装置１の動作例を示すフローチャートである。
【０２０６】
まず、信号入力部１１は、分光測定装置２及びセンサアンプ４から計測対象の物体のスペクトルデータ並びに条件属性及び当該条件属性に対する属性値の入力を受け取る（Ｓ１０００）。そして、スペクトルデータ構成部１２は、信号入力部１１が受け取ったデータを反応解析装置１が行う処理に適合するスペクトルデータに変換する（Ｓ１００１）。変換したスペクトルデータは、処理選択部１３によって反応解析装置１が行う各処理を実行するデータベース構成部３０またはパターン認識処理部４０に入力される（Ｓ１００２）。
【０２０７】
反応解析装置１が行う処理が、条件属性に対する属性値が特定された物体を計測することで得られたスペクトルデータから収録データを作成し、収録データ記憶部２０に作成した収録データを格納する処理である場合、上記変換したスペクトルデータは、データベース構成部３０に入力される。
【０２０８】
収録データ作成部３１は、上記スペクトルデータが入力されると、収録データの作成を行う（Ｓ１００３）。収録データの作成は、「§２−３ データベース構成部３０」で説明したとおりである。
【０２０９】
収録データ作成部３１は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、作成した収録データと処理に係ったスペクトルデータまたは既に収録データ記憶部２０に格納されている収録データとの間の有効性分析を有効性分析部６０に要求する（Ｓ１００４）。有効性分析を要求されると、有効性分析部６０は、有効性分析に係る二つのスペクトルデータ間の有効性分析を行う（Ｓ１００５）。当該処理は、「§２−６ 有効性分析部６０」において説明したとおりである。
【０２１０】
収録データ作成部３１は、有効性分析の結果、ＭＤ値の算出に有意である波長領域を選択した後、再度、収録データの作成を行う。或いは、収録データ作成部３１は、当該有効性分析の結果を作成した収録データに付加しまたは付加せず、当該作成した収録データを収録データ記憶部２０に格納する（Ｓ１００６）。
【０２１１】
反応解析装置１が行う処理が、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理である場合、上記変換したスペクトルデータ（計測データ）は、パターン認識処理部４０に入力される。
【０２１２】
上記スペクトルデータがパターン認識処理部４０に入力されると、パターン認識処理部４０は、パターン認識処理の前処理を行う（Ｓ１００７）。具体的には、データ読出部４１がパターン認識部４３の行うパターン認識に必要な収録データを収録データ記憶部２０から読み出す。そして、パターン認識部４３は、「§２−４−１ 計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について」で記載したように、計測データと収録データとの間のＭＤ値の算出をＭＤ値算出部５０に要求する。
【０２１３】
このＭＤ値算出部５０により算出されるＭＤ値に対して、パターン認識部４３は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、計測データと収録データとの間の有効性分析を有効性分析部６０に要求する（Ｓ１００８）。有効性分析を要求されると、有効性分析部６０は、有効性分析に係る二つのスペクトルデータ間の有効性分析を行う（Ｓ１００９）。当該処理は、「§２−６ 有効性分析部６０」において説明したとおりである。
【０２１４】
パターン認識部４３は、有効分析の結果、ＭＤ値の算出に有意である波長領域を選択した後、再度、計測データと収録データとの間のＭＤ値の算出を行う。或いは、パターン認
識部４３は、「§２−４−１ 計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理について」で記載したような方法で計測対象の物体の属性値が未知である条件属性に対する属性値を推定する（Ｓ１０１０）。
【０２１５】
反応解析装置１が行う処理が、計測対象の物体のある条件属性に対する属性値について監視する処理である場合、上記変換したスペクトルデータ（計測データ）は、パターン認識処理部４０に入力される。
【０２１６】
上記スペクトルデータがパターン認識処理部４０に入力されると、パターン認識処理部４０は、パターン認識により、計測対象の物体のある条件属性に対する属性値について監視する処理を行う（Ｓ１０１１）。具体的には、データ読出部４１が監視する条件属性及び当該条件属性に対する属性値をパラメータとしてもつ収録データを収録データ記憶部２０から読み出す。そして、パターン認識部４３は、「§２−４−２ 計測対象の物体のある条件属性に対する属性値について監視する処理について」で記載したように、計測データと収録データとの間のＭＤ値の算出をＭＤ値算出部５０に要求する。
【０２１７】
このＭＤ値算出部５０により算出されるＭＤ値に対して、パターン認識部４３は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、計測データと収録データとの間の有効性分析を有効性分析部６０に要求する（Ｓ１０１２）。有効性分析を要求されると、有効性分析部６０は、有効性分析に係る二つのスペクトルデータ間の有効性分析を行う（Ｓ１０１３）。当該処理は、「§２−６ 有効性分析部６０」において説明したとおりである。
【０２１８】
パターン認識部４３は、ＭＤ値算出部５０により算出されるＭＤ値によりパターン認識部４３は、測定領域１０１において異常状態が発生したかどうかの判定を行う（Ｓ１０１４）。異常状態が発生している場合に上述の有効性分析が行われていると、当該異常状態に関連の高い波長領域を知ることができる。
【０２１９】
以上の各処理の結果が出力装置２０７に出力される（Ｓ１０１５）。この出力装置２０７に出力される上記の各処理の結果について、データ補正部７０は、ＲＡＭ２０３等に格納されるプログラムのパラメータ設定や作業者による入力装置２０６の操作によって、データの補正処理を行う（Ｓ１０１６、Ｓ１０１７）。当該処理は、「§２−７ データ補正部７０」において説明したとおりである。
【０２２０】
＜実施形態の作用及び効果＞
本実施形態における反応解析装置１は、以上のような動作を行う。
【０２２１】
このように、本実施形態によれば、作業者による作業を必要とすることなく反応条件の属性値の推定が行われるため、作業者の有する専門知識に左右されることのない反応の解析結果を得ることができる。また、多変量のパラメータをもつスペクトルデータによりパターン認識を行うことができるため、多変量の環境変化による影響にも対応した解析結果を得ることができる。
【０２２２】
また、本実施形態によれば、パターン認識に用いる収録データは予め収録データ記憶部２０に格納されていてもよいため、当該収録データを他の作業者に提供することができる。
【０２２３】
また、本実施形態によれば、パターン認識に用いる収録データを計測データから作成することができるため、作業者は必要に応じて収録データを用意することができる。
【０２２４】
また、本実施形態によれば、単位空間であるスペクトルデータと計測データとのＭＤ値を計算し、計算したＭＤ値を関係式に代入することにより、計測対象の物体の反応条件の属性値を推定する。これによって、複雑な計算処理を必要とすることなく、計測対象の物体の反応条件の属性値を推定することができる。
【０２２５】
また、本実施形態によれば、有効性分析部６０により二つのスペクトルデータ間の有効性に係る波長領域を判定することができる。これによって、ＭＤ値の算出に有意な波長領域のみを選択してＭＤ値を算出することができる。また、異常状態に関係する波長領域を知ることができる。
【０２２６】
また、本実施形態によれば、データ補正部７０の処理により、各処理部が算出したＭＤ値について補正をすることができる。
【０２２７】
なお、従来例における当量比の計測例を図２７に示す。図２７は、従来例における当量比φの計測例を示すグラフである。この図２７では、当量比φ５を過ぎると各波長のピーク値の比率に変化が生じなくなるため、当量比φ５を超える物体について反応の解析をすることができなかった。これに対して、本実施形態によれば、例えば図１２に示されるように当量比φ２０程度まで解析することができる可能性があるため、従来よりも広い範囲について反応条件の属性値を解析することができる。
【０２２８】
§４ 補足
分光測定装置２によって得られるスペクトルデータは、同一の反応条件について繰り返し計測したスペクトルデータであってもよい。また、分光測定装置２によって得られるスペクトルデータは、ストリークカメラ１０６を用いることで得られる時間変化を含んだスペクトルデータであってもよい。
【０２２９】
これらのデータ構成例を図２８に示す。図２８は、同一反応条件でＬ回繰り返して分光測定装置２によりスペクトルデータを取得した時のデータ構成例、及び、ストリークカメラ１０６を用いて得られる時間変化ｔを含んだスペクトルデータである時のデータ構成例を示す。
【０２３０】
ストリークカメラ１０６を用いて得られる時間変化ｔを含んだスペクトルデータについて、例えば、スペクトルデータ構成設定部１２が、各時間領域におけるＭＤ値の平均値等を求め、複数のＭＤ値（図２９においては５つ）を１つのＭＤ値に変換するとする。このようにすれば、上述の処理（例えば、計測対象の物体の属性値が未知である条件属性に対する属性値を推定する処理）と同様の処理をこの場合にも適用することができる。図３０は、図１１に対応する収録データ例を示し、図３１は、図１９に対応する反応条件の属性値の推定例を示す。
【０２３１】
なお、図２９に示されるＭＤ値の差分を、ＭＤ値（ばらつき）に代えて上述の処理に用いられてもよい。
【０２３２】
また、本実施形態における反応解析装置１が行うパターン認識はＭＴシステムに準ずるものである。しかしながら、本発明は、当該パターン認識処理によって限定されない。例えば、ニューラルネットワークやサポートベクターマシン等の識別器を用いてもよい。この場合、収録データ記憶部２０は、入力をスペクトルデータの光の強さとし、出力を反応条件の属性値とする教師データにより学習した識別器を収録データとして格納する。
【符号の説明】
【０２３３】
１． 反応解析装置
２． 分光測定装置
３． センサ
４． センサアンプ
１０． 計測準備部
１１． 信号入力部
１２． スペクトルデータ構成設定部
１３． 処理選択部
２０． 収録データ記憶部
３０． データベース構成部
３１． 収録データ作成部
３２． 関係式算出部
４０． パターン認識処理部
４１． データ読出部
４３． パターン認識部
５０． ＭＤ値算出部
６０． 有効性分析部
７０． データ補正部
１００． レーザ
１０１． 測定領域
１０２． 光学素子
１０３． 光ファイバ
１０４． 分光器
１０５． ＣＣＤカメラ
１０６． ストリークカメラ
１０７． ディレイユニット
１０８． データ処理部
２００． 外部機器接続インタフェース
２０１． ＣＰＵ
２０２． ＲＯＭ
２０３． ＲＡＭ
２０４． ハードディスク
２０５． バス
２０６． 入力装置
２０７． 出力装置
【特許請求の範囲】
【請求項１】
レーザ誘起ブレークダウン分光法（ＬＩＢＳ）を用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部と、
スペクトルデータが入力されるスペクトルデータ入力部と、
前記収録データ記憶部に格納された収録データを用いて前記入力されたスペクトルデータに対して所定のパターン認識を実行するパターン認識処理部と、
を備えることを特徴とする反応解析装置。
【請求項２】
２つのスペクトルデータのマハラノビス距離の値（ＭＤ値）を算出するＭＤ値算出部を更に備えることを特徴とする請求項１に記載の反応解析装置。
【請求項３】
前記収録データは、スペクトルデータを含み、
前記入力されたスペクトルデータは、条件属性に対する属性値が未知の物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
前記条件属性に対する属性値が未知である入力されたスペクトルデータの条件属性と同一の条件属性に対して既知の属性値をパラメータとしてもつ収録データを前記収録データ記憶部から取得する手段と、
取得した前記収録データ記憶部に格納された前記収録データに含まれたスペクトルデータと、前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出されるＭＤ値が最近傍である収録データのパラメータに含まれた属性値に基づいて前記未知である属性値を推定する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項４】
前記収録データは、スペクトルデータを含み、
前記入力されたスペクトルデータは、条件属性に対する属性値が未知の物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
前記条件属性に対する属性値が未知である入力されたスペクトルデータの条件属性と同一の条件属性をパラメータとしてもつ複数の収録データを前記収録データ記憶部から取得する手段と、
前記入力されたスペクトルデータの未知である属性値について、前記入力されたスペクトルデータと前記複数の収録データに含まれたスペクトルデータ及び前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出したＭＤ値から前記入力されたスペクトルデータの未知である属性値を変数とする近似式を所定の近似式導出方法により求め、該近似式に前記ＭＤ値算出部により算出した前記入力されたスペクトルデータと前記入力されたスペクトルデータとのＭＤ値を代入することにより、前記入力されたスペクトルデータの未知である属性値を推定する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項５】
前記反応条件を規定する条件属性と属性値とが特定された物体の反応条件は、
属性値が固定された１つ以上の第１反応条件と、
１つの条件属性に対して複数の属性値を有する第２反応条件と、を含み、
前記収録データは、
前記条件属性と属性値とが特定された物体を前記分光測定装置により計測することで得られた複数のスペクトルデータのうちの１つのスペクトルデータと、
前記１つのスペクトルデータを単位空間として前記複数のスペクトルデータ間相互のＭ
Ｄ値を算出し、算出した複数のＭＤ値から前記第２反応条件の属性値を変数とする近似式を所定の近似式導出法で求めることにより得られる第２反応条件の属性値と前記ＭＤ値との関係式と、を含み、
前記入力されたスペクトルデータは、１つの条件属性に対する属性値が未知であり、１つ以上の条件属性に対するそれぞれの属性値が特定された物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
１つ以上の属性値が特定された条件属性及び当該条件属性に対する属性値と前記第１反応条件の条件属性及び当該条件属性に対する属性値とが一致し、前記属性値が未知である条件属性と前記第２反応条件の条件属性とが一致するパラメータをもつ収録データを前記収録データ記憶部から取得する手段と、
前記収録データ記憶部から取得した前記収録データに含まれる前記１つのスペクトルデータと前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、前記収録データ記憶部から取得した収録データに含まれる関係式に算出したＭＤ値を代入することで得られる値を前記入力されたスペクトルデータの未知である属性値と推定する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項６】
前記収録データは、スペクトルデータを含み、
前記入力されたスペクトルデータは、条件属性に対する属性値を監視する対象の物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
前記条件属性に対する属性値について、入力されたスペクトルデータの属性値と同一の属性値をパラメータとしてもつ収録データを前記収録データ記憶部から取得する手段と、
取得した前記収録データ記憶部に格納された前記収録データに含まれたスペクトルデータと、前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出されるＭＤ値が所定の値を超えたかどうかを判定することにより、前記監視する対象の物体の条件属性に対する属性値がずれたことを検出する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項７】
前記反応条件を規定する条件属性と属性値とが特定された物体の反応条件は、
属性値が固定された１つ以上の第１反応条件と、
１つの条件属性に対して複数の属性値を有する第２反応条件と、を含み、
前記収録データは、
前記条件属性と属性値が特定された物体を前記分光測定装置により計測することで得られた複数のスペクトルデータのうちの１つのスペクトルデータと、
前記１つのスペクトルデータを単位空間として前記複数のスペクトルデータ間相互のＭＤ値を算出し、算出した複数のＭＤ値から前記第２反応条件の属性値を変数とする近似式を所定の近似式導出方法で求めることにより得られる第２反応条件の属性値と前記ＭＤ値との関係式と、を含み、
前記入力されたスペクトルデータは、条件属性に対する属性値を監視する対象の物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
前記入力されたスペクトルデータの条件属性が当該条件属性に対する属性値が一致した上で第１反応条件の条件属性を含み、前記入力されたスペクトルデータの第１反応条件の条件属性以外の条件属性と前記第２反応条件の条件属性とが一致するパラメータをもつ収録データを前記収録データ記憶部から取得する手段と、
前記収録データ記憶部から取得した前記収録データに含まれる前記１つのスペクトルデータと前記計測対象の物体のスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、前記収録データ記憶部から取得した収録データに含まれる関係式に算出したＭＤ値を
代入することで得られる値が前記入力されたスペクトルデータの第１反応条件の条件属性以外の条件属性に対する属性値から所定の値ずれたかどうかを判定することにより、前記監視する対象の物体の反応条件の属性値がずれたことを検出する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項８】
波長領域が分割された二つのスペクトルデータの間のＭＤ値を前記ＭＤ値算出部により直交表に従って算出すること求められる静特性の値に基づいて、前記二つのスペクトルデータの間の、前記波長領域の各領域についての有効性を示す有効性分析部を更に備えることを特徴とする請求項３から７いずれか１項に記載の反応解析装置。
【請求項９】
あるスペクトルデータに対して求められるＭＤ値と他のスペクトルデータに対して求められるＭＤ値との比率を用いて、他のスペクトルデータに対して前記ＭＤ値算出部により求められるＭＤ値を補正するデータ補正部を更に備えることを特徴とする請求項３から８いずれか１項に記載の反応解析装置。
【請求項１０】
あるスペクトルデータのある波長のピーク値と他のスペクトルデータの当該ある波長のピーク値の比率を用いて、他のスペクトルデータに対して前記ＭＤ値算出部により求められるＭＤ値を補正するデータ補正部を更に備えることを特徴とする請求項３から８いずれか１項に記載の反応解析装置。
【請求項１１】
ＬＩＢＳを用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部を備えるコンピュータを用いた反応解析方法において、
スペクトルデータを取得するステップと、
前記収録データ記憶部に格納された収録データを用いて前記取得したスペクトルデータに対して所定のパターン認識をするステップと、
を含むことを特徴とする反応解析方法。
【請求項１２】
ＬＩＢＳを用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部を備えるコンピュータに、
スペクトルデータの入力を受け付けるステップと、
前記収録データ記憶部に格納された収録データを用いて前記入力のスペクトルデータに対して所定のパターン認識を実行するステップと、
を実行させるためのプログラム。
【請求項１】
レーザ誘起ブレークダウン分光法（ＬＩＢＳ）を用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部と、
スペクトルデータが入力されるスペクトルデータ入力部と、
前記収録データ記憶部に格納された収録データを用いて前記入力されたスペクトルデータに対して所定のパターン認識を実行するパターン認識処理部と、
を備えることを特徴とする反応解析装置。
【請求項２】
２つのスペクトルデータのマハラノビス距離の値（ＭＤ値）を算出するＭＤ値算出部を更に備えることを特徴とする請求項１に記載の反応解析装置。
【請求項３】
前記収録データは、スペクトルデータを含み、
前記入力されたスペクトルデータは、条件属性に対する属性値が未知の物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
前記条件属性に対する属性値が未知である入力されたスペクトルデータの条件属性と同一の条件属性に対して既知の属性値をパラメータとしてもつ収録データを前記収録データ記憶部から取得する手段と、
取得した前記収録データ記憶部に格納された前記収録データに含まれたスペクトルデータと、前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出されるＭＤ値が最近傍である収録データのパラメータに含まれた属性値に基づいて前記未知である属性値を推定する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項４】
前記収録データは、スペクトルデータを含み、
前記入力されたスペクトルデータは、条件属性に対する属性値が未知の物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
前記条件属性に対する属性値が未知である入力されたスペクトルデータの条件属性と同一の条件属性をパラメータとしてもつ複数の収録データを前記収録データ記憶部から取得する手段と、
前記入力されたスペクトルデータの未知である属性値について、前記入力されたスペクトルデータと前記複数の収録データに含まれたスペクトルデータ及び前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出したＭＤ値から前記入力されたスペクトルデータの未知である属性値を変数とする近似式を所定の近似式導出方法により求め、該近似式に前記ＭＤ値算出部により算出した前記入力されたスペクトルデータと前記入力されたスペクトルデータとのＭＤ値を代入することにより、前記入力されたスペクトルデータの未知である属性値を推定する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項５】
前記反応条件を規定する条件属性と属性値とが特定された物体の反応条件は、
属性値が固定された１つ以上の第１反応条件と、
１つの条件属性に対して複数の属性値を有する第２反応条件と、を含み、
前記収録データは、
前記条件属性と属性値とが特定された物体を前記分光測定装置により計測することで得られた複数のスペクトルデータのうちの１つのスペクトルデータと、
前記１つのスペクトルデータを単位空間として前記複数のスペクトルデータ間相互のＭ
Ｄ値を算出し、算出した複数のＭＤ値から前記第２反応条件の属性値を変数とする近似式を所定の近似式導出法で求めることにより得られる第２反応条件の属性値と前記ＭＤ値との関係式と、を含み、
前記入力されたスペクトルデータは、１つの条件属性に対する属性値が未知であり、１つ以上の条件属性に対するそれぞれの属性値が特定された物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
１つ以上の属性値が特定された条件属性及び当該条件属性に対する属性値と前記第１反応条件の条件属性及び当該条件属性に対する属性値とが一致し、前記属性値が未知である条件属性と前記第２反応条件の条件属性とが一致するパラメータをもつ収録データを前記収録データ記憶部から取得する手段と、
前記収録データ記憶部から取得した前記収録データに含まれる前記１つのスペクトルデータと前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、前記収録データ記憶部から取得した収録データに含まれる関係式に算出したＭＤ値を代入することで得られる値を前記入力されたスペクトルデータの未知である属性値と推定する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項６】
前記収録データは、スペクトルデータを含み、
前記入力されたスペクトルデータは、条件属性に対する属性値を監視する対象の物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
前記条件属性に対する属性値について、入力されたスペクトルデータの属性値と同一の属性値をパラメータとしてもつ収録データを前記収録データ記憶部から取得する手段と、
取得した前記収録データ記憶部に格納された前記収録データに含まれたスペクトルデータと、前記入力されたスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、算出されるＭＤ値が所定の値を超えたかどうかを判定することにより、前記監視する対象の物体の条件属性に対する属性値がずれたことを検出する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項７】
前記反応条件を規定する条件属性と属性値とが特定された物体の反応条件は、
属性値が固定された１つ以上の第１反応条件と、
１つの条件属性に対して複数の属性値を有する第２反応条件と、を含み、
前記収録データは、
前記条件属性と属性値が特定された物体を前記分光測定装置により計測することで得られた複数のスペクトルデータのうちの１つのスペクトルデータと、
前記１つのスペクトルデータを単位空間として前記複数のスペクトルデータ間相互のＭＤ値を算出し、算出した複数のＭＤ値から前記第２反応条件の属性値を変数とする近似式を所定の近似式導出方法で求めることにより得られる第２反応条件の属性値と前記ＭＤ値との関係式と、を含み、
前記入力されたスペクトルデータは、条件属性に対する属性値を監視する対象の物体を前記分光測定装置により計測することで得られたスペクトルデータであり、
前記パターン認識処理部は、
前記入力されたスペクトルデータの条件属性が当該条件属性に対する属性値が一致した上で第１反応条件の条件属性を含み、前記入力されたスペクトルデータの第１反応条件の条件属性以外の条件属性と前記第２反応条件の条件属性とが一致するパラメータをもつ収録データを前記収録データ記憶部から取得する手段と、
前記収録データ記憶部から取得した前記収録データに含まれる前記１つのスペクトルデータと前記計測対象の物体のスペクトルデータとのＭＤ値を前記ＭＤ値算出部により算出し、前記収録データ記憶部から取得した収録データに含まれる関係式に算出したＭＤ値を
代入することで得られる値が前記入力されたスペクトルデータの第１反応条件の条件属性以外の条件属性に対する属性値から所定の値ずれたかどうかを判定することにより、前記監視する対象の物体の反応条件の属性値がずれたことを検出する手段と、
を備えることを特徴とする請求項２に記載の反応解析装置。
【請求項８】
波長領域が分割された二つのスペクトルデータの間のＭＤ値を前記ＭＤ値算出部により直交表に従って算出すること求められる静特性の値に基づいて、前記二つのスペクトルデータの間の、前記波長領域の各領域についての有効性を示す有効性分析部を更に備えることを特徴とする請求項３から７いずれか１項に記載の反応解析装置。
【請求項９】
あるスペクトルデータに対して求められるＭＤ値と他のスペクトルデータに対して求められるＭＤ値との比率を用いて、他のスペクトルデータに対して前記ＭＤ値算出部により求められるＭＤ値を補正するデータ補正部を更に備えることを特徴とする請求項３から８いずれか１項に記載の反応解析装置。
【請求項１０】
あるスペクトルデータのある波長のピーク値と他のスペクトルデータの当該ある波長のピーク値の比率を用いて、他のスペクトルデータに対して前記ＭＤ値算出部により求められるＭＤ値を補正するデータ補正部を更に備えることを特徴とする請求項３から８いずれか１項に記載の反応解析装置。
【請求項１１】
ＬＩＢＳを用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部を備えるコンピュータを用いた反応解析方法において、
スペクトルデータを取得するステップと、
前記収録データ記憶部に格納された収録データを用いて前記取得したスペクトルデータに対して所定のパターン認識をするステップと、
を含むことを特徴とする反応解析方法。
【請求項１２】
ＬＩＢＳを用いた分光測定装置により反応条件を規定する条件属性と属性値が特定された物体を計測することで得られたスペクトルデータに基づいて求められる、前記条件属性と前記属性値とをパラメータとしてもつ収録データを格納する収録データ記憶部を備えるコンピュータに、
スペクトルデータの入力を受け付けるステップと、
前記収録データ記憶部に格納された収録データを用いて前記入力のスペクトルデータに対して所定のパターン認識を実行するステップと、
を実行させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【公開番号】特開２０１２−４７５９２（Ｐ２０１２−４７５９２Ａ）
【公開日】平成２４年３月８日（２０１２．３．８）
【国際特許分類】
【出願番号】特願２０１０−１８９９１３（Ｐ２０１０−１８９９１３）
【出願日】平成２２年８月２６日（２０１０．８．２６）
【出願人】（３０１０２１５３３）独立行政法人産業技術総合研究所 (6,529)
【出願人】（０００１３０２５９）株式会社コベルコ科研 (174)
【Ｆターム（参考）】
【公開日】平成２４年３月８日（２０１２．３．８）
【国際特許分類】
【出願日】平成２２年８月２６日（２０１０．８．２６）
【出願人】（３０１０２１５３３）独立行政法人産業技術総合研究所 (6,529)
【出願人】（０００１３０２５９）株式会社コベルコ科研 (174)
【Ｆターム（参考）】
[ Back to top ]