健全性診断方法及びプログラム並びに風車の健全性診断装置
【課題】健全性診断を確実に実施すること。
【解決手段】相関行列の逆行列を計算し、逆行列と相関行列とを乗算した行列が略単位行列でなかった場合には、相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める。そして、相関行列と近似逆行列とを乗算した行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算する。
【解決手段】相関行列の逆行列を計算し、逆行列と相関行列とを乗算した行列が略単位行列でなかった場合には、相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める。そして、相関行列と近似逆行列とを乗算した行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、例えば、マハラノビス・タグチメソッド（以下「ＭＴ法」という。）を用いて診断対象の健全性を評価する健全性診断方法及びプログラム、並びに該健全性診断方法を適用した風車の健全性診断装置に関するものである。
【背景技術】
【０００２】
従来、検査対象の健全性を診断する際に、ＭＴ法を適用し、マハラノビス距離（ＭＤ値）に基づいて異常を検知する方法が提案されている。
例えば、特許文献１には、自動分析装置における反応過程での異常の有無判定に、ＭＴ法を適用し、マハラノビス距離に基づいて異常の有無を検知する方法が開示されている。
【０００３】
ＭＴ法は、非特許文献１に開示されるように、正常データの集団である単位空間を定義し、該単位空間の相関行列の逆行列を用いてマハラノビス距離を計算する。このマハラノビス距離は、単位空間を構成する特性項目間の相関を考慮したパラメータであり、このマハラノビス距離が大きい場合には、正常データの集団である母集団から乖離していることを示すので、何らかの特性値に異常が発生していると診断することができる。
【０００４】
ところで、ＭＴ法では、単位空間から計算される相関行列の性質によっては、相関行列の逆行列が計算できない場合がある。例えば、単位空間を構成する特性項目の間に強い相関がある(相関係数の絶対値が１に近い)場合や、単位空間を構成する特性項目の個数よりも単位空間のデータレコード数が少ない場合には、相関行列の逆行列が計算できない可能性が高い。
【０００５】
この対策として、例えば、特許文献２では、相関行列の逆行列の代わりに相関行列の余因子行列を計算し、この余因子行列を用いてマハラノビス距離を算出する方法（ＭＴＡ法）が提案されている。
しかしながら、上記余因子行列を用いるＭＴＡ法は、単位空間の相関行列のランクが特性値の個数よりも１だけ落ちている場合だけに有効で、２以上落ちている場合はマハラノビス距離が計算できないことが知られている（例えば、非特許文献２参照）。そこで、非特許文献２では、ＭＴ法、ＭＴＡ法の改善のため、ＭＴＡ法の余因子行列に代わり、相関行列をスペクトル分解して、ランク落ちしていない固有値に対応するムーア・ペンローズ一般化逆行列を用いる第１種の平方距離と、ランク落ちした固有値０（ゼロ）に対応する固有ベクトルから作成した第２種の平方距離を用いてマハラノビス距離を算出する手法を提案している。
【特許文献１】特開２００６−２３２１４号公報
【特許文献２】特開２００３−１４１３０６号公報
【非特許文献１】刊行委員長 田口玄一、編集主査 兼高達貮、「品質工学応用講座 MTシステムによる技術開発」、日本規格協会２００２年発行、１４頁〜２６頁、３８頁〜４４頁
【非特許文献２】宮川雅巳、永田靖 著、「マハラノビス・タグチ・システムにおける多重共線性対策について」、品質(Journal of the Japanese Society for Quality Control)、第３３巻４号４６７頁
【発明の開示】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記非特許文献２に開示されている方法では、相関行列の逆行列が計算できる場合、換言すると、単位空間の相関行列のランクが特性項目の個数に等しい場合には、一般のマハラノビス距離だけしか計算されないことになり、連続性がなくなってしまうという問題を抱えている。例えば、単位空間のデータレコード数が特性項目の個数以下では第１種・第２種の平方距離が計算されるが、データレコード数が特性項目の個数より多い場合には一般のマハラノビス距離(これは第１種の平方距離に相当する)となり、異常診断での連続性がなくなってしまう。
【０００７】
また、特許文献１では、単位空間を構成する特性値の間に強い相関がある、換言すると、相関係数の絶対値が１に近い場合でも、マハラノビス距離を算出可能とするために、相関行列の主成分分析を活用してデータ群を直交化し、相関行列を特異分解することで、固有値の寄与率とその必要数を計算し、この必要数が特性値個数以下であった場合には、ｐ個の固有ベクトルを用いてマハラノビス距離を計算する方法を適用している。
しかしながら、この手法では、必要数の定義に任意性があり、また主成分分析を介した計算が必要となり、処理が煩雑であるという問題があった。
【０００８】
本発明は、上記問題を解決するためになされたもので、ＭＴ法を用いて健全性を判断する場合に、煩雑な処理を行うことなくマハラノビス距離を算出することができ、健全性診断を確実に実施することのできる健全性診断方法及びそのプログラム並びに風車の健全性診断装置を提供することを目的とする。
【課題を解決するための手段】
【０００９】
上記課題を解決するために、本発明は以下の手段を採用する。
本発明は、健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、前記基準データセットを用いて相関行列を計算する相関行列算出過程と、前記相関行列の逆行列を計算する逆行列算出過程と、前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める近似逆行列算出過程と、該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程とを有し、該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法を提供する。
【００１０】
本発明によれば、相関行列とその逆行列との積を示す行列が略単位行列でなかった場合には、この逆行列がＭＤ値を算出するのに適しない行列であると判断し、この逆行列を補正し、近似逆行列を算出する。具体的には、相関行列の特異値分解を行い、該行列が略単位行列となるまで、特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列による３行列積によって、近似逆行列を求める。特異値が小さい場合、その特異値の逆数は、限りなく大きい値となり、計算を不可能にする可能性がある。本発明によれば、計算を不可能にするおそれのある特異値を特定し、特定した特異値の逆数をゼロに置換するので、計算が暴走することを防止することができ、信頼性の高い近似逆行列を得ることができる。従って、この近似逆行列を用いてＭＤ値を算出することにより、信頼性の高いＭＤ値を得ることが可能となる。
【００１１】
本発明は、健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、前記基準データセットを用いて相関行列を計算する相関行列算出過程と、前記相関行列の逆行列を計算する逆行列算出過程と、前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する近似逆行列算出過程と、該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程とを有し、該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法を提供する。
【００１２】
本発明によれば、相関行列とその逆行列との積を示す行列が略単位行列でなかった場合には、この逆行列がＭＤ値を算出するのに適しない行列であると判断し、この逆行列を補正し、近似逆行列を算出する。具体的には、相関行列の特異値分解を行い、該特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する。
相関行列の特異値が小さい場合、その特異値の逆数は、限りなく大きい値となり、計算を不可能にする可能性がある。このため、特異値が小さい場合には、その特異値を逆数とした場合の分母に、丸め誤差から決まる定数を一様に加算することにより、逆行列の特性値が無限大に近い値になることを防止することが可能となる。これにより、計算が暴走することを防止することができ、信頼性の高い近似逆行列を得ることができる。従って、この近似逆行列を用いてＭＤ値を算出することにより、信頼性の高いＭＤ値を得ることが可能となる。
また、このような近似逆行列の求め方によれば、上述のように、値の小さい特異値からその逆数をゼロに置換する場合に比べて、その都度に近似逆行列と相関行列との積を求める必要もなくなり、１回の処理で近似逆行列を求めることが可能となる。これにより、近似逆行列に関する処理を簡便化することができる。
【００１３】
本発明は、特性項目別に複数の特性値が関連付けられている被診断データセットを設定するとともに、該被診断データと比較するための単位空間を形成するための基準データセットを設定するデータ設定過程と、前記基準データセットを用いて相関行列を計算する相関行列算出過程と、該相関行列の逆行列を計算する逆行列算出過程と、該逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と、前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定過程と、異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記特性項目に対応する複数の項の和として表す主成分分析過程と、複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する特性項目が異常要因であると特定する要因分析過程とを有する健全性診断方法を提供する。
【００１４】
本発明によれば、ＭＤ値を主成分分析して得た複数の項の絶対値に基づいて異常発生の要因を特定するので、一般的に知られている直交表を用いた要因効果分析と比べて、処理を低減することが可能となる。このように、本発明によれば、１回の主成分分析により、容易に異常の要因候補を特定することができ、要因分析を容易に行うことができる。
【００１５】
本発明は、マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、前記基準データセットを用いて相関行列を計算する相関行列算出処理と、前記相関行列の逆行列を計算する逆行列算出処理と、前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める近似逆行列算出処理と、該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理とをコンピュータに実行させるための健全性診断プログラムを提供する。
【００１６】
本発明は、マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、前記基準データセットを用いて相関行列を計算する相関行列算出処理と、前記相関行列の逆行列を計算する逆行列算出処理と、前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する近似逆行列算出処理と、該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理とをコンピュータに実行させるための健全性診断プログラムを提供する。
【００１７】
本発明は、特性項目別に複数の特性値が関連付けられている被診断データセットを設定するとともに、該被診断データと比較するための単位空間を形成するための基準データセットを設定するデータ設定処理と、前記基準データセットを用いて相関行列を計算する相関行列算出処理と、該相関行列の逆行列を計算する逆行列算出処理と、該逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と、前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定処理と、異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表す主成分分析処理と、複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する要因分析処理とをコンピュータに実行させるための健全性診断プログラムを提供する。
【００１８】
本発明は、計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段とを備え、前記指標値算出手段は、前記基準データセットを用いて相関行列を計算し、該相関行列の逆行列を計算し、該逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求め、該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置を提供する。
【００１９】
本発明によれば、被診断データセットと基準データセットとを用いて、風車の状態を表す状態指標値であるＭＤ値を算出するので、経験や知見に基づく定性的な評価に代えて、定量的な評価を実現することが可能となる。また、上記ＭＤ値は、各データセットに付与されたクラス分類が考慮された値となっているので、同じ状況下で取得されたデータ同士を比較することが可能となる。これにより、風車の状態をより的確に評価することが可能となる。
また、本発明によれば、信頼性の高い近似逆行列を得ることができるので、この近似逆行列を用いてＭＤ値を算出することにより、信頼性の高いＭＤ値を得ることが可能となる。
【００２０】
本発明は、計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段とを備え、前記指標値算出手段は、前記基準データセットを用いて相関行列を計算し、該相関行列の逆行列を計算し、該逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出し、該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置を提供する。
【００２１】
本発明によれば、被診断データセットと基準データセットとを用いて、風車の状態を表す状態指標値であるＭＤ値を算出するので、経験や知見に基づく定性的な評価に代えて、定量的な評価を実現することが可能となる。また、上記ＭＤ値は、各データセットに付与されたクラス分類が考慮された値となっているので、同じ状況下で取得されたデータ同士を比較することが可能となる。これにより、風車の状態をより的確に評価することが可能となる。
また、本発明によれば、信頼性の高い近似逆行列を得ることができるので、この近似逆行列を用いてＭＤ値を算出することにより、信頼性の高いＭＤ値を得ることが可能となる。
【００２２】
本発明は、計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、前記被診断データセット及び前記基準データセットを元に、マハラノビス距離を算出する指標値算出手段と、前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の有無を判定する異常判定手段とを有し、前記異常判定手段は、前記マハラノビス距離に基づいて風車の異常の有無を検知し、異常を検知した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表し、複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する風車の健全性診断装置を提供する。
【００２３】
このように、被診断データセットと基準データセットとを用いて、風車の状態を表す状態指標値であるＭＤ値を算出するので、経験や知見に基づく定性的な評価に代えて、定量的な評価を実現することが可能となる。また、上記ＭＤ値は、各データセットに付与されたクラス分類が考慮された値となっているので、同じ状況下で取得されたデータ同士を比較することが可能となる。これにより、風車の状態をより的確に評価することが可能となる。
また、本発明によれば、ＭＤ値を主成分分析して得た複数の項の絶対値に基づいて異常発生の要因を特定するので、一般的に知られている直交表を用いた要因効果分析と比べて、処理を低減することが可能となる。このように、本発明によれば、１回の主成分分析により、容易に異常の要因候補を特定することができ、要因分析を容易に行うことができる。
【００２４】
上記風車の健全性診断装置において、前記特性項目は、風車を取り巻く環境に関する環境区分、風車運転の性能・発電条件に関する性能区分、及び風車に設定された各種監視部位に係る運転状態の診断に関する特性区分の３つに大別されることとしてもよい。
【００２５】
上記風車の健全性診断装置において、前記被診断データファイル及び前記比較用データファイルにおいて、同じ計測時間に関連付けられている特性値を一つのデータセットとした場合に、該データセットには、所定の特性項目の特性値に応じて決定されるクラス分類を示す識別情報が付与されていることとしてもよい。
【００２６】
上記風車の健全性診断装置において、前記クラス分類は、前記環境区分及び前記性能区分の少なくともいずれか一方に分類される所定の特性項目の特性値に応じて決定されることとしてもよい。
【発明の効果】
【００２７】
本発明によれば、逆行列が作成できない場合でも、煩雑な処理を行うことなくマハラノビス距離を算出し、健全性診断を確実に実施することができるという効果を奏する。
【発明を実施するための最良の形態】
【００２８】
以下に、本発明に係る健全性診断方法及び健全性診断プログラムを風車の健全性診断に適用した場合の実施形態について、図面を参照して説明する。
【００２９】
〔第１の実施形態〕
図１は、風車の概略構成を示した図である。図１に示すように、風車１は、基礎６の上に立設される支柱２と、支柱２の上端に設置されるナセル３と、略水平な軸線周りに回転可能にしてナセル３に設けられるロータヘッド４とを有している。ロータヘッド４には、その回転軸線周りに放射状に複数枚の風車翼５が取り付けられている。これにより、ロータヘッド４の回転軸線方向から風車翼５に当たった風の力が、ロータヘッド４を回転軸線周りに回転させる動力に変換され、この動力が発電機によって電気エネルギーに変換されるようになっている。
【００３０】
図２は、本実施形態に係る風車の健全性診断装置（以下「健全性診断装置」という。）の概略構成を示したブロック図である。図２に示される本実施形態に係る健全性診断装置は、風車構成の内部もしくは外部いずれの場所に設置されていてもよい。図２に示すように、健全性診断装置１０は、コンピュータシステム（計算機システム）であり、ＣＰＵ（中央演算処理装置）１１、ＲＡＭ（Random Access
Memory）などの主記憶装置１２、ＨＤＤ（Hard Disk Drive）などの補助記憶装置１３、キーボードやマウスなどの入力装置１４、及びモニタやプリンタなどの出力装置１５、外部の機器と通信を行うことにより情報の授受を行う通信装置１６などで構成されている。
補助記憶装置１３には、各種プログラム（例えば、健全性診断プログラム）が格納されており、ＣＰＵ１１が補助記憶装置１３から主記憶装置１２にプログラムを読み出し、実行することにより種々の処理を実現させる。
【００３１】
図３は、健全性診断装置１０が備える機能を展開して示した機能ブロック図である。図３に示されるように、健全性診断装置１０は、風車の健全性を診断するために必要となるデータファイルを処理・生成するデータファイル作成部２０と、データファイル作成部２０によって生成されたデータを用いてＭＴ法を用いてマハラノビス距離を算出し、この結果から健全性を評価する健全性評価部３０とを備えている。
【００３２】
データファイル作成部２０は、計測情報記憶部２１と、データ生成部２２と、クラス分類定義部２３と、クラス分類部２４と、第１記憶部２５と、正常データ条件定義部２６と、正常データ抽出部２７と、第２記憶部２８とを備えている。
健全性評価部３０は、診断設定部（診断設定手段）３１と、指標値算出部（指標値算出手段）３２と、異常判定部（異常判定手段）３３、通知部３４とを備えている。
【００３３】
本発明は、上記構成のうち、健全性評価部３０におけるＭＴ法のマハラノビス距離算出過程に主な特徴を有している。以下、本発明の特徴となるＭＴ法の説明も含め、健全性診断装置１０が備える各部の説明を図を参照して説明する。
【００３４】
〔データファイル作成部２０について〕
計測情報記憶部２１には、センサ毎に複数の測定データからなる複数のデータファイルが格納される。
ここで、各データファイルの各計測データには、その計測データが測定された計測時間が関連付けられている。この計測時間は、後述するクラス分類部２４において行われる診断データの作成処理において、データファイル間の各種測定データを互いに関連付ける紐付けパラメータとして機能する。
【００３５】
データ生成部２２は、主に、以下に示す２つの処理を実行する。
〔サンプリング時間の統一化処理〕
上述した計測情報記憶部２１に格納されている各種データファイルに係る各計測データの計測時間の時間間隔（以下「サンプリング時間」という）は統一されていない。従って、データ生成部２２は、まず、これらのサンプリング時間を統一する処理を行う。本実施形態では、各データファイルを１分間隔の計測データとなるように再構築する。
【００３６】
例えば、サンプリング時間が１分に比べ十分速いときは、１分間に取得された全ての計測データを用いて統計的手法により１分間の代表値を選定する。例えば、代表値は、平均値と標準偏差とにより表される。
このようにすることで、全てのデータファイルの計測データを共通の時間間隔で同期関連付けさせることができる。
【００３７】
〔診断物理量の算出〕
次に、データ生成部２２は、計測時間を統一させた各種データファイルのうち、所定のデータファイルを対象に、「診断物理量」の抽出を行う。
つまり、上述のように、上記計測情報記憶部２１には、各種センサによって計測された生のデータが格納されることとなるが、各監視部位の運転状況等を診断するためには、これら生のデータから診断に好適な診断物理量を生成、抽出する必要がある。
【００３８】
例えば、軸受け・増速機には、その運転状況を監視するために、各計測箇所に８個の加速度センサが取り付けられている。各センサによって、計測された計測データである時系列波形はセンサ別に計測情報記憶部２１に格納される。
【００３９】
ところで、軸受け・増速機における増速機のある変速段の異常の診断には、その変速段を構成する複数の歯車の噛み合せ周波数（固有値）の振動加速度を算出し、この振動加速度によって、ある変速段の診断を行うこととなる。このため、データ生成部２２は、８個のセンサＣＨ１からＣＨ８によってそれぞれ計測された時系列波形に対して周波数変換（一例として、Fast Fourier Transferの手段がある。）という信号処理を行い、図４に示されるような、周波数スペクトラムを得、この周波数スペクトラムから図４中の矢印が示す複数の固有周波数の振幅加速度をそれぞれ抽出する。そして抽出した振幅加速度を各チャネル及び固有周波数によって識別されるファイルに格納することにより、新たなデータファイルを作成する。
【００４０】
図５に、新たに作成されたデータファイルの一例を示す。図５に示すように、ＣＨ１、ＣＨ２等のように表されるチャネル（センサ）と、「ＡＺｉ１」、「ＡＺｉ２」、「ＡＺｉ３」等のように表される固有周波数とに関連付けられて各計測時間における振動加速度が診断物理量として格納される。ここで、各診断加速度の計測時間は、上述の如く、他のデータファイルの計測時間と統一したものとなっている。
このようにして、所定のデータファイルにおいて、診断物理量が算出され、新たなデータベースが作成される。
【００４１】
なお、上記診断物理量の算出は、主に、風車１の運転状況を診断するために各種監視部位に取り付けられたセンサによって計測された計測データに対して行われる。どのデータファイルの計測データに対して、どのような信号処理を行い、どのような診断物理量を算出するのかについては、データ生成部２２に予め登録されている。
【００４２】
データ生成部２２によってサンプリング時間が統一化された各種データファイル及び新たに作成された診断物理量に対するデータファイルは、クラス分類部２４に出力される。なお、診断物理量を算出するのに使用された元のデータファイルについては、以降の処理については特に必要とされないため、クラス分類部２４には出力しないこととする。
【００４３】
クラス分類部２４は、まず、データ生成部２２から入力された各種データファイルを統合することにより、１つの被診断データファイルを作成する。
図６に、被診断データファイルの一例を示す。図６に示されるように、センサ別に各計測時間における計測データまたは診断物理量が関連付けられている。本実施形態では、図６の表の最上段に記載された各計測データや診断物理量の属性を示す「正規化風速」、「ＭＥＴ風速乱れ度」、「送電端出力」、「ＡＺｉ１」、「ＡＺｉ２」等の見出しを「特性項目」といい、各特性項目の各データを「特性値」と定義する。
【００４４】
特性項目は、その属性によって、「環境」、「性能」、「特性」に分類される。「環境」には、「風速」、「風速乱れ度」等の風車を取り巻く環境に関する特性項目が、「性能」には、発電条件、発電機回転数、発電制御に関する指令値等、風車運転の性能、発電条件に関する特性項目が、「特性」には、「ＡＺｉ１」、「ＡＺｉ２」等の風車の運転状況の診断に関する特性項目が分類される。ここで、「特性」に分類される特性項目は、上述したデータ生成部２２において、新たに生成されたデータファイルが該当する。
本実施形態では、ある１日の０：００から２３：５９までの１分刻みの特性値を統合して１つの被診断データファイルを構成している。
【００４５】
クラス分類部２４は、続いて、被診断データファイルにおいて、同じ計測時間に関連付けられている特性値を一つのデータセットとし、各データセットに対してクラス分類を示す識別情報を付加する。
具体的には、クラス分類部２４は、クラス分類定義部２３に定義されているクラス定義に基づいて、各データセット、換言すると、図６に示された被診断データファイルの行毎に、どのクラス分類に属するかを区分けし、各データセットにクラス分類を示すフラグを立てる。
【００４６】
ここで言う「クラス分類」とは、ＭＴ法のような統計的診断手法において、クラス分類定義部２３で定めた、複数の特性項目の基準範囲に合致したデータ集団の区切りのことをいう。このように、同じ「クラス分類」同士での正常または異常を識別する統計的診断は、クラス分類しないデータ全体の場合より識別精度が高くなる。
【００４７】
ここで、本実施形態に係る「クラス分類」について図７のクラス分類の模式図を用いて説明する。
本実施形態では、クラス分類の指標量となる特性項目を、「風速」としている。「風速」は、風車の発電性能に強い相関性を有しているため好都合である。ここでは、「風速」の段階毎の物理量で境界値(条件)を設定し、クラスＦ０、Ｆ１、Ｆ２、Ｆ３とクラス分類を定義している。
【００４８】
風車性能に係る具体的な意味合いとして、Ｆ０は、風車が発電に寄与しない風速域、Ｆ１は発電が開始し始める低速域、Ｆ２は発電が本格化し始める中速域、Ｆ３は定格発電し始める定格域とされている。
上記クラスＦ０は、風車が発電に寄与しない風速域であるため、クラスＦ０は診断対象外のデータ集団とし、クラスＦ１からＦ３の３クラスを診断対象となるクラスとして定義する。
【００４９】
なお、上記クラス分類に代えて、風速の乱れ率と風速との２つのパラメータによって、各計測時間を複数のクラスに分類することとしてもよい。図８には、風の乱れ率（％）が小さい場合と大きい場合とに分け、Ｆ１´からＦ６の計６つのクラスに分類する場合を示している。
また、上記例では、風速等に基づいてクラス分類を行ったが、図７にカッコで示されるように、風車の発電性能に強い相関性を示す「回転数」に基づいてクラス分類を行うこととしてもよい。
【００５０】
上述したようなクラス分類を定義した情報は、クラス分類定義部２３に格納されている。クラス分類部２４は、クラス分類定義部２３に格納されているクラス分類の条件数値を参考に、被診断データファイルのデータセット毎（行毎）にクラス分類を割り当てる。
【００５１】
第１記憶部２５は、クラス分類部２４でクラス分類(フラグ付け)された被診断データファイルを格納する。第１記憶部２５に格納されたクラス分類済みの被診断データファイルは、指標算出部３０における演算処理において、「信号空間」として取り扱われる。
【００５２】
一方、第２記憶部２８には、既に取得済みの「過去の被診断データファイル」から正常データ抽出部２７の処理を経て、「過去の被診断データファイル」の中から正常定義部２６の条件式、値等の定義の指示に従い、「正常」であると判断されたデータセットのみが抽出され、格納されている。その格納データを「正常データ」と呼ぶ。
もちろんこの段階で、第２記憶部２８に格納されている正常データファイル（比較用データファイル）の各データセットには、前段処理のクラス分類部２４においてクラス分類のフラグが付加されている。
【００５３】
第２記憶部２８に格納されている正常データファイルは、正常データ抽出部２７によって自動生成され、過去の正常データファイルから日々自動更新され、蓄積されることを特徴としている。ここでは、第１記憶部２５に格納されている「被診断データファイル」から「正常データファイル」が自動生成される処理機能について図を用いて説明する。
【００５４】
正常データ抽出部２７は、正常データ条件定義部２６に定義されている正常範囲（基準範囲）を参照することで、その定義に合致した被診断データファイルのデータセットのみを抽出し第２記憶部２８へ転送して格納する。
【００５５】
正常データ条件定義部２６の定義条件の本発明の好適な例を図９から図１０に示す。
図９は、発電量の変動範囲を規定したおよそ性能面からの正常定義である。
図９において横軸は風速、縦軸は発電量Ｐである。発電量の性能曲線は、Ｐ（Ｖ、ｒ）の関数で表すことができる。発電量の正常範囲は、風速によるクラス分類Ｆ１〜Ｆ３毎に、正常範囲（Ｉ），（ＩＩ），（ＩＩＩ）がそれぞれ定義されており、正常な性能範囲であると定義する条件は、その性能曲線から±ΔＰ／２の変動幅としている。
【００５６】
上記ΔＰは、任意の風速Ｖ0、回転数ｒ0の時の発電量、回転数ｒ0(Ｖ0)の割合Ａ(%)と定義すると、ΔＰ=(Ａ／１００)×Ｐ0(Ｖ0,ｒ0)である。
【００５７】
なお、上記例では、縦軸を発電量Ｐとしたが、これに代えて、回転数ｒを用いることとしてもよい。この場合、回転数の性能曲線は、ｒ（Ｖ）の関数で表すことができる。回転数の正常範囲は、風速によるクラス分類Ｆ１〜Ｆ３毎に、正常範囲（Ｉ），（ＩＩ），（ＩＩＩ）がそれぞれ定義されており、正常な性能範囲であると定義する条件は、その性能曲線から±Δｒ／２の変動幅としている。
【００５８】
上記Δｒは、任意の風速Ｖ0、回転数ｒ0の時の発電量、回転数ｒ0(Ｖ0)の割合Ａ(%)と定義すると、ΔＰ=(Ａ／１００)×Ｐ0(Ｖ0,ｒ0)、Δｒ＝（Ａ／１００）×ｒ0(Ｖ0)である。
更に、上記例では、横軸を風速としたが、図９において、横軸を回転数ｒ、縦軸を発電量Ｐとしてもよい。この場合、回転数に応じたクラス分類毎に、上記正常範囲（Ｉ）、（ＩＩ）、（ＩＩＩ）が定義されることとなる。
【００５９】
図１０は、風向偏差の変動範囲を規定したおよそ正常運転条件からの正常定義である。
図１０において横軸は風速、縦軸は風向偏差Δθである。ここで「風向偏差」について説明する。通常、風車の「正常」な運転条件とは、常に風向きに対して風車翼の回転面が真正面で受け止めていることが前提となる。
【００６０】
つまり実際の風向きと風車翼回転面の向きの差を「風向偏差」と呼び、それらが真正面の理想的な状態にある時の風向偏差Δθはゼロと基準にしている。「正常」な運転条件の一つである風向偏差Δθの範正常範囲は、風速によるクラス分類Ｆ１〜Ｆ３毎に、正常範囲（Ｉ´）、（ＩＩ´）、（ＩＩＩ´）がそれぞれ定義されている。
【００６１】
即ち、風車の向きは、自然条件で常に変化する風向きに対し、（Ｉ´）、（ＩＩ´）、（ＩＩＩ´）の範囲に収まるように追随しながら風を補足して、理想的な運転条件になるように発電を行っている。
【００６２】
なお、上記例では、横軸を風速Ｖとしたが、これに代えて、横軸を回転数ｒとしてもよい。この場合、回転数に応じたクラス分類毎に上記正常範囲（Ｉ´）、（ＩＩ´）、（ＩＩＩ´）が定義されることとなる。
【００６３】
正常データ条件定義部２６に格納されている上記正常範囲（Ｉ）、（ＩＩ）、（ＩＩＩ）と（Ｉ´）、（ＩＩ´）、（ＩＩＩ´）との論理式（ＡＮＤ、ＯＲ、ＮＯＴ）の組み合わせについては、ユーザが任意に設定することが可能な構成とされている。
【００６４】
正常データ条件定義部２６に格納されている上記正常範囲の定義に従って、正常データ抽出部２７が被診断データファイルの中から正常範囲と判断されるデータセットのみを抽出して第２記憶部２８に格納することで、正常データのみが第２記憶部２８に格納されることとなる。第２記憶部２８に格納されたこれらの正常データファイルは、指標算出部３０における演算処理において、「単位空間」として取り扱われる。
【００６５】
上述までが、データファイル作成部２０が備える各部の説明である。データファイル作成部２０の各部が上記処理を実施することにより、検査対象である風車の測定データ等の被診断データファイルが生成されて第１記憶部２５に格納され、また、被診断データファイルと比較される正常データファイルが第２記憶部２８に格納される。
そして、第１記憶部２５に格納された被診断データファイル及び第２記憶部２８に格納された正常データファイルを用いて、検査対象である風車１の健全性診断が健全性評価部３０によって実施される。
【００６６】
〔健全性評価部３０について〕
診断設定部３１は、第１記憶部２５の被診断データファイルからその全体または一部のデータセットを抽出し、診断用の「被診断データファイル」（信号空間）を作成するとともに、第２記憶部２８の正常データファイルからその全体または一部のデータセットを抽出し、診断用の「基準データファイル」（単位空間）を作成する。
【００６７】
これらの「被診断データファイル」及び「基準データファイル」の各データセットには、上述のようにクラス分類のフラグが付加されている。詳細は後述するが、基本的にＭＴ法では、同じクラス分類同士の「基準データファイル」と「被診断データファイル」との比較により異常診断が行われる。また、診断目的によっては、異なったクラス間での比較異常診断、または複数のクラス全体を一つの集団とし、クラスを再構築して比較異常診断を行うことも可能である。
【００６８】
指標値算出部３２は、診断設定部３１によって作成された「被診断データファイル」および「基準データファイル」を元にＭＴ法を実行し、マハラノビス距離（以下「ＭＤ値」という）を算出する。具体的な算出方法については後述する。
【００６９】
異常判定部３３は、指標値算出部３２によって算出されたＭＤ値を予め設定されている閾値と比較し、その比較結果に応じて風車１の状態を評価する。例えば、ＭＤ値が閾値を超えていた場合に、異常であると判定し、異常判定信号を通知部３４に出力する。
【００７０】
通知部３４は、異常判定信号が入力された場合に、風車１の異常の発生をディスプレイ等に表示することにより、ユーザに対して異常発生を通知する。なお、視覚による通知方法に代えて或いは加えて、聴覚による通知、例えば、報音により異常を通知することとしてもよい。このように、通知の手法については特に限定されない。
【００７１】
次に、上記指標値算出部３２によって実現されるＭＤ値の算出方法について図１１を参照して詳しく説明する。
【００７２】
〔データの規格化〕
まず、指標値算出部３２は、データの規格化処理を実行する（図１１のステップＳＡ１）。
例えば、診断設定部３１において設定された基準データファイルの計測時間数をｉ、特性項目数をｊとすると、基準データファイルは、ｉ行ｊ列の行列を成す。例えば、１分間隔で１日分のデータ数ならば、２４時間×６０分＝１４４０分で１４４０行、計測したデータ項目種類が２００種類あれば、２００列のデータサイズになる。
【００７３】
基準データの規格化の理由は、統計処理において、異なった特性項目間（計測物理量間）の特性値を公平に扱うためである。そのため、各行、各列によって識別される特性値ｘｉｊを以下の（１）、（２）式に基づいて算出した平均値ｍｊ及び標準偏差σｊを用いて規格化する処理を行う。特性値ｘｉｊの規格化後の値は、正規格値Ｘｉｊとして表され、以下の（３）式で求められる。
なお、以下の説明においては、図１２に示すように、ｎ行ｋ列の各データファイルを想定して説明する。
【００７４】
【数１】
【００７５】
同様に、指標値算出部３２は、基準データファイルと同様の演算を行うことにより、「被診断データファイル」についても規格化を行う。規格化のために用いる平均値ｍｊ及び標準偏差σｊは、上記式（１）、（２）で算出された「基準データファイル」の値を用いる。この結果、「被診断データファイル」の各特性値ｙｉｊを規格化した特性規格値Ｙｉｊが以下の（４）式により算出される。
【００７６】
【数２】
【００７７】
指標値算出部３２は、「基準データファイル」、「被診断データファイル」の各特性値を規格化後の特性規格値に置き換えることで、それぞれのデータファイルを再構築する。
【００７８】
〔相関行列算出処理〕
次に、指標値算出部３２は、基準データファイルの特性規格値Ｘｉｊを用いて、相関行列Ｒ＝（ｒｉｊ）を計算する（図１１のステップＳＡ２）。相関行列Ｒは以下の（５）式を用いて導出される。相関行列は対角成分が１であるｋ次行列となる。
【００７９】
【数３】
【００８０】
ここで、相関行列を求めるための具体的な説明を行う。基準データファイルの特性規格値Ｘｉｊの特性項目ｊの種類がｋ個（ｋ列）ある場合、その相関組み合わせ数は、ｋ×ｋである。一例として、基準データファイルの特性項目数ｊがｋ＝２００種類(列)あった場合、その相関組み合わせは２００×２００＝４００００通りであり、それは同時に２００×２００の正則行列の特性となる。正則行列の対角成分は、同じ特性項目同士の相関であるため、必然的に１となる性質を有している。また、対角線以外の相関係数は、ｒｐｑ=ｒｑｐとなり、その値は対角線を挟んで対称等しくなる。
【００８１】
〔逆行列算出処理〕
次に、指標値算出部３２は、上記（５）式で求めた相関行列の逆行列Ｒ-1を以下の（６）式を用いて算出する（図１１のステップＳＡ３）。
【００８２】
【数４】
【００８３】
〔判定処理〕
次に、上記逆行列Ｒ-1と相関行列Ｒとを乗算し、乗算した結果得られた行列が略単位行列であるか否かを判定する（図１１のステップＳＡ４）。
略単位行列であるか否かは、例えば、対角成分の絶対値が全て１に近い所定の閾値（例えば、０．５）以上であり、かつ、対角成分以外の成分の絶対値がゼロに近い所定の閾値（例えば、０．５）未満であるか否かにより判定される。好ましくは、単位空間を構成するデータレコードのうち、相関行列の計算に用いなかった単位空間データレコードのＭＤ値を計算し、そのＭＤ値が１近傍にあるか否かで判定する。そして、そのＭＤ値が１近傍（例えば、最大５以下）でない場合は、略単位行列と判断しないこととする。
【００８４】
【数５】
【００８５】
この結果、逆行列Ｒ-1と相関行列Ｒとを乗算した結果得られた行列が略単位行列であった場合には、上記（６）式で得た逆相関行列Ｒ-1を用いてＭＤ値を算出する（図１１のステップＳＡ６）。
【００８６】
〔近似逆行列の算出処理〕
一方、上記行列が略単位行列でない場合には、近似逆行列を算出する（図１１のステップＳＡ５）。
具体的には、以下の（７）式に示すように上記相関行列の特異値分析を行い、特異値λiの小さい方から順に、その特異値の逆数１／λiをゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める。
以下の（８）式では、特異値λnが最小値であった場合の近似逆行列の一例を示している。
【００８７】
【数６】
【００８８】
そして、このようにして求めた近似逆行列Ｒ-1´と相関行列Ｒとを乗算した行列が略単位行列となるまで、式（８）の対角行列内にある上記特異値λを小さい順に、その逆数１／λをゼロに置換する処理を繰り返し行い、式（８）に基づく近似逆行列Ｒ-1´の計算を繰り返す。
そして、非対角成分やゼロに置換した固有値に対応する対角成分の絶対値がゼロに近い所定の閾値（例えば、０．５）未満となり、かつ、ゼロに置換した固有値に対応する対角成分以外の対角成分の絶対値が全て１に近い所定の閾値（例えば、０．５）以上となった場合には、当該行列が略単位行列となったと判断し、そのときの近似逆行列Ｒ-1´を用いて、ＭＤ値を計算する（図１１のステップＳＡ６）。
【００８９】
〔マハラノビス距離算出処理〕
次に、上記ステップＳＡ３において求められた逆行列ＲまたはステップＳＡ５において求められた近似逆行列Ｒ-1´と、規格化後の被診断データファイルの各特性規格値Ｙｉｊを用いてＭＤ値Ｄ2ｉを求める（図１１のステップＳＡ６）。ＭＤ値Ｄ2ｉは、以下の（９）式を用いて算出される。
【００９０】
ここで、ｋは、「被診断データファイル」の特性項目数、つまり、列の数であり、ＭＤ値は「被診断データファイル」のデータセット毎（行毎）に算出される。例えば、「被診断データファイル」が１分間隔で取得された１日分のデータファイルであるとすれば、行数は１４４０行となり、１４４０個のＭＤ値が求められることとなる。このことは、軸受け・増速機の健全性診断指標であるＭＤ値が計測時間毎に逐次算出されることを意味している。
【００９１】
【数７】
【００９２】
ここで、ある計測時間のＭＤ値を計算する場合は、規格化された「被診断データファイル」のある計測時間に相当するデータ行ｉ（ｉは１〜ｎのいずれか）番目を指定して、そのｉ行の各列の値であるＹｉ１からＹｉｋを式（７）に代入して計算する。図６の例でいえば、計測時間０：０３におけるＭＤ値を求める際には、データ行でｉ＝４行目のｋ列数の特性規格値Ｙ4１からＹ4ｋを用いる。このようにして、「被診断データファイル」の計測時間の数だけＭＤ値が求められる。
【００９３】
ここで、留意すべき点は、被診断データファイルのデータセットが、どのクラス分類の基準データファイルのデータセットとの比較を取るかによって、規格化のためのｍｊとσｊおよびＭＤ値計算時の逆行列Ｒ-1（Ｒ-1´）を使い分けなければならない点にあるが、あらかじめプログラミングにより指示することで、自動計算処理が可能である。
【００９４】
次に、指標値算出部３２により行われる上記処理のうち、図１１のステップＳＡ２からステップＳＡ５までの処理について、具体例を挙げて説明する。
例えば、図１１のステップＳＡ２において、図１３に示すような相関行列Ｒが得られた場合、ステップＳＡ３では、この相関行列の逆行列Ｒ-1を算出する。図１４に、図１３に示した相関行列の逆行列Ｒ-1を示す。続いて、ステップＳＡ５において、図１３に示した相関行列Ｒと図１４に示した逆行列Ｒ-1とを乗算し、この行列が略単位行列であるか否かを判定する。図１５に上記相関行列と逆行列Ｓとを乗算した結果、得られた行列を示す。
【００９５】
図１５において、網掛けで示した固有値は絶対値が０．５よりも大きい値を示している箇所である。図１５に示された行列は略単位行列であると判定するための条件を満たしていないため、略単位行列とは認められず、従って、図１１に示したステップＳＡ５に進み、近似逆行列Ｒ-1´の算出が行われる。
【００９６】
ステップＳＡ５では、まず、図１３に示した相関行列の特異値分解を行い、固有値及び固有ベクトルを算出する。特異値分解を行ったときの特異値λのリストを図１６に示す。次に、図１６に示した特異値λのうち、最も小さい特異値λである「１．６４Ｅ-１６」の逆数１／λをゼロに置き換え、再度、置換後の相関行列の逆行列を求める。この結果、図１７に示すような近似逆行列Ｒ-1´が得られる。
【００９７】
そして、図１７に示した近似逆行列Ｒ-1´と相関行列Ｒとの積を再度算出し、この積が略単位行列になっているか否かを判定する。図１８に、この結果得られた積の行列を示す。図１８に示すように、図１５に示したときの積の行列に比べて単位行列に近づいてきたことがわかる。しかしながら、図１８に示した単位行列であっても略単位行列であると判定するための条件を満たしていないため、従って、図１６に示した相関行列の特異値λのうち、次に小さい特異値λである「４．７Ｅ−１６」の逆数１／λについてもゼロに置き換え、再度、置換後の相関行列の逆行列を求める。この結果、図１９に示すような近似逆行列Ｒ-1´が得られる。
【００９８】
そして、上記の処理を繰り返し行い、相関行列Ｒとその近似逆行列Ｒ-1´との積が略単位行列となったところで、そのときの近似逆行列Ｒ-1´をＭＤ値の算出に用いるものとして決定する。
【００９９】
図１３に示した相関行列の場合には、３番目に小さい特異値λまでその逆数１／λをゼロに置換したところで、その近似逆行列Ｒ-1´と相関行列Ｒとの積が略単位行列になっていることを示している。
図２０は、図１９に示した近似逆行列Ｒ-1´と相関行列Ｒとの積を示した行列、図２１は３番目に小さい特異値λである「５．１Ｅ−１６」まで、その逆数１／λをゼロに置換した場合の近似逆行列Ｒ-1´、図２２は、図２１に示した近似逆行列Ｒ-1´と相関行列Ｒとの積を示した行列である。図２２に示した行列においては、略単位行列であると判定するための条件を満たしている。従って、このときの近似逆行列Ｒ-1´、即ち、図２１に示した近似逆行列を用いてＭＤ値を計算することとなる。
【０１００】
このようにして、近似逆行列を用いてＭＤ値を算出すると、そのＭＤ値は、異常判定部３３に出力される（図３参照）。異常判定部３３は、入力された各ＭＤ値Ｄ2ｉと予め設定されている閾値（任意に設定可能な値であり、例えば、３）とをそれぞれ比較し、ＭＤ値Ｄ2ｉが閾値よりも大きいか否かを判定する。この結果、閾値よりも大きいＭＤ値Ｄ2ｉが所定割合以上存在した場合には、風車１の状態が異常であるとして、異常信号を出力する。これにより、通知部３４により、風車１の異常がユーザに通知される。
【０１０１】
一方、異常判定部３３は、閾値を越えるＭＤ値Ｄ2ｉが所定割合以下であった場合には、風車１の状態は正常であると判断し、その旨の通知を行う。そして、異常判定部３３によって異常が検出されない限り、データファイル作成部２０及び健全性評価部３０において、上述した被診断データファイル及び基準データファイルの設定、ＭＤ値の算出処理が所定の時間間隔で逐次行われ、風車１の状態監視が所定期間毎に行われることとなる。
【０１０２】
また、指標値算出部３２によって算出された状態指標値は、図２３に示すように、診断結果として表示装置に表示される。図２３は、診断結果の一例を示した図である。横軸に、計測時間が、縦軸にＭＤ値が示されている。
【０１０３】
以上、説明してきたように、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、相関行列の逆行列に起因してＭＤ値が算出不可能な場合であっても、相関行列Ｒから近似逆行列Ｒ-1´を求め、この近似逆行列Ｒ-1´を用いてＭＤ値を算出するため、ＭＤ値を確実に算出することができ、これにより、健全性診断を確実に実施することが可能となる。
【０１０４】
これにより、例えば、相関行列のランクが１落ちている場合だけしか適用できなかった特許文献２に開示の方法に比べて、幅広く適用することができる。また、非特許文献２に開示されていた方法のように、２個の平方距離を用いることなくＭＤ値を求めることができるので、処理を簡便化することができる。
更に、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、逆行列が算出できる通常の場合とあまり変化のない近似逆行列とすることができるので、この近似逆行列を用いて算出されるＭＤ値が通常の場合と乖離することを防止することができ、連続性を確保したＭＤ値を算出することが可能となる。
【０１０５】
加えて、例えば、上述した特許文献１のように、主成分分析を行う必要がなく、また、恣意性のある必要数を定義する必要もないため、利用計算機の精度だけで近似逆行列を決定することが可能となり、ＭＤ値を定量的に求めることが可能となる。
【０１０６】
次に、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置において用いられる近似逆行列の検証を行う。
例えば、近似を行う前の逆関数Ｒである図１４に示した逆行列Ｒを使用して算出したある測定時間における信号Ａ〜ＤまでのＭＤ値と、相関行列Ｒと近似逆行列Ｒ-1´の積が単位行列となったときの近似逆行列である図２１に示した近似逆行列Ｒ-1´を使用して算出したある測定時間における信号Ａ〜ＤまでのＭＤ値とを以下の表１に示す。
【０１０７】
【表１】
【０１０８】
上記表１に示すように、図１３に示した相関行列の逆行列Ｒをそのまま用いてＭＤ値を算出した場合には、信号Ａ〜Ｄに関するＭＤ値のオーダーがかなりことなっており、異常な計算結果が示されている。これに対し、図２１に示した近似逆行列Ｒ-1´を用いてＭＤ値を算出した場合には、信号Ａ〜Ｄに関するＭＤ値のオーダーが揃っており、また、ＭＤ値としても信頼性の高い値を示していることがわかる。
【０１０９】
このように、本実施形態のように近似逆行列Ｒ-1´を求め、この近似逆行列Ｒ-1´を用いてＭＤ値を算出することで、相関行列がＭＤ値の算出に適していない特性を有する場合であっても信頼性の高いＭＤ値を得ることができる。
【０１１０】
また、上述した非特許文献２では、単位空間（被診断データ）のデータレコード数が特性項目の個数よりも大きい場合のみＭＤ値の算出が可能であったが、本実施形態に係る健全性診断方法を用いることにより、以下の通り、単位空間のデータレコード数が特性項目よりも少ない場合であっても、ＭＤ値を確実に計算することが可能となる。
【０１１１】
図２４に、単位空間の項目数（ここでは、２４項目とした）と同じ単位空間のデータレコード数を用いてＭＤ値を算出した場合のＭＤ値の分布を、図２５に、単位空間の項目数（ここでは、２４項目とした）よりも大きい単位空間のデータレコード数（ここでは、５０とした）を用いてＭＤ値を算出した場合のＭＤ値の分布を示す。
図２４及び図２５に示すように、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置を用いれば、単位空間の項目数と同じ単位空間のデータレコード数を用いてＭＤ値を求めた場合でも、それよりもはるかに大きいデータレコード数を用いてＭＤ値を求めた場合と略同じ結果を得ることができることがわかる。
【０１１２】
〔第２の実施形態〕
次に、本発明の第２の実施形態に係る風車の健全性診断装置について説明する。
上述した第１の実施形態においては、相関行列Ｒとその逆行列Ｒ-1との積を示す行列が略単位行列でなかった場合に、相関行列Ｒの特異値分析を行い、この特異値λの小さい値から順にその逆数１／λをゼロに置換していくことで、近似逆行列Ｒ-1´を求めていたが、本実施形態においては、この近似逆行列Ｒ-1´の求め方が異なる。
以下、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置について、上述した第１の実施形態と共通する点については説明を省略し、異なる点について主に説明する。
【０１１３】
本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、上記図１１のステップＳＡ４において、相関行列Ｒとその逆行列Ｒ-1との積を示す行列が略単位行列ではなかった場合に、前記相関行列Ｒの特異値分解を行い、該特異値λの逆数１／λの分母に計算機の丸め誤差から決まる定数εを加算することで近似逆行列Ｒ-1´を算出する（以下の（１０）式参照）。そして、この近似逆行列を用いてＭＤ値を算出する。
【０１１４】
【数８】
【０１１５】
このように、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、相関行列Ｒとその逆行列Ｒ-1との積が略単位行列でなかった場合には、相関行列の特異値分解を行い、その特異値の逆数１／λの分母に丸め誤差から決まる定数εを加算することで近似逆行列Ｒ-1´を求めることとしたので、上述した第１の実施形態のように、特異値λを小さい順に判別する必要がなく、更に、相関行列Ｒとその逆行列Ｒ-1との積が略単位行列となるまで、一つずつ特異値の逆数１／λをゼロに置換していく手間を省くことが可能となる。本実施形態によれば、ＭＤ値を算出するのに使用される近似逆行列Ｒ-1´を直接的に求めることができ、処理の簡便化を図ることが可能となる。
【０１１６】
〔第３の実施形態〕
次に、本発明の第３の実施形態に係る風車の健全性診断装置について説明する。
上述した第１及び第２の実施形態においては、図３に示した異常判定部３３がＭＤ値に基づいて風車に異常が発生しているか否かを判定することとしていたが、本実施形態においては、異常判定部３３が更に異常の要因を特定する点で上述した各実施形態とは異なる。
【０１１７】
以下、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置について、上述した第１の実施形態と共通する点については説明を省略し、異なる点について主に説明する。
【０１１８】
例えば、非特許文献３には、ＭＤ値を主成分で分解できると開示されている。また、この非特許文献３には、MD値を主成分分解した項において、主成分の固有値の小さい項は、寄与率が小さく、無視できると記されている。
【非特許文献３】宮川雅巳 著「品質を獲得する技術」２２５頁〜２２６頁
【０１１９】
しかしながら実際には、本願の発明者らの検討の結果、主成分の固有値の小さい項がＭＤ値の寄与の大部分を占めることがわかった。この理由として、固有値の大きい項は単位空間中でパターンの類似性の高い状態を定義しているため、異常データでも単位空間と同じ類似性を抽出するためにＭＤ値への寄与が小さい。一方、固有値の小さい項は、単位空間中でパターンの類似性の低い状態を定義しているため、異常データのような、単位空間との類似性の小さいデータに対する感度が大きく、ＭＤ値への寄与が高いといえる。
ここで、ＭＤ値を主成分で分解し、個々の項のどれが大きいかを見出せば、その項を構成する特徴量が異常であることがわかる。また主成分分解で得た個々の項の影響を見ることで、近いＭＤ値を示すが異なる異常状態の区別をすることが可能である。このような知見から、ＭＤの主成分分解によって固有値の小さい項のトレンドを見れば、異常の要因をある程度特定できることがわかった。
【０１２０】
そこで、本実施形態においては、異常判定部３３（図３参照）に異常が検知された場合には、以下の処理を実行することで、異常の要因を特定する。
まず、異常判定部３３は、ＭＤ値を主成分分析し、ＭＤ値を主成分分析の結果として得られる固有値λ及び固有ベクトルｐからなる複数の項の和として表す。ここで、各項は、被診断データファイルにおける主成分に対応している。具体的には、ＭＤ値は、以下の（１１）式のように複数の項の和として表される。
【０１２１】
【数９】
【０１２２】
次に、異常判定部３３は、ＭＤ値を構成する複数の項のうち、絶対値が既定の閾値よりも大きい項を特定し、特定した項に対応する主成分が異常要因であると特定する。
【０１２３】
以上、説明してきたように、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、ＭＤ値を主成分分析して得た複数の項の絶対値に基づいて異常発生の要因を特定するので、一般的に知られている直交表を用いた要因効果分析と比べて、処理を低減することが可能となる。このように、本実施形態に係る要因分析方法によれば、１回の主成分分析により、容易に異常の要因候補を特定することができる。
【０１２４】
以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
【０１２５】
例えば、上述した各実施形態においては、基準データファイルとして正常データファイルを用いていたが、これに代えて、基準データファイルとして異常データファイルを用いることとしてもよい。この場合には、異常データファイルにより形成される単位空間を基準にＭＤ値が求められるため、上述した各実施形態の場合と逆で、ＭＤ値が所定の閾値よりも小さかった場合に、異常が発生していると判定する。
【０１２６】
このように、異常データファイルを基準データファイルとして用いることにより、例えば、多様な異常・故障状態を単位空間において分別してＭＤ値を算出することで、上述した第３の実施形態のように、要因効果分析を行うことなく、どの特性項目の被診断データがどのような異常を示しているのかを容易に特定することが可能となる。
【図面の簡単な説明】
【０１２７】
【図１】風車の全体概略構成を示した図である。
【図２】本発明の第１の実施形態に係る健全性診断装置の概略構成を示したブロック図である。
【図３】本発明の第１の実施形態に係る健全性診断装置の機能を展開して示した機能ブロック図である。
【図４】軸受け・増速機の診断を行う場合を例に挙げた場合の各加速度センサによって取得された計測データから診断物理量を算出する処理を説明するための図である。
【図５】診断物理量がチャネルと固有周波数とに対応付けられて格納されている新たなデータファイルの一例を示した図である。
【図６】被診断データファイルの一例を示した図である。
【図７】クラス分類の一例を示した図である。
【図８】クラス分類の他の例を示した図である。
【図９】正常定義範囲の一例を示した図である。
【図１０】正常定義範囲の他の例を示した図である。
【図１１】本発明の第１の実施形態におけるＭＤ算出処理の手順を示したフローチャートである。
【図１２】マハラノビス距離の算出処理で用いられる各データについて説明するための説明図である。
【図１３】相関行列の一例を示した図である。
【図１４】図１３に示した相関行列の逆行列を示した図である。
【図１５】図１３に示した相関行列と図１４に示した逆行列とを乗算したときの行列を示した図である。
【図１６】図１３に示した相関行列の特異値の一覧を示した図である。
【図１７】図１６に示した相関行列の特異値の逆数を一つだけゼロに置換したときの近似逆行列を示した図である。
【図１８】図１３に示した相関行列と図１７に示した近似逆行列とを乗算したときの行列を示した図である。
【図１９】図１６に示した相関行列の特異値の逆数を二つだけゼロに置換したときの近似逆行列を示した図である。
【図２０】図１３に示した相関行列と図１９に示した近似逆行列とを乗算したときの行列を示した図である。
【図２１】図１６に示した相関行列の特異値の逆数を三つだけゼロに置換したときの近似逆行列を示した図である。
【図２２】図１３に示した相関行列と図２１に示した近似逆行列とを乗算したときの行列を示した図である。
【図２３】状態指標値の評価結果の一例を示した図である。
【図２４】単位空間の項目数と同じ単位空間のデータレコード数を用いてＭＤ値を算出した場合のＭＤ値の分布を示した図である。
【図２５】単位空間の項目数よりも大きい単位空間のデータレコード数を用いてＭＤ値を算出した場合のＭＤ値の分布を示した図である。
【符号の説明】
【０１２８】
１ 風車
３ ナセル
４ ロータヘッド
５ 風車翼
１０ 風車の健全性診断装置
１１ ＣＰＵ
１２ 主記憶装置
１３ 補助記憶装置
１４ 入力装置
１５ 出力装置
１６ 通信装置
２０ データファイル作成部
２１ 計測情報記憶部
２２ データ生成部
２３ クラス分類定義部
２４ クラス分類部
２５ 第１記憶部
２６ 正常データ条件定義部
２７ 正常データ抽出部
２８ 第２記憶部
３０ 健全性評価部
３１ 診断設定部
３２ 指標算出部
３３ 異常判定部
３４ 通知部
【技術分野】
【０００１】
本発明は、例えば、マハラノビス・タグチメソッド（以下「ＭＴ法」という。）を用いて診断対象の健全性を評価する健全性診断方法及びプログラム、並びに該健全性診断方法を適用した風車の健全性診断装置に関するものである。
【背景技術】
【０００２】
従来、検査対象の健全性を診断する際に、ＭＴ法を適用し、マハラノビス距離（ＭＤ値）に基づいて異常を検知する方法が提案されている。
例えば、特許文献１には、自動分析装置における反応過程での異常の有無判定に、ＭＴ法を適用し、マハラノビス距離に基づいて異常の有無を検知する方法が開示されている。
【０００３】
ＭＴ法は、非特許文献１に開示されるように、正常データの集団である単位空間を定義し、該単位空間の相関行列の逆行列を用いてマハラノビス距離を計算する。このマハラノビス距離は、単位空間を構成する特性項目間の相関を考慮したパラメータであり、このマハラノビス距離が大きい場合には、正常データの集団である母集団から乖離していることを示すので、何らかの特性値に異常が発生していると診断することができる。
【０００４】
ところで、ＭＴ法では、単位空間から計算される相関行列の性質によっては、相関行列の逆行列が計算できない場合がある。例えば、単位空間を構成する特性項目の間に強い相関がある(相関係数の絶対値が１に近い)場合や、単位空間を構成する特性項目の個数よりも単位空間のデータレコード数が少ない場合には、相関行列の逆行列が計算できない可能性が高い。
【０００５】
この対策として、例えば、特許文献２では、相関行列の逆行列の代わりに相関行列の余因子行列を計算し、この余因子行列を用いてマハラノビス距離を算出する方法（ＭＴＡ法）が提案されている。
しかしながら、上記余因子行列を用いるＭＴＡ法は、単位空間の相関行列のランクが特性値の個数よりも１だけ落ちている場合だけに有効で、２以上落ちている場合はマハラノビス距離が計算できないことが知られている（例えば、非特許文献２参照）。そこで、非特許文献２では、ＭＴ法、ＭＴＡ法の改善のため、ＭＴＡ法の余因子行列に代わり、相関行列をスペクトル分解して、ランク落ちしていない固有値に対応するムーア・ペンローズ一般化逆行列を用いる第１種の平方距離と、ランク落ちした固有値０（ゼロ）に対応する固有ベクトルから作成した第２種の平方距離を用いてマハラノビス距離を算出する手法を提案している。
【特許文献１】特開２００６−２３２１４号公報
【特許文献２】特開２００３−１４１３０６号公報
【非特許文献１】刊行委員長 田口玄一、編集主査 兼高達貮、「品質工学応用講座 MTシステムによる技術開発」、日本規格協会２００２年発行、１４頁〜２６頁、３８頁〜４４頁
【非特許文献２】宮川雅巳、永田靖 著、「マハラノビス・タグチ・システムにおける多重共線性対策について」、品質(Journal of the Japanese Society for Quality Control)、第３３巻４号４６７頁
【発明の開示】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記非特許文献２に開示されている方法では、相関行列の逆行列が計算できる場合、換言すると、単位空間の相関行列のランクが特性項目の個数に等しい場合には、一般のマハラノビス距離だけしか計算されないことになり、連続性がなくなってしまうという問題を抱えている。例えば、単位空間のデータレコード数が特性項目の個数以下では第１種・第２種の平方距離が計算されるが、データレコード数が特性項目の個数より多い場合には一般のマハラノビス距離(これは第１種の平方距離に相当する)となり、異常診断での連続性がなくなってしまう。
【０００７】
また、特許文献１では、単位空間を構成する特性値の間に強い相関がある、換言すると、相関係数の絶対値が１に近い場合でも、マハラノビス距離を算出可能とするために、相関行列の主成分分析を活用してデータ群を直交化し、相関行列を特異分解することで、固有値の寄与率とその必要数を計算し、この必要数が特性値個数以下であった場合には、ｐ個の固有ベクトルを用いてマハラノビス距離を計算する方法を適用している。
しかしながら、この手法では、必要数の定義に任意性があり、また主成分分析を介した計算が必要となり、処理が煩雑であるという問題があった。
【０００８】
本発明は、上記問題を解決するためになされたもので、ＭＴ法を用いて健全性を判断する場合に、煩雑な処理を行うことなくマハラノビス距離を算出することができ、健全性診断を確実に実施することのできる健全性診断方法及びそのプログラム並びに風車の健全性診断装置を提供することを目的とする。
【課題を解決するための手段】
【０００９】
上記課題を解決するために、本発明は以下の手段を採用する。
本発明は、健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、前記基準データセットを用いて相関行列を計算する相関行列算出過程と、前記相関行列の逆行列を計算する逆行列算出過程と、前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める近似逆行列算出過程と、該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程とを有し、該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法を提供する。
【００１０】
本発明によれば、相関行列とその逆行列との積を示す行列が略単位行列でなかった場合には、この逆行列がＭＤ値を算出するのに適しない行列であると判断し、この逆行列を補正し、近似逆行列を算出する。具体的には、相関行列の特異値分解を行い、該行列が略単位行列となるまで、特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列による３行列積によって、近似逆行列を求める。特異値が小さい場合、その特異値の逆数は、限りなく大きい値となり、計算を不可能にする可能性がある。本発明によれば、計算を不可能にするおそれのある特異値を特定し、特定した特異値の逆数をゼロに置換するので、計算が暴走することを防止することができ、信頼性の高い近似逆行列を得ることができる。従って、この近似逆行列を用いてＭＤ値を算出することにより、信頼性の高いＭＤ値を得ることが可能となる。
【００１１】
本発明は、健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、前記基準データセットを用いて相関行列を計算する相関行列算出過程と、前記相関行列の逆行列を計算する逆行列算出過程と、前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する近似逆行列算出過程と、該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程とを有し、該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法を提供する。
【００１２】
本発明によれば、相関行列とその逆行列との積を示す行列が略単位行列でなかった場合には、この逆行列がＭＤ値を算出するのに適しない行列であると判断し、この逆行列を補正し、近似逆行列を算出する。具体的には、相関行列の特異値分解を行い、該特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する。
相関行列の特異値が小さい場合、その特異値の逆数は、限りなく大きい値となり、計算を不可能にする可能性がある。このため、特異値が小さい場合には、その特異値を逆数とした場合の分母に、丸め誤差から決まる定数を一様に加算することにより、逆行列の特性値が無限大に近い値になることを防止することが可能となる。これにより、計算が暴走することを防止することができ、信頼性の高い近似逆行列を得ることができる。従って、この近似逆行列を用いてＭＤ値を算出することにより、信頼性の高いＭＤ値を得ることが可能となる。
また、このような近似逆行列の求め方によれば、上述のように、値の小さい特異値からその逆数をゼロに置換する場合に比べて、その都度に近似逆行列と相関行列との積を求める必要もなくなり、１回の処理で近似逆行列を求めることが可能となる。これにより、近似逆行列に関する処理を簡便化することができる。
【００１３】
本発明は、特性項目別に複数の特性値が関連付けられている被診断データセットを設定するとともに、該被診断データと比較するための単位空間を形成するための基準データセットを設定するデータ設定過程と、前記基準データセットを用いて相関行列を計算する相関行列算出過程と、該相関行列の逆行列を計算する逆行列算出過程と、該逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と、前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定過程と、異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記特性項目に対応する複数の項の和として表す主成分分析過程と、複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する特性項目が異常要因であると特定する要因分析過程とを有する健全性診断方法を提供する。
【００１４】
本発明によれば、ＭＤ値を主成分分析して得た複数の項の絶対値に基づいて異常発生の要因を特定するので、一般的に知られている直交表を用いた要因効果分析と比べて、処理を低減することが可能となる。このように、本発明によれば、１回の主成分分析により、容易に異常の要因候補を特定することができ、要因分析を容易に行うことができる。
【００１５】
本発明は、マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、前記基準データセットを用いて相関行列を計算する相関行列算出処理と、前記相関行列の逆行列を計算する逆行列算出処理と、前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める近似逆行列算出処理と、該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理とをコンピュータに実行させるための健全性診断プログラムを提供する。
【００１６】
本発明は、マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、前記基準データセットを用いて相関行列を計算する相関行列算出処理と、前記相関行列の逆行列を計算する逆行列算出処理と、前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する近似逆行列算出処理と、該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理とをコンピュータに実行させるための健全性診断プログラムを提供する。
【００１７】
本発明は、特性項目別に複数の特性値が関連付けられている被診断データセットを設定するとともに、該被診断データと比較するための単位空間を形成するための基準データセットを設定するデータ設定処理と、前記基準データセットを用いて相関行列を計算する相関行列算出処理と、該相関行列の逆行列を計算する逆行列算出処理と、該逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と、前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定処理と、異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表す主成分分析処理と、複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する要因分析処理とをコンピュータに実行させるための健全性診断プログラムを提供する。
【００１８】
本発明は、計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段とを備え、前記指標値算出手段は、前記基準データセットを用いて相関行列を計算し、該相関行列の逆行列を計算し、該逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求め、該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置を提供する。
【００１９】
本発明によれば、被診断データセットと基準データセットとを用いて、風車の状態を表す状態指標値であるＭＤ値を算出するので、経験や知見に基づく定性的な評価に代えて、定量的な評価を実現することが可能となる。また、上記ＭＤ値は、各データセットに付与されたクラス分類が考慮された値となっているので、同じ状況下で取得されたデータ同士を比較することが可能となる。これにより、風車の状態をより的確に評価することが可能となる。
また、本発明によれば、信頼性の高い近似逆行列を得ることができるので、この近似逆行列を用いてＭＤ値を算出することにより、信頼性の高いＭＤ値を得ることが可能となる。
【００２０】
本発明は、計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段とを備え、前記指標値算出手段は、前記基準データセットを用いて相関行列を計算し、該相関行列の逆行列を計算し、該逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出し、該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置を提供する。
【００２１】
本発明によれば、被診断データセットと基準データセットとを用いて、風車の状態を表す状態指標値であるＭＤ値を算出するので、経験や知見に基づく定性的な評価に代えて、定量的な評価を実現することが可能となる。また、上記ＭＤ値は、各データセットに付与されたクラス分類が考慮された値となっているので、同じ状況下で取得されたデータ同士を比較することが可能となる。これにより、風車の状態をより的確に評価することが可能となる。
また、本発明によれば、信頼性の高い近似逆行列を得ることができるので、この近似逆行列を用いてＭＤ値を算出することにより、信頼性の高いＭＤ値を得ることが可能となる。
【００２２】
本発明は、計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、前記被診断データセット及び前記基準データセットを元に、マハラノビス距離を算出する指標値算出手段と、前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の有無を判定する異常判定手段とを有し、前記異常判定手段は、前記マハラノビス距離に基づいて風車の異常の有無を検知し、異常を検知した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表し、複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する風車の健全性診断装置を提供する。
【００２３】
このように、被診断データセットと基準データセットとを用いて、風車の状態を表す状態指標値であるＭＤ値を算出するので、経験や知見に基づく定性的な評価に代えて、定量的な評価を実現することが可能となる。また、上記ＭＤ値は、各データセットに付与されたクラス分類が考慮された値となっているので、同じ状況下で取得されたデータ同士を比較することが可能となる。これにより、風車の状態をより的確に評価することが可能となる。
また、本発明によれば、ＭＤ値を主成分分析して得た複数の項の絶対値に基づいて異常発生の要因を特定するので、一般的に知られている直交表を用いた要因効果分析と比べて、処理を低減することが可能となる。このように、本発明によれば、１回の主成分分析により、容易に異常の要因候補を特定することができ、要因分析を容易に行うことができる。
【００２４】
上記風車の健全性診断装置において、前記特性項目は、風車を取り巻く環境に関する環境区分、風車運転の性能・発電条件に関する性能区分、及び風車に設定された各種監視部位に係る運転状態の診断に関する特性区分の３つに大別されることとしてもよい。
【００２５】
上記風車の健全性診断装置において、前記被診断データファイル及び前記比較用データファイルにおいて、同じ計測時間に関連付けられている特性値を一つのデータセットとした場合に、該データセットには、所定の特性項目の特性値に応じて決定されるクラス分類を示す識別情報が付与されていることとしてもよい。
【００２６】
上記風車の健全性診断装置において、前記クラス分類は、前記環境区分及び前記性能区分の少なくともいずれか一方に分類される所定の特性項目の特性値に応じて決定されることとしてもよい。
【発明の効果】
【００２７】
本発明によれば、逆行列が作成できない場合でも、煩雑な処理を行うことなくマハラノビス距離を算出し、健全性診断を確実に実施することができるという効果を奏する。
【発明を実施するための最良の形態】
【００２８】
以下に、本発明に係る健全性診断方法及び健全性診断プログラムを風車の健全性診断に適用した場合の実施形態について、図面を参照して説明する。
【００２９】
〔第１の実施形態〕
図１は、風車の概略構成を示した図である。図１に示すように、風車１は、基礎６の上に立設される支柱２と、支柱２の上端に設置されるナセル３と、略水平な軸線周りに回転可能にしてナセル３に設けられるロータヘッド４とを有している。ロータヘッド４には、その回転軸線周りに放射状に複数枚の風車翼５が取り付けられている。これにより、ロータヘッド４の回転軸線方向から風車翼５に当たった風の力が、ロータヘッド４を回転軸線周りに回転させる動力に変換され、この動力が発電機によって電気エネルギーに変換されるようになっている。
【００３０】
図２は、本実施形態に係る風車の健全性診断装置（以下「健全性診断装置」という。）の概略構成を示したブロック図である。図２に示される本実施形態に係る健全性診断装置は、風車構成の内部もしくは外部いずれの場所に設置されていてもよい。図２に示すように、健全性診断装置１０は、コンピュータシステム（計算機システム）であり、ＣＰＵ（中央演算処理装置）１１、ＲＡＭ（Random Access
Memory）などの主記憶装置１２、ＨＤＤ（Hard Disk Drive）などの補助記憶装置１３、キーボードやマウスなどの入力装置１４、及びモニタやプリンタなどの出力装置１５、外部の機器と通信を行うことにより情報の授受を行う通信装置１６などで構成されている。
補助記憶装置１３には、各種プログラム（例えば、健全性診断プログラム）が格納されており、ＣＰＵ１１が補助記憶装置１３から主記憶装置１２にプログラムを読み出し、実行することにより種々の処理を実現させる。
【００３１】
図３は、健全性診断装置１０が備える機能を展開して示した機能ブロック図である。図３に示されるように、健全性診断装置１０は、風車の健全性を診断するために必要となるデータファイルを処理・生成するデータファイル作成部２０と、データファイル作成部２０によって生成されたデータを用いてＭＴ法を用いてマハラノビス距離を算出し、この結果から健全性を評価する健全性評価部３０とを備えている。
【００３２】
データファイル作成部２０は、計測情報記憶部２１と、データ生成部２２と、クラス分類定義部２３と、クラス分類部２４と、第１記憶部２５と、正常データ条件定義部２６と、正常データ抽出部２７と、第２記憶部２８とを備えている。
健全性評価部３０は、診断設定部（診断設定手段）３１と、指標値算出部（指標値算出手段）３２と、異常判定部（異常判定手段）３３、通知部３４とを備えている。
【００３３】
本発明は、上記構成のうち、健全性評価部３０におけるＭＴ法のマハラノビス距離算出過程に主な特徴を有している。以下、本発明の特徴となるＭＴ法の説明も含め、健全性診断装置１０が備える各部の説明を図を参照して説明する。
【００３４】
〔データファイル作成部２０について〕
計測情報記憶部２１には、センサ毎に複数の測定データからなる複数のデータファイルが格納される。
ここで、各データファイルの各計測データには、その計測データが測定された計測時間が関連付けられている。この計測時間は、後述するクラス分類部２４において行われる診断データの作成処理において、データファイル間の各種測定データを互いに関連付ける紐付けパラメータとして機能する。
【００３５】
データ生成部２２は、主に、以下に示す２つの処理を実行する。
〔サンプリング時間の統一化処理〕
上述した計測情報記憶部２１に格納されている各種データファイルに係る各計測データの計測時間の時間間隔（以下「サンプリング時間」という）は統一されていない。従って、データ生成部２２は、まず、これらのサンプリング時間を統一する処理を行う。本実施形態では、各データファイルを１分間隔の計測データとなるように再構築する。
【００３６】
例えば、サンプリング時間が１分に比べ十分速いときは、１分間に取得された全ての計測データを用いて統計的手法により１分間の代表値を選定する。例えば、代表値は、平均値と標準偏差とにより表される。
このようにすることで、全てのデータファイルの計測データを共通の時間間隔で同期関連付けさせることができる。
【００３７】
〔診断物理量の算出〕
次に、データ生成部２２は、計測時間を統一させた各種データファイルのうち、所定のデータファイルを対象に、「診断物理量」の抽出を行う。
つまり、上述のように、上記計測情報記憶部２１には、各種センサによって計測された生のデータが格納されることとなるが、各監視部位の運転状況等を診断するためには、これら生のデータから診断に好適な診断物理量を生成、抽出する必要がある。
【００３８】
例えば、軸受け・増速機には、その運転状況を監視するために、各計測箇所に８個の加速度センサが取り付けられている。各センサによって、計測された計測データである時系列波形はセンサ別に計測情報記憶部２１に格納される。
【００３９】
ところで、軸受け・増速機における増速機のある変速段の異常の診断には、その変速段を構成する複数の歯車の噛み合せ周波数（固有値）の振動加速度を算出し、この振動加速度によって、ある変速段の診断を行うこととなる。このため、データ生成部２２は、８個のセンサＣＨ１からＣＨ８によってそれぞれ計測された時系列波形に対して周波数変換（一例として、Fast Fourier Transferの手段がある。）という信号処理を行い、図４に示されるような、周波数スペクトラムを得、この周波数スペクトラムから図４中の矢印が示す複数の固有周波数の振幅加速度をそれぞれ抽出する。そして抽出した振幅加速度を各チャネル及び固有周波数によって識別されるファイルに格納することにより、新たなデータファイルを作成する。
【００４０】
図５に、新たに作成されたデータファイルの一例を示す。図５に示すように、ＣＨ１、ＣＨ２等のように表されるチャネル（センサ）と、「ＡＺｉ１」、「ＡＺｉ２」、「ＡＺｉ３」等のように表される固有周波数とに関連付けられて各計測時間における振動加速度が診断物理量として格納される。ここで、各診断加速度の計測時間は、上述の如く、他のデータファイルの計測時間と統一したものとなっている。
このようにして、所定のデータファイルにおいて、診断物理量が算出され、新たなデータベースが作成される。
【００４１】
なお、上記診断物理量の算出は、主に、風車１の運転状況を診断するために各種監視部位に取り付けられたセンサによって計測された計測データに対して行われる。どのデータファイルの計測データに対して、どのような信号処理を行い、どのような診断物理量を算出するのかについては、データ生成部２２に予め登録されている。
【００４２】
データ生成部２２によってサンプリング時間が統一化された各種データファイル及び新たに作成された診断物理量に対するデータファイルは、クラス分類部２４に出力される。なお、診断物理量を算出するのに使用された元のデータファイルについては、以降の処理については特に必要とされないため、クラス分類部２４には出力しないこととする。
【００４３】
クラス分類部２４は、まず、データ生成部２２から入力された各種データファイルを統合することにより、１つの被診断データファイルを作成する。
図６に、被診断データファイルの一例を示す。図６に示されるように、センサ別に各計測時間における計測データまたは診断物理量が関連付けられている。本実施形態では、図６の表の最上段に記載された各計測データや診断物理量の属性を示す「正規化風速」、「ＭＥＴ風速乱れ度」、「送電端出力」、「ＡＺｉ１」、「ＡＺｉ２」等の見出しを「特性項目」といい、各特性項目の各データを「特性値」と定義する。
【００４４】
特性項目は、その属性によって、「環境」、「性能」、「特性」に分類される。「環境」には、「風速」、「風速乱れ度」等の風車を取り巻く環境に関する特性項目が、「性能」には、発電条件、発電機回転数、発電制御に関する指令値等、風車運転の性能、発電条件に関する特性項目が、「特性」には、「ＡＺｉ１」、「ＡＺｉ２」等の風車の運転状況の診断に関する特性項目が分類される。ここで、「特性」に分類される特性項目は、上述したデータ生成部２２において、新たに生成されたデータファイルが該当する。
本実施形態では、ある１日の０：００から２３：５９までの１分刻みの特性値を統合して１つの被診断データファイルを構成している。
【００４５】
クラス分類部２４は、続いて、被診断データファイルにおいて、同じ計測時間に関連付けられている特性値を一つのデータセットとし、各データセットに対してクラス分類を示す識別情報を付加する。
具体的には、クラス分類部２４は、クラス分類定義部２３に定義されているクラス定義に基づいて、各データセット、換言すると、図６に示された被診断データファイルの行毎に、どのクラス分類に属するかを区分けし、各データセットにクラス分類を示すフラグを立てる。
【００４６】
ここで言う「クラス分類」とは、ＭＴ法のような統計的診断手法において、クラス分類定義部２３で定めた、複数の特性項目の基準範囲に合致したデータ集団の区切りのことをいう。このように、同じ「クラス分類」同士での正常または異常を識別する統計的診断は、クラス分類しないデータ全体の場合より識別精度が高くなる。
【００４７】
ここで、本実施形態に係る「クラス分類」について図７のクラス分類の模式図を用いて説明する。
本実施形態では、クラス分類の指標量となる特性項目を、「風速」としている。「風速」は、風車の発電性能に強い相関性を有しているため好都合である。ここでは、「風速」の段階毎の物理量で境界値(条件)を設定し、クラスＦ０、Ｆ１、Ｆ２、Ｆ３とクラス分類を定義している。
【００４８】
風車性能に係る具体的な意味合いとして、Ｆ０は、風車が発電に寄与しない風速域、Ｆ１は発電が開始し始める低速域、Ｆ２は発電が本格化し始める中速域、Ｆ３は定格発電し始める定格域とされている。
上記クラスＦ０は、風車が発電に寄与しない風速域であるため、クラスＦ０は診断対象外のデータ集団とし、クラスＦ１からＦ３の３クラスを診断対象となるクラスとして定義する。
【００４９】
なお、上記クラス分類に代えて、風速の乱れ率と風速との２つのパラメータによって、各計測時間を複数のクラスに分類することとしてもよい。図８には、風の乱れ率（％）が小さい場合と大きい場合とに分け、Ｆ１´からＦ６の計６つのクラスに分類する場合を示している。
また、上記例では、風速等に基づいてクラス分類を行ったが、図７にカッコで示されるように、風車の発電性能に強い相関性を示す「回転数」に基づいてクラス分類を行うこととしてもよい。
【００５０】
上述したようなクラス分類を定義した情報は、クラス分類定義部２３に格納されている。クラス分類部２４は、クラス分類定義部２３に格納されているクラス分類の条件数値を参考に、被診断データファイルのデータセット毎（行毎）にクラス分類を割り当てる。
【００５１】
第１記憶部２５は、クラス分類部２４でクラス分類(フラグ付け)された被診断データファイルを格納する。第１記憶部２５に格納されたクラス分類済みの被診断データファイルは、指標算出部３０における演算処理において、「信号空間」として取り扱われる。
【００５２】
一方、第２記憶部２８には、既に取得済みの「過去の被診断データファイル」から正常データ抽出部２７の処理を経て、「過去の被診断データファイル」の中から正常定義部２６の条件式、値等の定義の指示に従い、「正常」であると判断されたデータセットのみが抽出され、格納されている。その格納データを「正常データ」と呼ぶ。
もちろんこの段階で、第２記憶部２８に格納されている正常データファイル（比較用データファイル）の各データセットには、前段処理のクラス分類部２４においてクラス分類のフラグが付加されている。
【００５３】
第２記憶部２８に格納されている正常データファイルは、正常データ抽出部２７によって自動生成され、過去の正常データファイルから日々自動更新され、蓄積されることを特徴としている。ここでは、第１記憶部２５に格納されている「被診断データファイル」から「正常データファイル」が自動生成される処理機能について図を用いて説明する。
【００５４】
正常データ抽出部２７は、正常データ条件定義部２６に定義されている正常範囲（基準範囲）を参照することで、その定義に合致した被診断データファイルのデータセットのみを抽出し第２記憶部２８へ転送して格納する。
【００５５】
正常データ条件定義部２６の定義条件の本発明の好適な例を図９から図１０に示す。
図９は、発電量の変動範囲を規定したおよそ性能面からの正常定義である。
図９において横軸は風速、縦軸は発電量Ｐである。発電量の性能曲線は、Ｐ（Ｖ、ｒ）の関数で表すことができる。発電量の正常範囲は、風速によるクラス分類Ｆ１〜Ｆ３毎に、正常範囲（Ｉ），（ＩＩ），（ＩＩＩ）がそれぞれ定義されており、正常な性能範囲であると定義する条件は、その性能曲線から±ΔＰ／２の変動幅としている。
【００５６】
上記ΔＰは、任意の風速Ｖ0、回転数ｒ0の時の発電量、回転数ｒ0(Ｖ0)の割合Ａ(%)と定義すると、ΔＰ=(Ａ／１００)×Ｐ0(Ｖ0,ｒ0)である。
【００５７】
なお、上記例では、縦軸を発電量Ｐとしたが、これに代えて、回転数ｒを用いることとしてもよい。この場合、回転数の性能曲線は、ｒ（Ｖ）の関数で表すことができる。回転数の正常範囲は、風速によるクラス分類Ｆ１〜Ｆ３毎に、正常範囲（Ｉ），（ＩＩ），（ＩＩＩ）がそれぞれ定義されており、正常な性能範囲であると定義する条件は、その性能曲線から±Δｒ／２の変動幅としている。
【００５８】
上記Δｒは、任意の風速Ｖ0、回転数ｒ0の時の発電量、回転数ｒ0(Ｖ0)の割合Ａ(%)と定義すると、ΔＰ=(Ａ／１００)×Ｐ0(Ｖ0,ｒ0)、Δｒ＝（Ａ／１００）×ｒ0(Ｖ0)である。
更に、上記例では、横軸を風速としたが、図９において、横軸を回転数ｒ、縦軸を発電量Ｐとしてもよい。この場合、回転数に応じたクラス分類毎に、上記正常範囲（Ｉ）、（ＩＩ）、（ＩＩＩ）が定義されることとなる。
【００５９】
図１０は、風向偏差の変動範囲を規定したおよそ正常運転条件からの正常定義である。
図１０において横軸は風速、縦軸は風向偏差Δθである。ここで「風向偏差」について説明する。通常、風車の「正常」な運転条件とは、常に風向きに対して風車翼の回転面が真正面で受け止めていることが前提となる。
【００６０】
つまり実際の風向きと風車翼回転面の向きの差を「風向偏差」と呼び、それらが真正面の理想的な状態にある時の風向偏差Δθはゼロと基準にしている。「正常」な運転条件の一つである風向偏差Δθの範正常範囲は、風速によるクラス分類Ｆ１〜Ｆ３毎に、正常範囲（Ｉ´）、（ＩＩ´）、（ＩＩＩ´）がそれぞれ定義されている。
【００６１】
即ち、風車の向きは、自然条件で常に変化する風向きに対し、（Ｉ´）、（ＩＩ´）、（ＩＩＩ´）の範囲に収まるように追随しながら風を補足して、理想的な運転条件になるように発電を行っている。
【００６２】
なお、上記例では、横軸を風速Ｖとしたが、これに代えて、横軸を回転数ｒとしてもよい。この場合、回転数に応じたクラス分類毎に上記正常範囲（Ｉ´）、（ＩＩ´）、（ＩＩＩ´）が定義されることとなる。
【００６３】
正常データ条件定義部２６に格納されている上記正常範囲（Ｉ）、（ＩＩ）、（ＩＩＩ）と（Ｉ´）、（ＩＩ´）、（ＩＩＩ´）との論理式（ＡＮＤ、ＯＲ、ＮＯＴ）の組み合わせについては、ユーザが任意に設定することが可能な構成とされている。
【００６４】
正常データ条件定義部２６に格納されている上記正常範囲の定義に従って、正常データ抽出部２７が被診断データファイルの中から正常範囲と判断されるデータセットのみを抽出して第２記憶部２８に格納することで、正常データのみが第２記憶部２８に格納されることとなる。第２記憶部２８に格納されたこれらの正常データファイルは、指標算出部３０における演算処理において、「単位空間」として取り扱われる。
【００６５】
上述までが、データファイル作成部２０が備える各部の説明である。データファイル作成部２０の各部が上記処理を実施することにより、検査対象である風車の測定データ等の被診断データファイルが生成されて第１記憶部２５に格納され、また、被診断データファイルと比較される正常データファイルが第２記憶部２８に格納される。
そして、第１記憶部２５に格納された被診断データファイル及び第２記憶部２８に格納された正常データファイルを用いて、検査対象である風車１の健全性診断が健全性評価部３０によって実施される。
【００６６】
〔健全性評価部３０について〕
診断設定部３１は、第１記憶部２５の被診断データファイルからその全体または一部のデータセットを抽出し、診断用の「被診断データファイル」（信号空間）を作成するとともに、第２記憶部２８の正常データファイルからその全体または一部のデータセットを抽出し、診断用の「基準データファイル」（単位空間）を作成する。
【００６７】
これらの「被診断データファイル」及び「基準データファイル」の各データセットには、上述のようにクラス分類のフラグが付加されている。詳細は後述するが、基本的にＭＴ法では、同じクラス分類同士の「基準データファイル」と「被診断データファイル」との比較により異常診断が行われる。また、診断目的によっては、異なったクラス間での比較異常診断、または複数のクラス全体を一つの集団とし、クラスを再構築して比較異常診断を行うことも可能である。
【００６８】
指標値算出部３２は、診断設定部３１によって作成された「被診断データファイル」および「基準データファイル」を元にＭＴ法を実行し、マハラノビス距離（以下「ＭＤ値」という）を算出する。具体的な算出方法については後述する。
【００６９】
異常判定部３３は、指標値算出部３２によって算出されたＭＤ値を予め設定されている閾値と比較し、その比較結果に応じて風車１の状態を評価する。例えば、ＭＤ値が閾値を超えていた場合に、異常であると判定し、異常判定信号を通知部３４に出力する。
【００７０】
通知部３４は、異常判定信号が入力された場合に、風車１の異常の発生をディスプレイ等に表示することにより、ユーザに対して異常発生を通知する。なお、視覚による通知方法に代えて或いは加えて、聴覚による通知、例えば、報音により異常を通知することとしてもよい。このように、通知の手法については特に限定されない。
【００７１】
次に、上記指標値算出部３２によって実現されるＭＤ値の算出方法について図１１を参照して詳しく説明する。
【００７２】
〔データの規格化〕
まず、指標値算出部３２は、データの規格化処理を実行する（図１１のステップＳＡ１）。
例えば、診断設定部３１において設定された基準データファイルの計測時間数をｉ、特性項目数をｊとすると、基準データファイルは、ｉ行ｊ列の行列を成す。例えば、１分間隔で１日分のデータ数ならば、２４時間×６０分＝１４４０分で１４４０行、計測したデータ項目種類が２００種類あれば、２００列のデータサイズになる。
【００７３】
基準データの規格化の理由は、統計処理において、異なった特性項目間（計測物理量間）の特性値を公平に扱うためである。そのため、各行、各列によって識別される特性値ｘｉｊを以下の（１）、（２）式に基づいて算出した平均値ｍｊ及び標準偏差σｊを用いて規格化する処理を行う。特性値ｘｉｊの規格化後の値は、正規格値Ｘｉｊとして表され、以下の（３）式で求められる。
なお、以下の説明においては、図１２に示すように、ｎ行ｋ列の各データファイルを想定して説明する。
【００７４】
【数１】
【００７５】
同様に、指標値算出部３２は、基準データファイルと同様の演算を行うことにより、「被診断データファイル」についても規格化を行う。規格化のために用いる平均値ｍｊ及び標準偏差σｊは、上記式（１）、（２）で算出された「基準データファイル」の値を用いる。この結果、「被診断データファイル」の各特性値ｙｉｊを規格化した特性規格値Ｙｉｊが以下の（４）式により算出される。
【００７６】
【数２】
【００７７】
指標値算出部３２は、「基準データファイル」、「被診断データファイル」の各特性値を規格化後の特性規格値に置き換えることで、それぞれのデータファイルを再構築する。
【００７８】
〔相関行列算出処理〕
次に、指標値算出部３２は、基準データファイルの特性規格値Ｘｉｊを用いて、相関行列Ｒ＝（ｒｉｊ）を計算する（図１１のステップＳＡ２）。相関行列Ｒは以下の（５）式を用いて導出される。相関行列は対角成分が１であるｋ次行列となる。
【００７９】
【数３】
【００８０】
ここで、相関行列を求めるための具体的な説明を行う。基準データファイルの特性規格値Ｘｉｊの特性項目ｊの種類がｋ個（ｋ列）ある場合、その相関組み合わせ数は、ｋ×ｋである。一例として、基準データファイルの特性項目数ｊがｋ＝２００種類(列)あった場合、その相関組み合わせは２００×２００＝４００００通りであり、それは同時に２００×２００の正則行列の特性となる。正則行列の対角成分は、同じ特性項目同士の相関であるため、必然的に１となる性質を有している。また、対角線以外の相関係数は、ｒｐｑ=ｒｑｐとなり、その値は対角線を挟んで対称等しくなる。
【００８１】
〔逆行列算出処理〕
次に、指標値算出部３２は、上記（５）式で求めた相関行列の逆行列Ｒ-1を以下の（６）式を用いて算出する（図１１のステップＳＡ３）。
【００８２】
【数４】
【００８３】
〔判定処理〕
次に、上記逆行列Ｒ-1と相関行列Ｒとを乗算し、乗算した結果得られた行列が略単位行列であるか否かを判定する（図１１のステップＳＡ４）。
略単位行列であるか否かは、例えば、対角成分の絶対値が全て１に近い所定の閾値（例えば、０．５）以上であり、かつ、対角成分以外の成分の絶対値がゼロに近い所定の閾値（例えば、０．５）未満であるか否かにより判定される。好ましくは、単位空間を構成するデータレコードのうち、相関行列の計算に用いなかった単位空間データレコードのＭＤ値を計算し、そのＭＤ値が１近傍にあるか否かで判定する。そして、そのＭＤ値が１近傍（例えば、最大５以下）でない場合は、略単位行列と判断しないこととする。
【００８４】
【数５】
【００８５】
この結果、逆行列Ｒ-1と相関行列Ｒとを乗算した結果得られた行列が略単位行列であった場合には、上記（６）式で得た逆相関行列Ｒ-1を用いてＭＤ値を算出する（図１１のステップＳＡ６）。
【００８６】
〔近似逆行列の算出処理〕
一方、上記行列が略単位行列でない場合には、近似逆行列を算出する（図１１のステップＳＡ５）。
具体的には、以下の（７）式に示すように上記相関行列の特異値分析を行い、特異値λiの小さい方から順に、その特異値の逆数１／λiをゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める。
以下の（８）式では、特異値λnが最小値であった場合の近似逆行列の一例を示している。
【００８７】
【数６】
【００８８】
そして、このようにして求めた近似逆行列Ｒ-1´と相関行列Ｒとを乗算した行列が略単位行列となるまで、式（８）の対角行列内にある上記特異値λを小さい順に、その逆数１／λをゼロに置換する処理を繰り返し行い、式（８）に基づく近似逆行列Ｒ-1´の計算を繰り返す。
そして、非対角成分やゼロに置換した固有値に対応する対角成分の絶対値がゼロに近い所定の閾値（例えば、０．５）未満となり、かつ、ゼロに置換した固有値に対応する対角成分以外の対角成分の絶対値が全て１に近い所定の閾値（例えば、０．５）以上となった場合には、当該行列が略単位行列となったと判断し、そのときの近似逆行列Ｒ-1´を用いて、ＭＤ値を計算する（図１１のステップＳＡ６）。
【００８９】
〔マハラノビス距離算出処理〕
次に、上記ステップＳＡ３において求められた逆行列ＲまたはステップＳＡ５において求められた近似逆行列Ｒ-1´と、規格化後の被診断データファイルの各特性規格値Ｙｉｊを用いてＭＤ値Ｄ2ｉを求める（図１１のステップＳＡ６）。ＭＤ値Ｄ2ｉは、以下の（９）式を用いて算出される。
【００９０】
ここで、ｋは、「被診断データファイル」の特性項目数、つまり、列の数であり、ＭＤ値は「被診断データファイル」のデータセット毎（行毎）に算出される。例えば、「被診断データファイル」が１分間隔で取得された１日分のデータファイルであるとすれば、行数は１４４０行となり、１４４０個のＭＤ値が求められることとなる。このことは、軸受け・増速機の健全性診断指標であるＭＤ値が計測時間毎に逐次算出されることを意味している。
【００９１】
【数７】
【００９２】
ここで、ある計測時間のＭＤ値を計算する場合は、規格化された「被診断データファイル」のある計測時間に相当するデータ行ｉ（ｉは１〜ｎのいずれか）番目を指定して、そのｉ行の各列の値であるＹｉ１からＹｉｋを式（７）に代入して計算する。図６の例でいえば、計測時間０：０３におけるＭＤ値を求める際には、データ行でｉ＝４行目のｋ列数の特性規格値Ｙ4１からＹ4ｋを用いる。このようにして、「被診断データファイル」の計測時間の数だけＭＤ値が求められる。
【００９３】
ここで、留意すべき点は、被診断データファイルのデータセットが、どのクラス分類の基準データファイルのデータセットとの比較を取るかによって、規格化のためのｍｊとσｊおよびＭＤ値計算時の逆行列Ｒ-1（Ｒ-1´）を使い分けなければならない点にあるが、あらかじめプログラミングにより指示することで、自動計算処理が可能である。
【００９４】
次に、指標値算出部３２により行われる上記処理のうち、図１１のステップＳＡ２からステップＳＡ５までの処理について、具体例を挙げて説明する。
例えば、図１１のステップＳＡ２において、図１３に示すような相関行列Ｒが得られた場合、ステップＳＡ３では、この相関行列の逆行列Ｒ-1を算出する。図１４に、図１３に示した相関行列の逆行列Ｒ-1を示す。続いて、ステップＳＡ５において、図１３に示した相関行列Ｒと図１４に示した逆行列Ｒ-1とを乗算し、この行列が略単位行列であるか否かを判定する。図１５に上記相関行列と逆行列Ｓとを乗算した結果、得られた行列を示す。
【００９５】
図１５において、網掛けで示した固有値は絶対値が０．５よりも大きい値を示している箇所である。図１５に示された行列は略単位行列であると判定するための条件を満たしていないため、略単位行列とは認められず、従って、図１１に示したステップＳＡ５に進み、近似逆行列Ｒ-1´の算出が行われる。
【００９６】
ステップＳＡ５では、まず、図１３に示した相関行列の特異値分解を行い、固有値及び固有ベクトルを算出する。特異値分解を行ったときの特異値λのリストを図１６に示す。次に、図１６に示した特異値λのうち、最も小さい特異値λである「１．６４Ｅ-１６」の逆数１／λをゼロに置き換え、再度、置換後の相関行列の逆行列を求める。この結果、図１７に示すような近似逆行列Ｒ-1´が得られる。
【００９７】
そして、図１７に示した近似逆行列Ｒ-1´と相関行列Ｒとの積を再度算出し、この積が略単位行列になっているか否かを判定する。図１８に、この結果得られた積の行列を示す。図１８に示すように、図１５に示したときの積の行列に比べて単位行列に近づいてきたことがわかる。しかしながら、図１８に示した単位行列であっても略単位行列であると判定するための条件を満たしていないため、従って、図１６に示した相関行列の特異値λのうち、次に小さい特異値λである「４．７Ｅ−１６」の逆数１／λについてもゼロに置き換え、再度、置換後の相関行列の逆行列を求める。この結果、図１９に示すような近似逆行列Ｒ-1´が得られる。
【００９８】
そして、上記の処理を繰り返し行い、相関行列Ｒとその近似逆行列Ｒ-1´との積が略単位行列となったところで、そのときの近似逆行列Ｒ-1´をＭＤ値の算出に用いるものとして決定する。
【００９９】
図１３に示した相関行列の場合には、３番目に小さい特異値λまでその逆数１／λをゼロに置換したところで、その近似逆行列Ｒ-1´と相関行列Ｒとの積が略単位行列になっていることを示している。
図２０は、図１９に示した近似逆行列Ｒ-1´と相関行列Ｒとの積を示した行列、図２１は３番目に小さい特異値λである「５．１Ｅ−１６」まで、その逆数１／λをゼロに置換した場合の近似逆行列Ｒ-1´、図２２は、図２１に示した近似逆行列Ｒ-1´と相関行列Ｒとの積を示した行列である。図２２に示した行列においては、略単位行列であると判定するための条件を満たしている。従って、このときの近似逆行列Ｒ-1´、即ち、図２１に示した近似逆行列を用いてＭＤ値を計算することとなる。
【０１００】
このようにして、近似逆行列を用いてＭＤ値を算出すると、そのＭＤ値は、異常判定部３３に出力される（図３参照）。異常判定部３３は、入力された各ＭＤ値Ｄ2ｉと予め設定されている閾値（任意に設定可能な値であり、例えば、３）とをそれぞれ比較し、ＭＤ値Ｄ2ｉが閾値よりも大きいか否かを判定する。この結果、閾値よりも大きいＭＤ値Ｄ2ｉが所定割合以上存在した場合には、風車１の状態が異常であるとして、異常信号を出力する。これにより、通知部３４により、風車１の異常がユーザに通知される。
【０１０１】
一方、異常判定部３３は、閾値を越えるＭＤ値Ｄ2ｉが所定割合以下であった場合には、風車１の状態は正常であると判断し、その旨の通知を行う。そして、異常判定部３３によって異常が検出されない限り、データファイル作成部２０及び健全性評価部３０において、上述した被診断データファイル及び基準データファイルの設定、ＭＤ値の算出処理が所定の時間間隔で逐次行われ、風車１の状態監視が所定期間毎に行われることとなる。
【０１０２】
また、指標値算出部３２によって算出された状態指標値は、図２３に示すように、診断結果として表示装置に表示される。図２３は、診断結果の一例を示した図である。横軸に、計測時間が、縦軸にＭＤ値が示されている。
【０１０３】
以上、説明してきたように、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、相関行列の逆行列に起因してＭＤ値が算出不可能な場合であっても、相関行列Ｒから近似逆行列Ｒ-1´を求め、この近似逆行列Ｒ-1´を用いてＭＤ値を算出するため、ＭＤ値を確実に算出することができ、これにより、健全性診断を確実に実施することが可能となる。
【０１０４】
これにより、例えば、相関行列のランクが１落ちている場合だけしか適用できなかった特許文献２に開示の方法に比べて、幅広く適用することができる。また、非特許文献２に開示されていた方法のように、２個の平方距離を用いることなくＭＤ値を求めることができるので、処理を簡便化することができる。
更に、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、逆行列が算出できる通常の場合とあまり変化のない近似逆行列とすることができるので、この近似逆行列を用いて算出されるＭＤ値が通常の場合と乖離することを防止することができ、連続性を確保したＭＤ値を算出することが可能となる。
【０１０５】
加えて、例えば、上述した特許文献１のように、主成分分析を行う必要がなく、また、恣意性のある必要数を定義する必要もないため、利用計算機の精度だけで近似逆行列を決定することが可能となり、ＭＤ値を定量的に求めることが可能となる。
【０１０６】
次に、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置において用いられる近似逆行列の検証を行う。
例えば、近似を行う前の逆関数Ｒである図１４に示した逆行列Ｒを使用して算出したある測定時間における信号Ａ〜ＤまでのＭＤ値と、相関行列Ｒと近似逆行列Ｒ-1´の積が単位行列となったときの近似逆行列である図２１に示した近似逆行列Ｒ-1´を使用して算出したある測定時間における信号Ａ〜ＤまでのＭＤ値とを以下の表１に示す。
【０１０７】
【表１】
【０１０８】
上記表１に示すように、図１３に示した相関行列の逆行列Ｒをそのまま用いてＭＤ値を算出した場合には、信号Ａ〜Ｄに関するＭＤ値のオーダーがかなりことなっており、異常な計算結果が示されている。これに対し、図２１に示した近似逆行列Ｒ-1´を用いてＭＤ値を算出した場合には、信号Ａ〜Ｄに関するＭＤ値のオーダーが揃っており、また、ＭＤ値としても信頼性の高い値を示していることがわかる。
【０１０９】
このように、本実施形態のように近似逆行列Ｒ-1´を求め、この近似逆行列Ｒ-1´を用いてＭＤ値を算出することで、相関行列がＭＤ値の算出に適していない特性を有する場合であっても信頼性の高いＭＤ値を得ることができる。
【０１１０】
また、上述した非特許文献２では、単位空間（被診断データ）のデータレコード数が特性項目の個数よりも大きい場合のみＭＤ値の算出が可能であったが、本実施形態に係る健全性診断方法を用いることにより、以下の通り、単位空間のデータレコード数が特性項目よりも少ない場合であっても、ＭＤ値を確実に計算することが可能となる。
【０１１１】
図２４に、単位空間の項目数（ここでは、２４項目とした）と同じ単位空間のデータレコード数を用いてＭＤ値を算出した場合のＭＤ値の分布を、図２５に、単位空間の項目数（ここでは、２４項目とした）よりも大きい単位空間のデータレコード数（ここでは、５０とした）を用いてＭＤ値を算出した場合のＭＤ値の分布を示す。
図２４及び図２５に示すように、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置を用いれば、単位空間の項目数と同じ単位空間のデータレコード数を用いてＭＤ値を求めた場合でも、それよりもはるかに大きいデータレコード数を用いてＭＤ値を求めた場合と略同じ結果を得ることができることがわかる。
【０１１２】
〔第２の実施形態〕
次に、本発明の第２の実施形態に係る風車の健全性診断装置について説明する。
上述した第１の実施形態においては、相関行列Ｒとその逆行列Ｒ-1との積を示す行列が略単位行列でなかった場合に、相関行列Ｒの特異値分析を行い、この特異値λの小さい値から順にその逆数１／λをゼロに置換していくことで、近似逆行列Ｒ-1´を求めていたが、本実施形態においては、この近似逆行列Ｒ-1´の求め方が異なる。
以下、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置について、上述した第１の実施形態と共通する点については説明を省略し、異なる点について主に説明する。
【０１１３】
本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、上記図１１のステップＳＡ４において、相関行列Ｒとその逆行列Ｒ-1との積を示す行列が略単位行列ではなかった場合に、前記相関行列Ｒの特異値分解を行い、該特異値λの逆数１／λの分母に計算機の丸め誤差から決まる定数εを加算することで近似逆行列Ｒ-1´を算出する（以下の（１０）式参照）。そして、この近似逆行列を用いてＭＤ値を算出する。
【０１１４】
【数８】
【０１１５】
このように、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、相関行列Ｒとその逆行列Ｒ-1との積が略単位行列でなかった場合には、相関行列の特異値分解を行い、その特異値の逆数１／λの分母に丸め誤差から決まる定数εを加算することで近似逆行列Ｒ-1´を求めることとしたので、上述した第１の実施形態のように、特異値λを小さい順に判別する必要がなく、更に、相関行列Ｒとその逆行列Ｒ-1との積が略単位行列となるまで、一つずつ特異値の逆数１／λをゼロに置換していく手間を省くことが可能となる。本実施形態によれば、ＭＤ値を算出するのに使用される近似逆行列Ｒ-1´を直接的に求めることができ、処理の簡便化を図ることが可能となる。
【０１１６】
〔第３の実施形態〕
次に、本発明の第３の実施形態に係る風車の健全性診断装置について説明する。
上述した第１及び第２の実施形態においては、図３に示した異常判定部３３がＭＤ値に基づいて風車に異常が発生しているか否かを判定することとしていたが、本実施形態においては、異常判定部３３が更に異常の要因を特定する点で上述した各実施形態とは異なる。
【０１１７】
以下、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置について、上述した第１の実施形態と共通する点については説明を省略し、異なる点について主に説明する。
【０１１８】
例えば、非特許文献３には、ＭＤ値を主成分で分解できると開示されている。また、この非特許文献３には、MD値を主成分分解した項において、主成分の固有値の小さい項は、寄与率が小さく、無視できると記されている。
【非特許文献３】宮川雅巳 著「品質を獲得する技術」２２５頁〜２２６頁
【０１１９】
しかしながら実際には、本願の発明者らの検討の結果、主成分の固有値の小さい項がＭＤ値の寄与の大部分を占めることがわかった。この理由として、固有値の大きい項は単位空間中でパターンの類似性の高い状態を定義しているため、異常データでも単位空間と同じ類似性を抽出するためにＭＤ値への寄与が小さい。一方、固有値の小さい項は、単位空間中でパターンの類似性の低い状態を定義しているため、異常データのような、単位空間との類似性の小さいデータに対する感度が大きく、ＭＤ値への寄与が高いといえる。
ここで、ＭＤ値を主成分で分解し、個々の項のどれが大きいかを見出せば、その項を構成する特徴量が異常であることがわかる。また主成分分解で得た個々の項の影響を見ることで、近いＭＤ値を示すが異なる異常状態の区別をすることが可能である。このような知見から、ＭＤの主成分分解によって固有値の小さい項のトレンドを見れば、異常の要因をある程度特定できることがわかった。
【０１２０】
そこで、本実施形態においては、異常判定部３３（図３参照）に異常が検知された場合には、以下の処理を実行することで、異常の要因を特定する。
まず、異常判定部３３は、ＭＤ値を主成分分析し、ＭＤ値を主成分分析の結果として得られる固有値λ及び固有ベクトルｐからなる複数の項の和として表す。ここで、各項は、被診断データファイルにおける主成分に対応している。具体的には、ＭＤ値は、以下の（１１）式のように複数の項の和として表される。
【０１２１】
【数９】
【０１２２】
次に、異常判定部３３は、ＭＤ値を構成する複数の項のうち、絶対値が既定の閾値よりも大きい項を特定し、特定した項に対応する主成分が異常要因であると特定する。
【０１２３】
以上、説明してきたように、本実施形態に係る健全性診断方法及びそのプログラム並びに風車の健全性診断装置によれば、ＭＤ値を主成分分析して得た複数の項の絶対値に基づいて異常発生の要因を特定するので、一般的に知られている直交表を用いた要因効果分析と比べて、処理を低減することが可能となる。このように、本実施形態に係る要因分析方法によれば、１回の主成分分析により、容易に異常の要因候補を特定することができる。
【０１２４】
以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
【０１２５】
例えば、上述した各実施形態においては、基準データファイルとして正常データファイルを用いていたが、これに代えて、基準データファイルとして異常データファイルを用いることとしてもよい。この場合には、異常データファイルにより形成される単位空間を基準にＭＤ値が求められるため、上述した各実施形態の場合と逆で、ＭＤ値が所定の閾値よりも小さかった場合に、異常が発生していると判定する。
【０１２６】
このように、異常データファイルを基準データファイルとして用いることにより、例えば、多様な異常・故障状態を単位空間において分別してＭＤ値を算出することで、上述した第３の実施形態のように、要因効果分析を行うことなく、どの特性項目の被診断データがどのような異常を示しているのかを容易に特定することが可能となる。
【図面の簡単な説明】
【０１２７】
【図１】風車の全体概略構成を示した図である。
【図２】本発明の第１の実施形態に係る健全性診断装置の概略構成を示したブロック図である。
【図３】本発明の第１の実施形態に係る健全性診断装置の機能を展開して示した機能ブロック図である。
【図４】軸受け・増速機の診断を行う場合を例に挙げた場合の各加速度センサによって取得された計測データから診断物理量を算出する処理を説明するための図である。
【図５】診断物理量がチャネルと固有周波数とに対応付けられて格納されている新たなデータファイルの一例を示した図である。
【図６】被診断データファイルの一例を示した図である。
【図７】クラス分類の一例を示した図である。
【図８】クラス分類の他の例を示した図である。
【図９】正常定義範囲の一例を示した図である。
【図１０】正常定義範囲の他の例を示した図である。
【図１１】本発明の第１の実施形態におけるＭＤ算出処理の手順を示したフローチャートである。
【図１２】マハラノビス距離の算出処理で用いられる各データについて説明するための説明図である。
【図１３】相関行列の一例を示した図である。
【図１４】図１３に示した相関行列の逆行列を示した図である。
【図１５】図１３に示した相関行列と図１４に示した逆行列とを乗算したときの行列を示した図である。
【図１６】図１３に示した相関行列の特異値の一覧を示した図である。
【図１７】図１６に示した相関行列の特異値の逆数を一つだけゼロに置換したときの近似逆行列を示した図である。
【図１８】図１３に示した相関行列と図１７に示した近似逆行列とを乗算したときの行列を示した図である。
【図１９】図１６に示した相関行列の特異値の逆数を二つだけゼロに置換したときの近似逆行列を示した図である。
【図２０】図１３に示した相関行列と図１９に示した近似逆行列とを乗算したときの行列を示した図である。
【図２１】図１６に示した相関行列の特異値の逆数を三つだけゼロに置換したときの近似逆行列を示した図である。
【図２２】図１３に示した相関行列と図２１に示した近似逆行列とを乗算したときの行列を示した図である。
【図２３】状態指標値の評価結果の一例を示した図である。
【図２４】単位空間の項目数と同じ単位空間のデータレコード数を用いてＭＤ値を算出した場合のＭＤ値の分布を示した図である。
【図２５】単位空間の項目数よりも大きい単位空間のデータレコード数を用いてＭＤ値を算出した場合のＭＤ値の分布を示した図である。
【符号の説明】
【０１２８】
１ 風車
３ ナセル
４ ロータヘッド
５ 風車翼
１０ 風車の健全性診断装置
１１ ＣＰＵ
１２ 主記憶装置
１３ 補助記憶装置
１４ 入力装置
１５ 出力装置
１６ 通信装置
２０ データファイル作成部
２１ 計測情報記憶部
２２ データ生成部
２３ クラス分類定義部
２４ クラス分類部
２５ 第１記憶部
２６ 正常データ条件定義部
２７ 正常データ抽出部
２８ 第２記憶部
３０ 健全性評価部
３１ 診断設定部
３２ 指標算出部
３３ 異常判定部
３４ 通知部
【特許請求の範囲】
【請求項１】
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、
前記基準データセットを用いて相関行列を計算する相関行列算出過程と、
前記相関行列の逆行列を計算する逆行列算出過程と、
前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める近似逆行列算出過程と、
該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と
を有し、
該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法。
【請求項２】
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、
前記基準データセットを用いて相関行列を計算する相関行列算出過程と、
前記相関行列の逆行列を計算する逆行列算出過程と、
前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する近似逆行列算出過程と、
該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と
を有し、
該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法。
【請求項３】
特性項目別に複数の特性値が関連付けられている被診断データセットを設定するとともに、該被診断データと比較するための単位空間を形成するための基準データセットを設定するデータ設定過程と、
前記基準データセットを用いて相関行列を計算する相関行列算出過程と、
該相関行列の逆行列を計算する逆行列算出過程と、
該逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と、
前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定過程と、
異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表す主成分分析過程と、
複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する要因分析過程と
を有する健全性診断方法。
【請求項４】
該マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、
前記基準データセットを用いて相関行列を計算する相関行列算出処理と、
前記相関行列の逆行列を計算する逆行列算出処理と、
前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める近似逆行列算出処理と、
該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と
をコンピュータに実行させるための健全性診断プログラム。
【請求項５】
該マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、
前記基準データセットを用いて相関行列を計算する相関行列算出処理と、
前記相関行列の逆行列を計算する逆行列算出処理と、
前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する近似逆行列算出処理と、
該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と
をコンピュータに実行させるための健全性診断プログラム。
【請求項６】
特性項目別に複数の特性値が関連付けられている被診断データセットを設定するとともに、該被診断データと比較するための単位空間を形成するための基準データセットを設定するデータ設定処理と、
前記基準データセットを用いて相関行列を計算する相関行列算出処理と、
該相関行列の逆行列を計算する逆行列算出処理と、
該逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と、
前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定処理と、
異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表す主成分分析処理と、
複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する要因分析処理と
をコンピュータに実行させるための健全性診断プログラム。
【請求項７】
計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、
計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、
被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、
前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、
前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段と
を備え、
前記指標値算出手段は、
前記基準データセットを用いて相関行列を計算し、
該相関行列の逆行列を計算し、
該逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求め、
該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置。
【請求項８】
計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、
計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、
被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、
前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、
前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段と
を備え、
前記指標値算出手段は、
前記基準データセットを用いて相関行列を計算し、
該相関行列の逆行列を計算し、
該逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出し、
該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置。
【請求項９】
計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、
計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、
被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、
前記被診断データセット及び前記基準データセットを元に、マハラノビス距離を算出する指標値算出手段と、
前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の有無を判定する異常判定手段と
を有し、
前記異常判定手段は
前記マハラノビス距離に基づいて風車の異常の有無を検知し、
異常を検知した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表し、
複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する風車の健全性診断装置。
【請求項１０】
前記特性項目は、風車を取り巻く環境に関する環境区分、風車運転の性能・発電条件に関する性能区分、及び風車に設定された各種監視部位に係る運転状態の診断に関する特性区分の３つに大別される請求項７から請求項９のいずれかに記載の風車の健全性診断装置。
【請求項１１】
前記被診断データファイル及び前記比較用データファイルにおいて、同じ計測時間に関連付けられている特性値を一つのデータセットとした場合に、該データセットには、所定の特性項目の特性値に応じて決定されるクラス分類を示す識別情報が付与されている請求項７から請求項１０のいずれかに記載の風車の健全性診断装置。
【請求項１２】
前記クラス分類は、前記環境区分及び前記性能区分の少なくともいずれか一方に分類される所定の特性項目の特性値に応じて決定される請求項１１に記載の風車の健全性診断装置。
【請求項１】
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、
前記基準データセットを用いて相関行列を計算する相関行列算出過程と、
前記相関行列の逆行列を計算する逆行列算出過程と、
前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める近似逆行列算出過程と、
該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と
を有し、
該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法。
【請求項２】
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較する基準データセットを設定するデータ設定過程と、
前記基準データセットを用いて相関行列を計算する相関行列算出過程と、
前記相関行列の逆行列を計算する逆行列算出過程と、
前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定過程と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する近似逆行列算出過程と、
該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と
を有し、
該マハラノビス距離に基づいて診断対象の健全性を評価する健全性診断方法。
【請求項３】
特性項目別に複数の特性値が関連付けられている被診断データセットを設定するとともに、該被診断データと比較するための単位空間を形成するための基準データセットを設定するデータ設定過程と、
前記基準データセットを用いて相関行列を計算する相関行列算出過程と、
該相関行列の逆行列を計算する逆行列算出過程と、
該逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出過程と、
前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定過程と、
異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表す主成分分析過程と、
複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する要因分析過程と
を有する健全性診断方法。
【請求項４】
該マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、
前記基準データセットを用いて相関行列を計算する相関行列算出処理と、
前記相関行列の逆行列を計算する逆行列算出処理と、
前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求める近似逆行列算出処理と、
該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と
をコンピュータに実行させるための健全性診断プログラム。
【請求項５】
該マハラノビス距離に基づいて検査対象の健全性を評価するのに用いられる健全性診断プログラムであって、
健全性診断の対象となる被診断データセットを設定するとともに、該被診断データセットと比較するための基準データセットを設定するデータ設定処理と、
前記基準データセットを用いて相関行列を計算する相関行列算出処理と、
前記相関行列の逆行列を計算する逆行列算出処理と、
前記逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定する判定処理と、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出する近似逆行列算出処理と、
該近似逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と
をコンピュータに実行させるための健全性診断プログラム。
【請求項６】
特性項目別に複数の特性値が関連付けられている被診断データセットを設定するとともに、該被診断データと比較するための単位空間を形成するための基準データセットを設定するデータ設定処理と、
前記基準データセットを用いて相関行列を計算する相関行列算出処理と、
該相関行列の逆行列を計算する逆行列算出処理と、
該逆行列を用いて、マハラノビス距離を計算するマハラノビス距離算出処理と、
前記マハラノビス距離に基づいて診断対象の異常の有無を判定する異常判定処理と、
異常が発生していると判定した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表す主成分分析処理と、
複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する要因分析処理と
をコンピュータに実行させるための健全性診断プログラム。
【請求項７】
計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、
計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、
被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、
前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、
前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段と
を備え、
前記指標値算出手段は、
前記基準データセットを用いて相関行列を計算し、
該相関行列の逆行列を計算し、
該逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、該行列が略単位行列となるまで、前記特異値の小さい方から順にその特異値の逆数をゼロに置換した対角行列と、特異値分解で得た２個の直交行列とによる３行列積によって、近似逆行列を求め、
該行列が略単位行列となったときの該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置。
【請求項８】
計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、
計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、
被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、
前記被診断データセット及び前記基準データセットを元に、統計的演算手法を用いて、診断対象の状態を表す状態指標値を算出する指標値算出手段と、
前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の状態を判定する異常判定手段と
を備え、
前記指標値算出手段は、
前記基準データセットを用いて相関行列を計算し、
該相関行列の逆行列を計算し、
該逆行列と前記相関行列とを乗算し、該乗算した結果得られた行列が略単位行列であるか否かを判定し、
該行列が略単位行列でない場合に、前記相関行列の特異値分解を行い、前記特異値の逆数の分母に計算機の丸め誤差から決まる定数を加算することで、近似逆行列を算出し、
該近似逆行列を用いて、マハラノビス距離を計算し、該マハラノビス距離を前記状態指標値として出力する風車の健全性診断装置。
【請求項９】
計測時間に関連付けられた複数の特性値が特性項目別に格納されている被診断データファイルと、
計測時間に関連付けられた複数の特性値が特性項目別に格納されているとともに、特定の前記特性項目の特性値が予め定義されている所定の基準範囲に属している比較用データファイルと、
被診断データファイルから診断に用いる複数のデータセットを抽出し、被診断データセットとして設定するとともに、前記比較用データファイルから前記診断に用いる複数の前記データセットを抽出し、基準データセットとして設定する診断設定手段と、
前記被診断データセット及び前記基準データセットを元に、マハラノビス距離を算出する指標値算出手段と、
前記指標値算出手段によって算出された状態指標値に基づいて、診断対象である風車の有無を判定する異常判定手段と
を有し、
前記異常判定手段は
前記マハラノビス距離に基づいて風車の異常の有無を検知し、
異常を検知した場合に、前記マハラノビス距離の主成分分析を行い、該マハラノビス距離を前記主成分に対応する複数の項の和として表し、
複数の項のうち、絶対値が既定の閾値よりも大きい項に対応する主成分が異常要因であると特定する風車の健全性診断装置。
【請求項１０】
前記特性項目は、風車を取り巻く環境に関する環境区分、風車運転の性能・発電条件に関する性能区分、及び風車に設定された各種監視部位に係る運転状態の診断に関する特性区分の３つに大別される請求項７から請求項９のいずれかに記載の風車の健全性診断装置。
【請求項１１】
前記被診断データファイル及び前記比較用データファイルにおいて、同じ計測時間に関連付けられている特性値を一つのデータセットとした場合に、該データセットには、所定の特性項目の特性値に応じて決定されるクラス分類を示す識別情報が付与されている請求項７から請求項１０のいずれかに記載の風車の健全性診断装置。
【請求項１２】
前記クラス分類は、前記環境区分及び前記性能区分の少なくともいずれか一方に分類される所定の特性項目の特性値に応じて決定される請求項１１に記載の風車の健全性診断装置。
【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】
【公開番号】特開２００９−２８８１００（Ｐ２００９−２８８１００Ａ）
【公開日】平成２１年１２月１０日（２００９．１２．１０）
【国際特許分類】
【出願番号】特願２００８−１４１４３１（Ｐ２００８−１４１４３１）
【出願日】平成２０年５月２９日（２００８．５．２９）
【出願人】（０００００６２０８）三菱重工業株式会社 (10,378)
【Ｆターム（参考）】
【公開日】平成２１年１２月１０日（２００９．１２．１０）
【国際特許分類】
【出願日】平成２０年５月２９日（２００８．５．２９）
【出願人】（０００００６２０８）三菱重工業株式会社 (10,378)
【Ｆターム（参考）】
[ Back to top ]