自己組織化ネットワークによる故障診断の為の解析長の検討

摘要

本研究においては，連続運転環境下にある8枚羽のポンプ及び，バルブを含hだ水循環系プラントの動作状態を監視するために加速度センサ，音響センサを水循環系の複数の個所に配し，そこからの信号を抽出し，Kohonenの提案した自己組織化特徴マップ(Self-Organizing Feature Maps: SOFM)で構成された2層自己組織化ニューラルネットワークを用いて故障診断を行った。実験においては、水循環系の状態を変化させるために、ポンプのモータ回転数を5[rps]から15[rps]まで1[rps]づつ上昇させ，また15[rps]司から5[rps]まで下降させた。また、バルブ開度を10，15，20％と変化させて信号を収集した。収集時のサンプリング周波数は2肋とした。観測信号から信号中に含まれている特徴として、ここでは、線形予測係数を算出し，これらのデータをSOFMの入力ベクトルとした。収集した信号から、回転数，センサ，弁開度の違いにより信号を解析することにより、水循環系の状態変化を識別し、これが故障診断に寄与できることを示す。しかし、解析にあたって、これまでの発表で示したように解析長や移動量をさらに吟味したところ、本論文で述べるように，解析長を1024、移動量を256とするこにより、これまでより安定した解析が可能であることを明らかにした。