TOP特許意匠商標
特許ウォッチ Twitter
10個以上の画像は省略されています。
公開番号2024079938
公報種別公開特許公報(A)
公開日2024-06-13
出願番号2022192645
出願日2022-12-01
発明の名称運転支援装置、運転支援方法及びプログラム
出願人富士電機株式会社
代理人個人,個人
主分類G05B 23/02 20060101AFI20240606BHJP(制御;調整)
要約【課題】最適に近い多様な操作量系列を提示できる技術を提供すること。
【解決手段】本開示の一態様による運転支援装置は、過去の時間区間における操作変数の特徴量と、前記過去の時間区間における状態変数の特徴量と、前記過去の時間区間における環境変数の特徴量とを用いて、前記操作変数の特徴量と前記環境変数の特徴量から前記状態変数の特徴量を予測する予測モデルを学習するように構成されている学習部と、将来の時間区間における前記環境変数の特徴量と、前記将来の時間区間における前記状態変数の目標特徴量とを用いて、前記予測モデルにより前記将来の時間区間における前記操作変数の最適特徴量を算出するように構成されている最適化部と、前記操作変数の最適特徴量に少なくとも類似する複数の特徴量を用いて、前記将来の時間区間における操作変数の複数の時系列データを抽出するように構成されている時系列抽出部と、を有する。
【選択図】図2
特許請求の範囲【請求項1】
過去の時間区間における操作変数の特徴量と、前記過去の時間区間における状態変数の特徴量と、前記過去の時間区間における環境変数の特徴量とを用いて、前記操作変数の特徴量と前記環境変数の特徴量から前記状態変数の特徴量を予測する予測モデルを学習するように構成されている学習部と、
将来の時間区間における前記環境変数の特徴量と、前記将来の時間区間における前記状態変数の目標特徴量とを用いて、前記予測モデルにより前記将来の時間区間における前記操作変数の最適特徴量を算出するように構成されている最適化部と、
前記操作変数の最適特徴量に少なくとも類似する複数の特徴量を用いて、前記将来の時間区間における操作変数の複数の時系列データを抽出するように構成されている時系列抽出部と、
を有する運転支援装置。
続きを表示(約 1,700 文字)【請求項2】
前記時系列抽出部は、
過去の時間区間における前記操作変数の特徴量と、前記過去の時間区間における操作変数の時系列データとが対応付けられている実績データの集合から前記複数の時系列データを抽出するように構成されている請求項1に記載の運転支援装置。
【請求項3】
前記時系列抽出部は、
前記操作変数の最適特徴量に類似する複数の特徴量を前記実績データから抽出し、
前記複数の特徴量の集合をクラスタリング手法により複数のクラスタに分割し、
前記クラスタ毎に、前記クラスタの代表点と最も類似する特徴量に対応付けられている時系列データを前記実績データから抽出することで、前記複数の時系列データを抽出するように構成されている請求項2に記載の運転支援装置。
【請求項4】
前記時系列抽出部は、
前記実績データに設定されているタグ毎に、前記操作変数の最適特徴量と最も類似する特徴量に対応付けられている時系列データを前記実績データから抽出することで、前記複数の時系列データを抽出するように構成されている請求項2に記載の運転支援装置。
【請求項5】
前記タグは、前記実績データに含まれる時系列データによって表される操作系列を操作したオペレータを識別する情報である、請求項4に記載の運転支援装置。
【請求項6】
前記時系列抽出部によって抽出された複数の時系列データを所定の出力先に出力するように構成されている出力部を更に有する請求項1乃至5の何れか一項に記載の運転支援装置。
【請求項7】
前記過去の時間区間における操作変数の時系列データと、前記過去の時間区間における状態変数の特徴量と、前記過去の時間区間における環境変数の特徴量とを対象から収集するように構成されている収集部と、
前記過去の時間区間における操作変数の時系列データの平均値又は合計を、前記過去の時間区間における操作変数の特徴量として算出するように構成されている特徴量変換部と、を更に有する請求項6に記載の運転支援装置。
【請求項8】
前記学習部は、
前記過去の時間区間における操作変数の特徴量と前記過去の時間区間における環境変数の特徴量とを入力して、前記過去の時間区間における状態変数の特徴量の予測精度が高くなるように前記予測モデルを学習するように構成されている、請求項7に記載の運転支援装置。
【請求項9】
過去の時間区間における操作変数の特徴量と、前記過去の時間区間における状態変数の特徴量と、前記過去の時間区間における環境変数の特徴量とを用いて、前記操作変数の特徴量と前記環境変数の特徴量から前記状態変数の特徴量を予測する予測モデルを学習する学習手順と、
将来の時間区間における前記環境変数の特徴量と、前記将来の時間区間における前記状態変数の目標特徴量とを用いて、前記予測モデルにより前記将来の時間区間における前記操作変数の最適特徴量を算出する最適化手順と、
前記操作変数の最適特徴量に少なくとも類似する複数の特徴量を用いて、前記将来の時間区間における操作変数の複数の時系列データを抽出する時系列抽出手順と、
をコンピュータが実行する運転支援方法。
【請求項10】
過去の時間区間における操作変数の特徴量と、前記過去の時間区間における状態変数の特徴量と、前記過去の時間区間における環境変数の特徴量とを用いて、前記操作変数の特徴量と前記環境変数の特徴量から前記状態変数の特徴量を予測する予測モデルを学習する学習手順と、
将来の時間区間における前記環境変数の特徴量と、前記将来の時間区間における前記状態変数の目標特徴量とを用いて、前記予測モデルにより前記将来の時間区間における前記操作変数の最適特徴量を算出する最適化手順と、
前記操作変数の最適特徴量に少なくとも類似する複数の特徴量を用いて、前記将来の時間区間における操作変数の複数の時系列データを抽出する時系列抽出手順と、
をコンピュータに実行させるプログラム。

発明の詳細な説明【技術分野】
【0001】
本開示は、運転支援装置、運転支援方法及びプログラムに関する。
続きを表示(約 2,100 文字)【背景技術】
【0002】
近年、産業分野では熟練オペレータの不足等を背景に、AI(Artificial Intelligence)や機械学習技術等を活用したプラント運転支援システムへのニーズが高まっている。一般に、発電プラント、鉄鋼プラント、化学プラント等といったプラントでは、その時の環境に応じて、オペレータが過去の知見から将来の製品品質に寄与する状態変数が目標値となるように最適な操作量を計画した上で、その操作量によりプラントを運転している。これに対して、予測技術等を利用したプラント運転支援システムが従来から提案されている(例えば、特許文献1~4等)。
【先行技術文献】
【特許文献】
【0003】
特開2012-74007号公報
特開2006-120131号公報
特開2020-140253号公報
特許第7081728号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、従来では、将来の時間区間における操作量の時系列をオペレータ等に提示する際に、最適に近い多様な操作量の時系列を提示することができなかった。以下、操作量の時系列を「操作量系列」ともいう。
【0005】
例えば、特許文献1では、時系列データを扱うことができないため、操作量系列を得ることはできない。また、例えば、特許文献2では、最適化技術を用いておらず、最適な操作量系列が得られるとは限らない。また、例えば、特許文献3では、将来の一定期間における運転指標の時系列を得る際にその期間の各時刻で最適化技術を用いて運転指標を計算しており、最適な運転指標の時系列は提示できる一方で多様な操作量系列を提示することはできない。更に、例えば、特許文献4では、最適な操作量系列は提示できる一方で多様な操作量系列を提示することはできない。
【0006】
本開示は、上記の点に鑑みてなされたもので、最適に近い多様な操作量系列を提示できる技術を提供する。
【課題を解決するための手段】
【0007】
本開示の一態様による運転支援装置は、過去の時間区間における操作変数の特徴量と、前記過去の時間区間における状態変数の特徴量と、前記過去の時間区間における環境変数の特徴量とを用いて、前記操作変数の特徴量と前記環境変数の特徴量から前記状態変数の特徴量を予測する予測モデルを学習するように構成されている学習部と、将来の時間区間における前記環境変数の特徴量と、前記将来の時間区間における前記状態変数の目標特徴量とを用いて、前記予測モデルにより前記将来の時間区間における前記操作変数の最適特徴量を算出するように構成されている最適化部と、前記操作変数の最適特徴量に少なくとも類似する複数の特徴量を用いて、前記将来の時間区間における操作変数の複数の時系列データを抽出するように構成されている時系列抽出部と、を有する。
【発明の効果】
【0008】
最適に近い多様な操作量系列を提示できる技術が提供される。
【図面の簡単な説明】
【0009】
本実施形態に係る運転支援装置のハードウェア構成の一例を示す図である。
本実施形態に係る運転支援装置の機能構成の一例を示す図である。
本実施形態に係るデータ収集処理の一例を示すフローチャートである。
本実施形態に係るモデル学習処理の一例を示すフローチャートである。
本実施形態に係る操作量系列出力処理の一例を示すフローチャートである。
本実施形態に係る操作量系列抽出処理(実施例1)の一例を示すフローチャートである。
近傍集合の抽出の一例を示す図である。
クラスタリングの一例を示す図である。
クラスタ毎に抽出対象となる実績操作特徴量の一例を示す図である。
本実施形態に係る操作量系列抽出処理(実施例2)の一例を示すフローチャートである。
実績操作特徴量のタグ付けの一例を示す図である。
タグ毎に抽出対象となる実績操作特徴量の一例を示す図である。
【発明を実施するための形態】
【0010】
以下、本発明の一実施形態について説明する。以下の実施形態では、プラント、設備、機器、装置等といったものを対象として、その対象の状態変数値を目標値に近付けるような多様な操作量系列であって、かつ、最適に近い操作量系列をオペレータ等に提示することにより当該対象の運転を支援することができる運転支援装置10について説明する。ここで、本実施形態に係る運転支援装置10には、(1)予測モデルを学習するためのデータを収集するデータ収集フェーズ、(2)予測モデルを学習するモデル学習フェーズ、(3)予測モデルと最適化技術により、対象に対する操作量系列として、最適に近く、かつ、多様な操作量系列を出力する運転支援フェーズ、3つのフェーズがある。
(【0011】以降は省略されています)

この特許をJ-PlatPatで参照する

関連特許

富士電機株式会社
半導体装置
5日前
富士電機株式会社
エンコーダ
11日前
富士電機株式会社
半導体装置
6日前
富士電機株式会社
冷却システム
18日前
富士電機株式会社
水質分析装置
13日前
富士電機株式会社
壁体の補強構造
13日前
富士電機株式会社
半導体モジュール
5日前
富士電機株式会社
ガス絶縁開閉装置
14日前
富士電機株式会社
炭化珪素半導体装置
5日前
富士電機株式会社
クランプオン式超音波流量計
11日前
富士電機株式会社
クランプオン式超音波流量計
11日前
富士電機株式会社
クランプオン式超音波流量計
11日前
富士電機株式会社
電子装置及び電子装置の製造方法
5日前
富士電機株式会社
ポップアウト型ロックハンドル装置
6日前
富士電機株式会社
ポップアウト型ロックハンドル装置
6日前
富士電機株式会社
制御装置、制御方法及び制御プログラム
12日前
富士電機株式会社
地熱流体流量の測定方法及び測定システム
11日前
富士電機株式会社
セキュリティツールを評価する装置および方法
13日前
富士電機株式会社
診断装置、診断システム、診断方法、プログラム
5日前
富士電機株式会社
診断装置、診断システム、診断方法、プログラム
5日前
富士電機株式会社
診断方法
17日前
富士電機株式会社
半導体装置
3日前
富士電機株式会社
半導体装置
10日前
富士電機株式会社
エンコーダ
11日前
富士電機株式会社
監視装置、駆動システム、電力変換装置、監視方法、プログラム
11日前
富士電機株式会社
電圧制御型半導体素子の駆動装置
3日前
富士電機株式会社
二酸化炭素排出量制御システム、制御装置、二酸化炭素排出量制御プログラムおよび二酸化炭素回収装置
6日前
富士電機株式会社
炭化珪素半導体装置および炭化珪素半導体装置の製造方法
10日前
エイブリック株式会社
定電圧回路
6日前
井関農機株式会社
作業車両
7日前
井関農機株式会社
作業車両
7日前
エイブリック株式会社
基準電流源
1か月前
ローム株式会社
電源回路
5日前
トヨタ自動車株式会社
移動システム
5日前
トヨタ自動車株式会社
自動作業装置
1か月前
井関農機株式会社
自立走行農作業車
6日前
続きを見る