プラント機能モデルは、ある時刻におけるプラントの状態についての判断であり、時間的な推移等は考慮されていない。原子力プラントは時間とともにその状態が変化するものと考えるべきものであり、実際
運転モード、異常時、事故時などに対応して種々のプラント状態が存在する。この場合には、運転員が、現在のプラント状態を他の状態との関連で理解することは状態判断、操作に貴重な支援となる。
この複数のプラント状態を自動的に分類する機能の開発を行った。この機能は逐次学習法の一つであるCOBWEB
手法を用いてPWRプラントシミュレータあるいはプラント模型により生成される種々のプラント状態を相互の類似度により分類しておく。新たなプラント状態を付加したときこの分類中の位置を自動的に判定することができる。自動分類機能のプロラグラム化を行い、シミュレータにより生成されたプラント状態の分類結果が適正におこなわれていることを確認した。さらに、機能モデルでのサブシステム間の関連を使用しない、より自由な設定が可能となる機能向上を行った。
COBWEBによる自動分類結果
COBWEBについて
COBWEBとは、 Fisherらによって提唱された概念クラスタリング手法の一つで、移動ロボットシステムの研究などに用いられているものである。概念クラスタリングの方法は、教師なし学習と教師付き学習に分類することができるが、移動ロボットシステムにおいては、
・ 事前に教師付きでシミュレーション困難な想定不能な多種多様な状況に遭遇する可能性が高い
・ この様な状況下においても、何らかの観測値に基いた自動対応を行う必要がある、等といった条件が存在し、教師無し概念クラスタリング手法であるCOBWEBはこれらの条件に適合するものである。さらに基本機能維持、自己防護、自己組織化そして自己改良等といった自律型プラントに求められている機能の条件にもCOBWEBは適用し得ると考えた。
また、COBWEBを利用したツリー表示中に一定間隔で取り込まれるプラント状態の最新の状態を色分けなどにより運転員が識別できるようにしておけば、その属するクラスを注視することにより運転員がプラント状態の変化を理解するための支援となるものと考えられる。
COBWEBでは、まず、分類基準となる類似の概念を持つものの集合をクラスCk(k=1,2,…)と定義する。このクラス分けされた概念Ckのi番目の特徴Ai(i=1,2,…)がj番目の値Vij(j
=1,2,…)をとる場合、ある事例においてある特徴が認められる確率は
と表される。この時、あるクラスの事例がある特徴をもつ条件付き確率
を、クラス内類似性(inter-class similarity)として定義し、このクラス内類似性とBayesの法則等から導き出されるカテゴリユーティリティ(category
utility；CU値) を次のように定義し、このCU値により分類を行うものである。
自動分類機能によるプラント模型の状態分類結果