特開 2024-33975 原因推定システム、プログラム、及び、モデル構築方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024033975

(43)【公開日】2024-03-13

(54)【発明の名称】原因推定システム、プログラム、及び、モデル構築方法

(51)【国際特許分類】

   F23N 5/24 20060101AFI20240306BHJP

   F23N 5/02 20060101ALI20240306BHJP

   F23N 5/08 20060101ALI20240306BHJP

   G01J 1/02 20060101ALI20240306BHJP

   G01J 1/42 20060101ALI20240306BHJP

【ＦＩ】

F23N5/24 113Z

F23N5/02 343A

F23N5/08 C

F23N5/24 106A

G01J1/02 J

G01J1/42 C

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2022137933

(22)【出願日】2022-08-31

(71)【出願人】

【識別番号】000006666

【氏名又は名称】アズビル株式会社

(74)【代理人】

【識別番号】100098394

【弁理士】

【氏名又は名称】山川 茂樹

(72)【発明者】

【氏名】奥村 大輔

(72)【発明者】

【氏名】石井 重樹

【テーマコード（参考）】

2G065

3K003

3K005

【Ｆターム（参考）】

2G065AA04

2G065BA01

2G065BC01

2G065DA06

3K003SB09

3K003SC01

3K005AB04

3K005AC01

3K005QA03

3K005QB09

3K005QC01

(57)【要約】

【課題】断火の検出の原因を精度良く推定する。
【解決手段】原因推定システム１０は、燃焼システムのメインバーナの火炎の状態を示すフレーム電圧ＦＶに基づいて断火が検出された際の当該断火の検出タイミングから遡った所定期間に燃焼システムでセンシングされたセンシングデータを説明変数とし、前記断火の検出の原因を目的変数とした教師データを取得する教師データ取得部１１Ａを備える。原因推定システム１０は、教師データ取得部１１Ａにより取得した教師データに基づいて機械学習を行って、学習結果が反映された推定モデルを構築する機械学習部１１Ｂと、新たな断火の検出タイミングから遡った所定期間に燃焼システムでセンシングされたセンシングデータを推定モデルに入力し、推定モデルから出力される前記新たな断火の検出の原因を取得する原因推定部１１Ｃと、を備える。
【選択図】図４

【特許請求の範囲】

【請求項1】

燃焼システムのバーナの火炎の状態を示す火炎状態データに基づいて断火が検出された際の当該断火の検出タイミングから所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを説明変数とし、前記断火の検出の原因を目的変数とした教師データを取得する教師データ取得部と、
前記教師データ取得部により取得した前記教師データに基づいて機械学習を行って、学習結果が反映された推定モデルを構築する機械学習部と、
新たな断火の検出タイミングから前記所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを前記推定モデルに入力し、前記推定モデルから出力される前記新たな断火の検出の原因を取得する原因推定部と、
を備える原因推定システム。

【請求項2】

前記火炎状態データは、火炎検出器の放電管が前記バーナの火炎により放電したときの放電電流が流れる抵抗の両端の電位差又は前記放電電流を積分した値であり、
前記センシングデータは、前記火炎状態データと、前記火炎検出器での放電の頻度を示すフレームレベルと、のうちの少なくとも一方を含む、
請求項１に記載の原因推定システム。

【請求項3】

前記火炎状態データの値が所定の閾値未満となったときに前記断火が検出され、
前記センシングデータは、前記火炎状態データを少なくとも含み、
前記推定モデルは、前記所定期間における前記火炎状態データの値が所定範囲内で推移しているか否か、及び又は、前記火炎状態データの値が一定基準以下で推移しているか否かに応じて異なる前記原因を出力する、
請求項１に記載の原因推定システム。

【請求項4】

前記原因は、断火が誤検出されたときの誤検出の原因を含む、
請求項１から３のいずれか１項に記載の原因推定システム。

【請求項5】

前記教師データ取得部は、複数の燃焼システムから前記教師データを取得する、
請求項１から３のいずれか１項に記載の原因推定システム。

【請求項6】

コンピュータに、
燃焼システムのバーナの火炎の状態を示す火炎状態データに基づいて断火が検出された際の当該断火の検出タイミングから所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを説明変数とし、前記断火の検出の原因を目的変数とした教師データを取得する教師データ取得ステップと、
前記教師データ取得ステップにより取得した前記教師データに基づいて機械学習を行って、学習結果が反映された推定モデルを構築する機械学習ステップと、
新たな断火の検出タイミングから前記所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを前記推定モデルに入力し、前記推定モデルから出力される前記新たな断火の検出の原因を取得する原因推定ステップと、
を実行させるプログラム。

【請求項7】

機械学習を行って推定モデルを構築するモデル構築装置により実行されるモデル構築方法であって、
燃焼システムのバーナの火炎の状態を示す火炎状態データに基づいて断火が検出された際の当該断火の検出タイミングから所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを説明変数とし、前記断火の検出の原因を目的変数とした教師データを取得する教師データ取得ステップと、
前記教師データ取得ステップにより取得した前記教師データに基づいて機械学習を行って、学習結果が反映された推定モデルを構築する機械学習ステップと、
を有するモデル構築方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、バーナの断火の検出の原因を推定するための原因推定システム、プログラム、及び、モデル構築方法に関する。

【背景技術】

【0002】

特許文献１には、火炎検出器（熱電対）による検出値に基づいて断火状態を検出するとともに、当該断火状態の検出前の所定期間における検出値に基づいて、断火の原因を推定する技術が開示されている。断火の原因としては、吹き消え、煮こぼれによる断火などが開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００４－１０８６９４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、上記特許文献１に記載の技術では、前記断火の原因の判断基準が予め規定されているため、原因推定の精度に問題がある場合がある。

【0005】

本発明は、断火の検出の原因を精度良く推定することを課題とする。

【課題を解決するための手段】

【0006】

上記課題を解決するため、本発明に係る原因推定システムは、燃焼システムのバーナの火炎の状態を示す火炎状態データに基づいて断火が検出された際の当該断火の検出タイミングから所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを説明変数とし、前記断火の検出の原因を目的変数とした教師データを取得する教師データ取得部と、前記教師データ取得部により取得した前記教師データに基づいて機械学習を行って、学習結果が反映された推定モデルを構築する機械学習部と、新たな断火の検出タイミングから前記所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを前記推定モデルに入力し、前記推定モデルから出力される前記新たな断火の検出の原因を取得する原因推定部と、を備える。

【0007】

一例として、前記火炎状態データは、火炎検出器の放電管が前記バーナの火炎により放電したときの放電電流が流れる抵抗の両端の電位差又は前記放電電流を積分した値であり、前記センシングデータは、前記火炎状態データと、前記火炎検出器での放電の頻度を示すフレームレベルと、のうちの少なくとも一方を含む。

【0008】

一例として、前記火炎状態データの値が所定の閾値未満となったときに前記断火が検出され、前記センシングデータは、前記火炎状態データを少なくとも含み、前記推定モデルは、前記所定期間における前記火炎状態データの値が所定範囲内で推移しているか否か、及び又は、前記火炎状態データの値が一定基準以下で推移しているか否かに応じて異なる前記原因を出力する。

【0009】

一例として、前記原因は、断火が誤検出されたときの誤検出の原因を含む。

【0010】

一例として、前記教師データ取得部は、複数の燃焼システムから前記教師データを取得する。

【0011】

本発明に係るプログラムは、コンピュータに、燃焼システムのバーナの火炎の状態を示す火炎状態データに基づいて断火が検出された際の当該断火の検出タイミングから所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを説明変数とし、前記断火の検出の原因を目的変数とした教師データを取得する教師データ取得ステップと、前記教師データ取得ステップにより取得した前記教師データに基づいて機械学習を行って、学習結果が反映された推定モデルを構築する機械学習ステップと、新たな断火の検出タイミングから前記所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを前記推定モデルに入力し、前記推定モデルから出力される前記新たな断火の検出の原因を取得する原因推定ステップと、を実行させる。

【0012】

本発明に係るモデル構築方法は、機械学習を行って推定モデルを構築するモデル構築装置により実行されるモデル構築方法であって、燃焼システムのバーナの火炎の状態を示す火炎状態データに基づいて断火が検出された際の当該断火の検出タイミングから所定時間遡った所定期間に前記燃焼システムでセンシングされたセンシングデータを説明変数とし、前記断火の検出の原因を目的変数とした教師データを取得する教師データ取得ステップと、前記教師データ取得ステップにより取得した前記教師データに基づいて機械学習を行って、学習結果が反映された推定モデルを構築する機械学習ステップと、を有する。

【発明の効果】

【0013】

本発明によれば、断火の検出の原因を精度良く推定することができる。

【図面の簡単な説明】

【0014】

【図1】図１は、本発明の実施形態に係る原因推定システムの構成図である。

【図2】図２は、図１の原因推定システムと通信する燃焼システムの構成図である。

【図3】図３は、燃焼制御装置で実行される燃焼シーケンスのフローチャートである。

【図4】図４は、原因推定システムの構成図である。

【図5】図５は、断火の検出の推定及び機械学習のフローチャートである。

【図6】図６は、フレーム電圧の推移を示すグラフである。

【図7】図７は、フレームレベルの推移を示すグラフである。

【図8】図８は、フレーム電圧の推移を示すグラフである。

【図9】図９は、フレームレベルの推移を示すグラフである。

【図10】図１０は、フレーム電圧の推移を示すグラフである。

【図11】図１１は、フレームレベルの推移を示すグラフである。

【発明を実施するための形態】

【0015】

以下、本発明の実施形態及びその変形例について、図面を参照して説明する。

【0016】

（実施形態）
図１に示すように、本発明の一実施形態に係る原因推定システム１０は、通信ネットワークＮＷを介して複数の燃焼システム２０と通信可能に構成されている。原因推定システム１０は、複数の燃焼システム２０のいずれかが断火を検出したときに、当該断火の検出の原因を推定するように構成されている。原因の推定には、後述の推定モデルＭＬ（図４）が利用される。以下、燃焼システム２０について説明し、その後、原因推定システム１０について説明する。複数の燃焼システム２０は、同様の構成を有するので、以下では、そのうちの１つの燃焼システム２０について説明する。

【0017】

図２に示すように、燃焼システム２０は、燃焼を行う燃焼装置３０と、燃焼装置３０を制御する燃焼制御装置７１と、燃焼制御装置７１に各種指示を行う温調計７５と、燃焼監視装置７９と、を備えている。本実施形態における複数の燃焼システム２０のそれぞれは、同様の構成を有する。

【0018】

燃焼装置３０は、燃焼設備４０と、燃料供給系統５０と、空気供給系統６０と、制御モータＭと、開度センサＭＳと、を備えている。

【0019】

燃焼設備４０は、燃焼室Ｒ内で燃料ガスを燃焼させる。燃焼設備４０は、燃焼室Ｒを形成している燃焼炉４１と、燃料ガスを燃焼させて燃焼室Ｒ内を加熱するメインバーナ４２と、燃料を燃焼させてメインバーナ４２を着火するパイロットバーナ４３と、パイロットバーナ４３を点火する点火装置（イグナイター）４４と、を備えている。

【0020】

燃焼設備４０は、さらに、メインバーナ４２及びパイロットバーナ４３の火炎を検出する火炎検出器４５と、燃焼室Ｒ内の温度を検出する温度計４６と、を備えている。火炎検出器４５は、メインバーナ４２又はパイロットバーナ４３の火炎から放射される電磁波（例えば紫外線）を検出することで火炎を検出する。

【0021】

燃料供給系統５０は、外部からの燃料ガスを燃焼設備４０に供給する。燃料供給系統５０は、燃焼設備４０に供給される燃料ガスが流れる燃料流路５１を備えている。燃料流路５１は、外部から燃料ガスが供給される主流路５１Ａと、主流路５１Ａが分岐した第１流路５１Ｂおよび第２流路５１Ｃと、を含む。第１流路５１Ｂはメインバーナ４２に接続され、第２流路５１Ｃはパイロットバーナ４３に接続されている。

【0022】

燃料供給系統５０は、さらに、第１流路５１Ｂに設けられたメインバルブ５４Ａ及び５４Ｂと、第２流路５１Ｃに設けられたパイロットバルブ５４Ｃ及び５４Ｄと、を備える。メインバルブ５４Ａ及び５４Ｂは、第１流路５１Ｂを開閉する。パイロットバルブ５４Ｃ及び５４Ｄは、第２流路５１Ｃを開閉する。燃料供給系統５０は、主流路５１Ａに設けられた燃料流量調整用のダンパ５５と、第１流路５１Ｂを流れる、つまり、メインバーナ４２に供給される燃料流量を検出する燃料流量計５６と、をさらに備える。

【0023】

空気供給系統６０は、燃焼設備４０に空気を供給する。空気供給系統６０は、燃焼設備４０のメインバーナ４２に空気を供給する空気流路６１と、空気流路６１に空気を流すブロワ６２と、を備えている。空気供給系統６０は、空気流路６１に設けられた空気流量調整用のダンパ６５と、空気流路６１を流れる、つまり、メインバーナ４２に供給される空気流量を検出する空気流量計６６と、をさらに備える。

【0024】

燃料又は空気流量調整用のダンパ５５及び６５は、制御モータＭにより動作して、燃料流路５１（第１流路５１Ｂ）及び空気流路６１の開度を制御する。ダンパ５５及び６５は、リンケージ機構により連動して動作する。これにより、ダンパ５５及び６５の各開度が連動する。ダンパ５５及び６５は、他の構成により連動するように構成されてもよい。例えば、ダンパ６５を、空気供給系統６０の空気流路６１の空気の圧力が導入される均圧弁としてもよい。均圧弁であるダンパ６５は、空気流路６１の空気の圧力と燃料流路５１の第１流路５１Ｂの燃料の圧力とが均一になるように動作する。

【0025】

ダンパ５５及び６５の開度は、メインバーナ４２に供給される燃料と空気との比である空燃比が所望の比率を維持するように連動する。ダンパ５５及び６５の各開度によって、メインバーナ４２に供給される燃料量及び空気量が調整され、これにより、各バーナの火炎の状態、より具体的には、火炎の強さが調整され、その結果、燃焼室Ｒないし燃焼室Ｒ内に配置されるワークを加熱する加熱温度が制御される。

【0026】

制御モータＭには、回転軸の回転角度などを検出することでダンパ５５及び６５の開度を検出する開度センサＭＳが設けられる。開度センサＭＳが検出する開度は、ダンパ５５及び６５の開度を制御するために制御モータＭをフィードバック制御する際のフィードバック値として使用される。

【0027】

燃焼制御装置７１は、ＰＬＣ（Programmable Logic Controller）、パーソナルコンピュータ等の各種のコンピュータを含んで構成される。燃焼制御装置７１は、コンピュータを構成するＣＰＵ（Central Processing Unit）などの他、後述の動作を実現可能な各種の回路（アナログ回路など）を備えてもよい。燃焼制御装置７１は、バーナコントローラとも呼ばれる。

【0028】

燃焼制御装置７１は、燃焼室Ｒ内を加熱するため、予め定められた図３の燃焼シーケンスに従って燃焼装置３０を制御する。燃焼シーケンス開始時、燃料供給系統５０のバルブ５４Ａ～５４Ｄは閉じられているものとする。

【0029】

燃焼制御装置７１は、プレバージ（ステップＳ１）において、制御モータＭを駆動し、ダンパ６５を高開度位置に制御するとともに、空気供給系統６０のブロワ６２を動作させる。これにより、メインバーナ４２を介して燃焼室Ｒ内に新鮮な空気が送風される。

【0030】

燃焼制御装置７１は、プレバージのあと、パイロット点火（ステップＳ２）を実行する。パイロット点火において、燃焼制御装置７１は、まずダンパ５５及び６５を低開度位置に制御する。その後、燃焼制御装置７１は、燃料供給系統５０のパイロットバルブ５４Ｃ及び５４Ｄを開状態に制御してパイロットバーナ４３への燃料供給を開始するとともに、点火装置４４を動作させて点火スパークを発生させる。これにより、パイロットバーナ４３が点火する。燃焼制御装置７１は、火炎検出器４５によりパイロットバーナ４３の点火を検出すると、パイロットオンリー（ステップＳ３）を実行する。パイロットオンリーにおいて、燃焼制御装置７１は、所定期間待機することでパイロットバーナ４３の火炎を安定させる。

【0031】

パイロットオンリーのあと、燃焼制御装置７１は、燃料供給系統５０のメインバルブ５４Ａ及び５４Ｂを開状態に制御してメインバーナ４２への燃料供給を開始するメイン着火（ステップＳ４）を実行する。これにより、パイロットバーナ４３の火炎を種火としてメインバーナ４２が着火する。燃焼制御装置７１は、メインバルブ５４Ａ及び５４Ｂを開状態としてから一定期間経過後、メイン着火を終了したとしてメイン安定（ステップＳ５）を実行する。メイン安定では、燃料供給系統５０のパイロットバルブ５４Ｃ及び５４Ｄが閉じられ、パイロットバーナ４３の火炎が消される。さらに、メイン安定では、メインバーナ４２の火炎を安定させるための待機も行われる。

【0032】

燃焼制御装置７１は、メイン安定のあと、定常燃焼（ステップＳ６）に移行する。燃焼室Ｒ内は、メインバーナ４２の定常燃焼により加熱される。燃焼制御装置７１は、定常燃焼において、ダンパ５５及び６５の開度を制御モータＭを介して制御することで、メインバーナ４２への空気及び燃料の流量を制御し、これにより、メインバーナ４２の火力つまり火炎の状態を制御する。燃焼制御装置７１は、定常燃焼終了のタイミングにおいて、燃料供給系統５０のメインバルブ５４Ａ及び５４Ｂを閉じ、メインバーナ４２の火炎を消す。定常燃焼後にポストバージが行われてもよい。

【0033】

図２に戻り、温調計７５は、定常燃焼において、温度計４６が検出した温度をフィードバック値として、燃焼室Ｒ内の温度が目標温度となるよう燃焼制御装置７１に対して指示を行う。温調計７５は、定常燃焼での燃料及び空気の各流量などを、フィードバック値と目標温度との関係で指示する。燃焼制御装置７１は、指示された各流量に基づいて各ダンパ５５及び６５の目標開度を設定し、開度センサＭＳからの開度をフィードバック値としたフィードバック制御を制御モータＭに対して行う。燃焼制御装置７１は、流量計５６及び６６によりそれぞれ検出されるメインバーナ４２への燃料量及び空気量をフィードバック値としたフィーバック制御により前記開度及び流量を制御してもよい。

【0034】

燃焼機器４０に含まれる火炎検出器４５は、火炎から放出される電磁波（例えば、紫外線）を受けたときに放電する放電管（例えば、紫外線チューブ）を有する。放電により発生する放電電流は燃焼制御装置７１に入力される。

【0035】

燃焼制御装置７１は、火炎検出器４５からの放電電流が流れる任意の抵抗の両端の電位差（所定期間分の電位差）を積分して火炎の状態を表すフレーム電圧ＦＶ（放電電流の電流値を積分したフレーム電流でもよい。以下同じ）を生成する。この積分は、例えば、積分回路により行われる。フレーム電圧ＦＶは、０Ｖ～５Ｖの間で変化する電圧値を有する。上記燃焼シーケンスなどにおいて、燃焼制御装置７１は、フレーム電圧ＦＶを監視する。燃焼制御装置７１は、フレーム電圧ＦＶが予め定められた閾値ＦＶｔｈ以上となったときに、火炎の存在（着火乃至点火）を検出する。燃焼制御装置７１は、フレーム電圧ＦＶが閾値ＦＶｔｈ未満となったときに、火炎の消炎を検出する。フレーム電圧ＦＶが閾値ＦＶｔｈ未満となったときとは、ここでは、フレーム電圧ＦＶが、燃焼制御装置７１のＣＰＵなどに予め設定された所定期間（フレームレスポンス時間ともいう）以上の期間、閾値ＦＶｔｈ未満になったときをいう。つまり、燃焼制御装置７１は、フレーム電圧ＦＶが閾値ＦＶｔｈ未満となった期間がフレームレスポンス時間に達したことを条件として消炎を検出するように構成されているものとする。消炎とは、火炎が消されたことを意味する。消炎には、メインバルブ５４Ａ及び５４Ｂを閉じることによる消火、及び、メインバルブ５４Ａ及び５４Ｂが開いたまま意図せず火炎が消える断火が含まれる。

【0036】

燃焼制御装置７１は、燃焼シーケンスのメイン安定、定常燃焼などのサブシーケンスにおいて、フレーム電圧ＦＶが閾値ＦＶｔｈ未満となって消炎を検出したときに、断火を検出したとして、メインバルブ５４Ａ及び５４Ｂにバルブを閉じる閉信号を供給する。これにより、燃料ガスの供給がストップする。火炎の存在の検出と消炎の検出とで閾値が異なってもよい。

【0037】

さらに、燃焼制御装置７１は、火炎検出器４５からの放電電流が流れる任意の抵抗の両端の電位差（又は放電電流の電流値など）に基づいて放電を示す放電パルス信号（例えば電圧信号）を生成する。燃焼制御装置７１は、放電パルス信号から火炎検出器４５の放電管の放電の頻度を示す数値であるフレームレベルＦＬを生成する。具体的に、燃焼制御装置７１は、放電パルス信号に基づいて一定時間（例えば、０．１秒）当たりの放電パルスの数つまり放電回数Ｎをカウントする。燃焼制御装置７１は、カウントした放電回数Ｎに基づきフレームレベルＦＬを導出する。フレームレベルＦＬの導出方法は任意であるが、ここでは下記式（１）により導出されるものとする。式中、Ｎｍａｘは、前記の一定時間当たりの最大放電回数である。
ＦＬ＝（Ｎ／Ｎｍａｘ）＊１００・・・（１）

【0038】

フレームレベルＦＬは、ここでは１００分率で表されるが、Ｎ／Ｎｍａｘ、又は、Ｎのみで表されてもよい。フレームレベルＦＬの用途は後述する。

【0039】

フレーム電圧ＦＶ、フレームレベルＦＬは、いずれも火炎の状態（ここでは強度）を示す数値である。フレーム電圧ＦＶは、上記積分により得られる値であるため、フレームレベルＦＬよりも、火炎の変化（紫外線量ないし放電電流の変化）に対する応答性が緩慢である。これによって、火炎検出器４５への電磁波の入射が一時的に途絶える火炎のリフティング又はフラッシュバックなどが生じても、フレーム電圧ＦＶは、消炎の判断基準となる閾値ＦＶｔｈをフレームレスポンス時間以上下回らない。換言すると、フレーム電圧ＦＶ及びフレームレスポンス時間は、上記リフティングなどを消炎（特に断火）と誤検出しないように生成又は設定される。他方、フレームレベルＦＬは、上記リフティングを検出できる。このように、フレーム電圧ＦＶ及びフレームレベルＦＬには、一長一短がある。

【0040】

燃焼監視装置７９は、パーソナルコンピュータ等の各種のコンピュータを含んで構成されている。燃焼監視装置７９は、燃焼制御装置７１及び温調計７５と通信し、これらから、燃焼システム２０でセンシングされる各種のセンシングデータをリアルタイムで定期的（例えば、０．１秒ごと）に順次取得するデータコレクタとして機能する。センシングデータは、フレームレベルＦＬ、フレーム電圧ＦＶ、温度計４６により検出された温度、流量計５６及び６６により検出された燃料流量及び空気流量などの少なくとも１つを含む。燃料流量及び空気流量は、開度センサＭＳが検出した弁開度などにより表されてもよい。

【0041】

燃焼監視装置７９は、順次取得したセンシングデータを、時系列順に、各センシングデータのセンシングの時刻とともに記憶部に記録する。燃焼監視装置７９は、センシングの時刻として、センシングデータを取得した時刻を取得してもよいし、燃焼制御装置７１などの送信元側でセンシングデータにタイムスタンプとして付与された時刻を取得してもよい。センシングデータは、現在から遡った最新の一定期間分、記憶部に記録されればよい。

【0042】

燃焼監視装置７９は、燃焼制御装置７１と通信し、燃焼制御装置７１による断火の検出タイミングを監視する。断火の検出があった場合、燃焼監視装置７９は、記憶部が記憶している、前記断火の検出タイミングから所定時間（例えば、３分）遡った所定期間内にセンシングされたセンシングデータを取得する。前記所定期間内のセンシングデータの特定は、センシングデータとともに記憶部に記憶されたセンシングの時刻に基づいて行われればよい。燃焼監視装置７９は、取得したセンシングデータを、断火の検出の原因の問い合わせとともに通信ネットワークＮＷを介して原因推定システム１０に供給する。

【0043】

次に、図１の原因推定システム１０について説明する。原因推定システム１０は、ＣＰＵ等のプロセッサ１１と、プロセッサ１１のメインメモリとして機能するＲＡＭ（Random Access Memory）１２と、プロセッサ１１により実行されるプログラムを記憶する不揮発性の記憶装置１３と、を備える。記憶装置１３は、下記の処理で使用される各種データ、後述の推定モデルＭＬを構成するデータ（係数及び又は重みなど）なども記憶する。原因推定システム１０は、さらに、各種画面を表示するディスプレイ１４と、操作入力を受け付ける操作装置１５と、通信ネットワークＮＷに接続された通信モジュール１６と、を備える。

【0044】

プロセッサ１１は、記憶装置１３に記憶されたプログラムを実行することで、図４に示す、教師データ取得部１１Ａと、機械学習部１１Ｂと、原因推定部１１Ｃと、及び、推定モデルＭＬとして動作する。

【0045】

推定モデルＭＬは、断火の検出タイミングから所定時間遡った所定期間に燃焼システム２０にてセンシングされたセンシングデータを入力とし、その断火の検出の原因を出力とする。断火の検出の原因と、所定期間におけるセンシングデータの推移とには、因果関係があり、推定モデルＭＬには、この因果関係が反映される。初期の推定モデルＭＬは、任意の方法で構築され、その後、後述の教師データによる機械学習によって再構築される。つまり、後述の教師データにより新たな推定モデルＭＬが構築される。これにより、推定モデルＭＬの推定精度が向上する。推定モデルＭＬは、ニューラルネットワーク、サポートベクタ―マシン、ランダムフォレストなど、任意の種類のモデルであればよい。

【0046】

１つの推定モデルＭＬは、同じタイプ、例えば、少なくとも後述の燃焼装置３０が同じ仕様の燃焼システム２０に使用される。このため、複数の燃焼システム２０が、互いに異なる複数のタイプの燃焼システムを含む場合、タイプごとに推定モデルＭＬが用意され使用される。説明の便宜上、ここでは、複数の燃焼システム２０が同じタイプであるものとし、１つの推定モデルＭＬが使用されるものとする。

【0047】

推定モデルＭＬにより扱われる断火の検出の原因は、実際に生じた断火の原因の他、実際には断火が生じていないが火炎検出器４５の不調などにより断火が誤検出されたときの当該誤検出の原因も含まれる。

【0048】

次に、教師データ取得部１１Ａ、機械学習部１１Ｂ、及び、原因推定部１１Ｃの動作を、図５を参照して説明する。

【0049】

まず、原因推定部１１Ｃは、燃焼監視装置７９から、断火の検出の原因の問い合わせとともに供給されたセンシングデータ（ステップＳ２０）を推定モデルＭＬに入力する（ステップＳ１１）。推定モデルＭＬは、センシングデータに基づいて断火の検出の原因を推定して出力する。原因推定部１１Ｃは、推定モデルＭＬが出力する断火の検出の原因を取得する（ステップＳ１２）。

【0050】

推定モデルＭＬに入力されるセンシングデータとしてのフレーム電圧ＦＶ及びフレームレベルＦＬのうちのフレーム電圧ＦＶが、断火の検出タイミング（例えば、フレーム電圧ＦＶが閾値ＦＶｔｈをフレームレスポンス時間より長く下回ったタイミング）前に所定範囲Ｚ内で安定して推移していた場合（このときのフレーム電圧ＦＶを図６に、フレームレベルＦＬを図７に示す））、火炎の消炎、放電電流の検出不良が考えられる。この場合、推定モデルＭＬは、前記の原因の候補として、メインバルブ５４Ａ及び５４Ｂの意図しない閉状態、火炎検出器４５と燃焼制御装置７１との間の配線異常、燃焼制御装置７１のフレーム電圧ＦＶなどを導出する回路の故障、突発的な空燃比の異常、及び、燃料及び又は空気の流速の異常、を出力する。なお、フレーム電圧ＦＶに加え又は代えてフレームレベルＦＬと所定範囲とを比較してもよい。

【0051】

推定モデルＭＬに入力されるセンシングデータとしてのフレーム電圧ＦＶ及びフレームレベルＦＬのうちのフレーム電圧ＦＶが、断火の検出タイミング前に所定範囲Ｚに収まらず不安定に推移していた場合（このときのフレーム電圧ＦＶを図８に、フレームレベルＦＬを図９に示す）、火炎の揺れ又はリフト、又は、火炎検出器４５の不安定が考えられる。この場合、推定モデルＭＬは、前記の原因の候補として、突発的な空燃比の異常、突発的な燃料及び又は空気の流速の異常、火炎検出器４５の放電管の放電面の劣化、及び、放電管の封入ガスの漏れ、を出力する。なお、フレーム電圧ＦＶに加え又は代えてフレームレベルＦＬと所定範囲とを比較してもよい。

【0052】

推定モデルＭＬに入力されるセンシングデータとしてのフレーム電圧ＦＶ及びフレームレベルＦＬが、断火の検出タイミング前に、一定基準Ｔｈ１及びＴｈ２以下の低い値で推移していた場合（図１０及び図１１参照）、フレーム電圧ＦＶ及びフレームレベルＦＬが慢性的に低いことによる断火の誤検出が考えられる。なお、前記の場合、フレーム電圧ＦＶが、断火の検出タイミング前に、フレームレスポンス期間よりも短い期間だけ閾値ＦＶｔｈを下回ってもよい。フレーム電圧ＦＶ及びフレームレベルＦＬが前記低い値で推移していた場合、推定モデルＭＬは、前記の原因の候補として、慢性的な空燃比の異常、慢性的な燃料及び又は空気の流速の異常、火炎検出器４５の放電管の放電面の劣化、放電管の封入ガスの漏れ、及び、火炎検出器４５が備える放電管への紫外線を透過させる窓の汚れを出力する。

【0053】

なお、モデルＭへの入力は、フレーム電圧ＦＶ及びフレームレベルＦＬのうちの前者のみとしてもよいが、両者は火炎の変化に対する応答性が上記のように異なるので、両者をモデルＭへの入力とすることで、原因の推定精度がより向上する。

【0054】

原因推定部１１Ｃは、推定モデルＭＬから取得した断火の検出の原因を、センシングデータの送信元の燃焼システム２０の燃焼監視装置７９に返信する（ステップＳ１３）。

【0055】

燃焼監視装置７９は、返信された原因を任意の表示装置などに表示する（ステップＳ２１）。燃焼システム２０のユーザは、表示装置に表示された原因を参考にして、断火の検出の実際の原因を特定するとともに、特定した原因を解消しようと、燃焼システム２０を検査、保守、修理などする。

【0056】

燃焼監視装置７９には、ユーザにより特定された実際の原因が入力される（ステップＳ２２）。燃焼監視装置７９は、入力された原因を目的変数とし、上記問い合わせとともに原因推定システム１０に送信したセンシングデータを説明変数とした教師データを生成して、ネットワークＮＷを介して原因推定システム１０に供給する（ステップＳ２３）。なお、目的変数又は説明変数として、上記で推定モデルＭＬから出力され、燃焼監視装置７９に返信された原因又は当該原因と前記実際の原因との正誤が含まれてもよい。

【0057】

教師データ取得部１１Ａは、燃焼監視装置７９から供給される教師データを取得する（ステップＳ１５）。

【0058】

機械学習部１１Ｂは、教師データ取得部１１Ａにより取得した前記教師データに基づいて機械学習を行い、学習結果が反映された新たな推定モデルＭＬを構築する（ステップＳ１６）。このようにして、推定モデルＭＬは、最新の教師データに基づいて更新ないし再構築され、原因推定の精度が向上する。構築された推定モデルＭＬは、次回以降の原因推定に使用される。教師データ取得部１１Ａは、取得した教師データを記憶装置１３に蓄積し、ある程度の数の教師データが蓄積された段階で、機械学習を行ってもよい。

【0059】

上記では、推定モデルＭＬについての機会学習と運用とを同時に行っているが、機械学習の段階と、運用の段階とを分けてもよい。機械学習の段階では、前記問い合わせを行わず、ユーザにより特定された断火の検出の実際の原因を目的変数とした教師データの原因推定システム１０への供給が行わればよい。教師データ取得部１１Ａは、教師データを記憶装置１３に蓄積し、ある程度の数に達したときに、機械学習を行って推定モデルＭＬを構築してもよい。運用の段階では、前記問い合わせのみが行われてもよい。上記機械学習の段階で初期の推定モデルＭＬを構築し、その後、推定モデルＭＬについての機会学習と運用とを同時に行ってもよい。

【0060】

以上説明したように、この実施の形態では、機械学習により推定モデルＭＬを構築（生成）し、当該推定モデルにより断火の検出の原因を推定するので、精度良く断火の検出の原因を推定できる。

【0061】

推定モデルＭＬに入力されるセンシングデータが、フレーム電圧ＦＶ（フレーム電流でもよい）と、フレームレベルと、のうちの少なくとも一方を含むことにより、これらは上記原因との関係が深いため、精度の高い原因推定が可能となる。なお、温度計４６により検出された温度、流量計５６及び６６により検出された燃料流量及び空気流量なども、断火の検出の原因と関係があるので、推定モデルＭＬに入力されるセンシングデータが、これら情報を含むことで、原因の推定精度がより向上し得る。

【0062】

推定モデルＭＬは、上述のように、所定期間におけるフレーム電圧ＦＶ（フレーム電流でもよい）の値が所定範囲Ｚ内で推移しているか否か、又は、フレーム電圧ＦＶ（フレーム電流でもよい）の値が一定基準（Ｔｈ１）以下で推移しているか否かに応じて異なる原因を出力する。なお、前者の判別と後者の判別との両者の結果の組合せに応じて異なる原因が出力されてもよい。これにより、精度良く原因が推定される。

【0063】

上記のように、推定モデルＭＬから出力される原因は、断火が誤検出されたときの誤検出の原因を含むとよい。フレーム電圧ＦＶに基づく断火の検出は、実際には誤検出を含むため、前記構成により、原因推定の精度が向上する。

【0064】

上記のように、教師データ取得部１１Ａは、複数の燃焼システム２０から教師データを取得するとよい。断火の検出は、通常生じ難い現象なので、複数の燃焼システム２０から教師データを収集することで、精度の良い推定モデルＭＬが得られる。

【0065】

（変形例）
上記実施の形態の構成は、任意に変更可能である。以下変形例を例示する。各変形例は、少なくとも一部同士組み合わせることもできる。

【0066】

（変形例１）
教師データは、１つの燃焼システムから取得されてもよい。この場合、原因推定システム１０は、燃焼監視装置７９の一部として設けられてもよい。また、推定精度が大きく低下しなければ、１つの推定モデルＭＬの構築のための機械学習に、異なるタイプの燃焼システム１０からの教師データが使用されてもよい。

【0067】

（変形例２）
断火の検出のために使用する、メインバーナ４２の火炎の状態を示す火炎状態データとして、上記ではフレーム電圧を使用しているが、他の物理量のデータが火炎状態データとして使用されてもよい。火炎状態データとして、フレームレベルが使用されてもよい。

【0068】

（変形例３）
原因推定部１１Ｃは、推定モデルＭＬから取得した前記原因を外部に出力すればよく、当該原因を、燃焼監視装置７９に送信する他、例えば、任意の表示装置（例えば、原因推定システム１０が燃焼監視装置７９の一部として設けられた場合の当該燃焼監視装置７９の表示装置など）に直接表示してもよい。原因推定部１１Ｃは、ユーザの端末などに、前記原因を出力し、当該原因を当該端末に表示させてもよい。

【0069】

（変形例４）
上記で説明した各装置及びシステムのハードウェア構成も任意である。教師データ取得部１１Ａ、機械学習部１１Ｂ、原因推定部１１Ｃ、又は、推定モデルＭＬの少なくとも一部は、ＡＳＩＣ（Application Specific Integrated Circuit）、及び、ＦＰＧＡ（Field-Programmable Gate Array）などの各種の論理回路から構成されてもよい。

【0070】

上記の各装置は、その構成要素が一つの筐体にまとめられた装置の他、その構成要素が複数の筐体に分散して収容されたシステムを含む。システムは、その構成要素が複数の筐体に分散して収容されたシステムの他、その構成要素が一つの筐体にまとめられた装置を含む。プログラムは、上記記憶装置１３など、コンピュータが読み取り可能な非一時的な記憶媒体に記録されればよい。上記状態値などは、揮発性の記憶装置であるＲＡＭなどの他の記憶部に一定期間のみ記録されてもよい。

【0071】

例えば、燃焼装置３０は、パイロットバーナ４３がないメインバーナ４２のみを有するタイプであってもよい。また、燃焼装置３０は、パイロットバーナ４３を常時点火させた状態としてもよい。この場合、メインバーナ４２用の火炎検出器と、パイロットバーナ４３用の火炎検出器と、を用意してもよい。

【0072】

（変形例５）
燃料ガスに替えて、液体燃料、気液混合燃料などの他の燃料が使用されてもよい。

【0073】

（本発明の範囲）
以上、実施形態及び変形例を参照して本発明を説明したが、本発明は、上記実施形態及び変形例に限定されるものではない。例えば、本発明には、本発明の技術思想の範囲内で当業者が理解し得る、上記実施形態及び変形例に対する様々な変更が含まれる。上記実施形態及び変形例に挙げた各構成は、矛盾の無い範囲で適宜組み合わせることができる。

【符号の説明】

【0074】

１０…原因推定システム、１１…プロセッサ、１１Ａ…教師データ取得部、１１Ｂ…機械学習部、１１Ｃ…原因推定部、１３…記憶装置、１４…ディスプレイ、１５…操作装置、１６…通信モジュール、２０…燃焼システム、３０…燃焼装置、４０…燃焼機器、４１…燃焼炉、４２…メインバーナ、４３…パイロットバーナ、４４…点火装置、４５…火炎検出器、４６…温度計、５０…燃料供給系統、５４Ａ，５４Ｂ…メインバルブ、５４Ｃ，５４Ｄ…パイロットバルブ、５５…ダンパ、５６…燃料流量計、６０…空気供給系統、６５…ダンパ、６６…空気流量計、７１…燃焼制御装置、７５…温調計、７９…燃焼監視装置、Ｍ…制御モータ、ＭＳ…開度センサ、ＭＬ…推定モデル。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】