用于状态监视中流动的传感器数据的分类的判别隐卡尔曼滤波器制造技术

本发明专利技术涉及一种用于监视系统或过程的状态的方法，包括：采集来自布置在系统内的多个传感器的传感器数据(S41和S44)。将所采集的传感器数据实时流动至计算机系统(S42和S44)。使用计算机系统对流动的传感器数据应用判别框架(S43和S45)。判别框架提供概率值，其表示该传感器数据是系统内的异常的指示的概率。判别框架是卡尔曼滤波器与逻辑函数的综合(S41)。

【技术实现步骤摘要】
【国外来华专利技术】相关申请的交叉引用本申请基于2012年6月12日提交的序号为61/685,518的临时专利申请，该申请的全部内容以引用方式并入本文。
本公开涉及状态监视，以及，具体而言，本专利技术涉及用于状态监视中流动的传感器数据的分类的判别隐卡尔曼滤波器。
技术介绍
状态监视是一种手段，用于在复杂的机器和/或自动过程中检测故障和未来问题。取代以预定工作周期更换零部件或等待故障发生，状态监视使用来自传感器网络的数据，报告有关正被监视的系统或过程的状态。例如，传感器可以用来报告关于这样的状态如不同关键部位处的温度、压力、以及速度。常规状态监视的目标是检测在可接受范围外的传感器数据，因而，可以调查并纠正这种异常的原因。理想地，状态监视可以用来在早期捕捉到潜在问题，使得能以及时的方式进行维护，而不用等到故障，其已证明是代价高昂的。
技术实现思路
一种用于监视系统或过程的状态的方法，包括采集来自布置在系统内的多个传感器的传感器数据。实时流动所采集的传感器数据至计算机系统。使用计算机系统，对流动的传感器数据应用判别框架。判别框架提供一种概率值，其表示传感器数据是系统内的异常的指示的概率。判别框架是卡尔曼滤波器与逻辑函数的综合。异常可以是系统内的功能失常或故障。异常也可以是系统内潜在功能失常或故障的指示。本方法可以另外包括基于由判别框架所提供概率值报告系统状态。本方法可以另外包括基于由判别框架所提供概率值自动开始关于系统的修补措施。修补措施可以包括生成告警，部分或完全地暂停系统的操作，生成用于系统维护的服务订单，或者生成采购订单用于为系统更换零部件。系统或过程的状态的监视可以是连续的。在对流动的传感器数据应用判别框架之前，可以使用流动的传感器数据对该判别框架进行训练。在训练判别框架之前，可以执行卡尔曼滤波器与逻辑函数的综合。使用下列公式，判别框架可以计算概率值：P(yt|ut,w)=11+exp(-ytwTut)]]>其中，yt是给定时间t时的类标签(class label)，这里，y等于两个离散值之一，ut表示给出时间t时的隐状态变量，这里，隐状态变量值是具有高斯分布的实数，w是逻辑函数的参数，以及，wT是w的转置。一种用于监视系统或过程的状态的方法，包括采集来自布置在系统内的多个传感器的传感器数据。实时流动所采集的传感器数据至计算机系统。使用计算机系统对流动的传感器数据应用判别框架。判别框架使用下列公式计算传感器数据是系统内的异常的指示的概率：P(yt|ut,w)=11+exp(-ytwTut)]]>其中，yt是给出时间t时的类标签，这里，y等于两个离散值之一，ut表示给定时间t时的隐状态变量，w是逻辑函数的参数，以及，wT是w的转置。隐状态变量是具有高斯分布的实数。异常是系统内的功能失常或故障。异常是系统内潜在功能失常或故障的指示。本方法另外包括基于由判别框架所提供概率值报告该系统状态。本方法另外包括基于由判别框架所提供的概率值自动开始关于系统的修补措施。一种计算机系统，包括处理器以及由计算系统可读取的、非临时性的有形程序存储介质，其具体化由处理器可执行的指令的程序，以执行用于监视系统或过程的状态的方法步骤。本方法包括采集来自布置在系统内的多个传感器的传感器数据。实时流动所采集的传感器数据至计算机系统。使用计算机系统对流动的传感器数据应用判别框架。判别框架提供一种概率值，其表示传感器数据是系统内的异常的指示的概率。判别框架是卡尔曼滤波器与逻辑函数的综合。异常可以是系统内的功能失常或故障、或者系统内的潜在功能失常或故障的指示。判别框架使用下列公式计算概率值：P(yt|ut,w)=11+exp(-ytwTut)]]>其中，yt是给出时间t时的类标签，这里，y等于两个离散值之一，ut表示给出时间t时的隐状态变量，其中，隐状态变量值是具有高斯分布的实数，w是逻辑函数的参数，以及，wT是w的转置。附图说明参考下文具体描述，结合附图考虑时，本专利技术的更完全理解及其许多伴随方面将更易获得，并且变得更好理解，附图中：图1是图示卡尔曼滤波的图，这里加阴影节点表示所观察的变量；图2是图示根据本专利技术示例性实施方式的新颖判别框架方面表示的图；图3是图示根据本专利技术的示例性实施方式用于检测正被监视的系统或自动化过程内的故障征兆的系统的示意图；图4是图示根据本专利技术的示例性实施方式用于系统或自动化过程内的状态监视的方法的流程图；以及图5示出能实现根据本专利技术实施方式的方法和装置的计算机系统的示例。具体实施方式在描述附图中所示本专利技术的示例性实施方式的过程中，出于清晰的缘故，采用了特定术语。然而，本专利技术无意局限于如此选择的特定术语，而是应当理解，各特定组成部分包括以类似方式工作的所有技术等效置换。本专利技术的示例性实施方式寻求提供用于执行系统或自动化过程内的状态监视的方法和系统。在对系统进行监视的场合，在该机器内的不同部位可以安装多个传感器。这些传感器可以报告可观察属性诸如但并不局限于温度、压力、膨胀和收缩、速度、角速度、加速度、每分钟转数、频率、应力、声音、颜色、湿度、粘度、电压、电流、阻抗、对齐、位置、通量、扩散等。如上所述，状态监视的常规方法可以监视传感器数据，以确定何时一个或多个传感器读数超出可接受范围。可接受范围可以由操作人员基于制造公差、直觉、以及过往经验手动方式设定。自动化方法则可以使用计算机学习技术和训练过的分类器，以确定何时传感器数据是故障的指示。本专利技术的示例性实施方式接收传感器数据作为实时数据流，并且使用新颖的判别框架来分析传感器数据，以检测正被监视的系统或自动化过程内的故障征兆。图3是示意图，图示根据本专利技术的示例性实施方式用于检测正被监视的系统或自动化过程内的故障征兆的系统。这里，监视下的机器31可以包括一个或多个机械系统。传感器32、33、34可以安装在监视下的机器31内。监视下的机器31包括多个机械系统，可以有一个或多个传感器安装在各机械系统中。传感器32、33、34可以流动传感器数据至计算机系统35。计算机系统35可以接收这种流动的传感器数据，对所接收的传感器数据应用本文所述的新颖的判别框架，并且产生输出。输出可以包括监视下的机器31的状态的指示，以及，此状态可以显示在显示装置36上，和/或可以采取其它步骤，以在该状态是潜在故障指示时执行修补措施。例如，当检本文档来自技高网...

【技术保护点】
一种用于监视系统或过程的状态的方法，包括：采集来自布置在所述系统内的多个传感器的传感器数据；实时流动所采集的传感器数据至计算机系统；以及使用所述计算机系统对流动的传感器数据应用判别框架，所述判别框架提供一种概率值，其表示所述传感器数据是所述系统内的异常的指示的概率，其中，所述判别框架是卡尔曼滤波器与逻辑函数的综合。

【技术特征摘要】
【国外来华专利技术】2012.06.12 US 61/658,5181.一种用于监视系统或过程的状态的方法，包括：
采集来自布置在所述系统内的多个传感器的传感器数据；
实时流动所采集的传感器数据至计算机系统；以及
使用所述计算机系统对流动的传感器数据应用判别框架，所述判别框架
提供一种概率值，其表示所述传感器数据是所述系统内的异常的指示的概
率，
其中，所述判别框架是卡尔曼滤波器与逻辑函数的综合。
2.根据权利要求1所述的方法，其中，所述异常是所述系统内的功能
失常或故障。
3.根据权利要求1所述的方法，其中，所述异常是所述系统内潜在功
能失常或故障的指示。
4.根据权利要求1所述的方法，另外包括基于由所述判别框架所提供
概率值报告所述系统的状态。
5.根据权利要求1所述的方法，另外包括基于由所述判别框架所提供
所述概率值自动开始关于系统的修补措施。
6.根据权利要求5所述的方法，其中，所述修补措施包括生成告警，
部分或完全地暂停所述系统的操作，生成用于系统维护的服务订单，或者生
成采购订单用于为所述系统更换零部件。
7.根据权利要求1所述的方法，其中，所述系统或过程的状态的监视
是连续的。
8.根据权利要求1所述的方法，其中，在对所述流动的传感器数据应
用所述判别框架之前，使用所述流动的传感器数据训练所述判别框架。
9.根据权利要求8所述的方法，其中，在所述判别框架的训练之前，
进行卡尔曼滤波器与逻辑函数的综合。
10.根据权利要求1所述的方法，其中，所述判别框架使用下列公式计
算所述概率值：
P(yt|ut,w)=11+exp(-ytwTut)]]>其中，yt是给定时间t时的类标签，y等于两个离散值之一，ut表示给

\t出时间t时的隐状态变量，这里，所述隐状态变量值是具有高斯分布的实数，
w是逻辑函数的参数，以及wT是w的转置。
11.一种用于监视系统或过程的状态的方法，包括：
采集来自布置在所述系统内的多个传感器的传感器数据；
实时流动所采集的传感器数据至计算机系统；以及
使用所述...

【专利技术属性】
技术研发人员：C袁，A查克雷博蒂，L威布金，H哈克斯坦，
申请(专利权)人：西门子公司，
类型：发明
国别省市：德国;DE