用于控制系统的设备和方法技术方案

一种用于控制包括导致多个事件的多个信号源的系统的设备包括：输入接口，其从信号源接收信号；存储器，其存储被训练以诊断系统的控制状态的神经网络；处理器，其将信号提交到神经网络中以生成系统的控制状态；以及控制器，其执行根据系统的控制状态选择的控制动作。神经网络包括层的序列，各个层包括节点的集合，输入层和输入层之后的第一隐藏层的各个节点与系统中的信号源对应。仅当一对不同信号源中事件随后发生的概率高于阈值时，在神经网络中与所述一对不同信号源对应的邻近层的一对节点才连接，使得神经网络是部分连接神经网络。

【技术实现步骤摘要】
【国外来华专利技术】用于控制系统的设备和方法
本专利技术总体上涉及使用机器学习技术的异常和故障检测，特别是使用神经网络的异常检测。
技术介绍
在制造中监测和控制安全和质量非常重要，其中快速且强大的机器可非常高速地执行复杂的操作序列。与预期操作序列或定时的偏离可使质量劣化，浪费原材料，导致停机时间和设备损坏，降低输出。工人的危险是主要问题。为此，必须极其小心以精心设计制造工艺以使意外事件最小化，并且还需要使用各种传感器和紧急开关向生产线中设计保护措施。制造类型包括过程制造和离散制造。在过程制造中，产品通常无法分开，例如油、天然气和盐。离散制造生成不同的物品，例如汽车、家具、玩具和飞机。增加安全性并使材料和输出的损失最小化的一个实际方法是检测生产线何时异常操作，并且在这样的情况下如果需要则使生产线停下来。实现此方法的一个方式是使用在限定容许操作区域的可测变量(例如，温度、压力等)范围方面生产线的正常操作的描述，并检测超出该区域之外的操作点。该方法在过程制造行业(例如，炼油)中是常见的，其中通常对物理变量的允许范围有深入了解，并且常常直接根据这些变量来定本文档来自技高网...

【技术保护点】
1.一种用于控制包括导致多个事件的多个信号源的系统的设备，该设备包括：/n输入接口，该输入接口从所述信号源接收信号；/n存储器，该存储器存储被训练以诊断所述系统的控制状态的神经网络，其中，该神经网络包括层的序列，各个层包括节点的集合，输入层和所述输入层之后的第一隐藏层的各个节点与所述系统中的信号源对应，其中，仅当一对不同信号源中所述事件随后发生的概率高于阈值时，在所述神经网络中与所述一对不同信号源对应的邻近层的一对节点才连接，使得所述神经网络是部分连接神经网络；/n处理器，该处理器将所述信号提交到所述神经网络中以生成所述系统的所述控制状态；以及/n控制器，该控制器执行根据所述系统的所述控制状态...

【技术特征摘要】
【国外来华专利技术】20180328 US 15/938,4111.一种用于控制包括导致多个事件的多个信号源的系统的设备，该设备包括：
输入接口，该输入接口从所述信号源接收信号；
存储器，该存储器存储被训练以诊断所述系统的控制状态的神经网络，其中，该神经网络包括层的序列，各个层包括节点的集合，输入层和所述输入层之后的第一隐藏层的各个节点与所述系统中的信号源对应，其中，仅当一对不同信号源中所述事件随后发生的概率高于阈值时，在所述神经网络中与所述一对不同信号源对应的邻近层的一对节点才连接，使得所述神经网络是部分连接神经网络；
处理器，该处理器将所述信号提交到所述神经网络中以生成所述系统的所述控制状态；以及
控制器，该控制器执行根据所述系统的所述控制状态选择的控制动作。


2.根据权利要求1所述的设备，其中，所述输入层中的节点的数量等于所述系统中的所述信号源的数量的倍数，并且所述输入层之后的所述第一隐藏层中的节点的数量等于所述信号源的数量，其中，基于不同信号源中所述事件随后发生的概率，所述输入层部分地连接到所述第一隐藏层。


3.根据权利要求2所述的设备，其中，信号Sj的事件跟随信号Si的事件随后发生的概率可被定义为



其中M是信号的数量，cij是信号Sj的事件跟随信号Si的事件的次数。


4.根据权利要求2所述的设备，其中，所述神经网络是时延神经网络(TDNN)，并且其中，所述输入层中的节点的数量的所述倍数等于所述TDNN的延迟时间步数。


5.根据权利要求4所述的设备，其中，所述TDNN是基于监督学习训练的时延前馈神经网络或者基于非监督学习训练的时延自动编码器神经网络。


6.根据权利要求1所述的设备，其中，所述一对不同信号源中所述事件随后发生的概率是在一段时间内收集的所述信号中所述事件随后发生的频率的函数。


7.根据权利要求1所述的设备，该设备还包括：
神经网络训练器，该神经网络训练器被配置为：
评估在时间段内收集的来自所述信号源的所述信号，以确定成对信号源的不同组合在所述时间段内的事件随后发生的频率；
基于在所述时间段内事件随后发生的频率来确定所述成对信号源的不同组合的所述事件随后发生的概率；
对成对信号源的不同组合的所述事件随后发生的所述概率与所述阈值进行比较，以确定所述神经网络的连接结构；
根据所述神经网络的所述连接结构来形成所述神经网络，使得所述输入层中的节点的数量等于所述系统中的所述信号源的数量的第一倍数，并且所述输入层之后的所述第一隐藏层中的节点的数量等于所述信号源的数量的第二倍数，其中，所述输入层根据所述连接结构部分地连接到所述第一隐藏层；并且
使用在所述时间段内收集的所述信号来训练所述神经网络。


8.根据权利要求1所述的设备，该设备还包括：
神经网络训练器，该神经网络训练器被配置为：
评估在时间段内收集的来自所述信号源的所述信号，以确定成对信号源的不同组合在所述时间段内的事件随后发生的频率；
对成对信号源的不同组合的所述事件随后发生的所述频率与所述阈值进行比较，以确定所述神经网络的连接结构；
根据所述神经网络的所述连接结构来形成所述神经网络，使得所述输入层中的节点的数量等于所述系统中的所述信号源的数量的第一倍数，并且所述输入层之后的所述第一隐藏层中的节点的数量等于所述信号源的数量的第二倍数，其中，所述输入层根据所述连接结构部分地连接到所述第一隐藏层；并且
使用在所述时间段内收集的所述信号来训练所述神经网络。

【专利技术属性】
技术研发人员：郭建林，刘杰，菲利普·奥尔利克，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：日本;JP