数据分析系统和方法技术方案

对来自用于监测动态系统的特征的监测系统的数据进行分析的方法和系统，所述监测系统提供关于具有至少一个已知正常状态的动态系统的特征数据，所述分析系统包括：用于从所述监测系统接收特征数据的装置（１００）；用于当所述动态系统处于已知的正常状态时，从操作人员接收确认信息的装置（１０１）；常态建模装置（１０５），用于响应于所接收的特征数据和确认信息来推导出常态模型，该常态模型包括表明已知的正常状态的数据；预测生成装置（１０５），用于根据所述常态模型来预测未来特征数据；差函数提供装置（１０５），用于提供差函数，所述差函数表明所预测的特征数据与所接收的特征数据之间的可接受的差；以及比较装置（１０５），用于结合所述差函数，对所预测的特征数据与所接收的特征数据进行比较，并且如果所述差超出差函数，则产生异常信号。

Data analysis system and method

In a method and system for analyzing the characteristics of dynamic monitoring system monitoring system of the data, the monitoring system provides data about dynamic system has at least one known in the normal state, the analysis system includes a monitoring system for the receiving device characteristic data (100); for when the normal state of the dynamic system is known, receive confirmation device from the operator (101); the normal modeling device (105), in response to the characteristics of data received and confirm information to derive the normal model, the normal model shows that the normal state including the known data generating device (forecast; 105), is used to predict the future data according to the normal model; provide difference function (105), device for providing differential functions The number, the difference between the prediction function shows that feature data and the received data characteristics of acceptable error; and comparison device (105), used in combination with the difference function, comparison of the characteristics of data prediction and feature data received, and if the difference is super business function. Abnormal signal.

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及对来自用于监测动态系统的监测系统的数据进行分析的系统和方法。
技术介绍
对系统(例如，技术系统、环境状况、重要迹象等)的异常行为进行诊断类似于医生基于对病人的观测症状而进行的诊断。内科医生能够基于对病人的观测而获得的数据来解释症状并作出诊断。即使所观测的症状不足以确定病因，通常内科医生也能够确定症状或测量是不正常的，因为他们根据经验知道在病人体内什么是正常什么是不正常的。为了在自动状况监测系统(CMS)中重复这样的智能诊断系统，该CMS就必须知道“什么是正常”和“什么是不正常”。已知的CMS使用特征标(signature)来实现该目的。特征标是限量的数据，其表示通过传感器监测的某一环境特征。特征标例如可以像温度值一样简单，或者像在一定时间期间观测的电流的傅立叶变换一样复杂。可以通过以下步骤实现基于特征标分析的诊断1、获取特征标2、将输入特征标与基准特征标进行比较3、判断输入特征标是正常或异常4、解释特征标以作出正确的诊断CMS通常包括步骤1-3，而步骤4在CMS发出告警之后，通常要涉及该领域的专家的介入。通常大多数输入特征标都被噪声污染，这就使得难以识别它们。因此，除所有可用的已分类的特征标(基准特征标)之外，特征标数据库还必须包含各个特征标的容许度(tolerance level)。要求容许度以避免错误告警。来自特征标数据库的信息被用于将传感器数据分类为三种不同状态。如果系统将输入特征标识别为它的数据库的类成员，则可以将该输入特征标直接分类为正常或异常，如果认为该特征标是异常则产生告警。如果系统没有将该输入特征标识别为处于任何基准特征标的容许度内，则认为该输入特征标为未知或可能是异常的。在该情况下，系统也会产生告警。基于引起告警产生的特征标，如果需要领域专家介入，则领域专家能够作出诊断并且确定该特征标实际上是否表示异常状态。检测传感器数据中的异常状况为了在任何环境中都能自动检测异常状态，就要求使用传感器。存在很多不同类型的传感器，这些传感器可以具有不同的可靠度。例如，在提炼厂可以使用化学传感器能够检测气体泄漏，而在电厂，可以使用电传感器来检测危险的高压。一些通用类型的传感器包括机械传感器、温度传感器、磁和电磁场传感器、激光传感器、红外线传感器、紫外线传感器、辐射传感器和声传感器。通常在时域和频域上观测传感器数据。对于传感器数据的解析分析，通常所使用的函数是幅度、平均值、范围、干扰噪声和标准偏差。可以单个地分析这些函数或以多维方式进行组合地分析这些函数。在设计传感器系统时，若干因素(例如，线性、分辨率、谱通带、精确度、响应时间、信噪比等)会影响对传感器的选择。还要针对阈值和容许度考虑所有这些因素。图1至图4示出了状况监测处理的示例，其包括从传感器获得特征标；预处理该特征标；并且进行变换以将该特征标最终分类。简单的CMS通过对输入传感器数据与阈值进行比较来检测异常状况，这些阈值通常是像平均值、标准偏差、最小值、最大值等这样的统计特征值(参见图5)。更复杂的检测机制将输入特征标与基准特征标进行比较。根据问题的复杂性，能够通过不同的技术来计算该比较。一个简单的示例是从存储在数据库中的基准特征标中减去输入特征标。将这两个信号之差称为误差，该误差的幅值确定出这两个信号是否接近。为了更好的估计该误差，还可以计算均方误差。图6示出了该方法。确定一个误差信号是否表示异常状况的一种简单方法是使用阈值。与阈值相比，对误差信号的更复杂的估算是基于对误差信号的若干特征的计算。为了使检测精度最佳，必须认真选择用于估算误差信号的阈值。图7示出了如何选择上阈值和下阈值电平，以使得当出现“正常”信号之外的信号时能够触发告警。该精度将取决于这些电平的选择、所使用的传感器的质量和数据获取系统的质量。已知的状况监测系统使用用以对传感器数据进行匹配的状况库。例如，文章“HISS-A new approach to intelligent supervision”(KaiMichels，Proceedings of the Joint 9thIFSA World Congress and 20thNAFIPS International Conference(Vancouver，25-28 July)，IEEEPiscataway，2001(ISBN0-78037079-1)，pp.1110-1115)提供了一种通过使用音频传感器来检测气体管道中的泄漏的解决方案。由该音频传感器记录的声音与表示泄漏的声音和表示正常环境声音的库相匹配。如果传感器记录的声音更接近于表示泄漏的声音，而不是更接近于正常声音，则监测软件发出告警。此外，可以使用人工智能技术来进行模式识别，并判断出什么状况应该产生告警，以监测系统的状态。在美国专利US 6,327,550(Vinberg等人)中公开了一个这样的示例，该专利涉及这样一种状态监测方法和装置在初始“学习阶段”，对系统进行训练，以识别受监测系统的可识别的“普通模式”，这些“普通模式”是该系统通常出现的多个状态的组。在后来的“监测阶段”期间，状况监测系统通过将所述系统的状态向量与在学习期间通过模式识别而在先识别出的所识别的普通模式进行比较，来持续地监测所述系统，并且只要出现未处于所识别的普通模式之一的状态向量时就产生告警。而且，在监测阶段期间，系统能够以以下方式来更新自己的学习等级。管理人员或自动管理工具可以研究告警消息，甚至检查所管理的系统，并且如果确定告警消息是针对普通情形产生的，该情形应该包括在用于未来监测的普通模式中，则该系统能够将该相关的新状态添加到现有的普通模式集合中。现有技术的美国专利US 5,890,142涉及一种用于监测系统状况的装置，该装置包括预测部分，该预测部分被说明为用于生成其参数由系统的时间序列数据确定的数据向量，并用于基于通过该数据向量的嵌入运算在重构空间中生成的吸引子的行为，借助混沌推理来获得预定的时间未来的时间序列数据的预测值。然后，该系统基于系统行为无序的假设开始作出短期预测，并判断所观测的系统是处于正常还是异常状况。显然，通常在受监测系统的正常和异常状况是已知的并可被指定的情况下，才可以在已知系统中应用状况监测。这意味着，CMS不适于在不清楚的领域和如下领域中使用异常状况在以前没有被观测过、不可能被观测、并且不能被容易地创建或预测。一个示例是一件贵重机械的故障。非常期望的是，提前准确预测故障以及时安排维修。故障可能是破坏性的，以使得不可能驱动受监测的机器进入故障模式以记录故障状况。可能仅有关于所监测的信号的阈值的模糊的或不确定的认识，该认识不足以充分说明故障。另一个示例是在病人的家中监测需要照顾的病人。高精度地检测是否需要护理人员介入是非常重要的，例如，如果该人没有在白天的通常时间起床或者已倒下的情况。然而，避免错误告警也是很重要的，否则监测系统将不再可信，甚至监测系统可能被关断。因此，使监测系统适合于被监测的病人，并了解对于该病人什么是正常的行为，这是重要的。对于这两个示例，会容易地发现通常单个传感器是不够的。通常，但不排他地，要求多个传感器，由此创建多维传感器数据空间。可以将来自各个传感器的信息适当地组合，以使得能够对异常情形作出判断。这将被称为本文档来自技高网...

【技术保护点】
一种分析系统，用于对来自用于监测动态系统的至少一个特征的监测系统的数据进行分析，所述监测系统提供关于所述动态系统的特征数据，所述动态系统具有至少一个已知的正常状态，所述分析系统包括：第一输入装置，用于从所述监测系统接收特征数据； 第二输入装置，用于当所述动态系统处于所述已知的正常状态时，从操作人员接收确认信息；常态建模装置，被设置为响应于所接收的特征数据和确认信息来推导出常态模型，该常态模型包括表明一个或多个已知正常状态的数据；预测生成装置，被设 置为根据所述常态模型中的数据来预测未来特征数据；差函数提供装置，被设置为提供差函数，所述差函数表明所预测的未来特征数据与所接收的特征数据之间的可接受的差；以及比较装置，被设置为利用所述差函数，对所预测的未来特征数据与所接收的 特征数据进行比较，如果所预测的未来特征数据与所接收的特征数据之间的差超出所述差函数，则产生异常信号。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：德特勒夫丹尼尔瑙克，贝南阿斯文，马丁斯波特，
申请(专利权)人：英国电讯有限公司，
类型：发明
国别省市：GB[英国]