用于对传感器数据点的不同时间序列进行分段的监视设备和方法技术

一种用于对表示技术系统(100)的至少一个所测量参数的传感器数据点的不同时间序列进行分段，以检测技术系统(100)的不同类型的物理过程的监视设备(200)，包括：分析单元(202)，其被配置成迭代地针对传感器数据点的时间序列的每个传感器数据点以及迭代地针对所有不同传感器的每个时间序列：

【技术实现步骤摘要】
【国外来华专利技术】用于对传感器数据点的不同时间序列进行分段的监视设备和方法
[0001]本公开涉及一种用于对表示技术系统的至少一个所测量参数的传感器数据点的不同时间序列进行分段以检测技术系统的不同类型的物理过程的监视设备和方法。
[0002]在各种
中，存在对于监视机器或一般地技术系统的操作的需要。例如，在石油和天然气生产、钢铁生产或造纸厂的领域中，出于提供预防性维护、异常检测以及由此可用性的目的，可以监视大量设备，如内燃机引擎、电子设备和泵。
[0003]传感器在所有种类的重型机械和技术系统中是无处不在的。一般来说，感兴趣的不是对传感器所输出的具体值的分析，而是从传感器值来推断基础技术过程。如果仅定性地知道基础技术过程的特性(即，已知在给定一个具体类型的情况下哪些传感器将升高和下降)，但是不具有定量期望(即，传感器X将在y分钟内升高x个单位)，则需要变换传感器数据，使得它匹配领域期望(domain expectation)的定性特征。
[0004]分析传感器数据的时间序列的主要目标是保护技术系统(例如泵)免受损坏和失效。因此，该目标是检测表征技术系统的异常和异常行为的传感器数据中的模式，该模式指示该装备在其失效之前的异常操作。这允许技术系统的操作者非常及时地采取应对措施，这对于防止对技术系统的进一步损害和导致技术系统的维修或停机时间的大量成本是极其重要的。
[0005]例如对于作为在井下开采石油的电气潜水泵的技术系统。传感器被安装在这些泵上，以便测量例如井底压力、井口压力和套管压力以及油温度和马达电流，这使得能够监视整个泵系统的状态。对于各种泵失效场景，传感器值典型地示出了传感器数据中的可疑模式和异常，这允许估计根本原因和泵的潜在损坏。
[0006]传统上，比如泵这样的技术系统的监视和控制是经由对传感器时间序列的视觉检查来执行的，以便标识时间序列内的指示异常行为的段。这样的方法是易于出错的，不允许处理大量数据，并且典型地不能够发现复杂的非线性模式。
[0007]存在大量不同的方法，从简单的基于规则的系统、统计方法变动到机器学习方法。这些标准方法中的大多数需要对数据的某种类型的预处理，比如离群值去除、去相关、数据平滑化等，这阻碍了对结果的人类解释以及所监视的技术系统的物理过程的所应用改变。
[0008]基于规则的评估系统典型地依赖于固定的阈值。这些方法首先不允许找到段，并且其次不允许将不同类型的段解纠缠(disentangle)。诸如自回归模型、移动平均及其组合之类的统计方法能够标识传感器数据中的逐渐改变，但是会受到突然改变的严重偏向，该突然改变诸如传感器数据的时间序列中的跳跃和频率改变。作为深度神经网络的机器学习方法典型地需要经标注的数据来发现异常。即使是不需要标注的现有技术非监督方法也不能够在不同的段类型之间进行区分。
[0009]与异常行为的检测相关的主要问题涉及引发了泵或其他技术系统失效的非常不同的类型的物理过程。
[0010]因此，本申请的目的是从表示技术系统的参数的传感器数据的时间序列中标识技术系统中的不同类型的物理过程。
[0011]该目的通过独立权利要求的特征来解决。从属权利要求包含本专利技术的进一步开发。
[0012]第一方面涉及一种用于对表示技术系统的至少一个所测量参数的传感器数据点的不同时间序列进行分段以检测技术系统的不同类型的物理过程的监视设备，包括：
[0013]分析单元，其被配置成迭代地针对传感器数据点的时间序列的每个传感器数据点以及迭代地针对所有不同传感器的每个时间序列：
[0014]‑
获得实际传感器数据点，
[0015]‑
确定所述实际数据点是否是离群值并相应地对其进行标记，
[0016]‑
确定所述实际数据点是否表示不连续性，
[0017]‑
由拟合到至少预定义第一数量的随后获得的传感器数据点的在时间上是直线的斜率方程的回归模型来确定斜率，并且确定所述实际传感器数据点是否属于所学习的回归模型，
[0018]‑
如果所述实际传感器数据点不属于所学习的回归模型，则通过基于所述实际数据点和预定义第二数量的先前传感器数据点来学习新的回归模型从而确定新的斜率，以及
[0019]‑
创建包括一个所学习的回归模型的所有传感器数据点的段，以及
[0020]显示单元，其被配置成
[0021]‑
显示指示所确定的段或者是离群值的传感器数据点的时间序列的每个传感器数据点。
[0022]一个重要类别的物理过程是随着时间逐渐地发展、最终导致失效的物理过程。这样的物理过程可以通过传感器数据点的时间序列关于时间的梯度来监视。梯度和斜率在这里用作同义词。此外，其中突发事件改变该系统的第二类别的过程会导致失效，诸如导致了突发改变的断裂轴，从而在传感器数据的时间线中产生不连续性，尤其是跳跃不连续性。由于时间序列的每个传感器数据点是迭代地处理的，因此作为渲染或平滑化的预处理不会阻碍对突发改变的检测。每个单一数据点被评估和考虑以用于指示物理过程中的改变。属于一个所学习的回归模型的随后数据点的段指示逐渐发展的物理过程。第一和第二预定义数量可以具有不同的值，但是优选地具有相同的值。
[0023]根据实施例，所述设备通过附加地评估传感器的传感器数据值来确定操作模式改变，所述传感器数据值指示技术系统针对所述实际传感器数据点的时间点的操作模式。
[0024]如果存在以可靠的方式指示技术系统的操作模式中的改变的物理参数，则这个参数由传感器来测量，并且相应的传感器数据时间线附加地由分析单元来监视和评估。这允许早期检测技术系统的操作模式改变，该改变可能被有意地选择和设置、或者在技术系统的操作模式期间定期地发生。
[0025]根据进一步的优选实施例，所述设备被配置成使得：如果所述实际传感器数据点与相邻传感器数据点的值之间的相对改变超过第一阈值，则所述实际传感器数据点被确定为离群值。
[0026]决定所述实际数据点与相邻数据点的值之间的相对改变并且尤其是设置针对那个值的第一阈值允许根据传感器所测量的参数的类型来灵活适配阈值。例如，温度传感器的传感器数据点之间的偏差在技术系统的
‑
个物理状态内部可能比压力传感器的传感器数据点变化更多得多，所述压力传感器的传感器数据点可能示出非常稳定的值，而在相同的
物理状态中没有显著变化。
[0027]在优选实施例中，所述设备被配置成：如果在所述实际传感器数据点之前的预定义第三数量的随后数据点被标记为离群值，则确定不连续性，尤其是跳跃不连续性。
[0028]这个特征允许区分：所述实际传感器数据点仅仅是离群值、还是它是以根据指示离群值的第一阈值的值而偏离的传感器数据点的序列的一部分，例如在跳跃不连续性随后的传感器数据点。由于传感器数据时间序列中的跳跃是在技术系统中具有突发事件改变的第二类别的物理过程的指示，因此检测这样的跳跃提供了关于物理过程改变的非常相关的信息。
[0029]在进一步的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于对表示技术系统(100)的至少一个所测量参数的传感器数据点的不同时间序列进行分段以检测技术系统(100)的不同类型的物理过程的监视设备(200)，包括分析单元(202)，其被配置成迭代地针对传感器数据点的时间序列的每个传感器数据点以及迭代地针对所有不同传感器的每个时间序列：
‑
获得(S1)实际传感器数据点，
‑
确定所述实际传感器数据点是否是离群值(S3)并相应地对其进行标记，
‑
确定(S4)所述实际数据点是否表示不连续性，
‑
由拟合到至少预定义第一数量的随后获得的传感器数据点的在时间上是直线的斜率方程的回归模型来确定斜率(S5)，并且确定所述实际传感器数据点是否属于所学习的回归模型，
‑
如果所述实际传感器数据点不属于所学习的回归模型，则通过基于所述实际数据点和预定义第二数量的先前传感器数据点来学习新的回归模型从而确定新的斜率，以及
‑
创建(S6)包括一个所学习的回归模型的所有传感器数据点的段，以及显示单元，其被配置成：
‑
显示指示所确定的段或者是离群值的传感器数据点的时间序列的每个传感器数据点。2.根据权利要求1所述的监视设备，其中所述分析单元(202)被配置成通过附加地评估传感器的传感器数据值来确定操作模式的改变，所述传感器数据值指示技术系统(100)针对所述实际传感器数据点的时间点的操作模式。3.根据前述权利要求中任一项所述的监视设备，其中如果所述实际传感器数据点与相邻传感器数据点的值之间的相对改变超过预定义第一阈值，则所述实际传感器数据点被确定为离群值。4.根据前述权利要求中任一项所述的监视设备，其中如果在所述实际传感器数据点之前的预定义第三数量的随后数据点被标记为离群值，则不连续性被确定。5.根据前述权利要求中任一项所述的监视设备，其中所述斜率是通过所述回归模型最小化随后获得的传感器数据点与所述斜率方程之间的第一距离度量来确定的。6.根据前述权利要求中任一项所述的监视设备，其中如果从所述斜率方程所得到的值与包括所述实际数据点的传感器数据点的测试集(Z)之间的累积偏差的统计显著性低于预定义第二阈值，则所述实际数据点属于所学习的回归模型。7.根据权利要求1
‑
5中任一项所述的监视设备，其中如果从所述斜率方程所得到的值与包括所述实际数据点的传感器数据点的测试...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：