用于记录和恢复事件的方法和系统技术方案

为记录事件，取具有n个测量An的向量A。使用装箱过程将每一个测量An转换成二进制向量Bn。使用核运算来变换向量Bn中的测量以得到向量Cn。所有的向量Cn被串接成单个向量D。创建具有P位集合的二进制向量M。对照向量M将日期和向量A记录在数据库Z中。对照向量M将向量D关联到相关矩阵存储器R。为恢复事件，重复上述步骤直到将所有的向量Cn串接成单个向量D。向量D随后用于访问相关矩阵存储器R以恢复关联向量S，并且向量S被直接或间接地应用于数据库Z以恢复与向量S相关联的日期或与向量S相关联的每一个日期。这可便于对诸如发电机、燃气轮机、发动机等资产以及诸如火车、轮船和飞机等较大的资产的监控以确保它们继续可靠地运作。

【技术实现步骤摘要】
【国外来华专利技术】用于记录和恢复事件的方法和系统本专利技术涉及用于记录和恢复事件的方法和系统，并且具体地但不限于涉及资产监控。资产监控是监控诸如(例如)发电机、燃气轮机、发动机等资产以及诸如火车、轮船和飞机等较大的资产以确保它们继续可靠地运作的任务。本专利技术的各实施例可用于记录正确的运作，并且使用这一记录来检测不正确的运作。本专利技术的各实施例构建在AURAKNN[1,2]的工作上并且延伸了AURAKNN的工作，AURAKNN是利用纽约大学大量研究的技术来使用基于相关矩阵存储器的关联存储器(CMM)进行模式匹配的快速实现。AURA是用于在大型且复杂的数据集上进行模式识别的基于CMM的一组方法。根据本专利技术的一个方面，提供了一种记录事件的方法，包括以下步骤：取具有n个测量的向量A，其中An是测量之一；使用装箱(binning)过程将每一个测量An转换成二进制向量Bn；使用核运算来变换向量Bn中的测量以得到向量Cn；将所有的向量Cn串接、叠加、或累加成单个向量D；创建具有P位集合的二进制向量M；对照向量M将日期和向量A记录在数据库Z中；以及对照向量M将向量D关联到相关矩阵存储器R。在另一方面，本专利技术提供了一种恢复事件的方法，包括以下步骤：取具有n个测量的向量A，其中An是测量之一；使用装箱过程将每一个测量An转换成二进制向量Bn；使用核运算来变换向量Bn中的测量以得到向量Cn；将所有的向量Cn串接、叠加、或累加成单个向量D；使用向量D来访问相关矩阵存储器R以恢复关联向量S；以及将向量S直接或间接应用于数据库Z以恢复与向量S相关联的日期或与向量S相关联的每一个日期。这种方法可包括在被恢复的向量A’和输入A之间执行后向校验以检查相似性的又一步骤，其中被恢复的向量A’与数据库Z中的T匹配。所述设定阈值步骤可使用从包括以下各项的组中所选择的方法：L-max方法、Willshaw方法和固定阈值方法。将向量S应用于数据库Z的所述步骤可包括将向量S的阈值设定为二进制向量T并且在数据库Z中查找向量T以恢复与向量T相关联的日期或与向量T相关联的每一个日期的步骤。日期和时间两者都可对照向量M被记录在数据库Z中。所述核运算可以是抛物线核运算。所述测量可从通信数据中导出。所述通信数据可包括循环流程读数和/或总线计时。所述测量可从工程资产性能数据中导出。所述串接、叠加、或累加步骤可将所有的向量Cn叠加成单个向量D。所述串接、叠加、或累加步骤可将所有的向量Cn累加成单个向量D。将每一个测量An转换成二进制向量Bn的所述步骤可以是恒等运算。即，对An执行空运算以得到Bn。在对照向量M将向量D关联到相关矩阵存储器R之前，向量D可用于访问相关矩阵存储器R以恢复关联向量S，并且如果向量S存在于数据库中，则用新的日期和/或时间来更新与S相关联的数据库记录，并且如果S不存在，则对照向量M将D关联到相关矩阵存储器R。在对照向量M将向量D关联到相关矩阵存储器R的步骤中，可在相关矩阵存储器R中添加新的列。本专利技术涉及用于记录或恢复事件并且适于根据本专利技术的上述各方面中的任一方面来执行一种方法的系统。为更好的理解本专利技术并示出可如何有效地实施本专利技术的各实施例，作为示例，现在将参考所附附图，其中：图1是示出二维状态空间中的变换的图；图2示意性地示出状态集到二进制模式的转换；图3示意性地示出在存储了5个状态之后的二进制相关矩阵存储器(CMM)；图4参考箱集合A、B和C示意性地示出Recall(恢复)向量和向量Stored1(已存储1)和Stored2(已存储2)之间的距离；图5是示出将一个记录与不同的多个已存储的记录进行比较所花费的时间的图；以及图6是从图5外推的示出在一秒内可与当前状态进行比较的已存储的记录的大致数量的图。在本专利技术的各示例中，为了记录事件，取具有n个测量的向量A，其中An是测量之一。使用装箱过程将每一个测量An转换成二进制向量Bn。使用核运算来变换向量Bn中的测量以得到向量Cn。所有的向量Cn被串接成单个向量D。创建具有P位集合的二进制向量M。对照向量M将日期和向量A记录在数据库Z中。对照向量M将向量D关联到相关矩阵存储器R。为了恢复事件，重复上述步骤，直到将所有的向量Cn串接成单个向量D的阶段。向量D随后用于访问相关矩阵存储器R以恢复关联向量S，并且向量S被直接或间接地应用于数据库Z以恢复与向量S相关联的日期或与向量S相关联的每一个日期。将向量S应用于数据库Z可包括将向量S的阈值设定为二进制向量T并且在数据库Z中查找向量T以恢复与向量T相关联的日期或与向量T相关联的每一个日期。资产监控的关键元素是对资产中潜在故障的早期检测，从而允许在重大损害发生之前采取预防性动作。资产监控系统需要基于大量变量的值来标识这些潜在故障，所述大量变量的值可以是直接传感器读数或从这些读数中导出的经计算的值。取决于正在发生的潜在故障，在数据中可能存在允许标识出问题的不同的线索。可用的线索可采取三种不同的形式之一，并且每一种形式对资产监控系统提出不同的挑战并需要不同的方法。1)最容易标识的故障仅仅需要对各个参数设定阈值。如果传感器读数或所导出的值超过所设定的阈值，则知道已经发生了某一问题。另选地，在正常运作期间可能存在所预计的值范围，并且不在这一范围内的任何读数可指示异常活动。2)某些故障可能只能通过标识多个变量之间的一致的模式或值偏移来检测，而没有任何单独的参数离开其预期的工作范围。存在可应用于这些场景中的许多模式识别技术，包括诸如SDE任务计划器之类的示例工具，但所有这些模式识别技术需要来自之前发生这些故障的示例数据或某种程度的对系统的专家知识。3)要检测的更具挑战性的故障类别涉及在资产开发期间未预见、之前未发生过、并且不涉及离开其正常工作范围的任何一个变量的那些问题。用于类型2的模式识别技术可能不适用，因为没有这些故障的示例来提供训练数据。因此，为检测出这样的故障，资产监控系统必须存储正常行为的表示并且在资产的活动违背这一行为时发出警告。此处讨论的检测系统被称为‘AURAAlert(AURA警报)’并且聚焦于这一第三场景，但该系统被开发成使得该系统也能够用于标识已知故障也是可能的。向AURAAlert提供来自延伸的时间段(在该时间段期间已知资产正常执行)的数据。在这一时间段期间的定期时间间隔处，来自数据的代表性变量集合的值被转换成二进制模式，该二进制模式表示资产在该时刻的状态。这一二进制模式随后被存储在相关矩阵存储器(CMM，关联存储器)中。随后，在资产运作期间，资产的当前状态可与已存储的正常运作行为进行比较，以查看先前是否见过变量值的该组合。如果之前没见过这种组合，则即使没有任何单独的变量背离它们的正常值范围，这也可能指示一问题。状态变换在任何时间段，具有N个传感器的资产可被认为处于N维空间中的特定状态中。这能够在如图1中的图中所示的两个维度中最容易地进行描绘。来自两个传感器的值指向图中的唯一位置，并且这些值被记录为状态空间中的点(dot)，而链接这些点的线示出资产的状态如何随着时间而移动。在学习期间，记录在正常资产活动时间段期间状态空间中资产所到过的所有位置。在恢复操作期间，两个变量的当前值也对应于状态空间中的点(point)，如图1中的正方形所示。如果这一正方形处于已存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】2009.12.22 GB 0922317.31.一种资产监控的方法，所述方法包括三个部分：第一部分是记录事件，第二部分是恢复事件，第三部分是执行后向校验，其中：所述第一部分和第二部分中的每一者包括以下步骤：取具有n个测量的向量A，其中An是测量之一；使用装箱过程将每一个测量An转换成二进制向量Bn；以及将所有的向量Bn串接成单个向量D；所述第一部分还包括以下步骤：创建具有P位集合的二进制向量M；对照向量M将日期向量记录在数据库Z中；以及对照向量M将向量D关联到相关矩阵存储器R；所述第二部分还包括以下步骤：使用核运算来变换向量Bn中的测量以得到向量Cn，所有的向量Cn随后被串接成所述单个向量D；使用向量D来访问相关矩阵存储器R以恢复关联向量S；以及将向量S直接或间接应用于所述数据库Z以恢复与向量S相关联的日期或与向量S相关联的日期；以及所述后向校验包括以下步骤：在被恢复的向量A’和输入A之间执行后向校验以检查相似性，以提供关于差异的本质和程度的更具信息量的输出，其中被恢复的向量A’与数据库Z中的T匹配。2.如权利要求1所述的方法，其特征在于，所述后向校验包括阈值设定步骤，所述阈值设定步骤使用从包括以下各项的组中选择的方法：L-max方法、Willshaw方法和固定阈值方法。3.如权利要求1或2所述的方...

【专利技术属性】
技术研发人员：J·奥斯汀，
申请(专利权)人：赛布拉有限公司，
类型：发明
国别省市：