用于預(yù)報和預(yù)測的序列核回歸建模系統(tǒng)的制作方法
【專利摘要】一種用于確定對象未來運行狀態(tài)的監(jiān)測系統(tǒng)包括經(jīng)驗?zāi)Ｐ?，以接收指示所述對象正常運行狀態(tài)的參考數(shù)據(jù)和輸入模式陣列。每個輸入模式陣列具有多個輸入向量，而每輸入向量表示一個時間點并具有表示多個參數(shù)的輸入值，所述參數(shù)指示對象的當前狀態(tài)。所述模型基于計算生成估值，所述計算使用輸入模式陣列和參考數(shù)據(jù)確定輸入值和參考數(shù)據(jù)之間的相似性測量。所述估值是估計矩陣形式，包括至少一個推導(dǎo)估值的估計向量，并且表示至少一個沒有由輸入向量表示的時間點。所述推導(dǎo)估值用于確定對象的未來狀態(tài)。
【專利說明】用于預(yù)報和預(yù)測的序列核回歸建模系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本公開主題一般涉及用于對象(如機器、系統(tǒng)或方法)預(yù)報性狀態(tài)監(jiān)測和預(yù)測的核回歸建模(kernel regression modeling)領(lǐng)域,尤其涉及用于參數(shù)測量分析的多變量模型的使用，對被監(jiān)測對象進行評估。
【背景技術(shù)】
[0002]核回歸是一種用于確定非線性函數(shù)或數(shù)據(jù)集的數(shù)值之間關(guān)系的建模形式，用于監(jiān)測機器或系統(tǒng)以確定所述機器或系統(tǒng)的狀態(tài)。一種已知的核回歸建模形式是基于相似性的建模(SBM, similarity-based modeling)，由美國專利(專利號為 5，764，509 和 6，181，975)公開。對于SBM，多個傳感信號對機器、系統(tǒng)或其他監(jiān)測對象的相關(guān)參數(shù)進行物理測量以提供傳感器數(shù)據(jù)。參數(shù)數(shù)據(jù)可包括來自信號或其他計算數(shù)據(jù)的實際值或當前值，無論該數(shù)據(jù)是否基于傳感器信號。然后使用經(jīng)驗?zāi)Ｐ蛯?shù)數(shù)據(jù)進行處理，對這些數(shù)據(jù)進行評估。然后將評估結(jié)果與實際值或當前值進行比較，確定被監(jiān)測系統(tǒng)是否存在故障。
[0003]更具體地，使用選出的表示已知運行狀態(tài)的傳感器值的歷史模式(pattern)參考資料庫，模型生成評估結(jié)果。這些模式也稱為向量、快照或觀察結(jié)果，并且包括來自多個傳感器或其他指示被監(jiān)測機器某一瞬間的狀態(tài)的輸入數(shù)據(jù)的數(shù)值。當參考向量來自參考資料庫時，向量通常指示被監(jiān)測機器的正常運行狀態(tài)。模型將當前時間的向量與大量從參考資料庫的已知狀態(tài)選出的學(xué)習(xí)(learned)向量比較，以對系統(tǒng)當前狀態(tài)進行評估。一般而言，當前向量與從資料庫選出的向量所組成的矩陣比較，形成權(quán)向量。再進一步地，所述權(quán)向量與矩陣相乘，計算出估計向量。然后將估計向量與當前向量進行比較。如果向量中的估值和實際值不足夠類似，則可表示被監(jiān)測對象中存在故障。
[0004]但是，這種核回歸技術(shù)不明確使用傳感器信號中的時域信息，而是在計算估值時以不同的且不連續(xù)的同時(time-contemporaneous)模式來處理數(shù)據(jù)。例如，由于各當前向量與參考資料庫向量進行單獨比較，因此無論當前向量與參考資料庫中的向量的哪種比較次序，結(jié)果均無區(qū)別，即，每個當前向量都將接收與其對應(yīng)的估計向量。
[0005]一些已知的模型在核回歸建模構(gòu)建中確實可以捕捉時域信息。例如，美國專利(專利號為6，957，172和7，409，320)中公布的復(fù)雜信號分解技術(shù)將時變信號轉(zhuǎn)換為頻率分量，或者美國專利(專利號為7，085，675)公布的光譜特征。這些分量或特征作為單獨輸入提供給經(jīng)驗建模引擎，以便該單個復(fù)信號由同一時間產(chǎn)生的頻率值的模式或向量表示。所述經(jīng)驗建模引擎將提取出的分量輸入(當前向量或?qū)嶋H向量)與預(yù)期值比較，得到更多關(guān)于實際信號的信息或關(guān)于生成時變信號的系統(tǒng)狀態(tài)的信息。這些方法被設(shè)計與單個周期信號如聲信號或振動信號一起工作。但即使具有處理復(fù)雜信號的系統(tǒng)，在計算當前向量的估值時，時域信息是不重要的，這是因為各當前向量與參考向量矩陣或期望向量矩陣進行比較而不考慮輸入向量所表示的時段。

【發(fā)明內(nèi)容】
[0006]—方面，一種確定對象未來運行狀態(tài)的方法包括獲得指示對象正常運行狀態(tài)的參考數(shù)據(jù)，并獲得輸入模式陣列。每個輸入模式陣列具有多個輸入向量，而每個輸入向量表示一個時間點并具有表示多個參數(shù)的輸入值，所述參數(shù)指示了對象的當前狀態(tài)。至少有一個處理器根據(jù)計算生成估值，所述計算使用輸入模式陣列和參考數(shù)據(jù)來確定輸入值與參考數(shù)據(jù)之間的相似性測量。所述估值為估計矩陣形式，包括至少一個虛擬估計向量或推導(dǎo)估值，并表示至少一個不由輸入向量表示的時間點。所述推導(dǎo)估值用于確定所述對象的未來狀態(tài)。
[0007]另一方面，用于確定對象未來運行狀態(tài)的監(jiān)測系統(tǒng)具有經(jīng)驗?zāi)Ｐ湍K，所述經(jīng)驗?zāi)Ｐ湍K用于接收指示對象正常運行狀況的參考數(shù)據(jù)，接收輸入模式陣列，所述每個輸入模式陣列都具有多個輸入向量。每個輸入向量表不一個時間點并具有表不多個參數(shù)的輸入值，所述參數(shù)指示了對象的當前狀態(tài)。經(jīng)驗?zāi)Ｐ鸵部捎糜诟鶕?jù)計算生成估值，所述計算使用輸入模式陣列和參考數(shù)據(jù)來確定輸入值和參考數(shù)據(jù)之間的相似性測量。所述估值為估計矩陣形式，所述估計矩陣包括推導(dǎo)估值的估計向量，并且每個估計矩陣表示至少一個不由輸入向量表示的時間點。預(yù)測模型使用推導(dǎo)估值確定所述對象的未來狀態(tài)。
【專利附圖】

【附圖說明】
[0008]圖1是監(jiān)測系統(tǒng)的示例性布置的框圖；
[0009]圖2是監(jiān)測系統(tǒng)的基本操作過程流程圖；
[0010]圖3是基于自聯(lián)想相似性(autoassociative similarity)的建模公式的示意圖；
[0011]圖4是基于推導(dǎo)相似性(inferential similarity)的建模公式的一種形式的示意圖；
[0012]圖5是基于推導(dǎo)相似性的建模公式的另一種形式的示意圖；
[0013]圖6是基于自聯(lián)想序列相似性的建模公式的示意圖；
[0014]圖7是基于推導(dǎo)序列相似性的建模公式的一種形式的示意圖，所述建模公式在模型化傳感器維度(dimension)上進行推斷(extrapolate)；
[0015]圖8是基于推導(dǎo)序列相似性的建模公式的另一種形式的示意圖，所述建模公式在模型化傳感器維度上進行推斷；
[0016]圖9是基于推導(dǎo)序列相似性的建模公式的示意圖，所述建模公式在時間維度上進行推斷；
[0017]圖10是基于推導(dǎo)序列相似性的建模公式的示意圖，所述建模公式在時間維度上進行推斷；
[0018]圖11是基于推導(dǎo)序列相似性的建模公式的示意圖，所述建模公式在時間維度和傳感器維度上進行推斷。
【具體實施方式】
[0019]已確定可以通過將時域信息并入模型中來提高核回歸模型(尤其是基于相似性的模型)中的估值的準確性。因此，現(xiàn)有監(jiān)控系統(tǒng)和方法的一個技術(shù)效果是通過從監(jiān)控工業(yè)工藝、系統(tǒng)、機器或其他對象的大量周期性和非周期性傳感器信號捕獲時域信息來生成估值數(shù)據(jù)?，F(xiàn)有系統(tǒng)的技術(shù)效果還包括操作經(jīng)驗?zāi)Ｐ?，所述?jīng)驗?zāi)Ｐ蛯⒑嘶貧w建模核心的基本非線性數(shù)學(xué)運算從向量到向量運算擴展到矩陣到矩陣(或陣列到陣列)運算，如下文詳述。監(jiān)控系統(tǒng)和方法的另一替代性技術(shù)效果是生成未來時間點的虛擬或推導(dǎo)估值，以確定受監(jiān)控對象的未來狀態(tài)，無論用于生成估值的參考數(shù)據(jù)是表示受監(jiān)控對象的常規(guī)運行狀態(tài)的數(shù)據(jù)，還是與來自對象的、指示故障的數(shù)據(jù)更佳匹配的故障模式數(shù)據(jù)。
[0020]參見圖1，包含時域信息的監(jiān)控系統(tǒng)10可以通過一個或多個模塊的形式包含在計算機程序中，并且可以通過一個或多個處理器102在一個或多個計算機100上執(zhí)行。計算機100可以具有一個或多個內(nèi)部或外部存儲裝置104，用于永久或暫時存儲傳感器數(shù)據(jù)和/或計算機程序。在一種形式中，獨立的計算機運行特定程序，所述程序?qū)Ｓ糜趶呐鋫湓趦x表化機器、過程或者包括生物等其他對象上的傳感器接收傳感器數(shù)據(jù)，并測量參數(shù)(溫度、壓力等)。盡管未做特別限制，但是例如，受監(jiān)控的對象可以是工業(yè)廠房中的一個或多個機器、一個或多個車輛或者車輛上的特定機器，例如噴氣式發(fā)動機。所述傳感器數(shù)據(jù)可以有線或無線方式通過計算機網(wǎng)絡(luò)或互聯(lián)網(wǎng)等傳輸?shù)綀?zhí)行數(shù)據(jù)收集操作的計算機或數(shù)據(jù)庫。具有一個或多個處理器的一個計算機可以執(zhí)行所有模塊的監(jiān)控任務(wù)，或者每個任務(wù)或模塊可以具有自己的計算機或處理器來執(zhí)行所述模塊。因此，應(yīng)了解，處理可以在一個位置中執(zhí)行，或者處理可以在通過有線或無線網(wǎng)絡(luò)連接的許多不同位置中執(zhí)行。
[0021]參見圖2，在監(jiān)控系統(tǒng)10執(zhí)行的過程(300)中，系統(tǒng)從在上述受監(jiān)控對象16上的傳感器12接收數(shù)據(jù)或信號。此數(shù)據(jù)排列成由模型14使用的輸入向量32。因此，術(shù)語“輸入”、“實際”和“當前”可互換使用，并且術(shù)語“向量”、“快照(snapshot) ”和“觀測數(shù)據(jù)”也可以互換使用。輸入向量(或者例如，實際快照)表示受監(jiān)控機器在單個時刻中的運行狀態(tài)。
[0022]此外或者替代地，輸入向量32可以包括計算所得數(shù)據(jù)，所述數(shù)據(jù)可以基于或者可以不基于傳感器數(shù)據(jù)(或原始數(shù)據(jù))進行計算。例如，這可以包括平均壓力或壓力降。輸入向量32還可以具有值，所述值表示并非由對象16上的傳感器所表示的其他變量。例如，這可以是接收到傳感器數(shù)據(jù)中某年的某天的平均環(huán)境溫度等。
[0023]模型14獲取(302)向量32形式的數(shù)據(jù)，并且將輸入向量排列(304)成輸入陣列或矩陣。但是應(yīng)了解，模型14本身可以從輸入數(shù)據(jù)形成向量32，或者從將數(shù)據(jù)組織成向量和陣列的集合或輸入計算機或者處理器接收向量。因此，輸入數(shù)據(jù)可以通過計算機100、計算機100位置附近的另一計算機或者諸如對象16附近等其他位置處的另一計算機排列成向量32。
[0024]模型14還獲取(306)參考數(shù)據(jù)，所述參考數(shù)據(jù)采用參考庫18中的參考向量或矩陣的形式，有時稱為矩陣H。庫18可以包括系統(tǒng)中的所有歷史參考向量。模型14隨后使用參考數(shù)據(jù)和輸入陣列以生成估值(310)，所述估值采用所得的估計矩陣或陣列的形式。將估計矩陣提供給差分化(differencing)模塊20,所述模塊確定(312)估計矩陣中的估計陣列與輸入陣列中的對應(yīng)輸入值之間的差分(或者殘差)。隨后，警報或分析管理模塊(或者僅警報模塊)22使用所述殘差確定(314)是否存在故障。
[0025]如圖中的虛線所示，監(jiān)控系統(tǒng)10還可以具有定位模塊28，所述定位模塊改變來自參考庫的、用于形成(308)子集或矩陣D (t)(稱為以下學(xué)習(xí)的序列模式矩陣(圖6)的三維集合)的數(shù)據(jù)，以與每個輸入陣列中的向量進行比較。另外，參考數(shù)據(jù)矩陣D(t)可以對所有輸入矩陣保持相同，如下文詳述。此外，監(jiān)控系統(tǒng)具有具有適配模塊30，所述適配模塊不斷將輸入向量置于參考庫中以更新庫中的數(shù)據(jù)，或者在發(fā)生特定事件時(例如當模型接收到數(shù)據(jù)時，該數(shù)據(jù)指示不同于前述經(jīng)歷的、新的、機器常規(guī)狀態(tài))進行更新。這也將以下詳細描述。
[0026]警報模塊22可以將警報和殘差直接提供到接口或輸出模塊24，以便用戶執(zhí)行自己的診斷分析，或者可以設(shè)置診斷模塊26，以分析故障原因的確切性質(zhì)，從而通過輸出模塊24將診斷結(jié)論和嚴重等級報告給用戶。
[0027]輸出模塊24可以包括用于顯示這些結(jié)果的機構(gòu)(例如，計算機屏幕、PDA屏幕、打印輸出設(shè)備或者Web服務(wù)器)；用于存儲結(jié)果的機構(gòu)(例如，具有查詢功能的數(shù)據(jù)庫、平面文件、XML文件)；以及/或者用于將結(jié)果傳輸?shù)竭h程位置或其他計算機程序的機構(gòu)(例如，軟件接口、XML數(shù)據(jù)報、電子郵件數(shù)據(jù)包、異步消息、同步消息、FTP文件、服務(wù)、管道命令等。
[0028]更詳細地介紹經(jīng)驗?zāi)Ｐ?4之前，需要對核回歸具有一定了解。在諸如核回歸等模式識別技術(shù)中，模式由輸入數(shù)據(jù)(如上所述)構(gòu)成，所述輸入數(shù)據(jù)一起分組成向量。每個向量的數(shù)據(jù)在一個公共時間點上從一臺設(shè)備中收集。但是在此情況下，如下文更詳細所述，與現(xiàn)有核回歸方法相關(guān)的同時傳感器值(contemporaneous sensor value)的模式(向量)中增加了時間相關(guān)(temporally-related)信息,例如連續(xù)時間點的序列模式,或者應(yīng)用到連續(xù)時間點模式的時間依賴函數(shù)的輸出(例如，過濾器、時間導(dǎo)數(shù)等)。因此，通過傳統(tǒng)核回歸方法處理的各個模式(向量)替換為形成陣列的時間相關(guān)模式序列(或者簡單地稱為模式陣列或模式矩陣)。
[0029]所有基于內(nèi)核的建模技術(shù),包括核回歸、徑向基函數(shù)(basis function),以及基于相似性的建模可以表示為以下方程式:
[0030]
【權(quán)利要求】
1.一種用于確定對象未來運行狀態(tài)的監(jiān)測系統(tǒng)，包括: 經(jīng)驗?zāi)Ｐ湍K，其配置成: 接收指示所述對象正常運行狀態(tài)的參考數(shù)據(jù)， 接收輸入模式陣列，每個輸入模式陣列具有多個輸入向量，每個輸入向量表不一個時間點并具有表示多個參數(shù)的輸入值，所述多個參數(shù)指示所述對象的當前狀態(tài)， 基于計算生成估值，所述計算使用輸入模式陣列和參考數(shù)據(jù)以確定所述輸入值與參考數(shù)據(jù)之間的相似性測量，其中，所述估值是估計矩陣形式，所述估計矩陣包括至少一個推導(dǎo)估值的估計向量，每個估計矩陣表示至少一個非由所述輸入向量表示的時間點， 預(yù)測模塊，其配置成使用所述推導(dǎo)估值確定所述對象的未來狀態(tài)。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述估計矩陣只包括表示時間點的估計向量，所述時間點非由所述輸入向量表示。
3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述估計矩陣包括至少一個表示時間點的估計向量，該時間點與所述輸入向量表示的時間點相同，以及包括至少一個表示時間點的估計向量，所述時間點非由所述輸入向量表示。
4.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述估計矩陣包括表示參數(shù)的估值，所述參數(shù)指示所述對象的狀態(tài)并且是非由所述輸入值表示的參數(shù)。
5.根據(jù)權(quán)利要 求1所述的系統(tǒng)，其中，每個估計矩陣表示一個主當前時間點和非由所述輸入向量表示的時間點，所述非由所述輸入向量表示的時間點是相對于當前時間點的后續(xù)的時間點。
6.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述經(jīng)驗?zāi)Ｐ团渲贸墒褂孟嗨菩詼y量生成加權(quán)值，并使用與所述參考數(shù)據(jù)一起計算的所述加權(quán)值以生成所述估計矩陣。
7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其中，所述加權(quán)值是加權(quán)向量形式。
8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其中，與所述加權(quán)值一起計算所使用的所述參考數(shù)據(jù)包括表示時間點的參考值，該時間點是非由所述輸入模式陣列表示的時間點。
9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中，與所述加權(quán)值一起計算所使用的所述參考數(shù)據(jù)表示主當前時間點，并且非由所述輸入向量表示的時間點是相對于當前時間點的后續(xù)時間點。
10.根據(jù)權(quán)利要求6所述的系統(tǒng)，其中，與所述加權(quán)值一起計算所使用的所述參考數(shù)據(jù)是學(xué)習(xí)序列模式矩陣的三維集合的形式，每個學(xué)習(xí)序列模式矩陣包括參考值的參考向量，其中，每個參考向量表示所述學(xué)習(xí)序列模式矩陣中不同的時間點。
11.根據(jù)權(quán)利要求10所述的系統(tǒng)，其中，每個學(xué)習(xí)序列模式矩陣包括主當前時間點和表示相對于所述主當前時間點的后續(xù)時間點的時間點，并且該表示相對于所述主當前時間點的后續(xù)時間點的時間點非由所述輸入模式陣列表示。
12.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述相同的時間點在多個估計矩陣中被表示。
13.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述預(yù)測模塊配置成使用最近估計矩陣以對所述估值進行更新，以便用于確定所述對象的狀態(tài)。
14.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述預(yù)測模塊配置成為單個估計向量提供值，以表示多個估計矩陣中的單個時間點。
15.根據(jù)權(quán)利要求14所述的系統(tǒng)，其中，所述單個估計向量是在單個時間點的所有估計向量的平均值、加權(quán)平均值或加權(quán)范數(shù)。
16.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述預(yù)測模塊為單個估計向量提供值以表示每個估計矩陣。
17.根據(jù)權(quán)利要求16所述的系統(tǒng)，其中，所述單個估計向量是在所述估計矩陣內(nèi)所述估計向量的平均值、加權(quán)平均值或加權(quán)范數(shù)。
18.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述預(yù)測模塊配置成對于至少一個所述推導(dǎo)估值表示的參數(shù)形成趨勢線，以指示所述對象的預(yù)期行為。
19.根據(jù)權(quán)利要求18所述的系統(tǒng)，其中，所述預(yù)測模塊配置成用每個新估計矩陣形成新趨勢線。
20.根據(jù)權(quán)利要求18所述的系統(tǒng)，其中，所述預(yù)測模塊配置成形成邊界趨勢線以界定所述對象的預(yù)期行為的范圍。
21.根據(jù)權(quán)利要求19所述的系統(tǒng)，其中，所述預(yù)測模塊配置成形成上邊界趨勢線和下邊界趨勢線，所述上 邊界趨勢線具有來自所述時間點的最大估值，所述下邊界趨勢線具有來自所述時間點的最小估值。
【文檔編號】G05B23/02GK103842923SQ201280035645
【公開日】2014年6月4日 申請日期:2012年7月9日 優(yōu)先權(quán)日:2011年7月19日
【發(fā)明者】J.P.赫措格 申請人:智能信號公司