[發明專利]用于機器狀況監視的條件多輸出回歸的系統和方法

有效

• 申請號: 201110301575.3
• 申請日: 2011-09-30
• 公開（公告）號: CN102445902A
• 公開（公告）日: 2012-05-09
• 發明（設計）人: 袁超
• 申請（專利權）人: 西門子公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 馬永利;盧江

相關美國申請的交叉引用

本申請要求保護Chao?Yuan于2010年9月30日提交的美國臨時申請No.?61/388,127?“Conditional?Multi-Output?Regression?For?Machine?Condition?Monitoring”的優先權，其內容通過參考整體并入此處。

技術領域

本公開涉及用于基于傳感器輸出來監視機器的狀況的方法。

背景技術

近年來，監視昂貴設備或機器（如發電廠或飛機）的狀況已經受到越來越多的關注。目的是在早期階段檢測到這些機器的故障以避免后續災害性損失。這可以通過對來自在機器的不同部件中安裝的一組傳感器的值進行分析而實現。當傳感器值之間的相關性被破壞時，很可能存在故障。對這種相關性進行建模的一個重要方面是基于過程輸入來準確地預測過程輸出的能力。這自然形成了多輸出回歸，該多輸出回歸旨在學習從輸入空間至M維輸出空間的映射。

多輸出回歸旨在學習從輸入空間至M維輸出空間的映射。考慮到輸出通常彼此依賴的事實，先前的研究集中于對輸出的聯合預測分布或相關性進行建模。然后，可以將所學習的聯合預測分布應用于各種各樣的問題。

以下條件多輸出回歸得到了關注。對于測試輸入，如果另外知道一些輸出，則可以如何使用該額外信息來改進對其余輸出的預測？例如，在一地理位置處，給定了測量起來不太昂貴的金屬的濃度，那么可以估計別的金屬的濃度嗎？在金融市場中，公司A的盈利報告有助于更好地預測公司B的盈利報告嗎？在許多現代監視系統中，將傳感器值從機器實時傳送至診斷中心。但是，由于網絡問題，使得這些傳感器值通常是順序地到來的而不是同時到來的。

這些可用傳感器值可以用于幫助預測其他丟失的傳感器值嗎？如果輸入是輸出的馬爾科夫毯（Markov?blanket），例如在其中存在以輸入x為條件的兩個輸出y₁和y₂的圖1（a）中，這樣做沒有優勢。這是由于在給定x的情況下y₁和y₂是條件獨立的，從而P(?y₁|?x,?y₂)?=?P(?y₁|)。因此，使用另一輸出y₂作為輸入沒有幫助。然而，如圖1（b）所示可以隱藏某些輸入，其中，從未觀察到輸入z。這是更現實的情形，原因在于測量實際數據集中的所有輸入是富有挑戰性的。在這些情況下，y₂攜帶關于丟失的z的信息并被期望在用作輸入的情況下改進對y₁的預測。

先前的方式通常通過基于已知輸出的聯合預測分布從已知輸出有條件地推斷未知輸出來解決該任務。然而，學習聯合預測分布是相當富有挑戰性的，尤其是在回歸映射為非線性時。由于多輸出回歸可以被視為多任務學習的特殊情況，因此當回歸任務共享相同輸入時，許多多任務技術也適用于多輸出回歸任務。然而，這些技術中的大多數集中于在M個單輸出任務之間共享表示和參數。在預測中，所有單輸出模型獨立工作而不考慮其相關性。

發明內容

這里描述的本發明的示例性實施例一般包括用于條件多輸出回歸的方法和系統。根據本發明實施例的方法包括兩個模型。在根據本發明實施例的條件模型中，給定了M個輸出，每個輸出依賴于輸入和所有其他M-1個輸出。通過這樣做，其他輸出可以被視為與輸入相同，并且因此可以將原始多輸出任務分為更簡單的單輸出任務。如果所有其他M-1個輸出是已知的，則該條件模型單獨給出對目標輸出的預測。否則，根據本發明實施例的生成（generative）模型可以用于基于輸入來推斷未知輸出，并且然后將不確定性傳播至條件模型以進行最終預測。注意，術語“條件”和“生成”所針對的是輸出而不是輸入。

根據本發明實施例的框架是非常普通的。根據本發明的其他實施例，可以在條件模型中使用各種現有回歸技術。根據本發明的其他實施例，甚至更寬范圍的算法也可以用于生成模型，只要這些算法提供了針對它們的預測的誤差棒。

根據本發明的一方面，提供了一種用于預測傳感器監視系統的傳感器輸出值的方法，包括：提供去往傳感器系統的一個或多個測試輸入值的集合，以及來自所述傳感器系統的一個或多個已知傳感器輸出值，其中，其他傳感器輸出值是未知的，根據測試輸入值，針對每個未知傳感器輸出值計算預測高斯分布函數