[發明專利]機器狀態監控中異常檢測的條件相關性建模的系統和方法

有效

• 申請號: 201110349130.2
• 申請日: 2011-09-16
• 公開（公告）號: CN102566421A
• 公開（公告）日: 2012-07-11
• 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: 王岳;李家麟

相關美國申請的交叉引用

本申請請求Chao?Yuan在2010年9月17日提交的美國臨時申請號為61/383,767的“Modeling?Conditional?Dependence?for?Anomaly?Detection?in?Machine?Condition?Monitoring”的優先權，其內容通過引用全文結合在此。

技術領域

本公開涉及基于傳感器輸出監控機器狀態(condition)的方法。

背景技術

機器狀態監控任務是為了盡早檢測出機器異常和故障，以避免對機器的進一步損害。這可以通過分析安裝在機器不同部分的一組傳感器數據，以及測量如溫度，壓力，震動等指示器而實現。當機器操作正常時，全部的傳感器遵循特定關系。在監控期間，違背這種關系或相關性(dependency)可指示故障。

傳感器值的這種關系可以以概率P(x)的形式數學地表示，其中x為所有傳感器值在數據點的向量。如果P(x)大于閾值T，機器操作正常，否則，檢測到異常。

這是許多現有技術監控技術背后的基本思想。該傳感器可以被劃分為兩種類別。向量x可以表示到該機器的輸入的傳感器值，如氣流，入口溫度。向量y可以表示該機器的操作的輸出的傳感器值，如各種溫度，壓力，震動傳感器值。

基于此條件概率的典型監控模型如下：

y＝f(x)+e????(1)

在式(1)中，y＝[y₁，y₂，...，y_M]^T為M維向量，且x＝[x₁，x₂，...，x_N]^T為N維向量。f(x)＝[f₁(x)，f₂(x)，...，f_M(x)]T為函數向量，其中每個f_m(x)作為預測一個輸出值y_m的所有輸入值的公式。e＝[e₁，e₂，...，e_M]^T為另一表示模型誤差的M維向量。假定e服從具有零均值和對角協方差矩陣的高斯分布：P(e)＝N(e|0，σ²I_M)，其中I_M為M×M的單位矩陣，且σ²為方差。在該公式中，e_m都是彼此獨立的。因此，給定式(1)時，P(y|x)服從高斯分布：

P(y|x)＝N(y|f(x)，σ²I_M)?????(2)

至少有兩種方法將式(1)應用于異常檢測。首先，可以將P(y|x)或P(y|x)的對數似然(log?likelihood)與閾值T比較。如果ln?P(y|x)＞T，機器操作正常，否則存在異常。其次，計算出y_m與f_m(x)的偏差，或y_m-f_m(x)。如果偏差大于S(另一固定閾值)，存在異常，因為y_m與其均值f_m(x)的差異太大。注意參考文獻[5]為一種上下文異常檢測的方法。

給定x時y₁，y₂，...，y_M的條件獨立性假定，如式(2)中所示，提出了問題。如果y₁和y₂僅僅由x確定，給定x時假定y₁，y₂是條件獨立的是有效的。但是，一旦存在一些未知變量(向量)u，y₁和y₂就會彼此相關。這會在機器狀態監控應用中經常發生，因為許多系統輸入，如氣體質量和空氣濃度水平，不會被任何傳感器測量到。該隱藏變量u表示這種缺失的信息。只有當所有的信息，x和u二者，都被給出，才可以說y₁和y₂是獨立的：

P(y₁，y₂|x，u)＝P(y₁|x，u)P(y₂|x，u)。

因此，式(2)應被修改以處理給定x時y的條件相關性(conditional?dependence)。