[發明專利]確定現象中變量的影響的方法

有效

• 申請號: 201210034651.3
• 申請日: 2012-02-08
• 公開（公告）號: CN102693262B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: R·E·凱蘭
• 申請（專利權）人: 通用電氣公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中國專利代理(香港)有限公司72001
• 代理人: 柯廣華,朱海煜

技術領域

本文描述的技術涉及確定現象中給定變量的影響的方法。

背景技術

檢測與機器或觀測的事件中的具體失靈或故障模式有關的樣式可能非常具有挑戰性。一般確定征兆(或測量)何時異常更為容易。獲知情況異常可以是非常有價值的。但是，如果可以利用嚴重性評級標記異常和/或將異常與特定狀況或故障模式關聯，則更有價值。輸入變量(例如，測量參數)與異常之間關聯的樣式中包含診斷信息。但是，此樣式可能非常難以抽取。

在加工行業內，經常使用主成分分析(PCA)來進行異常檢測或故障診斷?？梢杂嬎銡埩舫煞?residual?component)或主成分的變量貢獻。此方法提供哪些變量對異常測量的貢獻最大的指示。但是，PCA具有局限性。它是單模的，意味著當數據由復雜密度生成時它的效用受限，并且它未提供處理丟失數據的直觀方法。

檢測變量貢獻的另一個途徑是計算殘差(residual)。對于特定變量，使用回歸技術來預測變量的值，然后用測量的值減去它以導出殘差。殘差的量值提供其對異常狀態的貢獻的測量。但是，直接比較不同的變量仍可能是困難的。并且，如果多個變量對異常有貢獻，則來自這些殘差的輸出可能造成誤導?；貧w技術往往是單模的并且將遇到與PCA類似的局限性。

發明內容

在一個方面中，一種確定現象中變量的影響的方法，包括：以圖形形式提供混合模型，混合模型包括模型成分、表示與該模型成分關聯的類的至少一個類節點、以及表示與該類內的變量關聯的值的多個變量節點，全部表示遇到現象的系統內的物理數據；選擇變量節點的其中一個或子集；通過對選擇的一個變量節點以外的變量節點設置證據來對圖形形式執行操作；通過邊緣化(marginalize)來計算選擇的變量節點和一個或多個類節點的聯合分布，以生成新圖形；由新圖形計算選擇的變量節點的變量影響指標；對其他選擇的變量節點重復選擇步驟、執行步驟和計算步驟；以及彼此相對地評估變量節點的變量影響指標的量值。

在另一個方面中，該新圖形是通過f：P(X₁，I|e_X-X_j，e_S)→P(X₁’，I’)描述的變換，其中I表示模型成分，X表示變量，S表示類上的狀態或分布，以及e指示證據。

在進一步的方面中，該變量影響指標表示變量節點的值中的方向變化。同樣，選擇可以是與應用相關的。而且，執行步驟可以包括按樣式和按次序設置證據以確定變量影響指標的類型。在一個實施例中，現象發生在飛行器引擎的系統中，以及混合模型表示飛行器引擎的性能。

附圖說明

在附圖中：

圖1A示出給定現象中若干不同輸入變量的數據繪圖。

圖1B是圖1A中的輸入變量的時間歷史的似然率計分。

圖2是現象的混合模型，其示出了高斯分布和用作濾波器的離散節點兩者。

圖3是基于鳶尾花數據的模型的示范對數似然率。

圖4是描繪根據本發明一個實施例的、確定現象中變量的影響的方法的流程圖。

圖5是根據圖4的方法對圖1A的數據計算的變量影響指標的示例。

具體實施方式

在下文描述中，為了解釋的目的，闡述了多個特定細節，以便提供對本文描述的技術的透徹理解。但是對于本領域技術人員來說，顯然在沒有這些特定細節的情況下仍可以實施這些示范實施例。在其他實例中，以示意圖形式示出結構和裝置以便有助于描述這些示范實施例。

下文參考這些附圖來描述這些示范實施例。這些附圖圖示特定實施例中實現本文描述的模塊、方法和計算機程序產品的某些細節。但是，這些附圖不應解釋為施加附圖中可能存在的任何限制。該方法和計算機程序產品可以在任何機器可讀介質上提供以便實現它們的操作。這些實施例可以使用現有計算機處理器、或通過為此目的或另一個目的并入的專用計算機處理器、或硬線連接的系統來實現。