CN101681163B - 使用模式规则的机器状态监控 - Google Patents

使用模式规则的机器状态监控 Download PDF

Info

Publication number
CN101681163B
CN101681163B CN200880011864.6A CN200880011864A CN101681163B CN 101681163 B CN101681163 B CN 101681163B CN 200880011864 A CN200880011864 A CN 200880011864A CN 101681163 B CN101681163 B CN 101681163B
Authority
CN
China
Prior art keywords
signal
machine
condition
pattern
rule
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN200880011864.6A
Other languages
English (en)
Other versions
CN101681163A (zh
Inventor
H·哈克施泰因
C·诺伊鲍尔
C·源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN101681163A publication Critical patent/CN101681163A/zh
Application granted granted Critical
Publication of CN101681163B publication Critical patent/CN101681163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0229Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

通过将状态信号模式与复数个已知信号模式进行比较并至少部分基于状态信号模式与复数个已知信号模式之一的比较确定机器状态模式规则,来创建模式规则。基于状态信号模式与复数个已知信号模式之一的比较的匹配记分和信号模式持续时间被确定。对于非参数状态信号模式,将机器状态模式规则定义为多歧阈值规则,其具有基于确定的匹配记分的第一阈值、和基于确定的信号持续时间的第二阈值。对于参数信号模式,确定信号模式的一个或多个参数,并进一步定义机器状态模式规则,其具有基于确定的一个或多个参数的第三阈值。

Description

使用模式规则的机器状态监控
本申请要求2007年4月13日提交的美国临时申请No.60/911,577的优先权,该临时申请以引用的方式合并在此。
技术领域
本发明通常涉及机器状态监控,更具体地涉及确定用于机器状态监控的模式规则。
背景技术
机器状态监控(MCM(machine condition monitoring))是对机械设备的一个或多个参数进行监控的过程,使得(多个)机器参数的显著变化指示当前或发展中的状态(如失灵、故障等)。这种机械设备包括旋转式和固定式机器,例如涡轮、锅炉、热交换器等。受监控机器的机器参数可以是振动、温度、摩擦、耗电量、功率消耗、声音等等,可以通过适当的传感器对这些参数进行监控。传感器的输出可能处于传感器信号或类似信号的形式和/或被集合为传感器信号或类似信号。
一般来说,状态是机器参数与阈值的比较。例如,利用等式运算符和/或不等式运算符,诸如<、=、>、≠、≡、≤、≥等,将机器参数值与阈值进行比较。因此,状态信号是基于机器参数值(如,被分组为离散或连续信号的复数个机器参数值)的信号,并且状态信号模式是状态信号的一部分(如子集)。
机器状态监控系统通常使用被称为规则库的多个规则来定义受监控的机器参数和关于这些机器参数的临界信息(例如指示状态变化)。在某些情况下,数以百计的传感器监控和/或记录这些机器参数。传感器的输出(如传感器信号、传感器估计、传感器剩余(sensor residue)等)于是可以被用作一个或多个规则的输入。必须正确并智能地设计规则从而适当地检测故障,而将故障的不适当指示符(如误报警)最小化。
一般来说,将简单规则设计为指示性条件逻辑运算(如,如果-则(if-then)语句)。规则的输入、即“如果”,是如上所述的条件(如,如果机器参数A>阈值B);以及规则的输出、即“则”,是故障(如,则故障类型1)。条件可以是通过连接多个条件(如,利用AND(和)、OR(或)等)合成以创建一个输入。可以使用持续测度来改善规则库,所述持续测度是条件的持续时间。与简单规则的单一时间和/或被连接的简单规则的各个时间对比,基于持续测度的规则使用时间范围的信息。相比于简单规则和/或被连接的简单规则,基于持续测度的规则能够提供更大的效用,但是局限于在时间范围内的每个时间检查相同的条件。
很多在前的规则库依赖于人类专家手工地创建和维持大量规则。手工规则创建是费时的过程,需要复杂信号模式的人类估计。另外,一些指示故障的信号模式非常复杂并且不能被上述规则所捕获。精确地描述故障的复杂征兆是极其复杂的,并且在许多情况下,对于人类而言,使用传统的创建规则的方法是难以处理的。
因此,需要替代的方法和装置来在机器状态监控中创建规则。
发明内容
本发明提供通过创建模式规则来进行机器状态监控和故障检测的方法。通过将状态信号模式与复数个已知信号模式进行比较,并至少部分地基于状态信号模式与复数个已知信号模式之一的比较确定机器状态模式规则,来创建模式规则。基于状态信号模式与复数个已知信号模式之一的比较以及信号模式持续时间的匹配记分被确定。然后,对于非参数状态信号模式,将机器状态模式规则定义为具有第一阈值和第二阈值的多歧阈值规则(multipartite thresholdrule),其中第一阈值基于确定的匹配记分,第二阈值基于确定的信号持续时间。对于参数信号模式,确定信号模式的一个或多个参数,并且进一步定义机器状态模式具有基于确定的一个或多个参数的第三阈值。
对于本领域技术人员来说,通过参考以下详细描述及附图,本发明的上述及其他优点将显而易见。
附图说明
图1描述根据本发明实施例的机器状态监控系统;
图2描述信号的图表;
图3描述信号的图表;
图4描述非参数信号的图表;
图5是根据本发明实施例的机器状态监控方法的流程图;和
图6是计算机示意图。
具体实施方式
本发明一般提供用于使用模式规则进行机器状态监控的方法和装置。
图1描述根据本发明实施例的机器状态监控系统100。机器状态监控(MCM)系统100既可用于创建模式规则,正如下面关于图5的方法500所描述的那样;也可用于一般机器状态监控。MCM系统100监控一个或多个机器102,每个机器都包括一个或多个传感器104。在模式检测模块106处接收传感器104的输出,所述模式检测模块使已知信号模式与传感器104的输出中的模式相匹配。模式规则模块108从模式检测模块106接收匹配的模式,并创建模式规则和/或检测机器故障。
机器102可以是具有一个或多个能够受传感器104监控的可监控机器参数的任何设备或系统。典型的机器102包括旋转式和固定式机器,例如涡轮、锅炉、热交换器等。
传感器104是测量量并将量转换为能由观察员和/或已知装置读取的信号。传感器104可以测量机器102的机器参数,例如振动、温度、摩擦、耗电量、功率消耗、声音等等。如图2-4所示,传感器104的输出能够处于状态信号的形式和/或被集合为状态信号。
在一些实施例中,可以在一个或多个计算机上和/或连同一个或多个计算机实现模式检测模块106和/或模式规则模块108,例如以下参照图6所描述的计算机600。
图2-4描述了用于机器状态监控的信号(如,状态信号,机器状态信号等)。这些信号可以代表由一个或多个传感器104获取的机器参数值。正如下文描述的一样,部分状态信号被识别为信号模式。这些部分或者信号模式,可指示机器故障和/或失灵或其他值得注意的状态事件。也就是说,特定的信号模式可以对应于特定的故障。
所有的信号模式都具有参数T,所述参数T是模式的持续时间。信号模式被分类为参数信号模式或非参数信号模式。参数信号模式具有能够由一组参数描述的预定义的形状。典型的参数信号模式如图2和3中所示。非参数信号模式不具有参数形式。也就是说,非参数信号模式不能由一组参数简单地识别。典型的非参数信号模式如图4中所示。
图2描述信号200的图表。信号200包括一个或多个信号模式202。信号模式202具有持续时间T,并且是具有参数c的参数阶段模式,所述参数c指示在模式中达到的恒定值。在典型的信号模式202中,c=3.5。信号200和信号模式202指示公共阈值型故障状态(common threshold-type fault condition)。也就是说,传感器检测值改变和超过阈值的水平。这里,由传感器(例如传感器104)检测的值从第一值(例如~1.5)“跳变”到超出预定阈值(例如3)的第二值(例如~3.5)。
图3描述信号300的图表。信号300包括一个或多个信号模式302。信号模式302具有持续时间T,并且是具有参数m的参数漂移(如倾斜)模式,所述参数m指示模式倾斜。在典型的信号模式302中,m=1。使用倾斜公式y=mx+b,可以建立信号模式302中的任意单个点。信号300和信号模式302指示另一公共阈值型故障状态。也就是说,传感器(例如传感器104)检测以可测率(如,倾斜、漂移等)进行爬升的值。这里,传感器检测从T2到T6的稳定增加的值。阈值可能在漂移期间(例如,T4处的值4),指示故障状态已经达到;或在信号模式T后,指示故障状态没有达到,但将在未来可计算的时间Tfault到达。
尽管没有描述,但是可以使用任何适当的参数模式。这种参数模式包括高阶多项式模式(例如,y=mx2+dx+b等)、指数模式、余弦模式等。一般来说,在信号模式202和302以及具有其他参数的信号模式中,参数集可以被称为信号参数S。
图4描述典型非参数信号400的图表。非参数信号400包括一个或多个信号模式402。信号模式402具有持续时间T,并且是非参数信号模式。非参数信号模式402可以被存储,或以其他方式如下面参照图5的方法500所描述的那样被保存。
图5是机器状态监控方法500的流程图。在至少一个实施例中,方法500的方法步骤可用于检测故障状态。机器状态监控系统100、尤其是模式检测模块106和模式规则模块108,可用于检测机器102中的故障。方法在步骤502开始。
在步骤504中,已知信号模式被存储在模式检测模块106处。已知信号模式包括参数信号模式(诸如信号模式202和信号模式302)以及非参数信号模式(诸如非参数信号模式402)。可以存储任何适当的参数信号模式。指示故障或其他重要状态的非参数信号模式也可以被存储在模式检测模块106处。在一些实施例中,对这种非参数信号模式进行自动检测和存储。在替代实施例中,非参数信号模式被用户识别,并被输入到模式检测模块106中(例如如被其选择或以其他方式表示)。
参数信号模式可以通过存储其相关的信号参数S而被存储。非参数信号模式可以使用时间和/或频率模板被存储。这些信号模式可以通过ZT=[z1,z2,...,zT]来表示,其中zi是第i个数据点处的信号值,T是如上参照图2-4所述的信号模式持续时间。非参数信号模式的时间模板存储非参数信号模式中的所有数据点值(例如传感器104的输出)。可以对非参数信号模式ZT应用变换(如通用小波变换、傅里叶变换等),以获得其在频域中的表示。
在步骤506中,接收状态信号模式。在此,状态信号模式是针对其要确定模式规则的信号模式。在至少一个实施例中,在模式检测模块106处接收状态信号模式。在同一或替代实施例中,状态信号模式是从传感器104接收的用于指示故障状态的信号模式。相应地,状态信号模式可以是参数信号模式或非参数信号模式。在一些实施例中,用户可以把所接收的状态信号模式指定为已知故障,并可以将状态信号模式递交给模式检测模块106。状态信号模式可以由XT=[xt-T+1,xt-T+2,...xt]表示,其中xt是信号(如,信号200、300、400等)在时间t的值。
在步骤508中,将状态信号模式与在步骤504中所存储的已知信号模式进行比较。可以将状态信号模式与一个或多个参数信号模式和非参数信号模式进行比较。另外,可以将状态信号模式和/或已知信号模式的持续时间T拉伸或压缩以彼此匹配,从而便于进行比较。
可以使用任何适当的比较测度,并且可以确定匹配记分(matching score)G。可以针对状态信号模式与已知信号模式的每个比较来确定单个匹配记分G以用于。匹配记分G是使用所有可用的比较测度获得的最好值。也就是说,将比较测度优化以呈现状态信号模式与已知信号模式的最好的可能拟合(fit)。在一些实施例中,用户可以选择比较测度。例如,可以使用状态信号模式与已知信号模式的平均欧式距离(average Euclidean distance)。这种距离可以被计算为: D ( X T , Z T ) = 1 T Σ i = 1 T | X t - T + i - Z i | 2 . 可替代地,平均相关测度(average correlationmeasure)可以被用作: Corre ( X T , Z T ) = 1 T Σ i = 1 T x t - T + i × Z i . 因此基于比较测度,匹配记分G是相关或匹配的指示。在采用平均欧式距离或其他类似距离测度的实施例中,最佳匹配是最小匹配记分G。在采用平均相关测度或其他类似测度的实施例中,最佳匹配是最大匹配记分G。
在步骤510中,确定信号模式持续时间。如上所讨论的一样,通过T使步骤508的比较测度标准化,使得所述比较测度对T的可变持续时间不敏感。在每个时间,使用适当的比较测度(如,欧式距离、相关等)将XT与ZT进行比较。已知信号模式的持续时间T可以被改变以便与最佳(例如在适当的情况下,最大或最小)比较测度一致。也就是,改变持续时间T以允许状态信号模式与每个已知信号模式比较来达到最佳相关。通过在仅改变已知信号模式持续时间T时保持输入的(incoming)状态信号模式的持续时间T不受影响,可以采用快速傅里叶变换或其他适当的变换来在很短的时间内对整个输入的状态信号模式进行扫描。对于非参数信号模式,当持续时间T与初始的T不相等时,可以使用向下采样(例如,降低信号采样率)、内插和/或其他适当的方法来在不存在的数据点处“发现”信号值。
在步骤512中,选择最佳已知信号模式。基于步骤508中所确定的匹配记分和步骤510中所确定的信号模式持续时间,将状态信号模式与复数个已知信号模式中的每个进行比较,并且可以选择最接近匹配的已知信号模式(由匹配记分G和/或信号模式持续时间T所证明的)。
在步骤514中,确定已知信号模式是参数(P)信号模式还是非参数(NP)信号模式。如果已知信号模式是参数信号模式,方法转到步骤516并确定最佳参数集S。在一些实施例中,可以使用标准最小二乘法以找到最佳匹配记分G。在替代实施例中,可以使用基于梯度的优化方法以寻找最佳匹配记分G。当然,可以使用任何适当的寻找最佳匹配记分G的方法。与具有最佳匹配记分S的解决方案对应的参数集S可以被认为是最佳参数集S。
如果已知信号模式是非参数信号,方法转到步骤518,并且通过模式规则模块108确定机器状态模式规则。在步骤518中,使用信号模式持续时间T和匹配记分G来确定机器状态模式。因此机器状态模式规则是多歧阈值规则,其具有基于确定的匹配记分的第一阈值和基于确定的信号模式持续时间的第二阈值。将模式规则定义为多输入条件逻辑规则,其中持续时间阈值作为一个输入,匹配记分阈值作为另一输入。例如,使用如上所述的欧式距离测度,可以将模式规则定义为“如果信号持续时间T>阈值A与匹配记分G<阈值B,则发生故障类型1”。
当在步骤516中确定最佳参数集S之后,在步骤520中通过模式规则模块108确定机器状态模式规则。在步骤520中,使用信号模式持续时间T、匹配记分G和参数集S确定机器状态模式规则。因此机器状态模式规则是多歧阈值规则,其具有基于确定的匹配记分的第一阈值、基于确定的信号模式持续时间的第二阈值以及基于参数集S的一个或多个参数的第三阈值。模式规则被定义为多输入条件逻辑规则,其具有持续时间阈值作为一个输入,匹配记分阈值作为另一输入,参数集作为又一输入。例如,使用如上所述的相关测度,可以将模式规则定义为“如果信号持续时间T>阈值A与匹配记分G<阈值B与斜率>m,则发生故障类型2”。
适当地可以重复方法步骤506-520以确定多个模式规则。也就是说,在步骤518和/或520中确定模式规则之后,方法500可以返回控制到步骤506。可以在步骤518和/或520之后,在步骤522中将这些模式规则存储在规则库中(未示出)。
在步骤524中,在模式检测模块106或另一模式规则处理位置处,从传感器104接收机器状态信号。机器状态信号可以包括如上参照图2-4所述的机器状态信号模式,并可以指示机器102的机器参数。机器状态信号模式可以是参数信号模式或非参数信号模式。
在步骤526中,确定机器状态信号模式的持续时间,并将所接收的机器状态信号模式与至少一个已知信号模式进行比较。这种持续时间确定可以基于用户输入和/或可以至少部分地基于信号值。也就是说,可以基于指示机器状态变化的信号值的变化来确定持续时间。将所接收的机器状态信号模式与至少一个已知信号模式比较。这种比较可以与上述步骤508的比较类似,并且可以包括确定匹配记分G。
在步骤528中,确定所接收的机器状态信号是参数信号模式还是非参数信号模式。如果所接收的机器状态信号模式是参数信号模式,方法转到步骤530,并且确定所接收的机器状态信号模式的参数集S。如果所接收的机器状态信号模式是非参数信号模式,方法转到步骤532。
在步骤532中,基于对机器状态信号模式持续时间和匹配记分G的确定,规则库中的非参数规则用于检测故障状态。类似地,在步骤534中,基于在步骤526中对机器状态信号模式持续时间和匹配记分G的确定,以及在步骤530中对参数集S的确定,规则库中的参数规则用于检测故障状态。在步骤532和步骤534中,将信号模式持续时间T、匹配记分,以及在参数信号模式的情况下参数集S输入到在方法步骤522中所存储的模式规则以检测故障状态。这样,如果机器状态信号模式满足所确定的机器状态模式规则的一个或多个属性,则故障状态被检测。
方法在步骤536处结束。
图6是根据本发明实施例的计算机600的示意图。可以协同机器状态监控系统100的功能和/或方法500的方法步骤来使用计算机600,和/或计算机600可以执行机器状态监控系统100的功能和/或方法500的方法步骤。
计算机600包括处理器602,所述处理器602通过执行定义这些操作的计算机程序指令来控制计算机600的全部操作。计算机程序指令可以被存储在存储设备604(例如,磁盘、数据库等)中,并在期望执行计算机程序指令时被装载到存储器606中。因此用于执行诸如模式规则创建、故障检测、以及机器状态监控的这里所述的方法步骤的应用,在方法500中由存储在存储器606和/或存储装置604中的计算机程序指令定义,并且由执行计算机程序指令的处理器602控制。计算机600同样可以包括一个或多个网络接口608用于通过网络与其他设备通信。计算机600还包括输入/输出设备610(例如,显示器、键盘、鼠标、扬声器、按钮等),所述输入/输出设备610使用户可以与计算机600交互作用。计算机600和/或处理器602可以包括一个或多个中央处理单元、只读存储器(ROM)设备和/或随机访问存储器(RAM)设备。本领域技术人员将认识到实际控制器的实现可能也包含其他组件,并且为了说明的目的,图6的控制器是这种控制器的一些组件的高水平表示。
根据本发明的一些实施例,可以将程序的指令(例如控制器软件)读入存储器606,如从ROM设备到RAM设备,或者从LAN适配器到RAM设备。执行程序中的指令序列可使计算机600执行这里所述的一个或多个方法步骤,诸如上面关于方法500所描述的那些。在替代实施例中,硬接线的电路或集成电路可以用于替代本发明过程实施的软件指令,或与其结合使用。因此本发明的实施例不局限于硬件、固件和/或软件的任何特定组合。存储器606可以存储计算机600的软件,其可以适于执行软件程序并且因此根据本发明和特别是根据上面详细描述的方法进行操作。然而,本领域的技术人员应该理解,这里描述的本发明可以使用大范围的编程技术和通用硬件子系统或专用控制器以很多不同的方式来实现。
这种程序可以以压缩、未编译和/或加密的格式被存储。程序还可以包括可能非常有用的程序单元,诸如操作系统、数据库管理系统和允许控制器与计算机外围设备和其他装置/组件对接的设备驱动器。适当的通用程序单元是本领域技术人员所已知的,不需要在这里详细描述。
前面详细的描述应该被理解为在各个方面是说明性的和示例性的,而不是限制性的,并且这里公开的本发明的范围不能由详细描述而确定,而是由以专利法允许的完全宽度进行解释的权利要求来确定。应该理解,这里示出和描述的实施例只是对本发明原理的例证,本领域技术人员在没有偏离本发明范围和精神的情况下可实现各种修改。本领域技术人员可以在不偏离本发明范围和精神的情况下,实现各种其他特征组合。

Claims (8)

1.一种机器状态监控的方法,包括:
将状态信号模式与复数个已知信号模式进行比较;和
至少部分基于状态信号模式与复数个已知信号模式之一的比较来确定机器状态模式规则,
其中确定机器状态模式规则包括:
基于状态信号模式与复数个已知信号模式之一的比较来确定匹配记分;
确定信号模式持续时间;和
将机器状态模式规则定义为多歧阈值规则,其具有基于确定的匹配记分的第一阈值和基于确定的信号持续时间的第二阈值。
2.如权利要求1所述的方法,进一步包括:
利用确定的机器状态模式规则对机器状态进行监控。
3.如权利要求2所述的方法,其中利用确定的机器状态模式规则对机器状态进行监控包括:
从受监控的机器接收机器状态信号模式;
确定机器状态信号模式是否满足确定的机器状态模式规则的一个或多个属性。
4.如权利要求1所述的方法,其中确定机器状态模式规则进一步包括:
确定确定的信号模式的一个或多个参数;和
定义机器状态模式规则具有基于确定的一个或多个参数的第三阈值。
5.一种用于机器状态监控的设备,包括:
用于将状态信号模式与复数个已知信号模式进行比较的装置;和
用于至少部分基于状态信号模式与复数个已知信号模式之一的比较来确定机器状态模式规则的装置,
其中用于确定机器状态模式规则的装置包括:
用于基于状态信号模式与复数个已知信号模式之一的比较来确定匹配记分的装置;
用于确定信号模式持续时间的装置;和
用于将机器状态模式规则定义为多歧阈值规则的装置,所述多歧阈值规则具有基于确定的匹配记分的第一阈值和基于确定的信号持续时间的第二阈值。
6.如权利要求5所述的设备,进一步包括:
用于利用确定的机器状态模式规则对机器状态进行监控的装置。
7.如权利要求6所述的设备,其中用于利用确定的机器状态模式规则对机器状态进行监控的装置包括:
用于从受监控的机器接收机器状态信号模式的装置;
用于确定机器状态信号模式是否满足确定的机器状态模式规则的一个或多个属性的装置。
8.如权利要求5所述的设备,其中用于确定机器状态模式规则的装置进一步包括:
用于确定确定的信号模式的一个或多个参数的装置;和
用于定义机器状态模式规则具有基于确定的一个或多个参数的第三阈值的装置。
CN200880011864.6A 2007-04-13 2008-03-20 使用模式规则的机器状态监控 Active CN101681163B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US91157707P 2007-04-13 2007-04-13
US60/911,577 2007-04-13
US12/077,279 2008-03-18
US12/077,279 US20080255773A1 (en) 2007-04-13 2008-03-18 Machine condition monitoring using pattern rules
PCT/US2008/003642 WO2008127535A1 (en) 2007-04-13 2008-03-20 Machine condition monitoring using pattern rules

Publications (2)

Publication Number Publication Date
CN101681163A CN101681163A (zh) 2010-03-24
CN101681163B true CN101681163B (zh) 2015-02-25

Family

ID=39854506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200880011864.6A Active CN101681163B (zh) 2007-04-13 2008-03-20 使用模式规则的机器状态监控

Country Status (4)

Country Link
US (1) US20080255773A1 (zh)
EP (1) EP2135144B1 (zh)
CN (1) CN101681163B (zh)
WO (1) WO2008127535A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8112381B2 (en) * 2007-11-02 2012-02-07 Siemens Corporation Multivariate analysis of wireless sensor network data for machine condition monitoring
US8489363B2 (en) * 2010-09-28 2013-07-16 General Electric Company Monitoring and diagnosing generator operation
US8849472B2 (en) * 2011-02-02 2014-09-30 Inscope Energy, Llc Effectuating energization and deactivation of particular circuits through rules-based smart nodes
DE102012001083A1 (de) * 2012-01-20 2013-07-25 Heidelberger Druckmaschinen Ag Dynamisches Logfile
US20140244192A1 (en) * 2013-02-25 2014-08-28 Inscope Energy, Llc System and method for providing monitoring of industrial equipment
US10205733B1 (en) * 2015-06-17 2019-02-12 Mission Secure, Inc. Cyber signal isolator
US10250619B1 (en) 2015-06-17 2019-04-02 Mission Secure, Inc. Overlay cyber security networked system and method
JP7101131B2 (ja) * 2019-01-31 2022-07-14 ファナック株式会社 数値制御システム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5210704A (en) * 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
CN1552020A (zh) * 2001-07-05 2004-12-01 �����ɷ� 用于在集群式消息传递服务器中在节点故障以及网络划分期间确保操作的方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS56130634A (en) * 1980-03-19 1981-10-13 Hitachi Ltd Method and device for monitoring oscillation of rotary machine
US4348553A (en) * 1980-07-02 1982-09-07 International Business Machines Corporation Parallel pattern verifier with dynamic time warping
US5041976A (en) * 1989-05-18 1991-08-20 Ford Motor Company Diagnostic system using pattern recognition for electronic automotive control systems
US5566092A (en) * 1993-12-30 1996-10-15 Caterpillar Inc. Machine fault diagnostics system and method
WO1996007095A1 (en) * 1994-08-31 1996-03-07 Honeywell Inc. Remote self-powered structure monitor
US6105015A (en) * 1997-02-03 2000-08-15 The United States Of America As Represented By The Secretary Of The Navy Wavelet-based hybrid neurosystem for classifying a signal or an image represented by the signal in a data system
US6484109B1 (en) * 1998-05-20 2002-11-19 Dli Engineering Coporation Diagnostic vibration data collector and analyzer
US6539343B2 (en) * 2000-02-03 2003-03-25 Xerox Corporation Methods for condition monitoring and system-level diagnosis of electro-mechanical systems with multiple actuating components operating in multiple regimes
US6816816B2 (en) * 2003-02-12 2004-11-09 Bently Nevada, Llc Transducer fault detection system using slew rate measurements: apparatus and method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5210704A (en) * 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
CN1552020A (zh) * 2001-07-05 2004-12-01 �����ɷ� 用于在集群式消息传递服务器中在节点故障以及网络划分期间确保操作的方法

Also Published As

Publication number Publication date
EP2135144A1 (en) 2009-12-23
CN101681163A (zh) 2010-03-24
WO2008127535A1 (en) 2008-10-23
EP2135144B1 (en) 2020-08-26
US20080255773A1 (en) 2008-10-16

Similar Documents

Publication Publication Date Title
CN101681163B (zh) 使用模式规则的机器状态监控
Cakir et al. The experimental application of popular machine learning algorithms on predictive maintenance and the design of IIoT based condition monitoring system
Zhao et al. Condition-driven data analytics and monitoring for wide-range nonstationary and transient continuous processes
US9122273B2 (en) Failure cause diagnosis system and method
Zhang et al. A wavelet-based approach to abrupt fault detection and diagnosis of sensors
Roy et al. Security and discoverability of spread dynamics in cyber-physical networks
US10783248B2 (en) Determining an aspect of behavior of an embedded device such as, for example, detecting unauthorized modifications of the code and/or behavior of an embedded device
CN111459700A (zh) 设备故障的诊断方法、诊断装置、诊断设备及存储介质
JP2008536219A (ja) 診断及び予知方法並びにシステム
JP2009289262A (ja) 資産システムの高性能条件監視のためのシステムおよび方法
US8560279B2 (en) Method of determining the influence of a variable in a phenomenon
US8086640B2 (en) System and method for improving data coverage in modeling systems
Raja et al. Combined analysis of support vector machine and principle component analysis for IDS
US20200319626A1 (en) Method and apparatus for monitoring the state of a device in a process industry and medium
CN101657770B (zh) 使用间断检测的机器状况监测
CN111626360B (zh) 用于检测锅炉故障类型的方法、装置、设备和存储介质
JPWO2016038803A1 (ja) 情報処理装置、情報処理方法、及び、記録媒体
Brodie et al. Active probing strategies for problem diagnosis in distributed systems
Frank et al. Extracting operating modes from building electrical load data
CN109643484A (zh) 在预警系统中考虑外部影响来学习最新数据的方法以及用于该方法的系统
Jiang et al. Comparison of KPI related fault detection algorithms using a newly developed MATLAB toolbox: DB-KIT
Liu et al. Lp-explain: Local pictorial explanation for outliers
RU105042U1 (ru) Система мониторинга работы пользователей с информационными ресурсами корпоративной компьютерной сети на основе моделирования поведения пользователей с целью поиска аномалий и изменений в работе
US10372719B2 (en) Episode mining device, method and non-transitory computer readable medium of the same
Han et al. Sensing statistical primary network patterns via Bayesian network structure learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: SIEMENS AKTIENGESELLSCHAFT

Free format text: FORMER OWNER: SIEMENS CORPORATE RESEARCH, INC.

Effective date: 20100727

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20100727

Address after: new jersey

Applicant after: Siemens AG

Co-applicant after: Siemens AG

Address before: new jersey

Applicant before: Siemens Corporate Research, Inc.

Co-applicant before: Siemens AG

C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200416

Address after: Munich, Germany

Patentee after: SIEMENS AG

Address before: new jersey

Co-patentee before: SIEMENS AG

Patentee before: SIEMENS AG