CN109661625B - 分析系统 - Google Patents
分析系统 Download PDFInfo
- Publication number
- CN109661625B CN109661625B CN201780030327.5A CN201780030327A CN109661625B CN 109661625 B CN109661625 B CN 109661625B CN 201780030327 A CN201780030327 A CN 201780030327A CN 109661625 B CN109661625 B CN 109661625B
- Authority
- CN
- China
- Prior art keywords
- operating
- parameters
- operating condition
- matching
- coincidence
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric 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
- G05B23/0243—Electric 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 model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric 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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/023—Learning or tuning the parameters of a fuzzy system
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Dermatology (AREA)
- Algebra (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种用于对操作系统(16)的操作条件或种类进行机器辅助分析的分析系统(10),具有处理逻辑(12)包括操作系统(16)的模型(14),分析系统将初始检索的操作系统的参数与存储在模型(14)中的相关的操作条件进行比较,为初始参数集确定具有对应的巧合概率的至少一个相关的操作条件,确定具有最高巧合概率的操作条件作为匹配的操作条件或种类,处理逻辑(12)检查除了匹配的操作条件之外是否存在具有相似的巧合概率的其他匹配的操作条件,如果检查是肯定的,通过模型14获得至少一个进一步操作参数,与具有相似的巧合概率的至少一个操作条件相关,从操作系统(16)检索进一步操作参数的值并且提供来确定操作参数值的扩展集,包括所述进一步操作参数,如果检查是否定的或者在达到中止准则后,处理逻辑将具有最高相关巧合概率的至少一个操作条件作为匹配的操作条件显示。
Description
本发明涉及一种用于对操作系统的操作条件进行机器辅助分析的分析系统。举例来说该操作系统可以是在比赛中的运动车。这种赛车一般在物理性能的极限下行进,由于这种原因,赛车中的这种操作系统不断地通过无线电与分析系统连接,该分析系统不断地评估赛车中的不同传感器的全部测量值,并且为了响应该评估该分析系统能够探测赛车的下一级或者劣质操作条件(inferior or inferior operating conditions),和适合采取对策的地方,例如改变油气组成,改变空气动力机翼的倾斜角度,改变动力曲线,改变气门行程等。由于数据技术因此变为比赛事件更加重要的一部分这样的事实,通过减少赛车和坑箱处的分析系统之间的数据通信量,来减少数据处理系统在比赛事件上逐渐增加的影响的需求变得更加迫切。
本发明的目的是对劣质(inferior)的操作条件执行分析和对操作系统进行校正,同时大大地减少数据量。
本发明通过权利要求1所述的分析系统和权利要求14所述的用于分析操作系统的方法来实现的。本发明的有利的进一步发展是附加的从属权利要求的主题。同样在说明书和附图中描述了优选实施例。
正如在已知的分析系统的情况下,该分析系统包括与操作系统连接的数据连接,和/或与用于输入与操作系统相关的操作参数值的输入装置连接的数据连接。这个数据连接不必是有线数据连接。尤其在赛车行业,数据是在操作系统之间被传输的,换句话说,赛车和分析系统通过无线电处于无线模式。数据连接被设计用来传输与操作系统相关的至少两个不同的初始操作参数的值。分析系统包括处理逻辑,该处理逻辑包括本发明的操作系统的模型。该模型被存储在该处理逻辑中,并且包括不同操作参数的相互相关性(correlation)和正常/劣质(inferior)/不正常操作条件或种类(classes),例如操作种类或者简单分类。分析系统检索操作系统的至少两个不同的初始操作参数的值,但是总体来说是仅仅一部分操作系统的操作参数通过数据连接是可用的。因此,分析系统不会评估通过数据连接被传输的操作系统的所有操作参数,而仅仅一部分数据,由此,赛车和分析系统之间被传输的数据量显著地减少了。该模型包括大量的操作参数和相关的操作系统的操作条件或者种类,并且可以具体表现为包括关联存储器,用于系统的不同操作参数和相关操作条件和/或种类之间的相关性(dependencies)。
本发明分析系统
a)通过数据连接和/或输入装置检索仅仅一部分操作系统的操作参数的值,该参数的值可以通过该数据连接被传输,
b)根据检索到的操作参数的值,和可选地至少一个由检索的操作参数计算得到的操作参数的值,形成初始参数集,
c)通过模型将初始或者扩展参数集与存储在模型中的相关的操作条件或者种类比较,
d)为初始或者扩展参数集确定至少一个具有对应的巧合概率(probability ofcoincidence)的相关操作条件或种类,
e)确定具有最高巧合概率的操作条件或种类作为匹配的操作条件或者种类,
f)处理逻辑检查除了匹配的操作条件或种类之外是否存在具有相似的巧合概率的其他匹配操作条件或种类,和/或匹配的操作条件或种类的巧合概率是否低于预设阈值,
g)在步骤f)中执行的检查为肯定的情况下,处理逻辑通过模型获得至少一个进一步操作参数,该至少一个进一步操作参数与至少一个具有相似巧合概率的操作条件或种类别相关联,以及
h)直接从操作系统或借助于输入设备检索所述进一步操作参数的值,并向步骤c)提供操作参数值的扩展集,所述扩展集包括初始或先前参数集加上所述进一步操作参数,
i)在步骤f)中执行的检查为否定的情况下,或者在已经达到中止准则之后,该处理逻辑将具有最高相关巧合概率的至少一个操作条件或种类作为匹配的操作条件或种类显示在显示器上,和/或将该信息传输给操作系统的控制器。
因此该分析系统使用获得的初始获得的操作参数,以及使用模型来检查操作参数初始集是否与操作系统的种类或者操作条件相关。例如,在赛车业内,电机块的过高温度与操作条件或种类“过热状态”有关,这是非常危险的,因此需要立即采取相反措施。
为了分析不正常(abnormal)的操作条件,分析系统优选地包括至少一个参考值存储器,在该存储器中,存储着操作系统的正常的操作参数的值的参考值。如果这些参考值中的任何一个被操作参数(它们的值)超过阈值,则操作条件可立即归类为不正常操作条件,由此通过初始操作参数和进一步操作参数,操作系统的问题可被有效地分类。
如果系统发现几个相关的操作条件或者种类属于初始参数集,或巧合概率低于预设的阈值,则在使用模型下,可以从数据连接和/或输入装置来请求进一步的操作参数,以使得分析系统能够详细指出具有较高巧合概率的相关的操作条件或种类。因此不仅能够确保匹配的操作条件或种类比下一个可能的操作条件或种类具有更高的巧合概率,而且还能确保通过预设的阈值,巧合概率的绝对值存在于合理范围内。因此,如果巧合概率的绝对值太低例如低于50%,还可以检索进一步的操作参数。因此巧合概率的合适的预设阈值可以例如为50%,更好地60%,更更好地70%。因此,可以确保巧合概率足够高到可以被评估为清楚的结果。
因此,重复进一步参数的检索,直到匹配操作条件或种类和下一个可能的操作条件或种类之间的差异不再是处于相似区域,以及如果巧合概率的绝对值是在预设阈值之上。本领域技术人员根据本应用领域可以选择相似区域。如果差异小于10%时,优选地小于20%,以及最优选地小于30%,那么这种相似性通常很有优势。
优选地,处理逻辑被设计能够重复步骤c)至h),直到达到与时间段,或者最可能的操作条件或种类的巧合概率和下一个可能的操作条件或种类的巧合概率之间的差异相关的中止准则,其中,一旦中止准则已经被达到,在步骤i)中具有最高相似巧合概率的至少两个操作条件被显示和/或被传输给操作系统。因此,当中止准则导致最优化的结束,那么非常清楚,匹配的操作条件或种类与具有第二最高巧合概率的操作条件或种类之间的差异,没有大到足够可以离开相似区域。这意味着没有获得清楚的结果。在这种情况下,因此显示最好的相似结果使得本领域技术人员自己来做出最后的决定是有利的。
优选地,如果匹配操作条件或种类的巧合概率和下一个可能的操作条件或种类的巧合概率之间的差异处于阈值中,例如至多10%,优选地,至多20%,最优选地至多30%,则该处理逻辑定义该巧合概率为相似。
优选地,巧合概率与匹配的操作条件或种类一起被显示在分析系统的显示器上,以便使得用户能够检查匹配结果的概率,这样使得他可以核实结果的可靠性。
优选地,该处理逻辑被设计来改变操作参数的值,该值消除(counteract)归类的操作条件或种类。通过该特征,该分析系统能够自动地消除不正常操作条件。
优选地,该分析系统被设计来与操作系统的控制器和/或数据探测装置相通信。通过该措施,该分析系统可以直接从操作系统例如通过操作系统的传感器获得操作参数。另一方面,该分析系统可以直接控制操作系统的部件,以便于消除不正常操作状况。
优选地,该数据连接是与输入终端的输入装置相连的,并且其中待被输入的其他操作参数的身份信息(identity)被显示在输入终端的显示器上。在该情况下,操作人员可以立刻知道其值等待输入的有问题的操作参数。
在本发明分析系统中,每一个操作参数带有身份信息例如姓名或号码,以及其相关值被显示,这个相关值可以是模拟或者数字值。因此可以在分析系统中清楚地处理每一个操作参数。
处理逻辑优选地是决策网络,例如神经元网络。通过该网络不仅可以获得数据的快速处理,而且网络具有自学习能力,使得结果的精度将随着操作时间的延长而增加。
优选地,该模型包括关联存储器,用于系统的不同操作参数之间以及优选地相关操作条件或种类之间的相关性。
在该情况下,关联存储器优选地自组织,以便能够包括新的参数并且基于分析系统的决策历史建立相关性。
在本发明的优选实施例中,与模型相连的处理逻辑被配置来计算进一步操作参数,该进一步操作参数是一种排除尽可能多的竞争操作参数的类型。因此可以评估哪一些进一步操作参数可以导致尽可能多的竞争操作参数的排除。这样减少了被考虑来获得匹配操作条件或种类的操作参数的总数。因此该特征带来了在找到匹配操作条件或种类的快速进步。
在本发明的优选实施例中,通过模型在分析系统中可以执行检查,关于操作参数的哪一些改变具有积极影响,换而言之消除确定的劣质操作条件。在这种情况下,控制命令可以直接被传输给操作系统和所述控制命令被用来改变操作系统的对应操作参数,以便于消除劣质的操作条件。
如在步骤f)中建立,多个(劣质)操作条件或种类与操作参数的初始集相关的情况下,则至少一个进一步操作参数通过步骤g)和h)中的模型来被确定,所述至少一个进一步操作参数与有相似概率的至少一个(劣质)操作条件或种类相关。
进一步操作参数的值在步骤h)中直接从操作系统或者通过输入装置检索,以及随后提供回步骤c),在该步骤c)中处理逻辑通过模型将正在被考虑的操作参数的值(由进一步操作参数现在扩展的)与操作系统的至少一个劣质操作条件相关。该方法步骤c)至h)循环重复直到借助操作参数值增加的个数,模型能够将检索的操作参数清楚地与相关的单个(劣质)操作条件或种类相关。这意味着这个相关的匹配的操作条件或种类比下一个可能的操作条件或者类更加地有可能。为了给所述单个匹配操作条件或种类定义一个清楚的分配,可以通过匹配操作条件的巧合概率与下一个可能操作条件的最大差异来定义要求的相似性,例如匹配操作条件的值或种类的值10%、20%、30%。这意味着例如如果最大可能匹配操作条件具有70%的概率,而下一个可能具有48%的概率,如果相似性设置到概率最大20%的差异,则存在清楚的分配。但是,这个值会根据应用领域而不同。
该方法步骤c)至步骤h)被重复来改善分析系统,尤其提供带有信息的模型。该循环可以重复直到最可能的劣质操作条件的概率和带有下一个高概率的劣质操作条件之间的差异已经达到极限值,或者中止准则被达到了。该中止准则可以例如是一段时间。尤其在赛车工业,确定劣质操作条件的过程需要花费几秒钟的时间是不可能的。因此有可能来设置在十分之一秒的时间极限来计算劣质操作条件。否则,有可能观察到步骤c)至h)重复运行中特定的一致的结果。如果例如尽管要考虑其他的操作参数,但最可能的劣质操作条件的概率几乎不变,那么重复步骤的过程可以被中止,以及最可能的劣质操作条件被显示在显示器上或者传输给操作系统用以进一步处理,例如从而通过影响不同的操作参数它们可以被消除。
例如从赛车传输给分析系统的操作参数可以是例如发动机转速、发动机温度、发动机部件的温度诸如涡轮增压器、排气管附近的光学检测,前轴和后轴的压力、导风面的位置例如扰流器、燃料混合物制备的参数、涡轮泵充油压力、车辆上的加速器的信号,以便有可能探测车辆方向稳定性的损坏。通过调整燃料混合供给中的参数,例如充油压力、调整气门间隙或通风孔开启时间,调整扰流板位置,及时调整燃点,激活或停止发动机气缸等有可能影响操作系统。本发明分析系统的优点在于,不必不断地传送整个操作参数范围,而只需要例如与30个可能的操作参数相比,传送一小部大约两到十个需要被传输的操作参数。如果在探测操作系统中的劣质操作或者状态参数(进一步操作参数)的过程中这些其他的操作参数是需要的,则分析系统仅仅检索其他的操作参数以便清楚地确定劣质操作条件或者状态。
在该情况下如果这些标准或者初始操作参数中的一个超过允许的参数值,会被分析系统认为是一个劣质操作条件,为了响应该条件使用上面描述的分析算法,该算法引起相应的劣质操作条件,该劣质条件然后被显示并且可以通过调整操作系统的特定操作参数来消除。基于存在的初始操作参数不可能清楚地分配劣质操作条件,这是因为例如由于存在的操作参数的值,可能有多个劣质操作条件,在这种情况下进一步的操作参数越来越多地被检索,所述进一步的操作参数通过模型被识别为与可能的劣质操作条件的至少一个相关。因此只有在特殊情况下才检索其他的操作参数,因此可以显著减少在赛车和分析系统之间传输的整个量。优选的是,显示器不仅显示存在哪个劣质操作条件,而且显示器还显示存在该劣质操作条件的概率,以便向操作者提供关于所检测的劣质操作条件的可靠性的估计。
本发明不仅允许检测和消除错误情况异常情况,而且允许检测系统的劣质或差的操作参数甚至操作条件的分类。因此,可以从输入装置中检索进一步的操作参数,直到操作条件的清楚分类变得可能。
优选地,分析系统的处理逻辑被设计来改变至少一个操作系统相关的操作参数的值,该值来消除可能的劣质操作条件。在该方式下,分析系统不仅能够检测操作系统的劣质操作条件,还可以消除这种劣质操作条件,以便确保操作系统依然运行。
在本发明的一个有利的实施例中,处理逻辑的模型和/或决策网络可以具体为神经元网络,该神经元网络基于分析系统的分析活动自动产生操作参数之间和/或操作系统的操作参数和劣质操作条件之间的相关性。处理逻辑因此被设计来反馈给模型操作参数的值和劣质操作条件的相关性,所述相关性在分析过程中被确定。换而言之,模型具有自学习功能,并且因此能够来不断地改进操作参数之间和劣质操作条件之间存在的相关性。获得的分析结果因此当系统的使用增加时而不断地改进。模型的合适的实施方式例如是模糊逻辑或遗传算法或神经元网络,以用于改进神经元网络决策网络的逻辑链路。
优选地,数据连接被设计以这样的方式,以便确保操作系统的控制器和/或数据获取装置之间的双向数据传输。在这种方式下不仅从操作系统检索所有可检索的操作参数,而且控制器还可被引起改变操作系统的操作参数,以便于与在分析系统中被检测到的劣质操作条件相消除成为可能。
在本发明的有利的进一步发展中,数据输入通道与输入终端的输入装置连接,其中所需的进一步操作参数被显示在输入终端的显示器上,作为来被输入的变量。在这种方式下,操作者被告知分析系统依然需要哪一个操作系统的操作参数,以便传递关于操作系统的劣质操作条件的改进语句(statement)。在这种情况下,操作系统和分析系统之间的交互通过操作员的干涉而被提高。
本发明同样涉及一种用于对操作系统的操作参数进行机器辅助分析的方法。根据本发明,仅仅一部分通过数据连接可被传输的操作系统相关的操作参数被检索,用以监控操作系统的操作条件,据此执行上面已经提及的步骤c)至步骤h)的每一步,以便基于减少的操作参数的个数,能通过检索进一步的操作参数来限定操作系统的劣质操作条件,并且来显示该劣质操作条件或者影响该操作系统以消除劣质操作条件。本方法的优点和详细内容已经在与本发明分析系统相关的上面内容中被描述了。
应当注意的是该方法可以用于监控不一样的操作系统,可以例如赛车、产品机械、建筑技术中使用,所述方法甚至可以被用来辅助医药领域的诊断过程。上面描述的本发明优选实施方式可以以任何方式相互组合。
优选地,处理逻辑包括决策网络例如神经元网络,以及用于系统的不同状态参数之间相关性的关联存储器。该关联存储器有利地自组织以便能够包括新参数,并且来基于决策历史建立相关性。处理逻辑还包括信号输出装置,在该装置中,决策网络的“最佳决策”以请求的系统参数或参数集的形式输出。信号输出装置可以与屏幕连接来显示输出的参数或者输出参数的改变。这些参数可替代地或另外地也可直接连接到有问题的操作系统的设备驱动器,例如在上述关于方程式(Formel)1领域的实施例中,连接到阀控制或涡轮装载机控制、扰流板角度控制、汽油进给控制、赛车的发动机和/或底盘的空气进给控制。
优选地,处理逻辑包括以权利要求1中提到的数据连接或输入装置形式的传感器输入。通过该传感器输入,系统从安装在操作系统中的状态传感器或者用户通过输入装置例如键盘反馈数据,来接收状态和反馈该数据。这是一种反馈信息,向处理逻辑提供关于输出参数的改变怎样作用在操作系统的状态上的反馈信息。这个刚发现的相关性还能以系统状态和新操作参数之间的新关联性的形式反馈给关联存储器。因此,根据分析系统的操作历史,和传感器输入所读取的状态信息的效果,整个系统是通过反馈循环自控制和自学习来自动地学习所有的相关性和操作参数改变之间的相关性,以响应这些参数改变。
优选地,初始参数集通过识别矛盾信息来核实,通过使用步骤g)和h)来获得所述参数集的进一步的操作参数。例如可以是一个传感器是功能失常的。在这种情况下,一个操作参数总是偏离对应限定的操作条件或种类的参数集。如果进一步的操作参数匹配其他正确参数或者甚至是与错误参数值矛盾,探测器可以被显示为错误,并且没有错误参数值的“正确”参数集可以被考虑。
操作系统还可以是数据库,在这种情况下,本发明更好可能地将数据库的主题或对象以特定的数据类分类。主题/对象然后由主题/对象参数来特征化。主题/对象参数因此对应本发明的操作参数,并且如果无法明确地将主题/对象分类到数据库的特定类中,则目标是检索附加的对象/主题参数。
因此,本发明的一个可能实施方式涉及数据代理。当前,需要处理的用户(主题)的各种参数必须反馈给数据代理数据库和处理系统。通常数据代理的处理系统处理很多参数来特征化用户,并且来评估哪些用户适合一起。不幸地,这个参数列表非常长,对于用户来说并不合适。
通过本发明用户输入的参数的个数可以被大大减少。因此,通过模型,参数之间的相关性可以被评估,来排除对应于模型但不与已经输入的参数成对的几个不同的参数。而且,通过该模型,处理逻辑能够评估哪一个进一步的参数将导致最可能竞争力参数的排除,因此,对数据匹配问题带来了快速解决。因此,数据库中的用户能够有效地且清楚地分类以匹配一定的条件。
另一个应用领域是职业介绍所的工作。此外,不同的参数与求职者相关,对根据市场上的某些工作类别对求职者进行分类参数是所必需的。下面列出了一个职业介绍所的参数表。
表中的值是几率数值,这些值被具有模糊逻辑的处理逻辑使用。当然该表格不是全部的。还有很多待评估的其他参数,例如驾驶员执照,软件知识、当前或者过去的工作领域等等。
本发明的应用的其他例子是车辆的配置或者计算机网络的配置。本发明的操作参数在此是配置参数。在计算机网络的汽车的配置中,有很多相互排斥参数需要来考虑。分析系统优选地试图在分析过程的开始时从输入设备获得进一步的配置参数,这导致排除尽可能多的竞争参数。因此,整个配置过程可以简化和缩短。
尤其在配置任务中有很多相互排斥的参数。本发明系统能够通过要求排除尽可能多的其他竞争性参数的参数来将从用户处检索或请求参数进行定制。另外进一步地考虑有很多独立共存的参数组,例如发动机类型,外表面和内表面,虽然他们之间也可能相关(一定的外表仅仅可能与一定类型的发动机相关等)。
在计算机网络的配置中,有大量配置参数来考虑,包括处理性能、来自网络的数据接入和输出,系统架构、主软件应用、估计的用户数,价格和硬件部件的维护,软件部件的周期、冷却要求等。
本申请的另一个领域是健康管理,即在公司中,公司的一些业务类型对健康风险管理的类型有很大的影响。健康管理的参数是业务类型、雇员数量、男/女比例,例如每一个部门单独,例如生产部门、销售部门、行政部门、管理部门:部门/对应的操作领域、雇员数据和健康风险评估。
本发明的另一个应用领域是建筑监控。大建筑物的管理涉及很多监控的操作参数例如温度、湿度、建筑物的移动(在很高的摩天大楼),电梯状态、交通流量、太阳强度和方向、能量消耗、噪声辐射。这些参数可以被用来调节空调的控制,电梯组控制,交通流量引导,发电机的操作等。与上面描述的赛车问题存在相似问题,其中,监控可能面对违法或者不好的或者劣质状态条件,然后试图分析完整的建筑物条件,来通过改变其他操作参数寻找对策来消除非法或者劣质状态(例如温度)。
参考值当然可以是参考值范围。
以下术语被用作同义词:条件-状况-状态,值-值范围,巧合(coincidence)-存在(existence),相关(correlation)-相关性(interdependency);劣质的(inferior)-不正常的,优化(optimizing)-错误检测;
应当理解的是本发明系统包括软件和硬件部件,具有上面提及的组合的功能,以及本发明方法描述了本发明系统执行的功能。因此,本发明系统的特征可以被本发明方法所采用,反之亦然。
在此结合附图通过示例性实施例举例来描述本发明,其中
图1示例了本发明与操作系统无线连接的分析系统的部件的示意图,例如赛车;
图2示例了操作系统的详细图用以解释输入且传输的操作参数,
图3示例了操作系统的劣质操作条件的分析过程的流程图,
图4示例了根据图3在执行分析方法后用于影响操作系统的控制方法的流程框图,所述流程框图在图3分析过程的结束设置了控制过程。
图1示例了分析系统10包括处理逻辑12,例如微处理器,在其中操作系统16的模型14被嵌入,其中分析系统10与操作系统16例如赛车,通过无线双向的无线连接18通信。此外处理单元12除了模型14,包括参考值存储器17,所有可能的操作系统16的操作参数的参考值被存储在该存储器中。分析系统10还包括显示器20和输入键盘22,用于显示或者输入值。分析系统10被具体化以便,通过检索经由数据连接18可被传输的操作参数的一部分,监控或者分析操作系统16的活动,以及将劣质操作条件上报或者消除所述劣质操作条件。
操作系统16在图2中通过赛车的例子来描述。所述赛车包括控制器30,该控制器与不同的传感器连接,例如轮胎压力传感器32、发动机温度传感器34、rpm计数器36、轴压力传感器38、扰流板位置传感器40。一部分这些值由控制器30通过无线传输器42,按要求或者定期地传输给分析系统10。诸如注射压力44、及时燃点46或者扰流板位置48这些活动的操作参数可以通过无线连接42来被改变。在这种方式下,分析系统10可以以有效方式通过控制器30影响操作系统16,以便消除探测到的劣质操作条件。
如图3中所示用于分析操作系统16的方法。该过程在点A开始,并且在流程的步骤a)中操作系统16的至少两个操作参数的值被检索到,但仅仅一部分通过数据连接检索到的操作系统相关的操作参数被检索到。在步骤b中执行检查,检查关于被检索的操作参数是否处于存储在参考值存储器17中的参考值范围内。如果是,流程返回至步骤a)。如果参考值被至少一个检索到的操作参数超过或者被计算的操作参数超过,则流程继续步骤c),在该步骤中分析系统10的处理逻辑12通过模型14将操作参数的初始集的值和操作系统16的至少一个劣质或者非正常操作条件相关。然后在步骤d)中检查带有相似概率的几个劣质操作条件是否与操作参数值的初始集相关。如果不是这样,流程继续步骤g),在步骤g)中与相关概率最有可能的劣质操作条件被显示在显示器和/或被传输给操作系统的控制器。随后如图4流程继续以调节或者控制操作系统。
在步骤d)中具有相似概率的多个劣质操作条件与参数集的操作参数值相关的情况下,处理逻辑12借助于模型14确定至少一个的进一步操作参数,该进一步操作参数与具有相似的巧合概率的至少一个劣质操作条件相关。这样做是为了能够通过进一步的操作参数更好地定义劣质的操作条件。随后,在步骤f)中,通过数据连接18直接从操作系统检索进一步的操作参数或者通过与显示器20相结合的输入设备22检索进一步的操作参数,由此获得操作参数值的集合,所述集通过进一步的操作参数扩展。应当目前通过进一步的条件参数来提供一个结果成为可能,该结果相对于实际普遍存在的劣质的操作条件具有改进的巧合概率。如果还不是这种情况,在步骤d)中,过程再次分支到步骤c)至步骤f),在该些步骤中,进一步的操作参数从操作系统检索到或经由输入设备输入进一步的操作参数,直到最终足够正确地确定劣质操作条件,或者达到中止准则,该准则包括例如特定时间段,例如0.1s,或者最可能的劣质操作条件与传递到下一个进一步的操作条件时概率值足够小的变化。
在执行图3所示的分析流程后,根据图4,从图3的分析过程的B端开始,借助于模型14,可以确定至少一个与确定的劣质操作条件相反的操作参数,所述操作参数消除劣质操作条件。该至少一个消除操作参数值然后在步骤i)被提供给操作系统16的控制器30,以便执行相应的控制来消除劣质操作条件。另外或者可替换地,这些改变的操作参数值可以通过显示器20来显示给操作员作为控制动作,该控制动作是为了手动纠正劣质操作条件而执行的。例如,有可能可以规定,在传输消除操作参数以便控制操作系统之前,操作员必须首先通过输入设备22进行授权。
本发明并不限于描述的示例性实施例,还可以在所附权利要求所保护的范围内进行变化。
Claims (15)
1.一种用于对操作系统(16)的操作条件进行机器辅助分析的分析系统(10),包括:
数据连接(18),与所述操作系统,和/或输入装置(22)连接,该数据连接用于检索/输入所述操作系统的操作参数的值;
所述数据连接用于传输所述操作系统的操作参数的值至所述分析系统的处理逻辑(12),所述处理逻辑(12)包括所述操作系统(16)的模型(14),所述模型(14)包括操作参数的集合,和所述操作系统的相关的操作条件或者种类,
所述分析系统用于
步骤a )通过所述数据连接和/或所述输入装置(22)检索所述操作系统(16)的仅仅一部分所述操作参数的值,所述操作参数的值通过所述数据连接(18)被传输;
步骤b )从检索到的操作参数的值,以及可选地从所述检索到的操作参数计算获得的至少一个操作参数的值,来形成初始参数集;
步骤c ) 通过所述模型(14)将所述初始参数集或者扩展的参数集与存储在所述模型(14)中的相关的操作条件或者种类进行比较;
步骤d )对所述初始参数集或者所述扩展的参数集,确定具有对应的巧合概率的至少一个相关的操作条件或者种类;
步骤e)确定具有最高巧合概率的所述操作条件或者种类作为匹配操作条件或种类;
步骤f )所述处理逻辑(12)检查除了所述匹配操作条件或种类之外,具有相似巧合概率的其他匹配操作条件或种类是否存在,和/或,所述匹配操作条件或种类的所述巧合概率是否低于预先设定的阈值;
步骤g) 如果所述步骤f)中的检查是肯定的,则所述处理逻辑(12)通过所述模型(14)获得至少一个进一步操作参数,所述进一步操作参数与具有相似巧合概率的至少一个所述操作条件或种类相关;以及
步骤h) 直接从所述操作系统(16)或者通过所述输入装置(22)检索所述进一步操作参数的值,以及提供扩展的操作参数集值给步骤c),所述扩展的参数集包括所述初始参数集或者前一个参数集加上所述进一步操作参数;
步骤i )如果所述步骤f)中的检查是否定,或者中止准则已经被达到之后,所述处理逻辑将具有最高相关的巧合概率的所述至少一个操作条件或种类作为匹配的操作条件或种类显示在显示器(20)上,和/或将信息传输给所述操作系统(16)的控制器(30);
所述处理逻辑(12)用于改变至少一个操作参数的值,所述操作参数的值消除所述匹配的操作条件或种类;
如果所述匹配的操作条件或种类的巧合概率和下一个操作条件或种类的巧合概率之间的差异是处于阈值,所述阈值为不超过所述匹配的操作条件或种类的巧合概率的10%,或者所述阈值为不超过所述匹配的操作条件或种类的巧合概率的20%,或者所述阈值为不超过所述匹配的操作条件或种类的巧合概率的30%,则定义巧合概率为相似。
2.如权利要求1所述的分析系统(10),其中所述处理逻辑(12)用于重复步骤c)至步骤h),直到达到中止准则,所述中止准则涉及时间段或者所述最高的操作条件或种类的巧合概率和下一个操作条件或种类的巧合概率之间的差异,其中一旦所述中止准则达到,在所述步骤i)中具有最高相似的巧合概率的至少两个操作条件被显示,和/或被传输给所述操作系统。
3.如权利要求1所述的分析系统(10),其中所述巧合概率与所述匹配的操作条件或种类一起被显示在所述分析系统的显示器(20)上。
4.如权利要求1所述的分析系统(10),其中所述模型(14)包括模糊逻辑。
5.如权利要求1所述的分析系统(10),其中所述数据连接(18)用于与所述操作系统(16)的控制器(30),和/或数据探测装置(32-40)通信。
6.如权利要求1所述的分析系统(10),其中所述数据连接(18)与输入终端的输入装置(22)连接,以及其中待被输入的其他操作参数的身份信息被显示在所述输入终端的显示器(20)上。
7.如权利要求1所述的分析系统(10),其中所述处理逻辑(12)具有决策网络。
8.如权利要求1所述的分析系统(10),其中所述模型(14)包括用于系统的不同操作参数之间的相关性的关联存储器。
9.如权利要求8所述的分析系统(10),其中所述关联存储器是自组织的,以用于包括新参数和基于决策历史建立相关性。
10.如权利要求1所述的分析系统(10),其中所述处理逻辑(12)与所述模型(14)连接,用于计算所述进一步操作参数,所述进一步操作参数是一种排除最具有竞争的操作参数的类型。
11.如权利要求1所述的分析系统(10),其中所述分析系统还包括参考值存储器(17),用于存储参考值,所述参考值是与所述操作系统的不同操作条件或种类相关的所述操作参数的值的参考值。
12.一种用于操作系统(16)的操作条件进行机器辅助分析的方法,其中使用所述操作系统的模型(14),具有处理逻辑,所述模型将不同的操作参数与相关的所述操作系统的操作条件或种类进行关联,其中数据连接(18)用于检索/改变所述操作系统的操作参数,其中所述方法
步骤a) 通过所述数据连接和/或输入装置(22)检索所述操作系统(16)的仅仅一部分所述操作参数的值,所述操作参数的值通过所述数据连接(18)被传输;
步骤b )从检索到的操作参数的值,和/或从所述检索到的操作参数计算获得的至少一个操作参数的值,来形成初始参数集;
步骤c ) 通过所述模型(14)将所述初始参数集或者扩展的参数集与存储在所述模型(14)中的相关的操作条件或者种类进行比较;
步骤d )对所述初始参数集或者所述扩展的参数集,计算具有相应的巧合概率的至少一个相关的操作条件或者类;
步骤e)计算具有最高巧合概率的所述操作条件或者类作为匹配操作条件或种类;
步骤f)检查除了所述匹配操作条件或种类之外,具有相似巧合概率的其他匹配操作条件或种类是否存在,和/或,所述匹配操作条件或种类的所述巧合概率是否低于预先设定的阈值;
步骤g )如果所述步骤f)中的检查是肯定的,则所述处理逻辑(12)通过所述模型(14)获得至少一个进一步操作参数,所述进一步操作参数与具有相似巧合概率的至少一个所述操作条件或种类相关;以及
步骤h) 直接从所述操作系统(16)或者通过所述输入装置(22)检索所述进一步操作参数的值,以及提供扩展的操作参数集值给步骤c),所述扩展的参数集包括所述初始参数集或者前一个参数集加上所述进一步操作参数;
步骤i)如果步骤f)检查是否定,或者中止准则已经被达到之后,所述处理逻辑将具有最高相关的巧合概率的所述至少一个操作条件或种类作为匹配的操作条件或种类显示在显示器(20)上,和/或将信息传输给所述操作系统(16)的控制器(30);
所述方法还包括改变至少一个操作参数的值,所述操作参数的值来消除所述匹配的操作条件或种类;
如果所述匹配的操作条件或种类的巧合概率和下一个操作条件或种类的巧合概率之间的差异是处于阈值,所述阈值为不超过所述匹配的操作条件或种类的巧合概率的10%,或者所述阈值为不超过所述匹配的操作条件或种类的巧合概率的20%,或者所述阈值为不超过所述匹配的操作条件或种类的巧合概率的30%,则定义巧合概率为相似。
13.如权利要求12所述的方法,其中所述步骤c)至步骤h)重复直到达到中止准则,所述中止准则涉及时间段或者最高的操作条件或种类的巧合概率和下一个操作条件或种类的巧合概率之间的差异,其中一旦所述中止准则达到,在所述步骤i)中具有最高相似的巧合概率的至少两个操作条件被显示,和/或被传输给所述操作系统。
14.如权利要求13所述的方法,其中所述操作参数的值和劣质操作条件的相关性反馈给所述模型(14),所述相关性在分析过程中被确定。
15.如权利要求13所述的方法,其中初始参数集通过识别相反信息被核实,通过使用步骤g)和步骤h)来获得所述参数集的进一步操作参数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16168902.1 | 2016-05-10 | ||
EP16168902.1A EP3244278B1 (en) | 2016-05-10 | 2016-05-10 | Analysis system |
PCT/EP2017/061011 WO2017194513A1 (en) | 2016-05-10 | 2017-05-09 | Analysis system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109661625A CN109661625A (zh) | 2019-04-19 |
CN109661625B true CN109661625B (zh) | 2022-06-10 |
Family
ID=55968944
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780030123.1A Active CN109561824B (zh) | 2016-05-10 | 2017-05-09 | 诊断系统 |
CN201780030327.5A Active CN109661625B (zh) | 2016-05-10 | 2017-05-09 | 分析系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780030123.1A Active CN109561824B (zh) | 2016-05-10 | 2017-05-09 | 诊断系统 |
Country Status (6)
Country | Link |
---|---|
US (2) | US20190142334A1 (zh) |
EP (1) | EP3244278B1 (zh) |
CN (2) | CN109561824B (zh) |
AU (1) | AU2017264468B2 (zh) |
ES (1) | ES2710338T3 (zh) |
WO (2) | WO2017194513A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6235517B2 (ja) * | 2015-03-27 | 2017-11-22 | ファナック株式会社 | 状況に応じたプログラムの提示機能を備えた数値制御装置 |
CN109793491B (zh) * | 2018-12-29 | 2021-11-23 | 维沃移动通信有限公司 | 一种用于色盲检测的终端设备 |
US10901375B2 (en) * | 2019-01-31 | 2021-01-26 | Morgan Stanley Services Group Inc. | Chaotic system anomaly response by artificial intelligence |
US11338816B2 (en) * | 2019-02-02 | 2022-05-24 | Ford Global Technologies, Llc | Over-the-air flashing and reproduction of calibration data using data regression techniques |
WO2022035886A1 (en) * | 2020-08-11 | 2022-02-17 | Cortina Health, Inc. | Systems and methods for using artificial intelligence for skin condition diagnosis and treatment options |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1079057A (zh) * | 1992-01-24 | 1993-12-01 | 惠普公司 | 外围设备的语言识别系统和方法 |
CN1295686A (zh) * | 1998-03-27 | 2001-05-16 | Iar系统有限公司 | 分析基于状态的系统模型的方法和设备 |
CN1914670A (zh) * | 2004-02-13 | 2007-02-14 | 弗兰霍菲尔运输应用研究公司 | 预测编码方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5757983A (en) * | 1990-08-09 | 1998-05-26 | Hitachi, Ltd. | Document retrieval method and system |
US7539597B2 (en) * | 2001-04-10 | 2009-05-26 | Smartsignal Corporation | Diagnostic systems and methods for predictive condition monitoring |
US7472118B2 (en) * | 2003-12-05 | 2008-12-30 | Microsoft Corporation | Systems and methods for improving information discovery |
US7519564B2 (en) * | 2004-11-16 | 2009-04-14 | Microsoft Corporation | Building and using predictive models of current and future surprises |
AT502241B1 (de) * | 2005-02-24 | 2007-04-15 | Arc Seibersdorf Res Gmbh | Verfahren und anordnung zur feststellung der abweichung von ermittelten werten |
US7698188B2 (en) * | 2005-11-03 | 2010-04-13 | Beta-Rubicon Technologies, Llc | Electronic enterprise capital marketplace and monitoring apparatus and method |
US8972161B1 (en) * | 2005-11-17 | 2015-03-03 | Invent.Ly, Llc | Power management systems and devices |
US7596718B2 (en) * | 2006-05-07 | 2009-09-29 | Applied Materials, Inc. | Ranged fault signatures for fault diagnosis |
US7751955B2 (en) * | 2006-06-30 | 2010-07-06 | Spx Corporation | Diagnostics data collection and analysis method and apparatus to diagnose vehicle component failures |
US7933666B2 (en) * | 2006-11-10 | 2011-04-26 | Rockwell Automation Technologies, Inc. | Adjustable data collection rate for embedded historians |
US20080183444A1 (en) * | 2007-01-26 | 2008-07-31 | Grichnik Anthony J | Modeling and monitoring method and system |
US20080194919A1 (en) * | 2007-02-08 | 2008-08-14 | Miranda Aref Farage | Method and apparatus for prediction and management of subjects and patients |
CN201114799Y (zh) * | 2007-08-06 | 2008-09-10 | 江苏贝莱尔电气有限公司 | 加热管圆弧端陶瓷固定装置 |
US20100209881A1 (en) * | 2009-02-18 | 2010-08-19 | Gm Global Technology Operations, Inc. | Driving skill recognition based on behavioral diagnosis |
US9002775B1 (en) * | 2011-09-02 | 2015-04-07 | Lockheed Martin Corporation | Systems and methods for estimating a remaining useful life of an item |
US20130268203A1 (en) * | 2012-04-09 | 2013-10-10 | Vincent Thekkethala Pyloth | System and method for disease diagnosis through iterative discovery of symptoms using matrix based correlation engine |
US8891841B2 (en) * | 2012-06-04 | 2014-11-18 | Verizon Patent And Licensing Inc. | Mobile dermatology collection and analysis system |
CN105393252B (zh) * | 2013-04-18 | 2019-04-19 | 数字标记公司 | 生理数据采集和分析 |
US10599155B1 (en) * | 2014-05-20 | 2020-03-24 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
US9881428B2 (en) * | 2014-07-30 | 2018-01-30 | Verizon Patent And Licensing Inc. | Analysis of vehicle data to predict component failure |
US10180339B1 (en) * | 2015-05-08 | 2019-01-15 | Digimarc Corporation | Sensing systems |
US10275877B2 (en) * | 2015-06-12 | 2019-04-30 | International Business Machines Corporation | Methods and systems for automatically determining diagnosis discrepancies for clinical images |
-
2016
- 2016-05-10 EP EP16168902.1A patent/EP3244278B1/en active Active
- 2016-05-10 ES ES16168902T patent/ES2710338T3/es active Active
-
2017
- 2017-05-09 WO PCT/EP2017/061011 patent/WO2017194513A1/en active Application Filing
- 2017-05-09 CN CN201780030123.1A patent/CN109561824B/zh active Active
- 2017-05-09 CN CN201780030327.5A patent/CN109661625B/zh active Active
- 2017-05-09 US US16/300,483 patent/US20190142334A1/en not_active Abandoned
- 2017-05-09 US US16/300,498 patent/US11029678B2/en active Active
- 2017-05-09 WO PCT/EP2017/061015 patent/WO2017194514A1/en active Application Filing
- 2017-05-09 AU AU2017264468A patent/AU2017264468B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1079057A (zh) * | 1992-01-24 | 1993-12-01 | 惠普公司 | 外围设备的语言识别系统和方法 |
CN1295686A (zh) * | 1998-03-27 | 2001-05-16 | Iar系统有限公司 | 分析基于状态的系统模型的方法和设备 |
CN1914670A (zh) * | 2004-02-13 | 2007-02-14 | 弗兰霍菲尔运输应用研究公司 | 预测编码方法 |
Also Published As
Publication number | Publication date |
---|---|
AU2017264468B2 (en) | 2019-08-15 |
CN109561824A (zh) | 2019-04-02 |
CN109661625A (zh) | 2019-04-19 |
EP3244278A1 (en) | 2017-11-15 |
CN109561824B (zh) | 2021-06-25 |
EP3244278B1 (en) | 2018-12-26 |
WO2017194514A1 (en) | 2017-11-16 |
US20190227535A1 (en) | 2019-07-25 |
ES2710338T3 (es) | 2019-04-24 |
US20190142334A1 (en) | 2019-05-16 |
AU2017264468A1 (en) | 2018-11-29 |
US11029678B2 (en) | 2021-06-08 |
WO2017194513A1 (en) | 2017-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109661625B (zh) | 分析系统 | |
KR102444442B1 (ko) | 설비 고장 진단 장치 및 방법 | |
US20120245791A1 (en) | Apparatus and method for predicting mixed problems with vehicle | |
US9075701B2 (en) | Apparatus and method for monitoring abnormal state of vehicle using clustering technique | |
US20140012791A1 (en) | Systems and methods for sensor error detection and compensation | |
CN108052007B (zh) | 火电机组运行优化方法、装置、设备及计算机存储介质 | |
US9928669B2 (en) | System and method for providing optimal state indication of a vehicle | |
TWI783086B (zh) | 用於管理車輛中之動力傳動系統之方法 | |
US11807253B2 (en) | Method and system for detecting driving anomalies | |
CN112232370A (zh) | 发动机的故障分析预测方法 | |
JP6699301B2 (ja) | 異常検出装置、異常検出方法及び異常検出システム | |
CN114036998A (zh) | 一种基于机器学习对工业硬件进行故障检测的方法及系统 | |
CN112668873A (zh) | 矿山安全态势分析及预测预警方法 | |
KR102185737B1 (ko) | 도로 상태 예측 시스템 및 예측 방법 | |
CN117671818B (zh) | 一种车辆数据的管理系统 | |
KR20170087182A (ko) | 차량 상태 인지 장치 및 방법 | |
CN110869859B (zh) | 用于确定机床主轴状态的装置和方法 | |
CN116736825A (zh) | 用于验证由车辆的车载诊断系统生成的诊断故障代码的系统和方法 | |
EP3961316A1 (en) | Control system with diagnostics monitoring for engine control | |
US20230315082A1 (en) | Predictive maintenance method and system | |
KR100464598B1 (ko) | 오용행위와 비정상행위의 통합 판정 기능을 갖는 호스트기반의 통합침입탐지시스템 및 방법 | |
US11624332B2 (en) | Control system with diagnostics monitoring for engine control | |
CN114391093A (zh) | 异常判定装置以及异常判定方法 | |
KR102454756B1 (ko) | 무선통신을 이용한 ai 탑재형 다중 검지 영역 통합 차단시스템 | |
Cloudin | Enhanced System for the Prediction of Vehicle Condition. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210301 Address after: 5 azarinweg, Switzerland Applicant after: BNN holding Co. Address before: Diesen amherse, Germany Applicant before: Hans-Ulrich von Sauber |
|
GR01 | Patent grant | ||
GR01 | Patent grant |