CN1132563A - 解释性测量仪器 - Google Patents

Abstract

本发明公开了一种包括在IBM PC外围环境中的测量仪器，它能对作出的或采样得到的测量作出解释以提供预测性或诊断性结论，基于作出的测量在一特定时间周期、一个时期、短至测量采样周期的时期中，在所作的所有测量上实现分类程序。该分类程序有产生预测性或诊断性的能力。该程序也可用于反馈控制结构中。

Description

解释性测量仪器

背景技术

本发明涉及科学仪器，并具体地涉及一种能从事各种测量及解释其结果以提供诊断或预测结论的解释性测量仪器。

在以科学为基础的许多活动领域中，科学仪器被用来对各种装置的输出进行分析、记录及监视。这些装置包括：应变仪，心电图(ECG)装置，扩音器，及压力、温度、流率等传感器。相应地，这些科学仪器被用于土木工程，电气工程，声学，水利工程，化学处理，生物医学工程等方面。

通常需要大量的这些科学仪器，以便从事期望的测量。这些仪器包括：各种波形(如正弦波，方波，斜波及三角波)发生器；信号处理装置，如微分器，积分器，滤波器，乘法器等；分析器，例如用来进行快速傅里叶变换需要的分析器；及各种记录装置，例如图表记录器，数据记录器，阴极射线示波器或瞬态记录器。

另一方面，可使用一种如同已转让给本申请人(但在本申请的优先权日尚未公开)的专利PCT/AU92/00076说明书中所公开的科学仪器仿真装置来从事期望的测量。这个最终以WO92/15959公开的说明书结合于此作为相互参照。

本发明涉及对从这些测量得到的结果的估价或数据的解释，以及在所描述的实施例中将公开的一种装置，藉此能够解释在进行测量的过程中测得的各种参数，以提供诊断或预测性的结论。本发明的概述

根据本发明的一个方面，公开一种包含计算机装置的解释性测量仪器，此计算机包括一个存储装置及至少两个处理器，一个具有多个模拟信号输入端且每个输入端连接有数字化装置以形成相应数字输出的输入模数转换装置；连接到所述数字输出的信号操作装置，以将装置上的数据输送到所述存储装置；及一个存储在所述存储装置中并能对所述传输数据进行操作以计算一个基于所述传输数据的解释性结论的分类程序。

根据本发明的另一方面，公开了一种使用上述解释性测量仪器测得的一组参数来计算解释性结果的方法，所述方法包括以下步骤：

1.形成在先测量数据的集合，每个数据包括在特定时间上测得的一组所述参数；

2.对所述集合中的每个所述组分配一个结果；

3.产生一个使用所述集合的分类程序并将其存储在仪器存储器中；

4.测量一个所述参数的进一步的组；及

5.对所述进一步的组运用所述分类程序以产生所述的解释性结论。附图说明

现在将参照附图来描述本发明的三个实施例，附图为：

图1复制上述PCT说明书中的图1，并示出一个对IBM PC需要硬件修改的概要电路框图；

图2复制上述PCT说明书中的图2，它是图1中模拟量组件的电路框图；

图3类似于上述PCT说明书中的图6，是列出各种仪器单元图标的屏幕显示；

图4是一用来获得并解释期望测量数据的电路布置框图；

图5是图4布置的一个改进，以便能满足附加的待测参数；

图6是与图4类似的电路框图，但它是一个使用ID3算法分类数据的第二实施例的电路陈列；

图7是一用图6的仿真电路得到的屏幕显示的再现；

图8是一使用神经网络反馈系统的示意布置图，此系统基本维持一个窑的温度，所述窑的温度在不规则的时间间隔里接收燃烧的物品时基本上恒定不变；

图9是与图4及6相似的电路框图，但它是控制图8中窑的仿真反馈电路；

图10是由图9的图形NN所表示的神经网络的示意图。详细说明

本发明的第一个实施例将描述有关电动机的维护，这种电动机例如在电力机车中使用的电动机。应该理解，下面的例子仅是对本发明原理的说明。

譬如说，在例行维护期间进行每周维护检查时，对每个电动机的某些参数将作出测量及记录，以提供一组指示在具体时间上具体电动机状态的参数。至今这些参数是由熟悉电动机维护的专家来解释的，该专家必须确定出是否某些部件应被更换。专家面临的困境实质上是一种必须对安全和/或出现麻烦作出权衡的价值问题。如果对部件作了更换或修理而不作出这种决择，就使电动机维护费用徒然地抬高。但是，如果应该更换或修理的部件没有被更换及修理且随后损坏，那么该损坏将引起麻烦、增加花费，甚至可能出现事故。

在每周维护时对每个电机测量的一组参数如下：

1.在加速期间的峰值定子电流(SiMax)

2.在加速期间的峰值转子电流(RiMax)

3.在加速期间以dB单位测量的可闻噪音峰值(Rmax)

4.使用加速度计测量的电动机机座上的平均振动加速度(ChAvg)

5.自从电动机最近被更换以来参数1的变化(SiAlt)

最好使用上述PCT说明书中的装置进行测量，该装置如图1中所示，能够整个地被装在具有ISA或EISA总线但基于原始IBM AT的一般的IBM(注册商标)个人计算机机箱1中。在机箱1内有一个中央处理单元(CPU)2，存储器3及8MHz总线4等通用部件。

位于一个备用51/4英寸软盘舱中的是一个模拟量组件6，其上装有专用输入插头7、专用输出插头8，及用于放大器、频率计数器、采样时钟同步、数字输入等的通用输入/输出导线5。

位于总线4上的是用于印刷电路板9的四个插槽。这四个PC板(PCB)9分别用A、B、C及D表示。相邻的三个PCB A到C分别为一个主PCB，一个从PCB及一个视频PCB。该视频PCB依次驱动一个众知的VGA印刷电路板D，它能提供譬如有256种采用色的1024×780分辨率。PC板D直接与视频显示屏10相连接。

在模拟量组件6中设有以下系统资源：

1.四个独立的(可选)模拟量i/p通道。每个通道具有可编程的9-120dB增益(3微伏分辨率及信噪比为一)，可编程抗混扰滤波及12位分辨率的ADC转换。每个通道可以是AC或具有长AC耦合时间常数(2分钟)耦合的DC，以及具有AC或DC偏置的独立控制，该偏置可从运行时间屏幕来控制。每通道采样速率可为15KHz(取决于项目处理负载及附加在同一从处理器板上的模拟量组件数)。输入绝缘达3.5KV RMS持续电压。

2.具有+/-10V电压范围及+/-100mA电流容量的两个模拟量输出。这些输出量可用于应变仪偏置(AC或DC驱动)，控制其输出等。

3.四个可选择的高电平模拟量输出，每一个来自上述放大器。它们驱动数字FM磁带记录器以存储很少发生的事件，以用于重播到处理器(2)中。或

四个可选择的高电平输入到上述每个放大器通道。为了重播在磁带上输出方式中捕获到的事件，系统被转换成此方式。

4.八位以地为参考的数字输入。

5.能用于继电器驱动器或事件指示器的八位数字输出。

6.一个0-2Mhz 0.1％精确度的频率发生器输出(时钟发生器)。

7.一个事件计数器/频率计数器，其输入为0.1Hz-8MHz。

8.一个100mA+/-5％的5V参考源(用于应变仪等)。

9.一个采样时钟输出参考线，用于在该优选实施例的多个科学仪器仿真器之间同步采样。

10.一个采样时钟输入参考线，用于“主”科学仪器仿真器(与“从”仿真器一起使用)的同步采样。

11.五个接地线

模拟量组件6及PC板9的每个分别用不同的辅助总线11，12，13及14被互连起来。

如图2中看到的，图1的模拟量组件6提供四个模拟量输入/输出连接器20，四个模拟量输入21，两个模拟量输出22，一个频率输出计数器输23，一个时钟输出24，一个8位数字输入25，一个8位数字输出26，一个5伏参考电压27及一个从同步输出28。

每个模拟量输入21经由一前置放大器31与一隔离器32相连接，后者的输出与继电器33相连接。继电器33也与模拟量输入/输出连接器20相连接并连接到一个放大器34，该放大器具有可编程增益，AC/DC耦合，准备用于AC拐点及DC偏置。放大器34的输出再传到采样及保持电路35，后者的输出由模拟量多路转换器36接收。多路转换器36的输出经由A/D转换器37传到辅助总线11，后者与模拟量组件6及PC板9B相连接。

放大器34及采样操作和保持电路35的工作受一数字控制器、地址译码器6及A/D-D/A定序器39的控制，后者既接受来自总线11的数据也接收采样时钟及定序器时钟信号。控制器/译码器/定序器39也经由D/A转换器40通过输出放大器41输出到模拟量输出22。

频率计数器输23及时钟输出24分别直接与计数器42相连接，后者再直接与辅助总线11相连接。

数字输入25，数字输出26，参考电压27及从同步输出28中的每个与数字输入/输出电路43相连接，后者则直接与辅助总线相连接。

图2中所示线路的定时结构分成两个序列。第一序列涉及数字输入及输出。当程序需要时，这个数字输入及输出由来自在PCB 9B(图1)上构成从处理器部分的基本上常规的数据获取控制器的单个命令来实现。

第二序列是由模拟输入转换来的或待转换的以提供模拟输出的数字数据流。这些数字数据在控制器/译码器/定序器39的控制下被接收及发送，该部件39可被预置，以便操作所需数目的输入及输出模拟量通道。在每个采样周期控制器/译码器/定序器39执行一个完整的输入及输出周期或序列，并很少涉及处理器来作这些工作，于是就增加了上述PCB 9B的从处理器上的数据获取控制器的操作速度。

图2中电路的另外功能，诸如作为时钟输出24的频率，被频率计数器输入23计数的频率“范围”，及用于从同步信号28所需的任何同步信号，在图表编译程序开始执行时通过适当地规定相应的图形被建立起来。

使用图3中所示的各种图标，根据在上述PCT说明书中所述的原理便建立了如图4所示的一个阵列。一旦该电路阵列按操作员和安装程序要求连接起来，则编译程序就运行，把电路阵列的图形表示编译成可执行的目标码，该目标码具有对整个电路阵列的所有信号处理的功能。因此，当输入信号实时地加到电路阵列时，单个或多个输入信号被操作并使一个或多个电路阵列输出实时地在屏10上显示的视频窗上显示出、储存到盘中，等等。

对于那些熟悉电子技术的人将会明白，上述的电路阵列仿真一个具有四个输入的电路，而每个输入经过四个隔离放大器101A-101D中的一个相应放大器被连接起来。这些输入相当于上述要被测量的第一组四个参数。一个加速度开关102提供触发定子电流、转子电流及音频噪音的测量。为了提供峰值测量，对每个这些输出设置了以采样及保持电路103及逻辑门104形式的锁定结构。然后峰值输出进入到多路转换器105的一个相应输入端。加速度计的输出使用一个放置在反馈环中的积分器106所构成的低通滤波器取平均值。接着将输出传到多路转换器105。

多路转换器105由方波电压控制振荡器107触发以在该时期结束时形成一个矢量。因此振荡器107的输出周期确定该时期的长度。当触发发生时，到多路转换器105的五个输入每个上的值被记录直到下次出现的五个序列采样周期为止。触发被延迟同样的五个时钟周期。

在各个线上的数据可被视为形成了一个数据矢量。在上述专利申请说明中所述的机器初始发行时，由在第一线上在第一采样时间上有效的数据，在第二数据线上在第二采样周期上可以利用的数据，等等构成数据矢量。这就形成了上述延迟触发设置。

但是，在有改进速度特性的机器以后的发行时，有可能对于所有的数据，譬如五个输入或线同时地记录。因此在这些情况下数据矢量在每个采样周期上构成了所有可用的数据。因此有可能对每个采样周期而不是对每个采样周期序列进行分类。

如图5所示，如果需要附加的参数，则可以级联形式再设置一个或多个多路转换器105A等。在此，多路转换器105A高端输入上的值被直接导入到多路转换器105A的输出。这种布置可使多路器105及105A相级联，以形成一个在相继采样周期记录的具有不同参数值的数据流。

由图4可见，多路转换器105输入到ID3图标108。这可以被设置成两种不同方式。在第一方式中数据被采集，而在第二方式中由ID3算法建立的判定树算法被运行。

由于ID3图标108设置成数据收集方式，所以可以收集在各个日期上对各个电动机作出的测试结果。该结果表示在下表中：

                   表1测试           SiMax    RlMax    AMax    ChAvg    5lAlt    分类DO/MM/YY.#n    Amps     Amps     d8      m/sec²  Amps27/01/92.#1    120      25       100       23       -     无损坏27/01/92.#2    111      26       110       10       -     无损坏28/01/92.#3    130      30       105       30      10     转子卡住等

表1中第一栏只是测试日期及被测电动机的号码。以下五栏是五个参数的结果，最后一栏是表示历史性结论的分类。对于该栏的典型分类如下：

1.更换整个电动机

2.重绕定子

3.更换转子

4.不用修理。

该分类可用三种方法中的一种得到，首先，上述专家的作用及他根据测量参数发生的指令可用作分类的基础。这将产生一个判定树或别的分类程序(以下再解释)，该程序将重现这个专家的经验。该方法具有不需要任何程序变化便可使数据收集的优点。但是一个主要的缺点是从这数据得到的结果将决不会好于由专家作出的决定。

另一方面，在此前一星期作出的维修历史结论可用来确定分类。如果在正常工作期间某些电动机部件损坏，则其损坏类型可归结为对具体的电动机在前期维修测量中采集的数据的分类。这个分类的优点是允许判定树程序解释由专家作出的任何错误。但在测量之间时期，在希望对电动机不做维修的意义上来说，它有一定缺点。如果一个电动机被修理了，则与一具体测量参数相关的损坏例的数目将丢失了，因为不知道所怀疑的部件是否会损坏。但若不修理电动机可能引起安全问题。用这种替换方法产生的分类类型可为以下几种：

1.电动机烧损

2.转子卡住

3.定子绝缘损坏

4.无损坏。

第三种分类方法是使用上面略述过的两种方法。该方法由于已知结论对专家的分类有效地增加修正。

不管所使用的分类方法如何，可以得到如上面表1所指示的一个历史结果的收集及相应的分类。

为了建立判定树，一种判定树程序将应用于该历史结果。一个典型结果判定树如下：

SiAlt是否大于或等于10？|   是    |  否|         RiMax是否大于35？|         | 是        | 否|         |          预料无损坏|         Amax是否大于120？|         | 是        | 否|         |           预料无损坏|         转子将卡住SiMax是否大于128？| 是      | 否|         ChAvg是否大于28？|         |            ||         | 是         | 否|         |        预料无损坏|         电动机将烧损||电动机将烧损

一旦判定树产生出来，则就以可执行的方式存储到计算机存储器中。然后就可以将ID3图标108转换到其两个方式的第二方式上。在此情况下，当接着对一具体电动机作出一组测量时，测量值经由多路转换器105传送到ID3图标108。然后ID3图标108将判定树应用到结果数据得到一个结论，例如“不会有故障”，或“转子将卡住”，这是基于在判定树中表达知识的历史积累的预测性预料结论。基于将判定树应用到建立此树中未用到的历史数据而得到的结果，一个可信度可计算出来或归纳出一个具体的结论。这能使保险公司得到一个数值基础，由此能确定设备损坏的风险。这将得到低保险费用的可能性。

ID3图标108是用软件实现的，因为购置并连接复制这种程序功能的硬件门电路其费用昂贵得不现实。该说明书的附件I中所提出的是一为在判定树建立的程序中选择判定所用的平均信息量计算的概要。ID3算法本身从Quinlan Jr.“INDUCTION OF DECISION TREES”(Machine Learning1(1)第81-106页，1986)中知道。

ID3算法是一个基于用于计算具有两个结论及“n”个分类的系统中的平均信息量或失调量H的完全公开的算法： $H=W_1\underset{i=0}{\overset{n}{\mathrm{\Σ}}}-p_1\left(i\right){\log }_2{p}_1\left(i\right)+W_2\underset{j=0}{\overset{n}{\mathrm{\Σ}}}-p_2\left(i\right){\log }_2{p}_2\left(i\right)$ 式中，W₁＝N₁/(N₁+N₂)及W₂＝N₂/(N₁+N₂)

  N₁＝结论1中的总例数

  N₂＝结论2中的总例数

  n＝分类总数

  P₁(i)＝分类i中具有结论1的例数除以分类i中的总例数。

P₂(i)如同P₁(i)，但用于结论2而非结论1。

该计算被认为非常适用于噪音环境。树建立程序采用上面的公式以试探各种可能的判定。选择降低平均信息量到最大程序的判定。在该判定上对这些例子进行划分，然后找出两个新的判定以进一步把例子组分解。该过程继续进行直到或是平均信息量达到零或是不能发现导致平均信息量进一步下降的判定为止。

在该说明书的附件II中提出的是一个程序表，它表示当ID3图标转换到其判定树运行方式时所进行的程序。

在本发明申请书公开的范围内包括的是使用C₄程序(本身是公知的)，用来对使用ID3程序建立的判定树。进行“修剪”或精选。

显然，上述布置提供了巨大的好处。这就是，使用了这一装置用来既可收集所用数据以导出作出树的判定，又可收集作为产生解释性判定基础的数据。结果是消除了所有系统错误源，因为这两种类型的数据是在同一环境中收集的。

因此总存在一个更重要的问题，即这个可能且的确可能的问题是克服了例子集的历史数据的整修与测量的数据整修不相同。这种数据整修可以是作为各种机构，如滤波、定时、采样及触发机构等的结果出现。

事实上，通过使用同一机器(科学仪器仿真机)来收集数据并进行测量不仅避免了历史数据与实际测量数据间的差异，而且在历史数据集本身之中上述类型的变化也被消除了。

这种数据获取与测量的一致性被保证了，因为电路阵列可以存储在机器的存储器中，因此电路阵列本身、任何需要调整的图标的调整以及类似信息都可被存储在与记录数据本身同一的存储器中。用于这种数据存储的优选机构适于采用在现有技术数据库、如大家知道的VBX，OLE，dBase，Paradox及Retrieve(商标)中规定新登记项的程序。这由使用者以他自身的“知识基础”而无需任何专门动作便可作到。因此在一个时刻上作出的测量和在另一个时刻上作出的测量之间的任何差别可以被消除。

此外，实施解释性测量可以被视为包括以下两个或多个阶段：

(A)在一个或多个被称谓“时期”(“epochs”)的较早时间周期上获取的例子数据；

(B)应用分类系统建立在分类程序中固有的“专家经验”，这个分类程序最终从历史数据获得。

(C)通过对测量程序源中获取的数据实时地运用分类程序作出预测性测量。

因为上面所述的阶段A及C是在同一电路阵列中进行的，由此就具有相同的联通性并可用可重复方式操作，上述消除来自历史数据及当前测量数据两者的系统误差的优点能够实现。

此外，还可以获得另外的优点。这就是，每个作出的测量可用来向现有的历史数据集增添进一步的数据。这意味着使用该机来作出预测性或解释性测量可以增添机器的经验。这种处理工作能在当前测量的数据上或在先期存储的数据及实时(即在下一时期以前)提供的解释来实现。这样一个过程对于机器学习是基本的。所述的机器结构能够实现这一过程。

类似地，机器中的分类经验，正当一个新测量开始并记录数据时，对于应用或修改是可用的，而无需中断数据的获取。在第一种情况下，分类系统应用于新收集的数据。这是操作中的阶段C。但是，基于添加测量数据，该新获得的数据也可用来修改现有的分类程序，并从那时刻起修改的分类程序可被使用。这种使用可以是对于新数据(阶段C)或对于修改分类程序所用的最近数据(按阶段B及C的顺序)。

现在参照图6及7来描述第二实施例，该实施例涉及根据数的大小将数分成四类的一个电路。如果这个数仅是个位数，则被分类到类1，如果该数是十位数的大小，则被分类到类2，如果该数是在百位数的范围中，则被分类到类3，最后如果其大小是在几千的范围中则被分类到类4。显然，数的范围在该实施例中被限定在四位数。

分类电路200是由图6中所示的电路阵列或电路框图来仿真的。这些数本身由四个白色噪声发生器201的装置发生，每个发生器由一伪随机数发生器组成，在这些代表千位、百位及十位数的情况下，该发生器的输出连接到一个限幅器202上。由于每个白色噪声发生器201具有在长时间周期期间上取平均的平均值零，因此对于个位的白色噪音发生器连接到一个偏置电压发生器203上，以给出一个处于幅值5的中间值。

每个数发生器的输出通向两个方向。在第一个“水平”方向上，该输出经过采样及保持电路205并由此到达数字显示器206。这四个数字显示器206具有如在图7中分别以A、B、C及D指示的输出，其中显示器A代表千位及显示器D代表个位。

采样及保持电路205的输出也作为输入连接到多路转换器207，后者的输出受到ID3分类器208的操作。ID3分类的结果均被显示在数字显示器209(图7中标记为“ID3 Class”)中。此外，ID3分类器208的输出也借助于构成图7中图表输出的一个可视显示器210的装置来显示。

在图6中白色噪声发生器201上方是定时及计数电路，它确定作出测量的速率，并也确定发生参数累积的“时期”或时间周期。该电路基本上包括一个可变频率方波发生器212，一个触发电路213及一个计数器214。为了保证同步，计数器214的输出用作整个电路的触发，由计数器214允许的最大计数能通过检验框输入215确定。这确定了“时期”的长度，该时间周期在不同的应用中能在一个采样及多个采样之间变化。这样一个输入为了用在分类程序中能允许输入非采集数据。这些非采集或非测量数据可包括：病人年龄，性别，肤色，居住地；一个主供电电源的额定电压，额定频率；机器的类型，机器的年龄，润滑等级，等等。

数发生器的输出也“垂直地”通向逻辑网络218，它借助于各种逻辑门来计算一种控制或检验分类，对该分类可用ID3分类器208产生的分类与之比较。由逻辑网络218计算的分类结果可在数字显示器219上显示。该控制结果可显示在图7中标题为“ID3 class”的框中。

由逻辑网络218确定的分类及由ID3分类器确定的分类均被输入到比较电路220中，以便能计算出误差并在数字显示器221中显示。该显示出现在图7中标题“Errors”的下面。此外，借助于计数器222，所有的例子总数能显示在数字显示器223中，并也可计算百分比误差并显示在数字显示器224中。

图6电路操作的结果表示在图7中。此图代表可视显示器210的输出，此输出根据给出的级3呈现在图7中图形轨迹的左侧。四个接连的先期采样分别产生出1，3，0及2的结果。

当前采样的信息在图形或轨迹紧靠下方的框中给出。该采样是在一采样序列采样的第136个，而由白色噪声发生器201对于该具体采样产生的数具有数值205。它被ID3分类器208正确地分类成类3(即数百)该数的表示如图7中所示。但是，ID3分类器208不是完全无误差的，而且将看到在136号的采样或例子中至今已由该逻辑网络218给出百分比误差率为3.67的逻辑网络218检测出5个误差。

现在来看图8至10，本发明的一个第三实施例，在此例中现在将结合一个神经网络而不是ID3判定树进行描述。这里分类程序用于一反馈网络中，该网络用来基本恒定地维持窑300的温度，该窑接收用于烧制的物301，这些物品用传送带302传入和传出窑300。由于物品301是以不规则的距离分布在传送带302上，窑需要的热量和窑的温度将根据物品301在传送带302上的距离分布而变化。

窑300具有一个煤气燃烧器303，它的煤气由煤气供给罐304供给，该煤气罐从一煤气源(未示出)用一个可打开或关闭的进气阀305充满煤气。进气阀305是一典型的螺线管线圈操作阀。

煤气罐304中设有一个浮动臂306(虚线所示)，它操作一个液位指示器307，指示在煤气罐304中液化气的液位L。液位L在一定程度上依赖于由温度传感器308指示出的室温T1，煤气罐上也设有指示压力P的压力传感器。将煤气罐304与煤气燃烧器303相互连接的管道310包括一个用于测量传给燃烧器303的煤气流率F的流率发送器311，窑300中也设有温度传感器312，以提供指示窑300温度T2的信号。各个传感器及发送器的输出与AMLAB(注册商标)解释性测量仪313相连接，该仪器既作传感检测又控制电信号V，电信号V将确定进气阀305是开还是关。

现在参见图9，它表示产生所需反馈结果的仿真电路，其中隔离放大器315连接到每个传感器307，308，309，311及312上。一个电压参考源316用来确定被控制的窑温度。该参考电压从温度传感器312的输出中减去，以便提供一个决定窑300的温度应上升还是下降的控制信号。各种电输入连接在多路转换器317上，317的输出连接到一神经网络图标318。神经网络图标318的输出经由逻辑门319返回到多路转换器317的输入端。该信号完成反馈路径并用量化器320数字化，以便提供给进气阀305一个开关信号。

由神经网络图标318代表的神经网络概要地表示在图10中，如同一个三层感知对象，这种表示是根据Hinton及Sejnowski(1987年)的表示改编的。神经网络的输入分别由窑温度T₂(或该温度与它期望控制值的差)，导致煤气燃烧器303的管道310中气体的流率F，煤气罐304中的气压P、煤气罐304中液化气体的液位L、室温T₁及进气阀305是否打开等组成。这些信号中心每个根据预定的权W进行加权，该神经网络的输出是指示进气阀305是应该开还是闭的信号。

由以上描述的三个实施例清楚地看到有三个能应用分类程序的情况。第一种情况是在整个输入数据范围上只可能有一个结论的情况。例如，机车电动机根据电动机特性作出的具体的测量是否需更换。在此情况下，仅有一个结论且在每个期间仅有一个数据采样。

在第二种情况中，具有一组在一定时间周期上启动采样的状态。这引起对于每个事件有一个单独分类或单种例子。这些例子包括监测，譬如每15秒钟检测一个连续流，并作为监测的结果判定为该流是流通还是堵塞。另一例子可以包括检测一个泵是否仍工作及在被泵的液体中有无气穴。如果检测出气穴，则泵功率应被降低。这种情况的另一例是在第二实施例中进行的数大小的检测。

第三种类型的情况是在每个采样周期中根据分类程序作出分类。尤其是它能使分类程序使用在控制环中，第三实施例示范了这种情况。

虽然已经给出的是ID3分类程序及神经网络分类程序的详细实施例，但本发明同样可应用于另外类型的分类程序，其包括模糊逻辑，基于规则的专家系统，或对数回归。所有这些类型的分类程序可应用在连续数据流环境中，在其中将进行数据收集、分类及解释性测量。

上述这些实施例示范了本发明大大地提高了解释性仪器效率的两个特征，它们如下：

1.不同类型的数据可同时获取。此数据可以是各种采用色、图象幅值、酸度(pH)或温度。这能方便地实现，因为在一个连接牢靠的硬件结构中的所有传感器的输入被同时采样，该结构包含无通信延迟，否则会使周期的开始和结束摆动。类似地，该仪器的显示能力是这样的，即对选择的采样组在同步时间周期上以高更新率显示同步数据。一个采样组的选择可在测量开始时作出以便建立采样组。

2.具有两种处理方式，它们确定最后的输出并在已知及可重复的时间周期中完成，而不管输入状态的组合如何。其中第一种以基本采样速率操作并能实现信号处理。第二种以周期速率操作，例如执行分类程序。在包含解释性测量仪器的迭代控制系统诊断性系统中，为了系统的稳定，分类程序应足够频繁进行。周期速率通常低于采样速率。但是，周期速率及采样速率也可相同。这特别要同在“机器学习”状况时出现增加的采样组一起使用。

这样一种解释性仪器在其能力是内在地可扩展，并且如描述的多处理或结构可理想地适用这点，因为它可在IBM PC外围环境中操作，这是当今世界上最广泛使用的计算机。

上面描述的仅是本发明的某些实施例，显然，对于熟悉该技术领域的人员，在不偏离本发明的精神和范围的情况下可以作出各种改型。

Claims (20)

1.一种包含计算机装置的解释性测量仪器，该计算机装置包括一个存储装置及至少两个处理器，具有多个模拟信号输入端且有数字化装置连接到每个输入端，并形成相应数字输出的输入模数转换装置，信号操作装置，它与所述数字输出相连接以将其上数据输送到所述存储装置，并把一分类程序存储在所述存储装置中并能对所述传输数据进行操作以基于所述传输数据计算解释性结论。

2.根据权利要求1所述的仪器，其中分类程序使用存储在所述存储器中并经由所述模拟输入及信号操作装置输入其中的历史数据，对这样的数据采用同样的信号整修，根据该数据进行解释性测量，由此基本上消除了数据整修的误差。

3.根据权利要求2所述的仪器，其中所述存储装置接收所述传送数据并用该数据增补所述历史数据，由此用每次作出的测量来增加历史数据。

4.根据权利要求3所述的仪器，其中所述分类程序被存储在所述存储装置中积累的历史数据进行修改。

5.根据权利要求3或4所述的仪器，其中所述存储装置被分成时期部分，及所述传送数据根据所述传送数据产生的时刻或时间被分配到所述存储装置的不同时期部分中。

6.根据权利要求1至5中任一项所述的仪器，其中所述信号操作装置包括一个多路转换器装置，用以形成一个具有由所述数字化装置基于顺序采样数字化的数据形成的数据值的数据矢量。

7.根据权利要求1至5中任一项所述的仪器，其中所述信号操作装置包括一个多路转换装置，用以形成一个具有由同时采样被所述数字化装置数字化的数据而形成的数据值的数据矢量。

8.根据权利要求1至7中任一项所述的仪器，其中所述信号操作装置包括非测量数据输入装置，由此传送到所述存储器的数据包括不经过所述模拟信号输入端输入的数据。

9.根据权利要求1至8中任一项所述的仪器，其中所述分类程序嵌入在一个反馈和/或控制环中。

10.根据权利要求1至8中任一项所述的仪器，其中所述分类程序是从由ID3判定树及神经网络组成的组中选出的。

11.根据权利要求1至9中任一项所述的仪器，其中所述分类程序包括从由模糊逻辑，基于规则的专家系统及对数回归组成的组中选出的逻辑。

12.根据权利要求1至11中任一项所述的并包括在PCT/AU92/00076专利申请中要求保护的科学仪器仿真机的一种解释性测量仪器。

13.从一种使用如权利要求1中限定的解释性测量仪器由测得的一组参数来计算解释性结论的方法，所述方法包括下列步骤：

(1)形成一个先期测量数据的集合，每个数据包括在特定时间上测得的一组参数；

(2)对所述集合中的所述组的每个分配一个结果；

(3)产生一个使用所述集合并将其存储在仪器存储器中的分类程序；

(4)测量所述参数的一个进一步的组；及

(5)对所述一个进一步的组运用所述分类程序以产生所述解释性结论。

14.根据权利要求13所述的方法，其中步骤1及5是在同一解释性测量仪器上进行的，由此基本上消除了数据整修误差。

15.根据权利要求14所述的方法，其中在步骤4中测得的进一步的组参数被添加到在步骤1中形成的先期测量数据集合中。

16.根据权利要求15所述的方法，还包括步骤：(6)使用所述增大的集合修改所述分类程序，该被修改的分类程序被存储在仪器存储器中；及

(7)在随后的时间上，对所述一个进一步的组运用修改后的分类程序以产生一个修改的解释性结果。

17.根据权利要求13至16中任一项所述的方法，其中把先期测量数据的集合根据所述收集先期测量数据的时间或时刻分成各时期部分。

18.根据权利要求13至17中任一项所述的方法，包括将非测量数据输入所述参数组或进一步参数组的步骤。

19.根据权利要求13至18中任一项所述的方法，其中每个所述参数组包括一个具有由顺序或同时采样形成的数据值的数据矢量。

20.根据权利要求13至19中任一项所述的方法，其中所述分类程序使用从由ID3判定树，神经网络，模糊逻辑，基于规则的专家系统及对数回归组成的组中选出的逻辑。

Images