DE102018217166A1

DE102018217166A1 - Messung von physikalischen Größen eines Stoffs

Info

Publication number: DE102018217166A1
Application number: DE102018217166.1A
Authority: DE
Inventors: Thomas Engel; Alexander Michael Gigler; Clemens Otte; Tobias Paust
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2018-10-08
Filing date: 2018-10-08
Publication date: 2019-09-26

Abstract

Die Erfindung gibt Messvorrichtung zur Bestimmung einer physikalischen Zielgröße (TV) eines Stoffs (5) an. Die Messvorrichtung weist auf:- ein Messgerät (1) zur Erfassung von ersten Messwerten (M1), aus denen die physikalische Zielgröße (TV) bestimmbar ist,- eine erste Transfereinheit (3), die ausgebildet und programmiert ist, aus den ersten Messwerten (M1) zweite Messwerte (M2) zu erzeugen, die bezüglich Signalgüte und/oder Informationsgehalt gegenüber den ersten Messwerten (M1) verbessert sind,- wobei die erste Transfereinheit (3) durch einen Vergleich von mit dem Messgerät (1) erfassten Trainingsmesswerten (MT) mit mit einem Referenzmessgerät (4) erfassten Referenzmesswerten (MR) vorab trainiert wurde,- wobei die Trainingsmesswerte (MT) und die Referenzmesswerte (MR) an einer mit dem Stoff (5) vergleichbaren Referenzprobe (6) ermittelt wurden,- wobei das Referenzmessgerät (2) die Bestimmung der physikalischen Zielgröße (TV) genauer ermöglicht als das Messgerät (1),- und eine zweite Transfereinheit (4), die ausgebildet und programmiert ist, aus den zweiten Messwerten (M2) die physikalische Zielgröße (TV) zu ermitteln.Ein zugehöriges Verfahren, ein zugehöriges Computerprogrammprodukt und ein zugehöriges computerlesbares Medium werden ebenfalls angegeben.

Description

Gebiet der Erfindung
Die Erfindung betrifft eine Messvorrichtung und ein Verfahren für die Bestimmung einer physikalischen Zielgröße eines Stoffs sowie ein zugehöriges Computerprogrammprodukt und ein computerlesbares Medium.
Unter „physikalischer Zielgröße“ wird dabei eine quantitativ bestimmbare Eigenschaft eines Vorgangs oder Zustands eines zu untersuchenden Stoffs verstanden. Ihr Wert (Größenwert) wird als Produkt aus einem Zahlenwert (der Maßzahl) und einer Maßeinheit angegeben. Als (chemischer) Stoff wird ein Element, eine Verbindung oder ein Gemisch bezeichnet, der bestimmte chemische und physikalische Stoffeigenschaften hat. Chemische Stoffe werden allgemein auch als Substanzen oder Materialien (in der Technik) bezeichnet.
Hintergrund der Erfindung
Sensordaten von Messungen physikalischer Größen an Stoffen sind häufig von Rauschen und anderen physikalischen Querempfindlichkeiten „kontaminiert“ und verschmiert. Dies ist insbesondere bei Low-cost Sensoren der Fall. Qualitätseinbußen sind die Folge und resultieren in sub-optimalen Messsignalen. Zeitreihen können beispielsweise durch einen Memoryeffekt verschmiert werden und durch eine das Einkoppeln von elektromagnetischen Signalen (50Hz Brumm, Funk, Handy, etc.) überlagert sein. Außerdem können beispielsweise Spektrometerdaten durch ein Übersprechen des Messsignals zwischen benachbarten Detektorpixeln, beispielsweise durch Wärmeleitung zwischen den Pixeln, verwaschen werden, beispielsweise im Lineararray eines pyroelektrischen Detektors, dessen Messsignal auf der Detektion von Wärme in dem Sensormaterial beruht.
Bis jetzt gibt es außer Mittelungs- und Filterverfahren keine Möglichkeit, aus den kontaminierten Daten bessere Vorhersagen zu erzielen, da auch durch Mittelung und Filtern keine im Fall der Spektrometerproblematik spektrale bzw. im Fall der Zeitreihe eine zeitliche Definition gewonnen werden kann.
Im Weiteren wird auf das Spektrometerproblem Bezug genommen, aber dieser Ansatz betrifft alle möglichen und nicht zwingend lückenlosen Signalfolgen, ob spektral zeitlich oder anders generiert.
Für den Fall, dass der Grund für die Verschmierung der Daten ausreichend bekannt ist, kann evtl. eine Entfaltung eine Verbesserung erzielen. Da aber zumeist eher eine verlustbehaftete „Dilation“, also Ausschmierung, statt der mathematisch umkehrbaren Faltung von Funktionen auf Grund des Informationsverlustes bei der Messung vorliegt, ist dies nur selten bzw. nicht hinreichend möglich.
Zusammenfassung der Erfindung
Es ist Aufgabe der Erfindung, eine Lösung für die Bestimmung von physikalischen Größen eines Stoffs anzugeben, durch die die Genauigkeit der Bestimmung verbessert wird.
Gemäß der Erfindung wird die gestellte Aufgabe mit der Messvorrichtung, dem automatisierten Messverfahren, dem Computerprogrammprodukt und dem computerlesbaren Medium gemäß der unabhängigen Patentansprüche gelöst. Vorteilhafte Weiterbildungen sind in den abhängigen Ansprüchen angegeben.
Erfindungsgemäß wird mittels einer Messvorrichtung oder eines Messverfahrens aus qualitativ schlechten Messdaten eines Stoffs durch eine Transformation mittles einer ersten Transfereinheit qualitativ verbesserte Messdaten erzeugt, die ein Maß für eine Zielgröße des Stoffs sind. Dabei wird die erste Transfereinheit vorab durch Vergleich von Referenzmessdaten mit Messdaten an einer mit dem Stoff vergleichbaren Probe trainiert.
Die Erfindung beansprucht eine Messvorrichtung zur Bestimmung einer physikalischen Zielgröße eines Stoffs, aufweisend:

- ein Messgerät zur Erfassung von ersten Messwerten, aus denen die physikalische Zielgröße bestimmbar ist,
- eine erste Transfereinheit, die aus den ersten Messwerten zweite Messwerte erzeuget, die bezüglich Signalgüte und/oder Informationsgehalt gegenüber den ersten Messwerten verbessert sind,
- - wobei die erste Transfereinheit durch einen Vergleich von mit dem Messgerät erfassten Trainingsmesswerten mit mit einem Referenzmessgerät erfassten Referenzmesswerten vorab trainiert wurde,
- - wobei die Trainingsmesswerte und die Referenzmesswerte an einer mit dem Stoff vergleichbaren Referenzprobe ermittelt wurden,
- - wobei das Referenzmessgerät die Bestimmung der physikalischen Zielgröße genauer ermöglicht als das Messgerät,
- und eine zweite Transfereinheit, die aus den zweiten Messwerten die physikalische Zielgröße ermittelt.

Die Erfindung bietet den Vorteil, dass für eine Messung kostengünstige, einfache Messgeräte zum Einsatz können und die Messgenauigkeit trotzdem ähnlich einem hochwertigen Messgerät ist.
In einer Weiterbildung kann die erste Transfereinheit mittels einer Partial Least Squares Regresseion aus den ersten Messwerten die zweiten Messwerte erzeugen.
In einer weiteren Ausführungsform kann die erste Transfereinheit mittels eines neuronalen Netzes aus den ersten Messwerten die zweiten Messwerte erzeugen.
In einer weiteren Ausgestaltung können das Messgerät und das Referenzmessgerät Spektrometer sein.
Die Erfindung beansprucht auch ein Verfahren zur Bestimmung einer physikalischen Zielgröße eines Stoffs mit den Schritten:

- Erfassung von ersten Messwerten durch ein Messgerät, aus denen die Zielgröße bestimmbar ist,
- aus den ersten Messwerten Erzeugung von zweiten Messwerten, die bezüglich Signalgüte und/oder Informationsgehalt gegenüber den ersten Messwerten verbessert sind, durch eine erste Transfereinheit,
- - wobei die erste Transfereinheit durch einen Vergleich von mit dem Messgerät erfassten Trainingsmesswerten mit mit einem Referenzmessgerät erfassten Referenzmesswerten vorab trainiert wurde,
- - wobei die Trainingsmesswerte und die Referenzmesswerte an einer mit dem Stoff vergleichbaren Referenzprobe ermittelt wurden, und
- - wobei das Referenzmessgerät die Bestimmung der physikalischen Zielgröße genauer ermöglicht als das Messgerät,
- und Ermittlung der physikalischen Zielgröße aus den zweiten Messwerten.

In einer Weiterbildung können durch die erste Transfereinheit mittels einer Partial Least Squares Regresseion aus den ersten Messwerten die zweiten Messwerte erzeugt werden.
In einer Weiterbildung können durch die erste Transfereinheit mittels eines neuronalen Netzes aus den ersten Messwerten die zweiten Messwerte erzeugt werden.
Die Erfindung beansprucht auch ein Computerprogrammprodukt, umfassend ein Computerprogramm, wobei das Computerprogramm in eine Speichereinrichtung einer Messvorrichtung ladbar ist, wobei mit dem Computerprogramm die Schritte eines erfindungsgemäßen Verfahrens ausgeführt werden, wenn das Computerprogramm auf der Messvorrichtung ausgeführt wird.
Die Erfindung beansprucht außerdem ein computerlesbares Medium, auf welchem ein Computerprogramm gespeichert ist, wobei das Computerprogramm in eine Speichereinrichtung einer Messvorrichtung ladbar ist, wobei mit dem Computerprogramm die Schritte eines erfindungsgemäßen Verfahrens ausgeführt werden, wenn das Computerprogramm auf der Messvorrichtung ausgeführt wird.
Weitere Besonderheiten und Vorteile der Erfindung werden aus den nachfolgenden Erläuterungen mehrerer Ausführungsbeispiele anhand von schematischen Zeichnungen ersichtlich.
Es zeigen:

1: ein Blockschaltbild einer Messvorrichtung und
2: ein Blockschaltbild einer Vorrichtung für das Training der ersten Transfereinheit und

Detaillierte Beschreibung mehrerer Ausführungsbeispiele
Ausgehend von einer sub-optimalen Datenbasis (= erste Messwerte M1) sollen beispielsweise für eine industrielle Nutzung von Sensorsystemen robuste statistische Vorhersagemodelle angefertigt werden. Diese Modelle wiederum beruhen auf dem Training einer Korrelation ausgehend von Datenreihen (= Trainingsmesswerte MT) auf Zielparameter (= Zielgröße TV) hin. In der Trainingsphase werden gleichzeitig Daten (= Referenzmesswerte MR) an einem oder mehreren Referenzsystemen aufgenommen, die - am Beispiel einer Spektroskopie - eine bessere Signaldefinition, wie z.B. Signal-Rausch-Verhalten, und verbesserte Signalauflösung, wie z.B. Pixel pro Wellenlänge, aufweisen.
Wird nun ein Modell auf Basis der am Referenzsystem (= Referenzmessgerät 2) gemessenen Daten (= Referenzmesswerte MR) angefertigt und die Performance der Vorhersage mit den auf Low-cost Systemen (= Messgerät 1) trainierten Modellen verglichen, so wird das Referenzsystem den Vergleich für sich entscheiden. Das Problem ist, dass die Datenbasis auf stark „kontaminierten“ Informationen beruht.
Statistische Vorhersageverfahren sind nicht zwingend auf die Vorhersage eines einzelnen Werts pro Input-Datensatz limitiert und können auch simultan mehrere Parameter bzw. Werte vorhersagen. Gesetzt den Fall, dass im Training eines solchen statistischen Vorhersagemodells sowohl die qualitativ hochwertigen Spektren S (= Referenzmesswerte MR, z.B. von einem hochwertigen Spektrometer) als auch die qualitativ suboptimalen, da verschmierten, Datensätze S' (= erste Messwerte M1, z.B. von einem Low-Cost Spektrometer) als auch die Zielparameter Y (= Zielgröße TV) vorliegen, wird zunächst eine Abbildung von der kontaminierten Menge S' auf die optimale Menge S unter Beachtung der Zugehörigkeit zu einem bestimmten Zielparameter Y durchgeführt. Hierbei erlernt das Vorhersagemodell die S' Datensätze in ihrer Datenqualität in Richtung S zu korrigieren. Die dabei erlernte Transferfunktion einer ersten Transfereinheit 3 dient dem späteren Vorhersagemodell als Vorfilter.
Ist ein technisches Zusatzwissen über die (mögliche Ursache der/charakteristischen Eigenschaften der) Verschmierung bekannt, so kann dieses zusätzlich als Information für die Abbildung zwischen S' und S genutzt werden.
Als Algorithmen können beispielsweise folgende verwendet werden:
Partial Least Squares Regression
Hierbei wird ein Satz aus Matrizen so konditioniert, dass die Information in möglichst wenigen Datendimensionen (latente Variablen) generalisiert abgebildet werden kann. Wird eine zu hohe Anzahl latenter Variablen im Training verwendet, so kann es anstatt zur Generalisierung zum Auswendiglernen kommen, d.h. der Algorithmus erkennt nur die bekannte Kurve wieder und hat in den Matrizen im Wesentlichen die qualitativ hochwertigere Kurve abgelegt. Letzterer Fall hilft nicht weiter. Die Kunst der Datenmodellierung liegt hierbei in der robusten Optimierung der Vorhersagemodelle.
Encoder-basierte neuronale Netze
Die Abbildung von S' nach S kann über ein neuronales Netz (z.B. ein Mehrschichtenperceptron oder ein Convolutional Neural Network) gelernt werden. Typisch ist hierbei, dass die Datensätze aus S' zunächst durch eine zwischengeschaltete Dimensionsreduktion (Codierung) generalisiert und dann wieder auf den Zielraum S abgebildet werden Es entstehen auch hier wiederum Parametersätze, die auf folgende Daten aus S' als Vorfilter angewendet werden, um die Qualität der Daten zu verbessern.
Konkret wird also statt der Abbildung S' auf Y der „Umweg“ S' auf S auf Y gelernt. Vorteilhaft kann dies beispielsweise sein, wenn die Zielwerte Y nur für relativ wenige Proben bekannt sind. Dies ist in der Praxis häufig der Fall, da die Zielwerte in der Regel über Labortests einzeln bestimmt werden müssen (kostenintensiv!).
Im Gegensatz dazu kann die Abbildung S' auf S anhand von vielen Messungspaaren gelernt werden. Bei diesem Lernschritt muss Y nicht bekannt sein. Das heißt, es werden eine Vielzahl von Proben gemessen, jeweils mit dem einfachen Sensor (= Messgerät 1, Ergebnis S') und dem hochwertigen Sensor (= Referenzmessgerät 2, Ergebnis S), wobei die Zielwerte Y der Proben nicht notwendigerweise bekannt sein müssen.
Das Ziel besteht zunächst darin, die Datenqualität der Signale S' der Low-Cost Sensoren zu verbessern, um dann mit dem vorhergesagten („rekonstruierten“) Signal S den Zielwert Y zu bestimmen. Letzteres kann mit einem konventionellen Prädiktionsmodell in einer zweiten Transfereinheit 4 erfolgen, das auf Paaren von (S, Y) trainiert wird. Entsprechende Modelle sind bekannt (z.B. PLS, neuronale Netze, Gaußprozesse, etc.).
Die Vorteile der erfindungsgemäßen Messvorrichtung bzw. des erfindungsgemäßen Verfahrens sind:

- Messdaten der Qualität S' können über ein Training des Vorfilter-Parametersatzes verbessert werden.
- Codierungschritt und Datenreduktion: Messdaten werden näher an die State-of-the-Art Messtechnik - zumindest für die betrachtete Messaufgabe - herangeführt.
- Algorithmen, die für die Generalisierung von Prädiktoren gemacht sind und daher interpolierend wirken, werden genutzt, um Transferfunktionen zu erlernen.
- Vorhersagemodelle auf Basis der optimierten Datensätze liefern verlässlichere Vorhersagen.
- Low-cost Messysteme können trotz ihrer physikalischen Einschränkungen im Rahmen der Möglichkeiten bessere Daten und somit Aussagen liefern.
- Ein komplettes „Durchtrainieren“ eines kompakten Vorhersagemodells S' -> Y, nicht über das unmittelbare Trainieren mit einer Ground Truth sondern über Kombination des trainierten qualitativ hochwertigen Modells von S -> Y ist möglich, wobei es dann nur vergleichsweise wenige Referenzdaten zum Lernen/Trainieren braucht und dem getrennten Lernen der Adaption der Gerätefunktionen an rein vergleichenden Messungen S' und S an gleichen Proben, zu denen es keine „ground truth“ geben muss.

1 zeigt ein vereinfachtes Blockschaltbild einer Messvorrichtung zur Bestimmung einer physikalischen Zielgröße TV, beispielsweise zu erwartende Lebensdauer, eines zu untersuchenden Stoffs 5, beispielsweise eines Öls. Mit Hilfe des Messgeräts 1, beispielsweise ein Low-cost Spektrometer, werden erste Messwerte M1, wie wellenzahlabhängige Absorptionen, ermittelt.
Aus den ersten Messwerten M1 werden durch die erste Transfereinheit 3 zweite Messwerte M2 erzeugt, die bezüglich ihrer Signalgüte und/oder ihres Informationsgehalts gegenüber den ersten Messwerten M1 verbessert sind. Dadurch kann beispielsweise ein starkes Rauschen oder eine geringe Auflösung des Messgeräts 1 ausgeglichen werden.
Aus den zweiten Messwerten M2 wird durch die zweite Transfereinheit 4 die physikalische Zielgröße TV ermittelt. Dies ist ein bekannter Vorgang aus dem Stand der Technik. Beispielsweise lässt eine Trübung des Öls bei bestimmten Wellenzahlen auf eine noch zu erwartende Lebensdauer (= Einsatzfähigkeit) des Öls in Transformatoren schließen. Die physikalische Zielgröße TV kann beispielsweise an einer Anzeigeeinheit 7 ausgegeben werden.
Die erste Transfereinheit 3 wird mit einer Vorrichtung nach 2 trainiert. 2 zeigt ein vereinfachtes Blockschaltbild mit dem Messgerät 1 und einem Referenzmessgerät 2, beispielsweise ein High-end Spektrometer. Mit beiden wird eine Referenzprobe 6 untersucht, wobei die Referenzprobe 6 dem Stoff 5 ähnlich ist.
Die ermittelten Trainingsmesswerte MT des Messgeräts 1 und die ermittelten Referenzmesswerte MR des Referenzmessgeräts 2 werden in einer Auswerteeinheit 8, wie weiter oben beschrieben, analysiert und daraus ein Filtermodell (= Transferfunktion) für die erste Transfereinheit 3 erzeugt.
Obwohl die Erfindung im Detail durch die Ausführungsbeispiele näher illustriert und beschrieben wurde, ist die Erfindung durch die offenbarten Beispiele nicht eingeschränkt und andere Variationen können vom Fachmann daraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.

Claims

Messvorrichtung zur Bestimmung einer physikalischen Zielgröße (TV) eines Stoffs (5), gekennzeichnet durch: - ein Messgerät (1) zur Erfassung von ersten Messwerten (M1), aus denen die physikalische Zielgröße (TV) bestimmbar ist, - eine erste Transfereinheit (3), die ausgebildet und programmiert ist, aus den ersten Messwerten (M1) zweite Messwerte (M2) zu erzeugen, die bezüglich Signalgüte und/oder Informationsgehalt gegenüber den ersten Messwerten (M1) verbessert sind, - wobei die erste Transfereinheit (3) durch einen Vergleich von mit dem Messgerät (1) erfassten Trainingsmesswerten (MT) mit mit einem Referenzmessgerät (4) erfassten Referenzmesswerten (MR) vorab trainiert wurde, - wobei die Trainingsmesswerte (MT) und die Referenzmesswerte (MR) an einer mit dem Stoff (5) vergleichbaren Referenzprobe (6) ermittelt wurden, - wobei das Referenzmessgerät (2) die Bestimmung der physikalischen Zielgröße (TV) genauer ermöglicht als das Messgerät (1), - und eine zweite Transfereinheit (4), die ausgebildet und programmiert ist, aus den zweiten Messwerten (M2) die physikalische Zielgröße (TV) zu ermitteln.
Messvorrichtung nach Anspruch 1, dadurch gekennzeichnet, dass die erste Transfereinheit (3) ausgebildet und programmiert ist, mittels einer Partial Least Squares Regresseion aus den ersten Messwerten (M1) die zweiten Messwerte (M2) zu erzeugen.
Messvorrichtung nach Anspruch 1, dadurch gekennzeichnet, dass die erste Transfereinheit (3) ausgebildet und programmiert ist, mittels eines neuronalen Netzes aus den ersten Messwerten (M1) die zweiten Messwerte (M2) zu erzeugen.
Messvorrichtung nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Messgerät (1) und das Referenzmessgerät (2) Spektrometer sind.
Verfahren zur Bestimmung einer physikalischen Zielgröße (TV) eines Stoffs, gekennzeichnet durch: - Erfassung von ersten Messwerten (M1) durch ein Messgerät (1), aus denen die Zielgröße (TV) bestimmbar ist, - aus den ersten Messwerten (M1) Erzeugung von zweiten Messwerten (M2), die bezüglich Signalgüte und/oder Informationsgehalt gegenüber den ersten Messwerten (M1) verbessert sind, durch eine erste Transfereinheit (3), - wobei die erste Transfereinheit (3) durch einen Vergleich von mit dem Messgerät (1) erfassten Trainingsmesswerten (MT) mit mit einem Referenzmessgerät (2) erfassten Referenzmesswerten (MR) vorab trainiert wurde, - wobei die Trainingsmesswerte (MT) und die Referenzmesswerte (MR) an einer mit dem Stoff vergleichbaren Referenzprobe (6) ermittelt wurden, und - wobei das Referenzmessgerät (2) die Bestimmung der physikalischen Zielgröße (TV) genauer ermöglicht als das Messgerät (1), - und Ermittlung der physikalischen Zielgröße (TV) aus den zweiten Messwerten (M2).
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass durch die erste Transfereinheit (3) mittels einer Partial Least Squares Regresseion aus den ersten Messwerten (M1) die zweiten Messwerte (M2) erzeugt werden.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass durch die erste Transfereinheit (3) mittels eines neuronalen Netzes aus den ersten Messwerten (M1) die zweiten Messwerte (M2) erzeugt werden.
Computerprogrammprodukt, umfassend ein Computerprogramm, wobei das Computerprogramm in eine Speichereinrichtung einer Messvorrichtung ladbar ist, wobei mit dem Computerprogramm die Schritte eines Verfahrens nach einem der Ansprüche 5 bis 7 ausgeführt werden, wenn das Computerprogramm auf der Messvorrichtung ausgeführt wird.
Computerlesbares Medium, auf welchem ein Computerprogramm gespeichert ist, wobei das Computerprogramm in eine Speichereinrichtung einer Messvorrichtung ladbar ist, wobei mit dem Computerprogramm die Schritte eines Verfahrens nach einem der Ansprüche 5 bis 7 ausgeführt werden, wenn das Computerprogramm auf der Messvorrichtung ausgeführt wird.