RU2013142338A - Организация системы управления в режиме реального времени - Google Patents
Организация системы управления в режиме реального времени Download PDFInfo
- Publication number
- RU2013142338A RU2013142338A RU2013142338/08A RU2013142338A RU2013142338A RU 2013142338 A RU2013142338 A RU 2013142338A RU 2013142338/08 A RU2013142338/08 A RU 2013142338/08A RU 2013142338 A RU2013142338 A RU 2013142338A RU 2013142338 A RU2013142338 A RU 2013142338A
- Authority
- RU
- Russia
- Prior art keywords
- control system
- specified
- processing device
- parameter
- embedded control
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0751—Error or fault detection not based on redundancy
- G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0736—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
1. Основанный на применении компьютера способ отслеживания поведения и обнаружения аномалий встроенных систем управления в режиме реального времени, согласно которому:создают поведенческую обучающую последовательность для встроенной системы управления, причем поведенческая обучающая последовательность соотносит входные сигналы в указанную встроенную систему управления с выходными сигналами из нее во время обучающего процесса для определения поведенческих характерных признаков для указанной встроенной системы управления;отслеживают входные сигналы в указанную встроенную систему управления и выходные сигналы из нее в режиме реального времени во время работы указанной встроенной системы управления исоздают тревожный сигнал, когда по меньшей мере один из входных сигналов в указанную встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, представляет аномалию.2. Способ по п.1, в котором создание поведенческой обучающей последовательности для встроенной системы управления включает настройку указанной поведенческой обучающей последовательности с использованием по меньшей мере одного параметра.3. Способ по п.2, в котором указанный по меньшей мере один параметр выбран из группы параметров, содержащей:параметр размера резервуара, который задает количество узлов внутри сети на основе вычислительного резервуара;параметр входного масштабирования, который взвешивает атрибуты входных сигналов, поступающих во встроенную систему управления;параметр масштабирования выходного сигнала обратной связи, который задает величину сигнала обратной св�
Claims (20)
1. Основанный на применении компьютера способ отслеживания поведения и обнаружения аномалий встроенных систем управления в режиме реального времени, согласно которому:
создают поведенческую обучающую последовательность для встроенной системы управления, причем поведенческая обучающая последовательность соотносит входные сигналы в указанную встроенную систему управления с выходными сигналами из нее во время обучающего процесса для определения поведенческих характерных признаков для указанной встроенной системы управления;
отслеживают входные сигналы в указанную встроенную систему управления и выходные сигналы из нее в режиме реального времени во время работы указанной встроенной системы управления и
создают тревожный сигнал, когда по меньшей мере один из входных сигналов в указанную встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, представляет аномалию.
2. Способ по п.1, в котором создание поведенческой обучающей последовательности для встроенной системы управления включает настройку указанной поведенческой обучающей последовательности с использованием по меньшей мере одного параметра.
3. Способ по п.2, в котором указанный по меньшей мере один параметр выбран из группы параметров, содержащей:
параметр размера резервуара, который задает количество узлов внутри сети на основе вычислительного резервуара;
параметр входного масштабирования, который взвешивает атрибуты входных сигналов, поступающих во встроенную систему управления;
параметр масштабирования выходного сигнала обратной связи, который задает величину сигнала обратной связи для сети на основе вычислительного резервуара;
параметр весовой матрицы резервуара, который управляет по меньшей мере одним импульсным откликом в сети на основе вычислительного резервуара;
параметр скорости рассеяния, который управляет чувствительностью сети на основе вычислительного резервуара к помехонасыщенному поведению и поведению, искаженному по времени; и
параметр масштабирования помех, который управляет по меньшей мере одним интегратором помех в сети на основе вычислительного резервуара.
4. Способ по п.1, в котором создание тревожного сигнала, когда по меньшей мере один из выходных сигналов, собранных из встроенной системы управления в режиме реального времени, представляет аномалию, включает:
сравнивание указанного по меньшей мере одного из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, по меньшей мере с одним выходным сигналом, собранным во время обучающего процесса; и
характеризуют указанный по меньшей мере один из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, как аномалию, когда расхождение между указанными по меньшей мере одним выходным сигналом, собранным из встроенной системы управления во время работы в режиме реального времени, и по меньшей мере одним выходным сигналом, собранным во время обучающего процесса, превышает пороговое значение.
5. Способ по п.4, дополнительно включающий определение степени критичности указанной аномалии.
6. Способ по п.1, дополнительно включающий выпуск указанного тревожного сигнала по меньшей мере в одно приложение, связанное с указанной встроенной системой управления.
7. Способ по п.6, дополнительно включающий:
сохранение указанного по меньшей мере одного из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, в запоминающем устройстве; и
обновление поведенческой обучающей последовательности, используя указанный по меньшей мере один из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, в запоминающем устройстве.
8. Основанная на применении компьютера система для отслеживания поведения и обнаружения аномалий встроенной системы управления в режиме реального времени, содержащая:
обрабатывающее устройство и
логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности:
создания поведенческой обучающей последовательности для встроенной системы управления, причем поведенческая обучающая последовательность соотносит входные сигналы в указанную встроенную систему управления с выходными сигналами из нее во время обучающего процесса для определения поведенческих характерных признаков для указанной встроенной системы управления;
отслеживания входных сигналов в указанную встроенную систему управления и выходных сигналов из нее в режиме реального времени во время работы указанной встроенной системы управления и
создания тревожного сигнала, когда по меньшей мере один из входных сигналов в указанную встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, представляет аномалию.
9. Система по п.8, дополнительно содержащая логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности настройки поведенческой обучающей последовательности с использованием по меньшей мере одного параметра.
10. Система по п.9, в которой указанный по меньшей мере один параметр выбран из группы параметров, содержащей:
параметр размера резервуара, который задает количество узлов внутри сети на основе вычислительного резервуара;
параметр входного масштабирования, который взвешивает входные атрибуты для встроенной системы управления;
параметр масштабирования выходного сигнала обратной связи, который задает величину сигнала обратной связи для сети на основе вычислительного резервуара;
параметр весовой матрицы резервуара, который управляет по меньшей мере одним импульсным откликом в сети на основе вычислительного резервуара;
параметр скорости рассеяния, который управляет чувствительностью сети на основе вычислительного резервуара к помехонасыщенному поведению и поведению, искаженному по времени; и
параметр масштабирования помех, который управляет по меньшей мере одним интегратором помех в сети на основе вычислительного резервуара.
11. Система по п.8, дополнительно содержащая логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности:
сравнивания указанного по меньшей мере одного из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, по меньшей мере с одним выходным сигналом, собранным во время обучающего процесса; и
охарактеризования указанного по меньшей мере одного из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, как аномалии, когда расхождение между указанными по меньшей мере одним выходным сигналом, собранным из встроенной системы управления во время работы в режиме реального времени, и по меньшей мере одним выходным сигналом, собранным во время обучающего процесса, превышает пороговое значение.
12. Система по п.11, дополнительно содержащая логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности определения степени критичности указанной аномалии.
13. Система по п.8, дополнительно содержащая логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности выпуска тревожного сигнала по меньшей мере в одно приложение, связанное с указанной встроенной системой управления.
14. Система по п.8, дополнительно содержащая логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности:
сохранения указанного по меньшей мере одного из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, в запоминающем устройстве; и
обновления поведенческой обучающей последовательности, используя указанный по меньшей мере один из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, в запоминающем устройстве.
15. Компьютерный программный продукт, содержащий логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности:
создания поведенческой обучающей последовательности для встроенной системы управления, причем поведенческая обучающая последовательность связывает входные сигналы в указанную встроенную систему управления с выходными сигналами из нее во время обучающего процесса для определения поведенческих характерных признаков для указанной встроенной системы управления;
отслеживания входных сигналов в указанную встроенную систему управления и выходных сигналов из нее в режиме реального времени во время работы указанной встроенной системы управления и
создания тревожного сигнала, когда по меньшей мере один из входных сигналов в указанную встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, представляют аномалию.
16. Компьютерный программный продукт по п.15, дополнительно содержащий логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности настройки поведенческой обучающей последовательности с использованием по меньшей мере одного параметра.
17. Компьютерный программный продукт по п.16, в котором указанный по меньшей мере один параметр выбран из группы параметров, содержащей:
параметр размера резервуара, который задает количество узлов внутри сети на основе вычислительного резервуара;
параметр входного масштабирования, который взвешивает входные атрибуты для встроенной системы управления;
параметр масштабирования выходного сигнала обратной связи, который задает величину сигнала обратной связи для сети на основе вычислительного резервуара;
параметр весовой матрицы резервуара, который управляет по меньшей мере одним импульсным откликом в сети на основе вычислительного резервуара;
параметр скорости рассеяния, который управляет чувствительностью сети на основе вычислительного резервуара к помехонасыщенному поведению и поведению, искаженному по времени; и
параметр масштабирования помех, который управляет по меньшей мере одним интегратором помех в сети на основе вычислительного резервуара.
18. Компьютерный программный продукт по п.15, дополнительно содержащий логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности:
сравнивания указанного по меньшей мере одного из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, по меньшей мере с одним выходным сигналом, собранным во время обучающего процесса; и
охарактеризования указанного по меньшей мере одного из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, как аномалии, когда расхождение между указанными по меньшей мере одним выходным сигналом, собранным из встроенной системы управления во время работы в режиме реального времени, и по меньшей мере одним выходным сигналом, собранным во время обучающего процесса, превышает пороговое значение.
19. Компьютерный программный продукт по п.18, дополнительно содержащий логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности определения степени критичности указанной аномалии.
20. Компьютерный программный продукт по п.18, дополнительно содержащий логические инструкции, хранящиеся на материальном носителе, читаемом с помощью компьютера и соединенном с обрабатывающим устройством, которые при выполнении их указанным обрабатывающим устройством конфигурируют его с обеспечением возможности:
сохранения указанного по меньшей мере одного из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, в запоминающем устройстве; и
обновления поведенческой обучающей последовательности, используя указанный по меньшей мере один из входных сигналов во встроенную систему управления или выходных сигналов, собранных из нее во время работы в режиме реального времени, в запоминающем устройстве.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/657,440 US20140114442A1 (en) | 2012-10-22 | 2012-10-22 | Real time control system management |
US13/657,440 | 2012-10-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2013142338A true RU2013142338A (ru) | 2015-03-27 |
RU2658392C2 RU2658392C2 (ru) | 2018-06-21 |
Family
ID=49382187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2013142338A RU2658392C2 (ru) | 2012-10-22 | 2013-09-17 | Организация системы управления в режиме реального времени |
Country Status (5)
Country | Link |
---|---|
US (1) | US20140114442A1 (ru) |
EP (1) | EP2722762A3 (ru) |
JP (1) | JP6305004B2 (ru) |
CN (1) | CN103777623A (ru) |
RU (1) | RU2658392C2 (ru) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9472084B1 (en) * | 2014-03-12 | 2016-10-18 | Ca, Inc. | Alarm notification based on detecting anomalies in big data |
CN104281512A (zh) * | 2014-10-31 | 2015-01-14 | 成都众易通科技有限公司 | 一种服务器智能机箱系统 |
US9766818B2 (en) * | 2014-12-31 | 2017-09-19 | Samsung Electronics Co., Ltd. | Electronic system with learning mechanism and method of operation thereof |
SE542513C2 (en) * | 2015-12-15 | 2020-05-26 | Saab Ab | A method for authenticating software |
CN106126409B (zh) * | 2016-07-01 | 2018-11-23 | 浪潮(北京)电子信息产业有限公司 | 一种实时监控oracle单块读延迟的方法及装置 |
US10204226B2 (en) * | 2016-12-07 | 2019-02-12 | General Electric Company | Feature and boundary tuning for threat detection in industrial asset control system |
JP6907014B2 (ja) | 2017-04-25 | 2021-07-21 | 三菱重工業株式会社 | 管理監視システム |
US10921422B2 (en) * | 2017-10-25 | 2021-02-16 | The Boeing Company | Below-noise after transmit (BAT) Chirp Radar |
JP7044117B2 (ja) * | 2018-01-09 | 2022-03-30 | 日本電信電話株式会社 | モデル学習装置、モデル学習方法、及びプログラム |
JP6977686B2 (ja) * | 2018-08-06 | 2021-12-08 | オムロン株式会社 | 制御システムおよび制御装置 |
JP7282195B2 (ja) * | 2019-03-05 | 2023-05-26 | シーメンス インダストリー ソフトウェア インコーポレイテッド | 組み込みソフトウェアアプリケーションのための機械学習ベースの異常検出 |
RU2716389C1 (ru) * | 2019-03-26 | 2020-03-11 | Акционерное общество "Информационные спутниковые системы имени академика М.Ф. Решетнёва" | Способ построения вычислительного процесса испытаний аппаратуры с мультиинтерфейсным взаимодействием |
US11455500B2 (en) | 2019-12-19 | 2022-09-27 | Insitu, Inc. | Automatic classifier profiles from training set metadata |
CN115004196A (zh) * | 2020-03-26 | 2022-09-02 | Tdk株式会社 | 参数的设定方法和储备池元件的控制方法 |
US11157267B1 (en) * | 2020-09-09 | 2021-10-26 | International Business Machines Corporation | Evaluation of dynamic relationships between application components |
US11729195B1 (en) | 2022-09-15 | 2023-08-15 | Cyviation Ltd | Computerized-system and computerized-method for detecting cyber-attacks on avionic communications of an airborne computerized-device |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04363705A (ja) * | 1991-01-22 | 1992-12-16 | Jgc Corp | ニューラルネットワークによるサーボ系の異常診断 方法及び装置 |
US5365723A (en) * | 1991-04-16 | 1994-11-22 | Ramos Enrique A | Portable baggage wrapping apparatus |
US5568377A (en) * | 1992-10-29 | 1996-10-22 | Johnson Service Company | Fast automatic tuning of a feedback controller |
US5980096A (en) * | 1995-01-17 | 1999-11-09 | Intertech Ventures, Ltd. | Computer-based system, methods and graphical interface for information storage, modeling and stimulation of complex systems |
JPH11324782A (ja) * | 1998-05-14 | 1999-11-26 | Yamaha Motor Co Ltd | 内燃機関の空燃比制御装置における学習方法 |
US6597777B1 (en) * | 1999-06-29 | 2003-07-22 | Lucent Technologies Inc. | Method and apparatus for detecting service anomalies in transaction-oriented networks |
US6853921B2 (en) * | 1999-07-20 | 2005-02-08 | Halliburton Energy Services, Inc. | System and method for real time reservoir management |
US7346929B1 (en) * | 1999-07-29 | 2008-03-18 | International Business Machines Corporation | Method and apparatus for auditing network security |
US6742124B1 (en) * | 2000-05-08 | 2004-05-25 | Networks Associates Technology, Inc. | Sequence-based anomaly detection using a distance matrix |
US6622099B2 (en) * | 2000-08-14 | 2003-09-16 | Kollmorgen Corporation | Frequency domain auto-tune for an internal motor controller |
US6772036B2 (en) * | 2001-08-30 | 2004-08-03 | Fisher-Rosemount Systems, Inc. | Control system using process model |
JP4018374B2 (ja) * | 2001-11-21 | 2007-12-05 | 株式会社山武 | 空気調和機の異常検出装置、異常検出方法及びプログラム |
US7472413B1 (en) * | 2003-08-11 | 2008-12-30 | F5 Networks, Inc. | Security for WAP servers |
US7426498B2 (en) * | 2004-07-27 | 2008-09-16 | International Business Machines Corporation | Method and apparatus for autonomous classification |
JP4652741B2 (ja) * | 2004-08-02 | 2011-03-16 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 異常検出装置、異常検出方法、異常検出プログラム、及び記録媒体 |
US20070028219A1 (en) * | 2004-10-15 | 2007-02-01 | Miller William L | Method and system for anomaly detection |
US20070028220A1 (en) * | 2004-10-15 | 2007-02-01 | Xerox Corporation | Fault detection and root cause identification in complex systems |
US8051484B2 (en) * | 2005-06-14 | 2011-11-01 | Imperva, Inc. | Method and security system for indentifying and blocking web attacks by enforcing read-only parameters |
US7590481B2 (en) * | 2005-09-19 | 2009-09-15 | Ford Global Technologies, Llc | Integrated vehicle control system using dynamically determined vehicle conditions |
US7962403B2 (en) * | 2006-03-16 | 2011-06-14 | Sungard Avantgard Llc | Method and apparatus for a model assessing debtor behavior |
JP2007334554A (ja) * | 2006-06-14 | 2007-12-27 | Nissan Motor Co Ltd | 障害物検出装置および障害物検出方法 |
US8713190B1 (en) * | 2006-09-08 | 2014-04-29 | At&T Intellectual Property Ii, L.P. | Method and apparatus for performing real time anomaly detection |
US20080270328A1 (en) * | 2006-10-18 | 2008-10-30 | Chad Lafferty | Building and Using Intelligent Software Agents For Optimizing Oil And Gas Wells |
US20090138415A1 (en) * | 2007-11-02 | 2009-05-28 | James Justin Lancaster | Automated research systems and methods for researching systems |
RU2355024C2 (ru) * | 2007-02-12 | 2009-05-10 | ВОЕННАЯ АКАДЕМИЯ СВЯЗИ имени С.М. Буденного | Способ мониторинга безопасности автоматизированных систем |
US20090049547A1 (en) * | 2007-08-13 | 2009-02-19 | Yuan Fan | System for real-time intrusion detection of SQL injection web attacks |
US20090187344A1 (en) * | 2008-01-19 | 2009-07-23 | Brancaccio Daniel S | System, Method, and Computer Program Product for Analyzing Power Grid Data |
FR2939170B1 (fr) * | 2008-11-28 | 2010-12-31 | Snecma | Detection d'anomalie dans un moteur d'aeronef. |
US8146429B2 (en) * | 2009-08-03 | 2012-04-03 | Georgia Tech Research Corporation | Methods and systems for classifying the type and severity of defects in welds |
US8676721B2 (en) * | 2009-09-18 | 2014-03-18 | Apo Offshore, Inc. | Method, system and apparatus for intelligent management of oil and gas platform surface equipment |
US8478548B2 (en) * | 2010-01-15 | 2013-07-02 | Fluke Corporation | User interface system and method for diagnosing a rotating machine condition not based upon prior measurement history |
US8322658B2 (en) * | 2010-04-05 | 2012-12-04 | The Boeing Company | Automated fire and smoke detection, isolation, and recovery |
-
2012
- 2012-10-22 US US13/657,440 patent/US20140114442A1/en not_active Abandoned
-
2013
- 2013-08-28 EP EP13181956.7A patent/EP2722762A3/en not_active Withdrawn
- 2013-09-17 RU RU2013142338A patent/RU2658392C2/ru active
- 2013-10-16 JP JP2013215661A patent/JP6305004B2/ja active Active
- 2013-10-21 CN CN201310495006.6A patent/CN103777623A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
JP6305004B2 (ja) | 2018-04-04 |
CN103777623A (zh) | 2014-05-07 |
EP2722762A2 (en) | 2014-04-23 |
JP2014096145A (ja) | 2014-05-22 |
RU2658392C2 (ru) | 2018-06-21 |
US20140114442A1 (en) | 2014-04-24 |
EP2722762A3 (en) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2013142338A (ru) | Организация системы управления в режиме реального времени | |
JP6275868B2 (ja) | ニューラルウォッチドッグ | |
CN106104496B (zh) | 用于任意时序的不受监督的异常检测 | |
JP2019528812A5 (ru) | ||
JP2015011722A5 (ru) | ||
EA201391111A1 (ru) | Система и способ для использования искусственной нейронной сети для моделирования гидравлики трубопроводов в имитаторе пластов | |
KR102577188B1 (ko) | 목표 시스템에 대한 제어 시스템 생성 | |
JP2017016306A5 (ru) | ||
JP2018530071A5 (ru) | ||
WO2019071438A1 (zh) | 对流程行业中的设备进行状态监测的方法、装置及介质 | |
EP3584722A3 (en) | Methods and systems for controlling machine vibration | |
JP2016537711A (ja) | スパイキングニューロンのネットワークにおける輻輳回避 | |
CN103499923A (zh) | 一种结构amd主动控制器 | |
WO2012104135A3 (de) | Zuflussbestimmung in kanalnetzen | |
JP2016536676A (ja) | ニューラルモデル実行をリモートで制御および監視するための方法および装置 | |
Khamehchi et al. | Prediction of the influence of liquid loading on wellhead parameters | |
Mohammad et al. | Comparing Gamma and Log-Normal GLMs in R Using Simulation and Real Data Set. | |
Yu et al. | Convolutional Neural Network for Subsurface Flow Prediction | |
CN203455628U (zh) | 一种结构amd主动控制器 | |
Hill | Making Earth-human system modeling easier and more interesting | |
O'Reilly | Sensitivity analysis of machine-learning models of hydrologic time series | |
Wilson et al. | The role of land use and rainfall on the characteristic scale unit of specific sediment flux: a catchment approach | |
Wang et al. | Multi-agent dam management model based on improved reinforcement learning technology | |
Darmani | Efficiency Evaluation of Artificial Neural Networks for Prediction Suspended Sediment in Mashhad, s Kardeh Watershe | |
Oladyshkin et al. | Efficient Bayesian updating with PCE-based particle filters based on polynomial chaos expansion and CO2 storage |