专利名称：使用切换模型进行机器状况监视的文件的滤波和预测的制作方法
技术领域：
本发明一般地涉及出于工厂自动化目的的机器状况监视。更具体而言，本发明涉及用于对观察值进行滤波以便估计没有噪声的真实信号值的技术。
背景技术：
机器状况监视的任务是尽可能早地检测故障以避免对机器的进一步损坏。这通常通过分析来自安装在机器的不同部分上的用于测量温度、压力振动等的一组传感器的数据来完成。当机器正常地工作时，传感器数据位于正常操作区域内。当传感器数据太多地偏离该区域时，可能已发生故障，并且应发出警报。传感器信号常常受到噪声的污染。去除噪声并恢复底层真实信号是用于机器状况监视的基本任务。本公开集中于从单个传感器信号去除噪声，但是提出的方法适用于多个信号。在示例性系统中，存在用于传感器的从时间戳1至时间戳t的t个观察值yi、
y2.....yt。由于yt常常被噪声损坏，所以估计没有噪声的真实信号Zt是有意义的。在图2
的图表200中示出了用于传感器的示例性观察和真实值，其中，横轴指示时间(以天为单位) 且竖轴指示传感器值。曲线210表示观察信号yt且曲线220表示无噪声信号zt。一旦暴露了真实信号zt，则可以使用基于阈值的规则一样简单的方法来执行故障检测。例如，如果示例性传感器是压力传感器且压力绝不应大于0.5，则规则可以是“如果 zt>0. 5，则这是故障”。使用该规则，在图2中表示的传感器在约t = 230处提供警报。然而，可以通过更早地检测向上趋势来改善该系统。例如，如果正确地估计了在 t = 215处的Zt的斜率，则这可以在t = 215处预测Zt将在t = 230处命中0. 5。该技术早15天产生警报，这是很大的益处。因此，系统应不仅估计zt，而且估计其导数，诸如
速度和加速度(等)。那些量分别被表示为fjPf,。使用向量来表示真实信号的以上量
权利要求
1.一种用于使用切换卡尔曼滤波器对来自机器监视系统中的传感器的信号进行滤波的方法，该信号具有至少其中模式变量St具有第一值的稳定模式和其中St具有第二值的不稳定模式，所述方法包括在机器监视计算机处接收信号的新观察结果yt ；基于信号的新观察结果yt、前一模式Sh和前一状态Xm来计算信号的当前模式St 的估计，所述前一状态Xh包括用于至少前一真实信号ZH和前一真实信号的一阶导数z;_{的值；基于当前模式St的估计、前一模式sh和前一状态Xh来计算信号的当前状态Xt的估计；将前一模式Sh设置为等于当前模式St的估计，并将前一状态Xg设置为等于当前状态Xt的估计；以及重复以上步骤。
2.权利要求1的方法，其中，计算信号的当前状态Xt的估计的步骤包括选择卡尔曼滤波器以计算当前状态Xt的估计，所述卡尔曼滤波器选自至少供在当前模式St是稳定模式时使用的第一卡尔曼滤波器和供在当前模式St是不稳定模式时使用的第二卡尔曼滤波器。
3.权利要求2的方法，其中，所述第一和第二卡尔曼滤波器包括具有包含用于至少信号Zt和该信号的一阶导数&的方差的对角协方差的演化误差向量vt，其中，用于第二卡尔曼滤波器中的Zt的方差是用于第一卡尔曼滤波器中的Zt的方差的至少十倍。
4.权利要求2的方法，其中，所述第一和第二卡尔曼滤波器包括具有包含用于至少信号Zt和该信号的一阶导数^的方差的对角协方差的演化误差向量vt，并且其中，用于第二卡尔曼滤波器中的Zt的方差大于用于第二卡尔曼滤波器中的夂的方差，并且大于用于第一卡尔曼滤波器中的Zt和it的方差。
5.权利要求2的方法，其中，第一和第二卡尔曼滤波器仅在演化协方差矩阵方面不同。
6.权利要求2的方法，其中，所述第一和第二卡尔曼滤波器包括具有包含用于至少信号Zt和该信号的一阶导数夂的方差的对角协方差的演化误差向量vt。
7.权利要求6的方法，其中，从培训数据获悉用于至少信号zt和该信号的一阶导数的方差。
8.权利要求2的方法，其中，所述第一和第二卡尔曼滤波器中的至少一个包括从培训数据获悉的观察噪声方差。
9.权利要求1的方法，其中，信号的前一状态xt_i还包括用于前一真实信号的二阶导数ξ—,的值。
10.权利要求1的方法，其中，信号的前一模式st_i和前一状态xt_i被保持为高斯混合模型。
11.权利要求1的方法，其中，计算当前模式St的估计的步骤包括实现当前模式St等于前一模式st_i的0. 9的概率和当前模式St不等于前一模式st_i的0. 1的概率。
12.权利要求1的方法，其中，在步骤的初始执行中，所述模式处于其中模式变量St= 1的稳定模式。
13.权利要求1的方法，还包括步骤基于信号的当前状态Xt的估计来预测未来真实信号zt+1 ；以及如果预测的未来信号在一组过程极限之外，则产生警报。
14.一种具有存储在上面的供处理器执行以便执行使用切换卡尔曼滤波器对来自机器监视系统中的传感器的信号进行滤波的方法的计算机可读指令的计算机可用介质，该信号具有至少其中模式变量St具有第一值的稳定模式和其中St具有第二值的不稳定模式，所述方法包括在机器监视计算机处接收信号的新观察结果yt ；基于信号的新观察结果yt、前一模式Sh和前一状态Xm来计算信号的当前模式St的估计，所述前一状态Xh包括用于至少前一真实信号ZH和前一真实信号的一阶导数Z^1 的值；基于当前模式St的估计、前一模式Sh和前一状态XH来计算信号的当前状态Xt的估计；将前一模式Sh设置为等于当前模式St的估计，并将前一状态Xg设置为等于当前状态Xt的估计；以及重复以上步骤。
15.权利要求14的计算机可用介质，其中，计算信号的当前状态Xt的估计的步骤包括选择卡尔曼滤波器以计算当前状态Xt的估计，所述卡尔曼滤波器选自至少供在当前模式St 是稳定模式时使用的第一卡尔曼滤波器和供在当前模式St是不稳定模式时使用的第二卡尔曼滤波器。
16.权利要求15的计算机可用介质，其中，所述第一和第二卡尔曼滤波器包括具有包含用于至少信号Zt和该信号的一阶导数&的方差的对角协方差的演化误差向量Vt，其中，用于第二卡尔曼滤波器中的Zt的方差是用于第一卡尔曼滤波器中的Zt的方差的至少十倍。
17.权利要求15的计算机可用介质，其中，所述第一和第二卡尔曼滤波器包括具有包含用于至少信号Zt和该信号的一阶导数纟的方差的对角协方差的演化误差向量vt，并且其中，用于第二卡尔曼滤波器中的Zt的方差大于用于第二卡尔曼滤波器中的&的方差，并且大于用于第一卡尔曼滤波器中的Zt和&的方差。
18.权利要求15的计算机可用介质，其中，第一和第二卡尔曼滤波器仅在演化协方差矩阵方面不同。
19.权利要求15的计算机可用介质，其中，所述第一和第二卡尔曼滤波器包括具有包含用于至少信号Zt和该信号的一阶导数^的方差的对角协方差的演化误差向量vt。
20.权利要求19的计算机可用介质，其中，从培训数据获悉用于至少信号Zt和该信号的一阶导数&的方差。
21.权利要求15的计算机可用介质，其中，所述第一和第二卡尔曼滤波器中的至少一个包括从培训数据获悉的观察噪声方差。
22.权利要求14的计算机可用介质，其中，信号的前一状态xt_i还包括用于前一真实信号的二阶导数？M的值。
23.权利要求14的计算机可用介质，其中，信号的前一模式st_i和前一状态xt_i被保持为高斯混合模型。
24.权利要求14的计算机可用介质，其中，计算当前模式St的估计的步骤包括实现当前模式st等于前一模式St_i的0. 9的概率和当前模式St不等于前一模式Sg的0. 1的概率。
25.权利要求14的计算机可用介质，其中，在步骤的初始执行中，所述模式处于其中模式变量St = 1的稳定模式。
26.权利要求14的计算机可用介质，其中，所述方法还包括步骤 基于信号的当前状态Xt的估计来预测未来真实信号zt+1 ；以及如果预测的未来信号在一组过程极限之外，则产生警报。
全文摘要
在机器状况监视技术中，使用切换卡尔曼滤波器对传感器读数进行滤波。创建卡尔曼滤波器以描述信号的单独模式，包括稳定模式和不稳定模式。对于信号的每个新观察结果而言，基于前一模式和状态来估计新模式，并且然后基于新模式及前一模式和状态来估计新状态。在稳定模式下，观察信号的和该信号的变化速率两者的演化协方差都是低的。在不稳定模式下，观察信号的演化协方差被设置为较高的值，允许观察信号广泛地改变，同时，将信号的变化速率的演化协方差保持在低水平。
文档编号G05B23/02GK102257448SQ200980151114
公开日2011年11月23日 申请日期2009年10月2日 优先权日2008年10月20日
发明者袁超 申请人:西门子公司