技术特征：
1.一种用于对气动系统(100)进行连续状态监测的方法(200)，该方法包括在推理阶段中执行的以下方法步骤：-提供(202)经训练的正常状态模型作为一类模型，所述一类模型已在训练阶段中利用表示所述气动系统(100)的正常状态的正常状态数据进行了训练；-使用一组传感器从所述气动系统(100)连续地采集(204)传感器数据；-从所采集的传感器数据中提取(206)特征；-使用距离度量来确定(208)所提取的特征与所述正常状态模型的学习特征的偏差；-根据所确定的偏差计算(210)异常分数；和-输出(212)所计算的异常分数。2.根据权利要求1所述的方法，其中，所述正常状态模型是统计模型和/或机器学习模型。3.根据前述权利要求中任一项所述的方法，其中，所计算和输出的异常分数被用于所述气动系统(100)的异常检测、特别是泄漏检测和/或运行时间监测，并且其中所述正常状态数据包括压力信号和/或流量信号和/或麦克风/体声信号和/或阀切换时间和/或来自限位开关的信号和/或连续位置信号和/或另外的阀相关时间信号和/或其他模拟/数字测量信号。4.根据前述权利要求中任一项所述的方法，直接在现场总线节点(110)和/或边缘装置中执行该方法。5.根据前述权利要求中任一项所述的方法，其中，通过基于tcp/ip的网络协议、特别是通过mqtt协议或opc ua协议，将所述异常分数转发给所选择的其他网络参与者。6.根据前述权利要求中任一项所述的方法，其中，确定生产力分数，特别是当自动检测过程周期时，以便评估周期持续时间如何在更长的时间范围内发展。7.根据前述权利要求中任一项所述的方法，其中，通过边界框法(311)或通过k均值法(312)或通过另一种合适的一类学习方法来执行所述正常状态的表示或建模。8.根据前述权利要求中任一项所述的方法，其中，将归一化函数(314)、特别是sigmoid函数应用于所确定的偏差，和/或其中所述sigmoid函数的拐点和/或斜率能够被参数化，和/或其中所述sigmoid函数在所述训练阶段中被线性地重新调整，使得所述异常分数的图形表示是连续的。9.根据前述权利要求中任一项所述的方法，其中，所述方法通过元参数来控制，其中所述元参数包括所述模型的参数化、特别是确定k均值中心的数量和/或边界框的数量和/或用于所述边界框的边界的计算规则和/或所提取的特征的权重和/或用于特征提取的其他参数。10.根据前述权利要求中任一项所述的方法，其中，使用相同的预处理方法对训练阶段中的所述正常状态数据和推理阶段中的生产数据、特别是传感器数据进行预处理。11.根据前一权利要求所述的方法，其中，所述预处理方法包括对所述传感器数据和所述正常状态数据执行模式识别算法，以便在所述传感器数据中检测表示过程周期的重复发生模式，并且其中所检测的处理周期被用作时间窗口的参数化和/或其中特别是所述模式识别算法的结果用于计算在其中执行所述特征提取的时间窗口。12.根据权利要求10或11中任一项所述的方法，其中，所述预处理方法之一并且特别是
模式识别算法包括自相关。13.根据前述权利要求中任一项所述的方法，该方法包括降维方法，并且其中特别是在数据预处理步骤中将所述降维方法应用于所述原始数据和/或所提取的特征。14.根据前述权利要求中任一项所述的方法，其中，所计算的异常分数经受低通滤波(316)，所述低通滤波是可参数化的。15.根据前述权利要求中任一项所述的方法，其中，在用户接口(106)的输入字段上检测元参数、特别是灵敏度参数，所述灵敏度参数表征在什么状态下并且特别是多快将所提取的特征和学习特征之间的差异作为偏差处理。16.根据前述权利要求中任一项所述的方法，其中，所提取的特征包括统计特征并且特别是包括所述传感器数据的平均值、最小值、最大值、差异、分位数，尤其是四分位数、偏度和/或峰度和/或它们的导数、频率分析的特性或随时间变化的其他选择特性。17.根据前述权利要求中任一项所述的方法，其中，在采集所述传感器数据之后，所述方法对所采集的传感器数据执行预处理算法，所述预处理算法将所述数据转换为不同的格式和/或过滤掉离群数据。18.一种用于气动系统(100)的连续状态监测并且特别是用于早期故障检测的状态监测单元(114)，该状态监测单元(114)被设计为执行根据前述方法权利要求之一所述的方法，该状态监测单元(114)具有：-到存储器(116)的接口，在该存储器(116)中，经训练的正常状态模型被存储为一类模型，所述一类模型已在训练阶段中利用正常状态数据进行了训练并且表示所述气动系统的正常状态；-数据接口(112；302)，该数据接口用于通过一组传感器(m1，m2)连续地采集所述气动系统的传感器数据；-提取器(304)，该提取器用于从所采集的传感器数据中提取特征；-微分器(310)，该微分器用于使用距离度量来确定所提取的特征与所述正常状态模型的学习特征的偏差；-评分单元(318)，该评分单元用于根据所确定的偏差计算异常分数；和-输出单元(106；320)，该输出单元用于输出所计算的异常分数。19.一种包括指令的计算机程序，当所述计算机程序由计算机执行时，所述指令使所述计算机程序执行根据前述方法权利要求中任一项所述的方法。
技术总结
提供了用于气动系统(100)的连续状态监测、特别是用于早期故障检测的技术。状态监测单元(114)形成有到存储器(110；116)的接口，在该存储器中，经训练的正常状态模型被存储为一类模型，该一类模型已在训练阶段中利用正常状态数据进行了训练并代表气动系统的正常状态。此外，状态监测单元(114)包括：数据接口(112；302)，用于通过一组传感器(m1，m2)连续采集气动系统的传感器数据；提取器(304)，用于从采集的传感器数据提取特征；微分器(310)，用于通过距离度量(例如，欧几里得范数、和范数、最大范数)确定所提取的特征与正常状态模型的学习特征的偏差；评分单元(318)，用于根据所确定的偏差计算异常分数；用于输出所计算的异常分数的输出单元(106；320)。320)。320)。
技术研发人员：T
受保护的技术使用者：费斯托股份有限两合公司
技术研发日：2022.09.19
技术公布日：2023/3/24