专利名称：用于机器状况监视的条件多输出回归的系统和方法
技术领域：
本公开涉及用于基于传感器输出来监视机器的状况的方法。
背景技术：
近年来，监视昂贵设备或机器(如发电厂或飞机)的状况已经受到越来越多的关注。目的是在早期阶段检测到这些机器的故障以避免后续灾害性损失。这可以通过对来自在机器的不同部件中安装的一组传感器的值进行分析而实现。当传感器值之间的相关性被破坏时，很可能存在故障。对这种相关性进行建模的一个重要方面是基于过程输入来准确地预测过程输出的能力。这自然形成了多输出回归，该多输出回归旨在学习从输入空间至 M维输出空间的映射。多输出回归旨在学习从输入空间至M维输出空间的映射。考虑到输出通常彼此依赖的事实，先前的研究集中于对输出的联合预测分布或相关性进行建模。然后，可以将所学习的联合预测分布应用于各种各样的问题。以下条件多输出回归得到了关注。对于测试输入，如果另外知道一些输出，则可以如何使用该额外信息来改进对其余输出的预测？例如，在一地理位置处，给定了测量起来不太昂贵的金属的浓度，那么可以估计别的金属的浓度吗？在金融市场中，公司A的盈利报告有助于更好地预测公司B的盈利报告吗？在许多现代监视系统中，将传感器值从机器实时传送至诊断中心。但是，由于网络问题，使得这些传感器值通常是顺序地到来的而不是同时到来的。这些可用传感器值可以用于帮助预测其他丢失的传感器值吗？如果输入是输出的马尔科夫毯(Markov blanket)，例如在其中存在以输入χ为条件的两个输出Y1和y2的
图1 (a)中，这样做没有优势。这是由于在给定χ的情况下Y1和y2是条件独立的，从而八I χ, =/^(八|)。因此，使用另一输出y2作为输入没有帮助。然而，如图1 (b)所示可以隐藏某些输入，其中，从未观察到输入ζ。这是更现实的情形，原因在于测量实际数据集中的所有输入是富有挑战性的。在这些情况下，y2携带关于丢失的ζ的信息并被期望在用作输入的情况下改进对Y1的预测。先前的方式通常通过基于已知输出的联合预测分布从已知输出有条件地推断未知输出来解决该任务。然而，学习联合预测分布是相当富有挑战性的，尤其是在回归映射为非线性时。由于多输出回归可以被视为多任务学习的特殊情况，因此当回归任务共享相同输入时，许多多任务技术也适用于多输出回归任务。然而，这些技术中的大多数集中于在M 个单输出任务之间共享表示和参数。在预测中，所有单输出模型独立工作而不考虑其相关性。
发明内容
这里描述的本发明的示例性实施例一般包括用于条件多输出回归的方法和系统。 根据本发明实施例的方法包括两个模型。在根据本发明实施例的条件模型中，给定了 M个 输出，每个输出依赖于输入和所有其他M-I个输出。通过这样做，其他输出可以被视为与输 入相同，并且因此可以将原始多输出任务分为更简单的单输出任务。如果所有其他M-I个 输出是已知的，则该条件模型単独给出对目标输出的预测。否则，根据本发明实施例的生成 (generative)模型可以用于基于输入来推断未知输出，并且然后将不确定性传播至条件模 型以进行最终预測。注意，术语“条件”和“生成”所针对的是输出而不是输入。根据本发明实施例的框架是非常普通的。根据本发明的其他实施例，可以在条件 模型中使用各种现有回归技木。根据本发明的其他实施例，甚至更宽范围的算法也可以用 于生成模型，只要这些算法提供了针对它们的预测的误差棒。根据本发明的一方面，提供了一种用于预测传感器监视系统的传感器输出值的方 法，包括提供去往传感器系统的ー个或多个测试输入值的集合，以及来自所述传感器系统 的ー个或多个已知传感器输出值，其中，其他传感器输出值是未知的，根据测试输入值，针 对每个未知传感器输出值计算预测高斯分布函数
权利要求
1. 一种预测传感器监视系统的传感器输出值的方法，包括以下步骤 提供去往传感器系统的一个或多个测试输入值的集合，以及来自所述传感器系统的-个或多个已知传感器输出值，其中，其他传感器输出值是未知的；根据测试输入值，针对每个未知传感器输出值，计算预测高斯分布函数
2.根据权利要求1所述的方法，其中，针对每个未知输出ym的预测高斯分布函数/jCtJX)是通过关于超参数
3.根据权利要求2所述的方法，其中，使用共轭梯度方法来最大化
4.根据权利要求2所述的方法，其中，条件高斯分布Pb,
5.根据权利要求4所述的方法，还包括当输出值的集合\中存在义个丢失值时， 针对L中的每个丢失值对来自预测高斯分布/^tJ χ)的多个输出值进行采样；以及关于超参数&最大化多个采样值的平均值
6.根据权利要求1所述的方法，还包括重复计算
7. 一种预测传感器监视系统的传感器输出值的方法，包括以下步骤 提供去往传感器系统的一个或多个测试输入值的集合，以及来自所述传感器系统的一个或多个已知传感器输出值，其中，其他传感器输出值是未知的；根据测试输入值，针对每个未知传感器输出值，计算预测分布函数
8.根据权利要求7所述的方法，还包括(a)将高斯分布
9. 一种用于预测传感器监视系统的传感器输出值的设备，所述设备包括 用于提供去往传感器系统的一个或多个测试输入值的集合以及来自所述传感器系统的一个或多个已知传感器输出值的装置，其中，其他传感器输出值是未知的； 用于根据测试输入值、针对每个未知传感器输出值计算预测高斯分布函数
10.根据权利要求9所述的设备，其中，针对每个未知输出的预 测高斯分布函数/^(tJX)是通过关于超参数=最大化
11.根据权利要求10所述的设备，其中，使用共 轭梯度 方法来 最大化
12.根据权利要求10所述的设备，其中，条件高斯分布是 针对输入值X和输出值Y的训练集合通过关于超参数P =最
13.根据权利要求12所述的设备，所述设备还包括用于在输出值的集合中 存在个丢失值时针对中的每个丢失值对来自预测高斯分布/^( tJ x)的 多个输出值进行采样的装置；以及用于关于超参数5最大化多个采样值的平均值
14.根据权利要求9所述的设备，其中，所述设备还包括用于重复计算
全文摘要
本发明涉及用于机器状况监视的条件多输出回归的系统和方法。一种用于预测传感器监视系统的传感器输出值的方法，包括提供去往传感器系统的测试输入值的集合，以及来自所述传感器系统的一个或多个已知传感器输出值，其中，其他传感器输出值是未知的；根据测试输入值和已知输出传感器值，针对每个未知传感器输出值计算预测高斯分布函数；以及通过关于测试输入值和其他未知输出传感器值对预测高斯分布函数与未知输出传感器值的条件高斯分布的乘积进行积分，来预测每个未知输出ym。根据训练阶段来确定预测高斯分布函数的均值和方差，并通过另一训练阶段来确定条件高斯分布的超参数。
文档编号G05B13/04GK102445902SQ20111030157
公开日2012年5月9日 申请日期2011年9月30日 优先权日2010年9月30日
发明者袁超 申请人:西门子公司