Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2018077666) METHOD FOR THE AUTOMATED IN-LINE DETECTION OF DEVIATIONS OF AN ACTUAL STATE OF A FLUID FROM A REFERENCE STATE OF THE FLUID ON THE BASIS OF STATISTICAL METHODS, IN PARTICULAR FOR MONITORING A DRINKING WATER SUPPLY
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/077666 International Application No.: PCT/EP2017/076461
Publication Date: 03.05.2018 International Filing Date: 17.10.2017
IPC:
G01N 33/18 (2006.01) ,G06F 17/18 (2006.01) ,G06F 15/18 (2006.01) ,G05B 13/00 (2006.01) ,G06F 19/00 ,G06N 3/08 (2006.01)
G PHYSICS
01
MEASURING; TESTING
N
INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
33
Investigating or analysing materials by specific methods not covered by groups G01N1/-G01N31/131
18
Water
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
F
ELECTRIC DIGITAL DATA PROCESSING
17
Digital computing or data processing equipment or methods, specially adapted for specific functions
10
Complex mathematical operations
18
for evaluating statistical data
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
F
ELECTRIC DIGITAL DATA PROCESSING
15
Digital computers in general; Data processing equipment in general
18
in which a programme is changed according to experience gained by the computer itself during a complete run; Learning machines
G PHYSICS
05
CONTROLLING; REGULATING
B
CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
13
Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
F
ELECTRIC DIGITAL DATA PROCESSING
19
Digital computing or data processing equipment or methods, specially adapted for specific applications
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
N
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3
Computer systems based on biological models
02
using neural network models
08
Learning methods
Applicants:
ENDRESS+HAUSER FLOWTEC AG [CH/CH]; Kägenstrasse 7 4153 Reinach, CH
UNIVERSITÄT BASEL [CH/CH]; Petersplatz 1 4003 Basel, CH
Inventors:
PAGE, Rebecca; CH
HUGGENBERGER, Peter; CH
WIESMEIER, Stefan; CH
WALDMANN, Daniel; CH
Agent:
ANDRES, Angelika; DE
Priority Data:
10 2016 120 663.628.10.2016DE
Title (EN) METHOD FOR THE AUTOMATED IN-LINE DETECTION OF DEVIATIONS OF AN ACTUAL STATE OF A FLUID FROM A REFERENCE STATE OF THE FLUID ON THE BASIS OF STATISTICAL METHODS, IN PARTICULAR FOR MONITORING A DRINKING WATER SUPPLY
(FR) PROCÉDÉ DE DÉTECTION AUTOMATIQUE EN LIGNE D'ÉCARTS D'ÉTAT D'UN ÉTAT RÉEL D'UN FLUIDE PAR RAPPORT À UN ÉTAT DE RÉFÉRENCE DU FLUIDE À BASE DE MÉTHODES STATISTIQUE, EN PARTICULIER POUR LA SURVEILLANCE D'UNE ALIMENTATION EN EAU POTABLE
(DE) VERFAHREN ZUR AUTOMATISIERTEN IN-LINE ERKENNUNG VON ABWEICHUNGEN EINES IST-ZUSTANDS EINES FLUIDES VON EINEM REFERENZZUSTAND DES FLUIDES AN HAND STATISTISCHER METHODEN, INSBESONDERE FÜR DIE ÜBERWACHUNG EINER TRINKWASSERVERSORGUNG
Abstract:
(EN) Method for the automated in-line detection of deviations of an actual state of a fluid (1) from a reference state (RZ) of the fluid (1), wherein measured values (2) which are captured substantially at the same time are evaluated in a combined manner with respect to at least three measurement variables (MV1,MV2,MV3;...), wherein the measurement variables (MV1,MV2,MV3;...) are different measurement quantities (3) of the fluid (1) and/or a measurement quantity (3) of the fluid (1) which is measured at different measuring points (4), comprising at least the following method steps of: - creating a reference data set, wherein reference measured values (21) are mapped to a reference vector (rtj) of the vector space (VR) by means of a neural network: - in-line measurement, wherein measured values at a time ti and measured values at all times (t1,...,ti-1) preceding the time ti are mapped to a measurement vector xti of the vector space by means of a neural network; - comparing the measurement vector xti with the n reference vectors rtj by means of a kernel density estimator p h (xti) of a predefinable window width (h) (formula AA), wherein (formula BB) is a probability density function (PDF); creating an assessment for the time ti with respect to a deviation of the actual state from the reference state (RZ) on the basis of the value from the kernel density estimator p h (xti).
(FR) La présente invention concerne un procédé de détection automatique en ligne d'écarts d'un état réel d'un fluide (1) par rapport à un état de référence (RZ) du fluide (1), une évaluation combinée de valeurs de mesure (2) détectées sensiblement simultanément par rapport à au moins trois grandeurs de mesure (MV1, MV2, MV3;...) étant effectuée, les grandeurs de mesure (MV1, MV2, MV3,...) étant les grandeurs de mesure (3) différentes du fluide (1) et/ou étant les grandeurs de mesure (3) mesurées à différents points de mesure (4) du fluide (1), ledit procédé comprenant au moins les étapes suivantes : la création d'un ensemble de données de référence, les valeurs de mesure de référence (21) étant représentées, au moyen d'un réseau de neurones, sur un vecteur de référence (rtj) de l'espace vectoriel (VR); la mesure en ligne, les valeurs de mesure étant représentées à un instant (ti) et les valeurs de mesure étant représentées à tout instant (t1,..., ti-1) précédant l'instant (ti), au moyen d'un réseau de neurones, sur un vecteur de mesure (xti) de l'espace vectoriel; la comparaison du vecteur de mesure (xti) avec n vecteurs de référence (rtj), au moyen d'un estimateur de densité du noyau p h (xti) d'une largeur de fenêtre (h) prédéterminée (Formule AA), (Formule BB) étant une fonction de densité de probabilité (PDF); la création d'une évaluation pour l'instant (ti) relative à un écart de l'état réel (RZ) par rapport à l'état de référence (RZ), en fonction de la valeur de l'estimateur de densité du noyau p h (xti).
(DE) Verfahren zur automatisierten in-line Erkennung von Abweichungen eines Ist-Zustands eines Fluides (1) von einem Referenzzustand (RZ) des Fluides (1), wobei eine kombinierte Auswertung von im Wesentlichen gleichzeitig erfassten Messwerten (2) bezüglich zumindest dreier Messvariablen (MV1,MV2,MV3;...) erfolgt, wobei es sich bei den Messvariablen (MV1,MV2,MV3;...) um unterschiedliche Messgrößen (3) des Fluides (1) und/oder um eine an unterschiedlichen Messstellen (4) gemessene Messgröße (3) des Fluides (1) handelt, umfassend zumindest die folgenden Verfahrensschritte: - Erstellung eines Referenzdatensatzes wobei Referenzmesswerte (21) mittels eines neuronalen Netzes auf einen Referenzvektor (rtj) des Vektorraumes (VR) abgebildet werden: - In-line Messung, wobei Messwerte zu einem Zeitpunkt ti und Messwerte zu allen dem Zeitpunkt ti vorangehenden Zeitpunkten (t1,...,ti-1) mittels eines neuronalen Netzes auf einen Messvektor xti den Vektorraumes abgebildet werden; - Vergleich des Messvektors xti mit den n Referenzvektoren rtj mittels eines Kerndichteschätzers ph(xti) einer vorgebbaren Fensterbreite (h) (Formel AA) wobei (Formel BB) eine Wahrscheinlichkeitsdichtefunktion (PDF) ist; Erstellung einer Bewertung für den Zeitpunkt ti zu hinsichtlich einer Abweichung des Ist-Zustands von dem Referenzzustand (RZ), basierend auf dem Wert des Kerndichteschätzers ph(xti)
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: German (DE)
Filing Language: German (DE)