Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019045699) RECURRENT GAUSSIAN MIXTURE MODEL FOR SENSOR STATE ESTIMATION IN CONDITION MONITORING
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/045699 International Application No.: PCT/US2017/049242
Publication Date: 07.03.2019 International Filing Date: 30.08.2017
IPC:
G05B 23/02 (2006.01) ,G05B 17/02 (2006.01)
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
23
Testing or monitoring of control systems or parts thereof
02
Electric testing or monitoring
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
17
Systems involving the use of models or simulators of said systems
02
electric
Applicants:
SIEMENS AKTIENGESELLSCHAFT [DE/DE]; Werner-von-Siemens-Straße 1 80333 München, DE
Inventors:
YUAN, Chao; US
CHAKRABORTY, Amit; US
Agent:
RASHIDI-YAZD, Seyed Kaveh E.; US
Priority Data:
Title (EN) RECURRENT GAUSSIAN MIXTURE MODEL FOR SENSOR STATE ESTIMATION IN CONDITION MONITORING
(FR) MODÈLE DE MÉLANGE GAUSSIEN RÉCURRENT POUR ESTIMATION D'ÉTAT DE CAPTEUR DANS UNE SURVEILLANCE D'ÉTAT
Abstract:
(EN) A computer-implemented method for monitoring a system includes training a recurrent Gaussian mixture model to model a probability distribution for each sensor of the system based on a set of training data. The recurrent Gaussian mixture model applies a Gaussian process to each sensor dimension to estimate current sensor values based on previous sensor values. Measured sensor data is received from the sensors of the system and an expectationmaximization technique is performed to determine an expected value for a particular sensor based on the recurrent Gaussian mixture model and the measured sensor data. A measured sensor value is identified for the particular sensor in the measured sensor data. If the measured sensor value and the expected sensor value deviate by more than a predetermined amount, a fault detection alarm is generated to indicate that the system is not operating within a normal operating range.
(FR) La présente invention concerne un procédé mis en œuvre par ordinateur permettant de surveiller un système qui comprend l'apprentissage d'un modèle de mélange gaussien récurrent permettant de modéliser une distribution de probabilité pour chaque capteur du système sur la base d'un ensemble de données d'apprentissage. Le modèle de mélange gaussien récurrent applique un processus gaussien à chaque dimension de capteur pour estimer des valeurs de capteur de courant sur la base de valeurs de capteur précédentes. Des données de capteur mesurées sont reçues en provenance des capteurs du système et une technique espérance-maximisation est effectuée pour déterminer une valeur attendue pour un capteur particulier sur la base du modèle de mélange gaussien récurrent et des données de capteur mesurées. Une valeur de capteur mesurée est identifiée pour le capteur particulier dans les données de capteur mesurées. Si la valeur de capteur mesurée et la valeur de capteur attendue s'écartent de plus d'une quantité prédéterminée, une alarme de détection de défaut est générée pour indiquer que le système ne fonctionne pas dans une plage de fonctionnement normale.
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: English (EN)
Filing Language: English (EN)