-
公开(公告)号：CN104471501A
公开(公告)日：2015-03-25
申请号：CN201380036704.8
申请日：2013-06-03
Applicant: 西门子公司
IPC: G05B23/02
CPC classification number: G05B23/024 , G05B23/0205 , G05B23/0229 , G06N99/005
Abstract: 在设备状态监测中使用归纳的模式识别来识别故障。在运行数据中识别模式簇。除了评注的训练数据，使用模式簇来训练分类器。运行数据也被用来将运行数据中的信号聚类为信号簇。通过评价置信度矢量，然后分类所监测的数据样本，所述置信度矢量包括用在与训练数据中所包含的信号相同的信号簇中的信号替换该包含在训练数据中的信号。
-
Patent Agency Ranking
公开(公告)号：CN104471542B
公开(公告)日：2018-01-16
申请号：CN201380037579.2
申请日：2013-06-11
Applicant: 西门子公司
IPC: G06F11/00
CPC classification number: G06F11/3089 , G06F11/008 , G06F17/18
Abstract: 本发明涉及一种用于监视系统或过程的状态的方法，包括：采集来自布置在系统内的多个传感器的传感器数据(S41和S44)。将所采集的传感器数据实时流动至计算机系统(S42和S44)。使用计算机系统对流动的传感器数据应用判别框架(S43和S45)。判别框架提供概率值，其表示该传感器数据是系统内的异常的指示的概率。判别框架是卡尔曼滤波器与逻辑函数的综合(S41)。
-
公开(公告)号：CN105026902A
公开(公告)日：2015-11-04
申请号：CN201480012740.5
申请日：2014-02-13
Applicant: 西门子公司
CPC classification number: G01N33/222 , G01J3/28 , G01N21/3563 , G01N21/359 , G01N2201/129
Abstract: 从由近红外光谱学（NIR）设备处理的样本而确定煤的性质，所述近红外光谱学设备生成依赖于波长的光谱。性质的目标值通过基于核的回归模型而与NIR光谱相关联，所述基于核的回归模型基于通过将核参数定义为在与光谱相关联的波长上的光滑函数而被扩展的各向异性核函数而从训练数据生成。像各向异性情况，每个波长相关的维度具有其自己的核参数。相邻维度被限制成具有类似的核参数。通过应用基于具有扩展数目的特征的光谱的训练数据的回归模型而重构具有有限数目的特征的测量的光谱。基于回归模型、通过移除离群值来修剪训练数据。
-
公开(公告)号：CN104471501B
公开(公告)日：2017-07-21
申请号：CN201380036704.8
申请日：2013-06-03
Applicant: 西门子公司
IPC: G05B23/02
CPC classification number: G05B23/024 , G05B23/0205 , G05B23/0229 , G06N99/005
Abstract: 在设备状态监测中使用归纳的模式识别来识别故障。在运行数据中识别模式簇。除了评注的训练数据，使用模式簇来训练分类器。运行数据也被用来将运行数据中的信号聚类为信号簇。通过评价置信度矢量，然后分类监测数据样本，所述置信度矢量包括用在与训练数据中所包含的信号相同的信号簇中的信号替换该包含在训练数据中的信号。
-
公开(公告)号：CN104471542A
公开(公告)日：2015-03-25
申请号：CN201380037579.2
申请日：2013-06-11
Applicant: 西门子公司
IPC: G06F11/00
CPC classification number: G06F11/3089 , G06F11/008 , G06F17/18
Abstract: 本发明涉及一种用于监视系统或过程的状态的方法，包括：采集来自布置在系统内的多个传感器的传感器数据(S41和S44)。将所采集的传感器数据实时流动至计算机系统(S42和S44)。使用计算机系统对流动的传感器数据应用判别框架(S43和S45)。判别框架提供概率值，其表示该传感器数据是系统内的异常的指示的概率。判别框架是卡尔曼滤波器与逻辑函数的综合(S41)。
-
公开(公告)号：CN102498445A
公开(公告)日：2012-06-13
申请号：CN201080041705.8
申请日：2010-09-13
Applicant: 西门子公司
IPC: G05B23/02
CPC classification number: G05B23/0229 , G05B23/024 , G05B23/0283
Abstract: 一种机器故障诊断系统，结合了基于规则的预见性维修策略与机器学习系统。使用由人类专家手动定义的一组简单规则来产生描绘机器故障状态的人工训练特征向量，对于所述机器故障状态只能得到很少的真实数据点。将这些人工训练特征向量与真实训练特征向量结合，并使用结合集来训练监督模式识别算法诸如支持向量机(SVM)。所得到的决策边界极其接近故障状态与正常状态之间潜在的真实分隔边界。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
