[发明专利]使用条件模型来迁移故障样本以用于机器状况监视

权利要求书

1.一种用于预测机器中的故障模式的计算机实现的方法，该方法由计算机来实现，包括以下步骤：

从来自源机器和目标机器的一个或多个独立传感器的数据样本学习针对源机器和目标机器中每一个的多变量高斯分布，其中所述数据样本在针对每个机器的正常操作状况下获取；

使用针对独立传感器的多变量高斯分布从来自源机器和目标机器的一个或多个相关传感器的数据样本学习针对所述源机器和所述目标机器中每一个的多变量高斯条件分布，其中所述数据样本在针对每个机器的正常操作状况下获取；

使用针对源机器和目标机器的多变量高斯分布，将针对独立传感器的数据样本从源机器变换到目标机器；以及

使用经变换的独立传感器数据样本以及针对源机器和目标机器的条件高斯分布，将针对相关传感器的数据样本从源机器变换到目标机器。

2.根据权利要求1所述的方法，进一步包括：

从与故障相关联的源机器的独立传感器获取数据样本；

使用针对源机器和目标机器的多变量高斯分布，将针对独立传感器的所述故障数据样本从源机器变换到目标机器；以及

使用经变换的独立传感器数据样本以及针对源机器和目标机器的条件高斯分布，将针对相关传感器的所述故障数据样本从源机器变换到目标机器。

3.根据权利要求1所述的方法，其中所述多变量高斯条件分布被表达为，其中y_i表示相关传感器，x_i表示独立传感器，表示独立传感器x_i的多变量高斯条件分布的均值，并且表示给定独立传感器x_i的相关传感器y_i的条件协方差。

4.根据权利要求3所述的方法，其中所述条件协方差是对角矩阵。

5.根据权利要求4所述的方法，其中所述条件协方差是常数。

6.根据权利要求3所述的方法，其中独立传感器数据样本从源机器到目标机器的变换通过下式表达：

，

其中x₁表示针对源机器的独立传感器数据，是源机器的独立传感器的多变量高斯分布的均值，是目标机器的独立传感器的多变量高斯分布的均值，是源机器的独立传感器的多变量高斯分布的协方差，并且是目标机器的独立传感器的多变量高斯分布的协方差。

7.根据权利要求6所述的方法，其中相关传感器数据样本从源机器到目标机器的变换通过下式表达：

，其中

y₁表示针对源机器的相关传感器数据，y₂表示针对目标机器的相关传感器数据，是源机器的独立传感器的多变量条件分布的均值，是针对目标机器的经变换的独立传感器的多变量条件分布的均值，是针对源机器的给定独立传感器x₁的相关传感器y₁的多变量高斯分布的协方差，并且是给定经变换的独立传感器x₁₂的目标机器的相关传感器y₂的多变量高斯分布的协方差。

8.根据权利要求7所述的方法，其中针对给定机器的多变量条件分布的均值是回归函数，其将针对给定机器的独立传感器数据映射到针对给定机器的相关传感器数据，其中给定机器是源机器和目标机器之一。

9.根据权利要求1所述的方法，进一步包括接收针对源机器和目标机器中每一个的传感器数据样本，以及将针对每个机器的传感器数据样本划分成来自独立传感器的数据和依赖于独立传感器的数据值的来自相关传感器的数据。