[发明专利]在预警系统中考虑外部影响来学习最新数据的方法以及用于该方法的系统

说明书

本发明提供了一种在预警系统中考虑外部影响来学习最新数据的方法及用于该方法的预警系统。所述考虑外部影响来学习最新数据的方法包括以下步骤：由预警处理设备根据外部影响对设备监测变量进行分类；以及由该预警处理设备对每个所分类的监测变量应用不同的模式学习方法。

技术领域

本发明涉及一种用于在预警系统中学习历史数据的方法，更具体地，涉及一种用于在预警系统中学习最新数据的方法。

背景技术

预警系统是用于预先防止机器故障并且在军事、航空和发电领域中引入和使用的系统。

预警系统的原理使用这样的方法，即，通过使用历史正常驱动数据计算相关机器之间的影响来产生预测值以及通过比较预测值与当前值来计算残差，使得当残差超过正常驱动范围时产生警告。

各种数学方法用于获得机器之间的影响程度，并且代表性方法包括使用统计方法的核递归方法、神经网络方法、分组方法等。

预警程序基于历史正常驱动数据的模式学习，并且一年或更长时间驱动的数据通常用于模式学习。这设计成用于机器在春、夏、秋、冬四季期间反映外部环境影响。然而，在当前机器的外部环境与一年前的环境之间存在很大差异的情况下，如上所述使用过去一年的数据的情况可能存在问题。这是因为由于模式学习数据不是最新的，所以由于驱动环境的变化，在预警中发生错误警告的可能性增加。

当在预警系统中最小化发生错误警告的概率时，可以获得实际效果。否则，当操作员分析许多警告时，可能会错过重要警告，并且操作员的注意力会降低，而且可能找不到由机器的实际问题产生的警告。因此，重要的是通过反映驱动条件的变化来利用最新数据进行学习。

在当前的预警程序中，即使在操作预警程序期间外部环境发生变化的情况下，该变化也不会反映在学习中，并且存在的问题是用户需要识别外部环境的变化并使用手动任务再次针对变化的外部环境实施模式学习。

发明内容

【技术问题】

本发明的目的是提供一种针对历史数据的模式学习的方法，该方法对于操作预警系统是必不可少的。更具体地，本发明在于提供用于在预警系统中考虑外部影响来学习最新数据的方法和系统，其可通过在学习中包括针对机器的外部环境分量(诸如空气温度、气压、湿度、海水温度等)的最新数据来提高预警的可靠性。

【技术方案】

根据本发明的一方面，本发明提供了一种用于在预警系统中考虑外部影响来学习最新数据的方法。该方法包括：由预警处理设备根据外部环境影响来对机器监测变量进行分类以及由预警处理设备针对每个所分类的监测变量应用不同的模式学习方法。

根据外部环境影响进行分类的步骤包括：计算每个机器监测变量与每个外部环境因素之间的相关度；和根据所计算的相关度值对机器监测变量进行分类。

外部环境因素包括空气温度、气压、湿度和海水温度中的至少一个。

根据所计算的相关度值进行分类的步骤可以包括：根据操作者预先指定的第一标准和第二标准，其中，第一标准具有大于第二标准的值，当相关度值是第一标准或者多于(或大于)第一标准时，将机器监测变量分类为第一组，当相关度值介于第二标准或大于(或高于)第二标准至第一标准或少于(或小于)第一标准的范围内时，将机器监测变量分类为第二组，以及当相关度值是第二标准或少于(或小于)第二标准时，将机器监测变量分类为第三组。

应用不同的模式学习方法的步骤可以将自动再学习方法、手动再学习方法和不需要再学习方法中的至少一个应用于以下每一者：第一组的监测变量、第二组的监测变量和第三组的监测变量。

第一组的监测变量可以存储在自动再学习数据库中，并且当外部环境因素的变化和预先构建的学习模式之间的差异是预定水平或更高时，可以针对外部环境因素和第一组的监测变量自动执行最新的模式学习。