System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 具有设备上学习和异常检测的传感器单元制造技术_技高网

具有设备上学习和异常检测的传感器单元制造技术

技术编号:42230568 阅读:7 留言:0更新日期:2024-08-02 13:46
一种传感器单元被耦合到机器,并且被配置为检测机器的异常行为。传感器单元包括低功率微控制器,低功率微控制器学习以识别机器的多个操作。传感器单元生成针对每个操作的均值向量以及乔里斯基分解矩阵的逆。在检测模式期间,传感器单元计算针对每个特征向量、均值向量和第一矩阵的马哈拉诺比斯距离。传感器单元基于马哈拉诺比斯距离来检测异常行为或对机器的操作进行分类。

【技术实现步骤摘要】

本公开涉及低功率传感器单元,并且更具体地涉及耦合到机器的传感器单元。


技术介绍

1、传感器可以被使用在多种应用中。例如,传感器可以被利用在电子设备或机器的操作中对电子设备或机器进行辅助。在一些情况下,机器可能没有先进的传感器系统以辅助其操作。用包括先进的传感器系统的机器或设备替换这些机器或设备的前景可能是昂贵的或者是不可行的。然而,未能为此类机器配备先进的传感器系统还可能导致故障或其他类型的设备故障,如果存在传感器系统,则这些故障可能是可以避免的。

2、
技术介绍
部分中讨论的所有主题不一定是现有技术,并且不应仅仅因为其在
技术介绍
部分中的讨论而被假定为现有技术。沿着这些思路,对在
技术介绍
部分中讨论的现有技术或者与此类主题相关联的现有技术中的问题的任何认识都不应被视为现有技术,除非明确声明为现有技术。相反,对
技术介绍
部分中的任何主题的讨论都应被视为专利技术人解决特定问题的方法的一部分,其本身也可能是创造性的。


技术实现思路

1、本公开的实施例提供了一种传感器单元,传感器单元可以被装配在机器或其他设备上并且能够高效且有效地检测异常操作。传感器单元包括板载传感器处理单元,板载传感器处理单元可以学习以识别机器或设备的一个或多个标准操作模式。在学习过程完成之后,当新的传感器数据与任何先前学习的操作模式都不一致时,传感器处理单元可以检测到机器的异常行为。

2、传感器处理单元可以包括非常低功率的微控制器,该微控制器能够在学习模式以及检测模式下操作。在学习模式下,微控制器在机器在标准操作模式下操作的同时接收传感器数据。微控制器通过处理传感器数据来生成一个或多个分类向量或矩阵。可以针对多个操作模式中的每个操作模式生成一个或多个分类向量或矩阵。在检测模式下,微控制器接收新的传感器数据,并且根据新的传感器数据生成特征向量。微控制器计算针对特征向量与一个或多个分类向量或矩阵中的每一者的相应的马哈拉诺比斯(mahalanobis)距离。马哈拉诺比斯距离是点p与分布d之间的距离的度量。整个说明书和权利要求书中对“特征向量与一个或多个分类向量或矩阵的马哈拉诺比斯距离”的引用可以对应于点p(特征向量)与分布d(一个或多个分类向量或矩阵)之间的距离。微控制器识别最小的马哈拉诺比斯距离,并且将最小的马哈拉诺比斯距离与阈值进行比较。如果最小的马哈拉诺比斯距离小于阈值,则微控制器确定机器在与最小的马哈拉诺比斯距离相关联的操作模式下正常操作。如果最小的马哈拉诺比斯距离不小于阈值,则微控制器确定机器在以异常方式操作。

3、当低功率微控制器确定机器正在以异常方式操作时,微控制器可以输出关于机器正在以异常方式操作的警告、标记或其他类型的指示。然后技术人员可以对机器执行检查、维护或修理。由于微控制器可以快速且高度敏感地检测异常行为,因此可以在机器遭受严重损坏之前执行维护或修理。

4、在一个实施例中,在学习模式期间,传感器单元的传感器在机器处于选定的操作模式的同时生成传感器数据的多个样本。传感器处理单元为传感器数据的每个样本生成特征向量。传感器处理单元根据多个特征向量生成均值向量。传感器处理单元还根据多个特征向量生成协方差矩阵。然后,传感器处理单元生成与协方差矩阵的逆乔里斯基(cholesky)分解相对应的分类矩阵。为选定的操作模式存储均值向量和分类矩阵。可以为机器的多个操作模式中的每个操作模式生成相应的均值向量和分类矩阵。

5、在一个实施例中,在检测模式期间,传感器生成新的传感器数据。传感器处理单元根据新的传感器数据生成新的特征向量。传感器处理单元然后针对每个先前学习的操作模式计算针对特征向量和对应的均值向量以及分类矩阵的平方马哈拉诺比斯距离。传感器处理单元然后基于最小平方马哈拉诺比斯距离对机器的操作模式进行分类或者检测异常行为。

6、在一个实施例中,一种方法包括:在被耦合到机器的传感器单元处接收训练传感器单元以识别机器的第一操作的请求,在机器执行第一操作的同时,利用传感器单元的传感器生成第一传感器数据,以及基于第一传感器数据生成均值向量。该方法包括:基于第一传感器数据生成与协方差矩阵相对应的第一矩阵,以及生成与第一矩阵的乔里斯基分解的逆相对应的第二矩阵。

7、在一个实施例中,一种方法包括:利用被耦合到机器的传感器单元生成针对机器的多个操作中的每个操作的相应的均值向量和第一矩阵,并且利用传感器单元生成传感器数据。该方法包括:针对每个均值向量和第一矩阵,计算针对每个特征向量和对应的均值向量以及第一矩阵的相应的马哈拉诺比斯距离值,并且如果所有的马哈拉诺比斯距离值都大于阈值,则确定机器在异常状态下操作。

8、在一个实施例中,一种传感器单元包括多个传感器以及传感器处理单元,传感器处理单元耦合到多个传感器。传感器处理单元被配置为在学习模式以及检测模式下操作。在学习模式下,传感器处理单元被配置为在机器执行第一操作的同时,基于从多个传感器接收到的第一传感器数据生成均值向量和第一矩阵。在检测模式下,传感器处理单元被配置为从多个传感器接收第二传感器数据,基于第二传感器数据生成特征向量,并且基于特征向量和均值向量以及第一矩阵计算平方马哈拉诺比斯距离。

本文档来自技高网...

【技术保护点】

1.一种方法,包括:

2.根据权利要求1所述的方法,包括:在训练所述传感器单元以识别所述第一操作之后,操作所述传感器单元处于检测模式,所述检测模式包括:

3.根据权利要求2所述的方法,其中计算所述马哈拉诺比斯距离包括:计算所述马哈拉诺比斯距离的平方。

4.根据权利要求2所述的方法,包括:如果所述马哈拉诺比斯距离大于阈值,则确定所述机器在异常地操作。

5.根据权利要求2所述的方法,包括:针对所述第一传感器数据的多个样本中的每个样本生成相应的第一特征向量,其中生成所述均值向量对应于生成所述第一特征向量的均值。

6.根据权利要求5所述的方法,其中所述检测模式包括:

7.根据权利要求5所述的方法,包括:生成针对所述第一特征数据的每个样本的方差值,其中每个第一特征向量包括针对对应的所述样本的所述方差值。

8.根据权利要求5所述的方法,包括:生成针对所述第一特征数据的每个样本的峰到峰值,其中每个第一特征向量包括针对对应的所述样本的所述峰到峰值。

9.根据权利要求5所述的方法,其中每个第一特征向量包括来自对应的所述样本的所述传感器数据。

10.一种方法,包括:

11.根据权利要求10所述的方法,包括:

12.根据权利要求10所述的方法,包括:

13.根据权利要求12所述的方法,包括:

14.一种传感器单元,包括:

15.根据权利要求14所述的传感器单元,其中所述多个传感器包括至少一个加速度计。

16.根据权利要求15所述的传感器单元,其中所述多个传感器包括至少一个陀螺仪。

17.根据权利要求16所述的传感器单元,其中所述多个传感器包括至少一个温度传感器。

18.根据权利要求14所述的传感器单元,包括微控制器,所述微控制器通信地耦合到所述传感器处理单元。

19.根据权利要求14所述的传感器单元,其中所述传感器处理单元被配置为基于所述平方马哈拉诺比斯距离确定所述机器是否在异常地操作。

20.根据权利要求14所述的传感器单元,其中所述第一矩阵是逆乔里斯基分解矩阵。

...

【技术特征摘要】

1.一种方法,包括:

2.根据权利要求1所述的方法,包括:在训练所述传感器单元以识别所述第一操作之后,操作所述传感器单元处于检测模式,所述检测模式包括:

3.根据权利要求2所述的方法,其中计算所述马哈拉诺比斯距离包括:计算所述马哈拉诺比斯距离的平方。

4.根据权利要求2所述的方法,包括:如果所述马哈拉诺比斯距离大于阈值,则确定所述机器在异常地操作。

5.根据权利要求2所述的方法,包括:针对所述第一传感器数据的多个样本中的每个样本生成相应的第一特征向量,其中生成所述均值向量对应于生成所述第一特征向量的均值。

6.根据权利要求5所述的方法,其中所述检测模式包括:

7.根据权利要求5所述的方法,包括:生成针对所述第一特征数据的每个样本的方差值,其中每个第一特征向量包括针对对应的所述样本的所述方差值。

8.根据权利要求5所述的方法,包括:生成针对所述第一特征数据的每个样本的峰到峰值,其中每个第一特征向量包括针对对应的所述样本的所述峰到峰值。

9.根据...

【专利技术属性】
技术研发人员:F·里扎尔迪尼L·布拉科
申请(专利权)人:意法半导体国际公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1