CN119404163A 监控方法、计算机程序产品、监控单元、气体分析装置和人工智能的应用 （西门子股份公司）

2024.12.13PCT/EP2023/0639472023.05.24WO2023/241894DE2023.12.21本发明涉及一种用于系统(10)的监控方法于分别提供相关联的测量值(15)和/或控制命令(17)。监控方法(100，200)基于另一处理装置算机程序产品(70)以及一种相应配备的监控单还涉及一种用于监控气体分析装置(11)的人工2a)提供已训练的神经网络(80)，所述神经网络具有多个边缘(8b)在主动运行状态下提供所述系统(10)，并且获取分别与所述个节点(82)和/或一个边缘(81)相对应的测量值c)确定网络偏差参数(94)，所述网络偏差参数将所d)如果所述网络偏差参数(94)的量值超过能调在正常运行状态下对应于零相关性(85)的边缘(81)的相关性值(83)的量值超过相关联的2.根据权利要求1所述的监控方法(200)，其4.根据权利要求1至3中任一项所述的监控方法(200)，其特征在于，所述相关性阈值5.根据权利要求1至4中任一项所述的监控方法(200)，其特征在于，所述监控方法(200)包括另外的步骤f)，其中，基于至少一个识别出的所述缺陷边缘(876.一种用于监控系统(10)的计算机程序产品(70)，设备进行交互以运行系统(10)，并且针对所述设备能够获取并且能够在监控方法(200)中7.一种用于系统(10)的监控单元(75)，所述系统互以运行所述系统(10)，并且针对所述设备能够获取测量值(15)和/或控制命令(17)，其8.一种气体分析装置(11)，包括用于调节和测量材料39.一种用于监控气体分析装置(11)的人工智能(994[0001]本发明涉及一种用于监控系统的监控方法以及为此设计的计算机程序产品。此[0002]文献KR2021147318A公开了一种多传感器的人工智能，用于机械设备的故障诊控数据阵列的各个单元进行加权。加权能够在监控方法的执行之前或期间通过算法进行。5地，模式匹配也能够通过人工智能进行，例如在系统运行前和/或期间训练的机器学习算6免不准确的警告和/或可靠地获取系统的提前退化。所使用的监控方法的诊断精确度因此[0013]在所要求保护的监控方法的另一个设计方案中，第二步骤能够包括对测量值和/输入信号阵列的每个输入在具体的离散时间间隔内描述系统的运行状态。通过这种方式，方法期间存储满足可调节相关性标准的测量值和/或控制命令。相关性标准能够是关于在7立面或对应物。术语运行相关性应根据文件102022200694.1与术语零相关性相对应地运行状态下出现的测量值和/或控制命令。测量值能够是记录的物理量或关于各个设备的状态信息。记录的测量值和/或控制命令分别对应于神经网络的至少一个节点和/或边缘。记录的测量值和/或控制命令适合作为神经按量值汇总在一个总和中。能够记录边缘的相关性值，从零相关性和/或运行相关性中获8[0021]此外，神经网络中至少一个边缘的相关性阈值能够设置为固定阈值或移动阈保护的监控方法能够在降低的计算能力下执行，或者在提高的计算能力下更快速地执行，护的监控方法因此提供了对系统的异常运行状态的改进9应用尤其能够包括运行如上所述的相应设计的计算[0030]所要求保护的监控方法100的第一实施例在图1中示意性地示出。监控方法100用15并且控制单元14用于输出控制命令17。图1所示的第一实施例假设第一步骤110已经完元52的监控数据阵列50。监控数据阵列50的单元52和输入信号阵列32的单元32相互对应，使得输入数据阵列32和监控数据阵列52在结构[0032]通过另一处理单元40，基于输入信号阵列30确定监控数据阵列50的单元52的内[0033]在第四步骤140中，将监控数据阵列50的单元52的内容与输入信号阵列30的单元运行状态下将输入信号阵列30的单元32的内容基本上相同地映射为监控数据阵列50的单信号阵列30的多个单元32和对应的监控数据阵列50的单元52确定单元偏差参数45。例如，态的存在，指示与至少一个缺陷单元58相关联的缺陷设备12，和/或指示识别出的缺陷原出到通信接口66，该通信接口能够连接到未详细示出的上级控制单元。图1中的监控方法100通过在监控单元75上执行的计算机程序产品70实现。计算机程序产品70构成了一种人[0035]图2中示意性地展示了所要求保护的监控方法200的第二实施方案。监控方法200或控制命令17)跟随经由相应的边缘81连接的节点82的程度。相关性阈值83能够例如通过[0037]监控方法200包括第二步骤220，该步骤基于已完成的第一步骤210。在第二步骤值15或控制命令17分别对应于神经网络80的边缘81和/或节点82并作为输入值馈送到神经够诊断出属于相应节点82的设备12是有缺陷的或者至少能够预计为上同时)与各自相关联的相关性阈值86