[发明专利]具有异常检测的改善的模拟功能安全

权利要求书

1.一种用于检测模拟电路中的异常的系统，包括：

存储器，用于存储用于操作运行一个或多个机器学习模型的异常检测模型的指令；

处理器，所述处理器耦合到所述存储器以执行所述指令以使得所述异常检测模型用于：

访问来自模拟组件上的现场检测器的运行时功能信号数据或特征设计DFx信号数据，所述DFx信号数据基于到所述模拟组件的功能输入或测试控制信号而收集；

使用点异常检测器、上下文异常检测器或集合异常检测器中的至少一个来分析所述功能信号数据或DFx信号数据；

基于所述分析的结果生成异常分数；

将所述异常分数与预先选定的阈值进行比较；以及

响应于指示所述异常分数越过所述阈值的比较结果而触发所述模拟组件的功能安全动作。

2.如权利要求1所述的系统，其特征在于，使用所述点异常检测器分析所述功能信号数据或DFx信号数据，所述点异常检测器使用第一经训练的机器学习模型识别所述功能信号数据或DFx信号数据中的各个尖峰。

3.如权利要求2所述的系统，其特征在于，使用所述上下文异常检测器分析所述功能信号数据或DFx信号数据，所述上下文异常检测器使用第二经训练的机器学习模型将所述功能信号数据或DFx信号数据中的数据实例识别为在预定义条件下在特定上下文中是异常的，包括识别所述功能信号数据或DFx信号数据中的趋势异常，其中所述趋势异常是违反经识别趋势的数据实例。

4.如权利要求3所述的系统，其特征在于，使用所述集合异常检测器分析所述功能信号数据或DFx信号数据，所述集合异常检测器使用第三经训练的机器学习模型识别相对于选定的时间范围中的功能或DFx信号数据集异常的数据实例的集合，并且其中所述数据实例的集合包括特征组，并且其中特征在同一特征组内关联并且在所述特征组的组之间是独立的。

5.如权利要求4所述的系统，其特征在于，所述第一、第二和第三经训练的机器学习模型被组合成一个或多个混合机器学习模型，并且其中使用所述一个或多个混合机器学习模型所检测到的异常被聚合以生成所述异常分数。

6.如权利要求1所述的系统，其特征在于，所述处理器进一步用于操作模型更新逻辑用于：

从云服务接收对所述一个或多个机器学习模型的联合更新；

使用所述功能信号数据或DFx信号数据动态地训练所述一个或多个机器学习模型；以及

向所述云服务提供模型更新，以用于与来自其他系统的模型更新进行聚合。

7.如权利要求1所述的系统，其特征在于，所述功能信号数据或DFx信号数据在时间序列上以时间戳格式提供。

8.如权利要求7所述的系统，其特征在于，为了将所述异常分数与所述阈值进行比较，所述异常检测模型进一步用于使用所述时间序列上的所述异常分数的值和趋势来确定所述功能安全动作。

9.如权利要求1所述的系统，其特征在于，为了分析所述功能信号数据或DFx信号数据，所述异常检测模型进一步用于对所述功能信号数据或DFx信号数据应用协变量调整，所述协变量调整包括基于基线环境温度、基线环境湿度、或测量日期对所述功能信号数据或DFx信号数据的调整。

10.一种用于检测模拟电路中的异常的计算机实现的方法，包括：

访问来自模拟组件上的现场检测器的运行时功能信号数据或特征设计DFx信号数据，所述功能信号数据或DFx信号数据基于到所述模拟组件的功能输入或测试控制信号而收集；

使用点异常检测器、上下文异常检测器或集合异常检测器中的至少一个来分析所述功能信号数据或DFx信号数据；

基于所述分析的结果生成异常分数；

将所述异常分数与预先选定的阈值进行比较；以及

响应于指示所述异常分数越过所述阈值的比较结果而触发所述模拟组件的功能安全动作。