[发明专利]机器状态监控中异常检测的条件相关性建模的系统和方法

权利要求书

1.一种预测机器传感器监控系统的传感器输出值的计算机实现方法，包括以下步骤：

为监控机器性能的多个传感器提供一组输入传感器数据X和一组输出传感器数据Y；

通过最大化边缘化条件概率函数P(Y|X)的对数，习知将输入传感器数据映射到输出传感器数据的函数关系，其中输出传感器数据Y相对于未知隐藏机器输入u的相关性被边缘化；

提供另外一组输入传感器数据X′；以及

使用输入传感器数据X′和边缘化条件概率函数P(Y|X)计算输出传感器数据Y′的期望值，其中所计算的期望值反映了输出传感器数据Y″相对于未知隐藏机器输入u的相关性。

2.根据权利要求1的方法，其中将输入传感器数据映射到输出传感器数据的函数关系为y＝f(x，u)＝Ax+Bu，其中x和y分别为输入传感器数据X和输出传感器数据Y的向量，u为表示未知隐藏输入值的向量，且A和B为模型的矩阵参数。

3.根据权利要求2的方法，其中给定x时对于函数关系f(x，u)＝Ax+Bu，y的条件概率为P(y|x)＝N(y|Ax，BB^T+σ²I_M)，并且习知函数关系f(x，u)＝Ax+Bu包括通过A＝(YX^T)(XX^T)^-1估计A，通过(Y-AX)(Y-AX)^T/L的前K个特征向量估计B，且通过(Y-AX)(Y-AX)^T/L的剩余L-K个次分量的均方差计算σ²。

4.根据权利要求1的方法，其中所述边缘化条件概率函数P(Y|X)的对数使用梯度下降最优化法而最大化。

5.根据权利要求1的方法，其中所述边缘化条件概率函数P(Y|X)的对数使用期望值最大化算法而最大化。

6.根据权利要求5的方法，其中梯度下降最优化法用在期望值最大化算法的每次迭代处。

7.根据权利要求1的方法，其中将输入传感器数据映射到输出传感器数据的函数关系为y＝f(x，u)+e，其中f(x，u)被向量θ参数化，y为表示输出传感器数据值y的M维向量，x为表示输入传感器数据值x的N维向量，且u为表示未知隐藏机器输入的K维向量，且e为表示建模误差的M维向量，e具有均值为零、标准偏差为σ²I_M的高斯分布：P(e)＝N(e|0，σ²I_M)，其中I_M为M×M的单位矩阵。

8.根据权利要求7的方法，其中边缘化条件概率函数P(Y|X)通过积分P(y|x)＝∫_uP(y|x，u)P(u)du所计算，其中P(y|x，u)＝N(y|f(x，u)，σ²I_M)为给定输入传感器数据值x和未知隐藏机器输入u时输出传感器数据值y的条件概率；N为高斯分布，其均值通过f(x，u)给出；而标准偏差通过σ²I_M给出，其中I_M为M×M的单位矩阵，且P(u)＝N(u|0，I_K)为均值为0、标准偏差为I_K的u的高斯概率分布，其中I_K为K×K的单位矩阵。

9.根据权利要求7的方法，其中K由交叉验证确定。