專利名稱：監(jiān)測方法和設備的制作方法
技術領域：
本發(fā)明涉及用于監(jiān)測演化系統(tǒng)狀態(tài)的方法和設備。
背景技術：
在很多情況下希望監(jiān)測演化系統(tǒng)(evolving system)的狀態(tài)，并在系統(tǒng)隨時間演
化時提供關于系統(tǒng)的診斷和預測服務。這些情況例如包括監(jiān)測例如建筑物或車輛的結構和
/或監(jiān)測例如工業(yè)或環(huán)境過程之類的過程。結果可以用于評估系統(tǒng)性能，并可以輔助維護系
統(tǒng)和早期介入以改善性能、穩(wěn)定性，防止故障或采取一些其他預防性或補救動作。 基本有兩種已知方式來監(jiān)測演化系統(tǒng)演變的統(tǒng)計分析或基于"先驗
(a-priori)"的過程模型。 在基于"先驗"的方式中，研究、理解系統(tǒng)底層的機制，例如物理和/或化學過程并相應建模。向模型中輸入起始參數并運行模型以展示系統(tǒng)將如何從初始狀況開始隨時間演化。 基于"先驗"的方式的一個問題在于底層過程并非一直是已知的或得到很好表征的，常常可能會隨著時間變化。 在基于統(tǒng)計的方式中，分析來自系統(tǒng)的依賴于時間的數據，以確定統(tǒng)計意義上顯著的模式。這種方式不需要了解底層系統(tǒng)機制，但必需要認真處理結果，結果常常僅在受限條件下成立。 當前需要提供新的方式來監(jiān)測演化系統(tǒng)，新方式可以輔助對系統(tǒng)做出診斷和/或預測。

發(fā)明內容
本發(fā)明的一個方面提供了一種監(jiān)測演化系統(tǒng)的方法，該方法包括如下步驟
獲得與來自監(jiān)測所述系統(tǒng)的傳感器的輸出相關的多個傳感器數據流，其中所述傳感器中的至少一個傳感器監(jiān)測所述系統(tǒng)的狀況，并且其中所述傳感器中的至少一個傳感器監(jiān)測所述狀況的原因主體； 迭代地(iteratively)構建多個泛函組(functional nest)，每個泛函組是由從基本泛函集中選擇的泛函的組合形成的泛函； 通過將所述傳感器數據流輸入到所述泛函組中，來確定每個泛函組的輸出數據流； 基于所述輸出數據流從所述多個泛函組中選擇泛函組；以及
利用所選擇的泛函組來監(jiān)測所述系統(tǒng)。 泛函被定義為函數的函數和矢量空間上的函數。輸入的矢量空間是一個或多個時間編碼的數據流，輸出的矢量空間是單個時間編碼的數據流。在這種情況下，輸入數據流將是被監(jiān)測系統(tǒng)的狀況或狀態(tài)的原因主體的由系統(tǒng)傳感器監(jiān)測到的隨時間變化的值，輸出將是系統(tǒng)狀況或狀態(tài)隨時間的演變(evolution)。
5
泛函包括、但不限于常微分方程的所有解。泛函的泛函是泛函。泛函組是從自身為泛函的基本集中的泛函的任何組合。 —種包括上述步驟的方法能夠選擇最好地代表系統(tǒng)隨時間如何對各種被感測參數(原因主體)做出響應的最佳泛函組合(最佳泛函組)。例如，系統(tǒng)可能涉及物理結構的腐蝕，傳感器數據流可以是針對一個或多個位置處腐蝕原因主體的值，例如潮濕度值、pH值等，并且輸出數據流可以是結構距故障有多么接近的度量。 使用泛函能夠組合基于"先驗"的和基于統(tǒng)計的建模的最好方面，因為過程知識將被嵌入基本集中泛函的形式中以及如何組合它們中，但選擇最好的泛函組合(和它們將反映的底層過程)是由傳感器驅動的，因此選擇的泛函組合代表的關系是對系統(tǒng)中實際存在狀況的直接響應。 可以將該方法看作將潛在地與系統(tǒng)演變有關的理論分割成一組(由泛函表示的)模塊，以及利用被感測系統(tǒng)的數據將這些模塊重新組合成可工作的系統(tǒng)模型(所選擇的泛函組)。然后可以將這個模型用于系統(tǒng)的診斷和/或預測。 要組合的泛函可以采取很多不同形式，從其形成泛函組合的基本泛函集可以在系統(tǒng)之間和被監(jiān)測狀況之間有所變化，從而反映出可能預計在系統(tǒng)中發(fā)生并與被監(jiān)測狀況相關的底層機制。可以通過將涉及系統(tǒng)行為的理論剖分成單個泛函來構造基本泛函集，該方法可以將這些泛函重新組合成整個系統(tǒng)的新理論。 泛函組的選擇將大致通過針對被監(jiān)測狀況優(yōu)化其輸出來驅動。將原因主體數據流輸入到各種可能泛函組中，選擇輸出數據流與被監(jiān)測狀況的數據流具有最佳擬合的泛函組。可以通過對它們的系數進行多維優(yōu)化來選擇泛函組。 可以將泛函鏈接到特定數據流，例如特定傳感器，但優(yōu)選地，可以將數據流應用于任何泛函。在這種情況下，將從所選擇的泛函的組合并從所選擇的傳感器數據流的組合構造泛函組。 泛函可以沒有、有一個或超過一個系數，并對一個或多個數據流操作。將基本集中的泛函限制為那些具有一個系數和一個數據流或沒有系數而有兩個數據流的泛函可能是有用的，因為這可以實現(xiàn)編程的簡單性。還優(yōu)選至少一個泛函作用于超過一個數據流，因為這樣能夠將來自獨立傳感器的結果(例如腐蝕監(jiān)測系統(tǒng)中的溫度和水分)耦合在一起。
優(yōu)選地，基本集中的泛函具有不同類型的非線性。這可以實現(xiàn)良好的數值性能，并可以避免重復且覆蓋大范圍的可能理論。典型的非線性可以包括取冪、積分、閾值處理、倍增傳感器數據流、內插、量子化、應用預指定函數和利用微分方程進行延時或相移。在需要時可以通過取它們的平方來強制采用正系數，例如，以便防止因除以過零的數導致數值問題以及導致數值算法收斂性的不穩(wěn)定。 泛函之間彼此越不同，計算機就能越快地區(qū)分它們。 可以同時在處理器存儲器中存儲，例如保持多個不同泛函組，并可以利用在選擇
要用于監(jiān)測的泛函組之前的特定時間期間內的傳感器數據優(yōu)化每個泛函組的系數。 可以隨著時間更新所選擇的泛函組，例如處理器存儲器中保持的泛函組，例如，在
接收到數據流的每個新值之后或接收到設定量的新數據之后。盡管可能在每次更新時考慮
所有可能的泛函組，但這需要相當大的計算能力。為了降低這種要求，可以從所有可能泛函
組中確定第一組最佳擬合泛函組，然后從該組中選擇最佳泛函組。在新數據進入時，可以通過針對新數據優(yōu)化泛函組系數，來頻繁更新該組最佳擬合泛函組，并可以從該最佳擬合組不斷選擇新的最佳泛函組?？梢酝ㄟ^在所有可能泛函組中再次搜索來較不規(guī)律地更新處理器存儲器中保持的泛函組的最佳擬合的集合。 可以通過任何適當方式將泛函組合成泛函組。可以使用適于解決NP困難(不確定多項式時間困難)問題的離散優(yōu)化方法，以便將泛函組數量保持在易管理的水平，同時還提供能夠對被監(jiān)測系統(tǒng)精確建模的泛函組?？梢允褂梅种Ы缦薹?。例如，該方法可以例如利用所有可能的泛函組合和所有可能的數據流組合形成所有可能的泛函對，并可以利用多維無約束優(yōu)化來為泛函系數優(yōu)化這些泛函對。然后可以在所有可能組合中，例如在每個嵌套層級上，將每個基本泛函與每個泛函對組合，然后可以為它們的系數優(yōu)化全部所得泛函組。然后可以針對最佳擬合對這樣形成的泛函對和泛函三元組兩者進行排序，通過拋棄擬合最差的泛函組將泛函組的數量降到最大數量。然后可以通過向每個三元組等增加其他泛函重復該過程，直到已達到期望的嵌套層級或直到滿足一些其他標準，例如高度擬合。然后可以將得到的泛函組的集合用作選擇最佳泛函組的基礎，或者可以使用它們中有限數量的最佳擬合的泛函組。 為了進一步改善處理時間，可以為組合泛函提供規(guī)則，使得各種不適當的組合不會發(fā)生。例如，如果泛函的組合彼此等價，則僅可以允許組合之一。而且，可以避免難以數值處理的泛函組合，因為這種組合可能不涉及實際的演變機制。 另一種標準可以是，如果泛函組提供的輸出數據流不符合被監(jiān)測系統(tǒng)的預期特征，則拒絕泛函組。例如，如果被監(jiān)測的系統(tǒng)狀況不能上升或不能下降，則可以例如在優(yōu)化泛函組或對泛函組做最佳擬合檢查之前拒絕產生分別上升或下降的輸出的泛函組。這可以例如防止使用用于腐蝕減輕的泛函組，因為腐蝕將僅會上升或保持恒定，不會自發(fā)地減輕。
可以將本方法提供的最佳泛函組用于診斷和預測。在一種形式中，向選定的最佳泛函組中輸入用于原因主體的預測將來數據流，以便提供對應于泛函組相關的系統(tǒng)狀況的預測將來值的輸出數據流。預測的將來數據流可以基于先前感測的數據流，并可以例如涉及在先前感測的數據流中重新運行所有數據值。于是，系統(tǒng)狀況或狀態(tài)的原因主體將常常是一致的，并可以例如是恒定的或以已知方式循環(huán)，因此可以簡單地重復舊的數據流值以確定新數據值。還可以僅使用先前數據流的一段，例如，涉及系統(tǒng)重要情況的一段，重要情況例如是在該段的時間內暴露于特定環(huán)境。也可以修改先前數據以例如通過環(huán)境的預期變化來考慮將來數據流中的預期差異。 由于系統(tǒng)的選定最佳泛函組反映了其底層物理響應和機制，可以將泛函組與其他系統(tǒng)(例如具有不同位置、幾何性質、材料或環(huán)境的類似系統(tǒng))的所選擇的泛函組進行比較，以確定系統(tǒng)之間有多么類似。比較例如可以涉及泛函組中公共泛函的數量以及它們排序的類似性。還可以涉及泛函組的時間歷史，例如它們如何隨著時間變化。于是，可以隨時間存儲泛函組數據，可以比較兩個系統(tǒng)的泛函組數據以確定系統(tǒng)之間的對應性。例如，系統(tǒng)可以涉及腐蝕結構上的位置。 類似的系統(tǒng)可以彼此告知它們對泛函組的選擇。例如，如果兩個系統(tǒng)是類似的，一個比另一個處于進展更快的狀態(tài)(more advanced state)，那么可以在對進展較慢的系統(tǒng)建模時使用為進展較快系統(tǒng)選擇的泛函組。例如，可以利用進展較快系統(tǒng)的當前最佳泛函組內插進展較慢系統(tǒng)的當前最佳泛函組，以便產生可以更好預測進展較快系統(tǒng)的階段中進展較慢系統(tǒng)的發(fā)展的泛函組。在試圖預測不在系統(tǒng)最近將來而是晚一些時間的故障或一些 其他狀態(tài)時(這時，系統(tǒng)的最佳擬合泛函組可能已經相比于當前選擇的泛函組有些變化)， 這種內插可能尤其有用。 在確定進展較慢系統(tǒng)中的泛函組合的規(guī)則時，進展較快系統(tǒng)的歷史也可能是有用 的，因為可以識別最佳擬合或最差擬合泛函組的趨勢，然后可以在進展較慢系統(tǒng)中優(yōu)選或 避免。 也可以將被監(jiān)測系統(tǒng)的結果應用于未被監(jiān)測系統(tǒng)。例如，諸如物理結構之類的被 監(jiān)測系統(tǒng)可以包括多個被單獨監(jiān)測的子系統(tǒng)，例如結構上的位置。在這種系統(tǒng)中，由于成本 或實際問題的原因(例如傳感器難以接近的位置，例如結構的縫隙中等)，可能無法監(jiān)測所 有子系統(tǒng)。 在這種情況下，可以為被感測子系統(tǒng)確定最佳泛函組，可以利用來自被感測子系 統(tǒng)的最佳泛函組和傳感器數據流監(jiān)測未被感測子系統(tǒng)。于是，可以識別出對原因主體具有 類似響應(例如在結構，例如幾何性質和材料方面類似)的被感測位置和未被感測位置，從 而它們可以使用相同的最佳泛函組，而被識別為具有類似值的原因主體的被感測和未被感 測位置(例如彼此相鄰的位置)可以使用相同的傳感器數據流。 可以通過預定外插泛函修改被感測子系統(tǒng)(例如位置)的泛函組和數據流，以便 考慮到被感測和未被感測位置之間泛函組或數據流的預期差異。也可以對來自兩個或更多 類似類型的被感測系統(tǒng)的泛函組或數據流進行內插，以為未被感測系統(tǒng)，例如位于兩個類 似被感測位置中間或附近的未被感測位置，提供泛函組或數據流。 例如，出于內插的目的，兩個系統(tǒng)的類似性可能要求最佳泛函組和/或它們的已 知固有性質(例如幾何性質和材料成分)的類似性?？梢酝ㄟ^環(huán)境類似性，例如結構上的 相鄰位置，確定在原因主體數據流方面的兩個系統(tǒng)的類似性。 本發(fā)明還擴展到用于上述方法的設備。本發(fā)明的另一方面提供了一種用于監(jiān)測演 化系統(tǒng)的設備，包括 用于監(jiān)測所述系統(tǒng)的參數的一組傳感器，所述傳感器之一監(jiān)測所述系統(tǒng)的狀況，
并且所述傳感器之一監(jiān)測所述狀況的原因主體；以及 處理模塊，用于 從所述一組傳感器接收數據流； 迭代地(interactively)構建多個泛函組，每個泛函組是由從基本泛函集選擇的 泛函的組合形成的泛函； 向所述數據流施加所述泛函組，以產生每個泛函組的輸出數據流；
基于所述輸出數據流選擇泛函組；以及
利用所選擇的泛函組監(jiān)測所述系統(tǒng)。 傳感器之一可以監(jiān)測系統(tǒng)的狀況或狀態(tài)，至少一個其他傳感器，但通常是更多傳 感器，將監(jiān)測改變被監(jiān)測系統(tǒng)狀態(tài)的原因主體。 例如，對于腐蝕監(jiān)測系統(tǒng)而言，原因傳感器可以包括潮濕度傳感器、溫度傳感器、 RH傳感器、鹽濃度傳感器和pH傳感器，而狀態(tài)傳感器可以監(jiān)測腐蝕電流且可以包括線偏振 電阻傳感器、電化學電阻傳感器、電偶和腐蝕產物傳感器。還可以將一些狀態(tài)傳感器用作原 因傳感器。
8
可以將傳感器一起提供于系統(tǒng)中特定位置處的傳感器簇中，可以監(jiān)測多個位置， 每個位置具有一簇傳感器?？梢詫⒋匚恢玫姆汉M數據彼此比較，以便確定這些位置處系 統(tǒng)的行為是否類似，如那些位置處系統(tǒng)的固有特征，例如結構的幾何性質和材料那樣。
可以利用來自被感測位置的最佳泛函組和傳感器數據流監(jiān)測未提供有傳感器的 位置。數據流可以來自接近例如具有相同或類似環(huán)境的未被感測位置的被感測位置，而泛 函組可以來自附近或遠處的位置，并可以更多地依賴于系統(tǒng)在這些位置處的固有特征(例 如它們的幾何性質和材料)的相似性。 該設備可以采取從通用計算機到專用處理單元的很多形式。該設備可以嵌入中央 處理單元中，中央處理單元從很多不同的被感測系統(tǒng)或子系統(tǒng)，例如結構位置，接收傳感器 讀數。它也可以嵌入分布式系統(tǒng)中，在每個傳感器簇提供智能處理單元，用于處理傳感器數 據并為該位置提供預測等。這些處理單元可以從其他處理單元以及從中央控制器接收信 息，中央控制器也可以從處理單元接收信息，以便提供全局觀并組合來自不同處理單元的 預測來監(jiān)測任何全局問題。 除了由實際傳感器系統(tǒng)提供之外，用于泛函的數據流也可以或備選地由合成數據 形成。可以產生合成數據以模擬真實傳感器的輸出，合成數據可以源于或基于真實傳感器 數據。例如可以將其用于尚未安裝或裝配的設備上的模擬運行；在空間中或從一個處理 單元到另一個處理單元的內插或外插；在時間上的外插；子采樣，例如從日常測量結果以 每小時間隔產生數據；以及替換丟失的或損壞的數據。 該方法和設備可以用于很多不同應用中。例如，可以將它們用于監(jiān)測例如建筑物 或車輛的結構和/或監(jiān)測諸如工業(yè)或環(huán)境過程之類的過程中。結果可以用于評估系統(tǒng)性 能，并可以輔助維護系統(tǒng)和早期介入以改善性能、穩(wěn)定性，防止故障或采取一些其他預防性 或補救動作。 在一個尤其有用的應用中，可以將該方法和設備用于運輸工具健康監(jiān)測中，例如 用于航空工業(yè)中。 本發(fā)明還擴展到用于執(zhí)行本發(fā)明的該方法的軟件。本發(fā)明的另一方面提供了一種 與用于監(jiān)測演化系統(tǒng)的設備一起使用的軟件，所述系統(tǒng)包括用于監(jiān)測所述系統(tǒng)的參數的一 組傳感器，所述傳感器之一監(jiān)測所述系統(tǒng)的狀況，并且所述傳感器之一監(jiān)測所述狀況的原 因主體；以及處理模塊，所述軟件包括一系列指令，用于使得所述處理模塊
從所述一組傳感器接收數據流； 迭代地構建多個泛函組，每個泛函組是由從基本泛函集選擇的泛函的組合形成的 函數； 向所述數據流施加所述泛函組，以產生每個泛函組的輸出數據流；
基于所述輸出數據流選擇泛函組；以及
利用所選擇的泛函組監(jiān)測所述系統(tǒng)。 應當指出，上述方面的任一個都可以包括上述任何其他方面的任何特征，并可以 包括下述任何實施例的任何特征。


現(xiàn)在將僅通過舉例的方式并參考附圖描述本發(fā)明的實施例。顯然，附圖的特定性不替代本發(fā)明前述說明的一般性。 在附圖中 圖1是利用一組泛函監(jiān)測演化系統(tǒng)的方法和設備的示意圖； 圖2是確定用于監(jiān)測系統(tǒng)的最佳泛函組的過程的流程圖； 圖3是確定可以從中選擇用于系統(tǒng)監(jiān)測的最佳泛函組的一組泛函組的過程的流 程圖； 圖4是利用所選擇的泛函組預測系統(tǒng)狀況的過程的流程圖； 圖5是可以利用泛函方法在多個被感測和未被感測位置處監(jiān)測的結構的示意圖； 以及 圖6到8是可以利用泛函方法在各被感測和未被感測位置處監(jiān)測的各其他結構的 示意圖。
具體實施例方式
參考圖l，隨時間演化的系統(tǒng)l，例如退變的物理結構，常常在本質上是復合的。例 如，系統(tǒng)中可能正在發(fā)生多個機械、物理和/或化學過程，可能難以精確知道這些過程如何 進行或彼此交互或它們如何隨時間發(fā)展。因此，可能難以利用常規(guī)建模技術對這種系統(tǒng)建 模。 在本方法中，確定數學表達式或"理論"2，其可以表示可能在系統(tǒng)1中在工作的各 種過程/機制。然后將這些理論2分成各個基本泛函gl到gn，每個泛函可以與一個或多個 過程或理論2相關。 可以將泛函視為函數的函數，其會作用于一個或多個輸入的時間編碼數據流，以 產生輸出時間編碼數據流。 這些個體基本泛函gl到gn存儲在處理器4的存儲器3中。處理器4包括數據處 理單元4. 1、主存儲器4. 2和輔存儲器4. 3。主存儲器4. 2存儲一系列指令形式的軟件，以 令數據處理單元4. 1執(zhí)行期望的功能，例如圖2到圖4所示的功能。輔存儲器4. 3暫時存 儲系統(tǒng)1工作期間產生的、處理器4執(zhí)行期望功能所需的數據。處理器4將泛函gl到gn組 合成各種可能的排列(permutation) 到FNm。這些排列的每個都是基本泛函gl到gn中的 一組所選擇的泛函，可以視為表示關于系統(tǒng)1如何可以工作，即原因主體(causal agent) 和要監(jiān)測的結果狀況之間關系的可能數學"理論"。 處理器4使用來自系統(tǒng)1中的傳感器5的數據流Sl到Sl選擇泛函組到FNm之
一作為最佳泛函組FN。，最佳泛函組最好地預測系統(tǒng)1如何對傳感器5監(jiān)測的影響做出響
應，并利用該最佳泛函組FN。來診斷和/或預測系統(tǒng)1將如何隨時間演化。 處理器4例如可以向最佳泛函組FN。輸入預期的將來的傳感器數據流，以獲得與
系統(tǒng)1隨時間的預期發(fā)展相關的輸出數據流。系統(tǒng)1然后可以提供用戶輸出6，例如維護報
告或警告，指示系統(tǒng)1隨時間變化的可能狀態(tài)并可以基于預期的發(fā)展發(fā)出警報并提出關于
維護等的建議。 為了確定最佳泛函組FN。，處理器4可以接收既涉及原因主體又涉及結果系統(tǒng)狀況 的數據流81到81。例如，處理器4可以接收關于潮濕度、pH值、濕度等作為原因主體的傳感 器數據，并可以接收涉及材料腐蝕狀態(tài)的作為結果系統(tǒng)狀況的傳感器數據。處理器4然后可以向泛函組F^至ljFNm的各種可能排列中輸入各種原因主體數據流，并可以確定哪個泛函 組提供與實際腐蝕數據流擬合最好的輸出。然后可以將這個泛函組選作最佳泛函組FN。，并 可以用于監(jiān)測和預測系統(tǒng)發(fā)展。 隨著從系統(tǒng)傳感器5接收到更多數據，處理器4可以更新對哪個泛函組是最佳的 確定，因此響應于系統(tǒng)1中的變化，最佳泛函組FN。可以隨時間變化。 除了排列泛函gl到gn以提供泛函組之外，處理器4還可以排列傳感器流Sl到Sl。 于是，盡管可以在其應用中泛函gl到gn被限制到特定傳感器，使得選擇泛函也必需要使用 特定數據流，但優(yōu)選地，泛函可以自由作用于任何感測到的數據流。于是，泛函組FN將不僅 涉及到泛函的具體組合，而且涉及數據流與那些泛函的具體組合。 此外，除了優(yōu)化泛函和傳感器數據流的選擇之外，處理器4還可以優(yōu)化泛函的系 數。例如，可以相對于與做出最佳泛函組選擇之前正監(jiān)測的狀況相關聯(lián)的傳感器輸出優(yōu)化 每個泛函組的系數，在已經選擇最佳泛函組時，可以繼續(xù)根據新的傳感器數據值優(yōu)化其系 數。 由于組合在一起的泛函gl到gn反映了大致適合系統(tǒng)1的底層物理或化學機制，該 方法選擇的最終理論(最佳泛函組FN。)將包含物理和/或化學性質，并且由于泛函的最佳 組合是由實際傳感器數據驅動的，所以所選擇的最終泛函組是對系統(tǒng)1中存在的實際情況 的直接響應。最終的理論FN。因此將代表關于系統(tǒng)1如何工作的傳感器驅動的理論，并將 比例如僅僅由統(tǒng)計過程驅動的模型在物理和化學上更加有效。也可以不必詳細理解系統(tǒng)中 發(fā)生作用的實際機制而獲得最佳泛函組，且最佳泛函組可以比"先驗"模型響應更加迅速。
圖2是處理器4為了確定最佳泛函組FN。而執(zhí)行的一種示范性方法的流程圖。
在步驟Sl中，處理器4確定可以使用的傳感器數據流Sl到Sl和泛函gl到gn的 基本集。這些將會基于系統(tǒng)1中什么機制發(fā)生作用的預期以及需要監(jiān)測什么原因主體和狀 況?？梢酝ㄟ^從被監(jiān)測系統(tǒng)如何演化的各種理論剖析獨立泛函來確定泛函，處理器4將這 些"理論"有效地重組成從各種泛函組合形成的可能新"理論"。 泛函的選擇可以限于接受一個系數和一個數據流的泛函或不接受系數而接受兩 個數據流的泛函，從而實現(xiàn)用于實施該方法的小程序。為了獲得好的數值性能(numerical performance)，基本集中的泛函可以指定不同類型的非線性。典型的非線性可以包括取冪、 積分、閾值處理、倍增(multiplying)傳感器數據流、內插、量子化、應用預指定函數和利用 微分方程進行延時或相移。在需要時可以通過取它們的平方來強制采用正系數，從而減小 數值問題的風險。泛函優(yōu)選對超過一個數據流作用，從而耦合來自不同傳感器的結果。
在步驟S2中，處理器4將泛函和原因主體數據流組合成多個泛函組，并優(yōu)化每組 中泛函的系數，使得來自泛函組的輸出數據流實現(xiàn)與感測要監(jiān)測的系統(tǒng)狀況的狀態(tài)傳感器 的輸出數據流的最佳擬合(best-fit)。 在步驟S3中，處理器4將實現(xiàn)與狀態(tài)傳感器數據流最佳擬合的泛函組選擇作為最 佳泛函組FN。，然后存儲該泛函組FN。，以在預測系統(tǒng)將來狀況時使用。 最佳擬合的方法可以是最小平方法，可以包括加權，例如在擬合系統(tǒng)的預測和實 際監(jiān)測值的時間系列時，可以為較陳舊值賦予比較近值更小的權重。這允許更近的誤差值 在預測將來性能時比較舊值起更大作用。而且，當在充分舊時間時加權值為零時，這可以有 助于提高計算速度并減少存儲要求。這也可以更好地實現(xiàn)跟蹤系統(tǒng)狀態(tài)(例如腐蝕狀態(tài))，以應對系統(tǒng)狀態(tài)(例如腐蝕速率)的突變。系數優(yōu)化可成為多維無約束優(yōu)化中可以通過標 準方法解決的問題。 隨著新數據值從傳感器5進入，可以繼續(xù)以以上方式確定最佳泛函組FN。。然而， 為了減少計算時間，在步驟S4中，處理器4確定在步驟S2中發(fā)現(xiàn)的最佳擬合N個泛函組， 例如最佳擬合100，并將它們作為依據存儲，用于通過循環(huán)執(zhí)行步驟S5到S7確定將來最佳 泛函組。 于是，在步驟S5中，監(jiān)測傳感器數據流，來自步驟S4的最高N個泛函組的系數針 對更新的傳感器數據得到優(yōu)化。可以針對每條接收到的新數據或在接收到設定數量的新數 據值之后進行這種更新。在每次優(yōu)化之后，在步驟S6選擇N個泛函組的最佳擬合泛函組作 為最佳泛函組FN。。通過這種方式，在系統(tǒng)1演化時不斷更新最佳泛函組FN。。
在系統(tǒng)1隨時間演變時，步驟S4的初始最高N個泛函組可能不再是最佳擬合泛函 組，因此在步驟S7，處理器4可以監(jiān)測更新狀況，如果存在更新，使過程返回到步驟Sl，以重 新評估所有可能的泛函組合并重新確定最高N個泛函組。如果不存在更新狀況，該過程繼 續(xù)循環(huán)通過步驟S5和S6。 更新狀況可以是任何適當的觸發(fā)，可以表示需要對泛函組的基本群(basic
group)進行重新評估。例如，可以在設定的時間量之后或已經接收到設定量的新數據值之
后出現(xiàn)。還可以通過根據N個基本組的最佳擬合對它們排序，并在這種排序顯著變化時，例
如在多個最佳擬合組顯著改變它們在排序中的位置時進行更新，從而出現(xiàn)。 因此，圖2中所示的過程降低了處理器4的計算要求，但仍然提供了精確的最佳泛函組。 圖3是例如針對圖2的步驟S2到S4確定最佳擬合泛函組的一種方式的流程圖。 它使用了分支界限搜索技術，以便減少計算開銷。 在步驟S10中，從泛函gl到gn的所有可能組合以及原因數據流Sl到Sl的所有可 能組合形成泛函對，并在步驟Sll中這些泛函對它們的系數進行優(yōu)化。在步驟S12中，在所
有適當的嵌套位置將基本泛函gi到gn的另一個嵌入每個泛函對組中，其中可以由例如限制
重復(duplication)以及不適當的系統(tǒng)和/或數值行為的規(guī)則來控制適當性。所得的泛函 組在步驟S13中對它們的系數進行了優(yōu)化。然后在步驟S14中根據它們與來自狀態(tài)傳感器 的數據流的擬合程度對新形成的優(yōu)化泛函組和根據其形成它們的組(在該第一實例中優(yōu) 化包括所有泛函對)進行排序，并且在步驟S15中，通過拋棄擬合最差的組將泛函組限制在 最大數量(例如100個)?？梢詫⑴判蚝蛼仐壗Y合成單個步驟。圖3的步驟S14和S15可 以對應于圖2的步驟S3和S4。 重復步驟S12到S15的過程，直到在步驟S16實現(xiàn)停止條件為止。于是，該過程 繼續(xù)向每個現(xiàn)有組添加額外的泛函，以增加組的深度，同時限制組的數量，由此節(jié)省處理時 間。在適當次數迭代之后，在步驟S16中停止增加泛函，在步驟S17存儲當時存在的泛函組 集合，例如供圖2的步驟S4使用。 泛函組的這個集合可以包括深度(即其中泛函的數量)程度變化的組，如在步驟 S14中那樣，被排序的泛函組不僅包括其上增加了泛函的組，還包括已經在此前周期中生存 下來的較低程度的那些泛函。 步驟S16的停止條件可以采取任何適當形式，并可以例如在已經嵌入所有可能基本泛函gi到gn時，或在嵌套已經發(fā)生到期望最大深度時或判定組具有比特定值更接近的最 佳擬合時出現(xiàn)。 可以對如何組合基本泛函gl_gn以限制計算需求設置限制。例如，可以禁止僅僅復 制其他泛函組合的泛函組合，因為組合可能會極度難以數值方式處理或不會涉及物理上有 意義的機制。 而且，可以對照被監(jiān)測系統(tǒng)狀況的預期或已知趨勢比較泛函組的輸出，并且如果 其輸出不符合預期趨勢可以拒絕輸出。例如，可能需要泛函組提供單調上升或下降的輸出。 例如，在被監(jiān)測狀況不能上升或下降時，例如在腐蝕損壞不能下降而將僅僅保持相同或上 升時，這樣可能是適當的。 如上所述，一旦已確定了最佳泛函組FN。，就可以將其用于預測被監(jiān)測系統(tǒng)狀況的 將來發(fā)展。這可以例如通過圖4中所示的過程實現(xiàn)。 在圖4中，首先在步驟S20，例如通過圖2和圖3的過程確定系統(tǒng)的最佳泛函組 FN。。接下來，在步驟S21確定一組將來的原因主體數據流。這種將來數據例如可以是先前 傳感器數據的重復，因為原因主體值將常常具有一定程度的一致性，且可以例如隨時間保 持大致恒定或可以通過理解的方式循環(huán)。還可以將將來數據標識為先前數據流值的特定部 分，例如對應于系統(tǒng)已經經歷且將來再次經歷的特定情況。例如，如果在監(jiān)測宇宙飛行器的 腐蝕狀況，數據可以涉及特定行駛路線等。而且，將來數據可以是以預期方式修改的先前傳 感器數據流，例如，以反映系統(tǒng)環(huán)境中已知的變化，例如被監(jiān)測結構移動到不同氣候中等。
—旦已經確定了適當的數據流，就在步驟S22中將它們輸入到最佳泛函組FN。中， 并在步驟S23分析結果，例如以檢查諸如故障之類的重要狀況或指示何時發(fā)生了一定量的 損傷以及何時可能需要補救動作。這樣然后能夠實現(xiàn)適當地安排維護等，并可以實施預防 動作以防止故障等。 由于最佳泛函組FN。反映了系統(tǒng)中發(fā)生的底層過程，因此也可以通過很多其他方 式使用最佳泛函組FN。。例如，可以在一個系統(tǒng)和另一個系統(tǒng)的最佳泛函組數據(例如，所 選最佳泛函組的時間歷史、當前的最佳泛函組等)之間做出交叉比較。例如，如果兩個系統(tǒng) 的泛函組充分相似，那么可以認為系統(tǒng)以類似方式動作。可以用很多方式使用該信息。
例如，如果一個系統(tǒng)比另一個系統(tǒng)進展更快，例如退化更快，那么可以使用進展更 快的系統(tǒng)的最佳泛函組的時間歷史來通知進展較遲的系統(tǒng)的最佳泛函組發(fā)展。這可能對于 進一步預測將來尤其有用。這樣，盡管根據圖2和3確定的最佳泛函組可以是馬上到來的 將來的良好預測器，但其可能不會在較遠的將來保持相關，例如，在試圖確定結構故障時間 等時。因此，通過識別類似系統(tǒng)，能夠將最佳泛函組數據用于進展更快的系統(tǒng)，以更好預測 進展較慢系統(tǒng)的將來最佳泛函組。 例如，可以利用內插泛函為進展較慢系統(tǒng)的最佳泛函組內插進展較快類似系統(tǒng)的 一個或多個最佳泛函組。然后可以應用所得的最佳泛函組來預計將來的原因主體數據流， 以預測進展較慢系統(tǒng)的發(fā)展。 可以通過比較兩個位置的狀態(tài)傳感器和/或觀察它們的最佳泛函組歷史以發(fā)現(xiàn) 特征趨勢來實現(xiàn)對哪個位置進展更快的確定。而且，為了確定兩個位置是否類似，可以比較 它們固有的特征，例如幾何性質和材料，而不是比較或者也可以比較它們的最佳泛函組數 據。
也可以在定義可以如何組合泛函的規(guī)則中使用類似但進展較快系統(tǒng)的最佳泛函
組的歷史，從而可以加快優(yōu)化過程。例如，可以識別出進展較快系統(tǒng)中的趨勢，在確定類似
系統(tǒng)的最佳泛函組時可以優(yōu)選或避免與那些趨勢匹配的泛函組合。例如，可以發(fā)現(xiàn)特定的
相鄰泛函常常發(fā)生于擬合良好或不好的泛函組中，分別可以優(yōu)選或避免這些泛函。 可以通過多種方式判斷兩個系統(tǒng)的最佳泛函組數據是否類似。例如，在泛函組中
設定數量的基本泛函相同并以相同次序發(fā)生時，以及在這些基本泛函的每個作用于來自相
同或類似傳感器的數據時，可以認為系統(tǒng)是類似的。 也可以將被監(jiān)測系統(tǒng)用于提供關于不被監(jiān)測系統(tǒng)的預測。例如，如圖5所示，系統(tǒng) 1可以涉及結構元件7的腐蝕情況，監(jiān)測系統(tǒng)可以涉及監(jiān)測多個子系統(tǒng)，例如結構元件7中 特定位置7. 1-7.5的腐蝕情況。 這可以通過在所有位置7. 1-7. 5處提供原因主體傳感器和狀態(tài)傳感器并對每個 位置利用上述過程來實現(xiàn)。 不過，可能無法在所有位置提供傳感器，例如，僅可以在一些位置，例如在7. 1、7. 3 和7. 5處提供傳感器簇。在這種情況下，可以對這些位置的每個應用上述過程以提供對每 個位置的診斷和預測數據，可以利用最佳泛函組和來自被感測部位7. 1、7. 3和7. 5的傳感 器數據監(jiān)測未感測部位7. 2和7. 4。 例如，可能已知位置7. 2和7. 5對原因主體將具有類似響應，例如因為它們是由相 同材料制成且具有相同幾何性質，同時可能已知位置7. 2暴露于和位置7. 1相同的原因主 體影響，例如，因為位置7. 1和7. 2在第一環(huán)境區(qū)域A中，而位置7. 3、7. 4和7. 5位于第二 環(huán)境區(qū)域B中。在這種情況下，對未被感測位置7. 2的預測可以基于為位置7. 5確定的最 佳泛函組以及從位置7. 1獲得的原因主體數據流。 取代使用來自被感測位置的相同最佳泛函組或相同數據流的是，可以修改任一者 以考慮被感測和未被感測位置之間最佳泛函組或數據流的預期差異。這可以通過使用預定 外插函數來實現(xiàn)，該外插函數例如可以是從實驗室實驗確定的?？梢詫⒃撏獠宸汉迦胂?前確定的最佳泛函組中的預定位置中。 也可以使用來自超過一個被感測位置的數據流和最佳泛函組。例如，如果預計位 置7. 3、7. 4和7. 5對原因主體提供類似的系統(tǒng)響應，那么可以通過向被感測位置7. 3和7. 5 的最佳泛函組應用內插泛函來獲得未被感測位置7. 4的最佳泛函組。如果需要補償位置之 間的差異，然后所得泛函還可以涉及外插泛函。在考慮到內插的適當性時，可以對7. 3禾P 7. 5的最佳泛函組做出比較以確定它們
是否類似。如果認為它們是類似的，例如，如果它們具有作用于相同或相似類型傳感器上
的處于相同或類似次序的設定數量的相同基本泛函，那么可以認為被感測位置具有類似響
應，也可以認為兩個位置附近的未被感測位置具有相同的響應特征。在這種情況下，如果位
置7. 3和7. 5具有類似最佳泛函組，可以認為它們和位置7. 4都對原因主體具有類似響應，
可以為7. 4分配作為位置7. 3和7. 5的最佳泛函組內插的最佳泛函組。 位置7. 4的數據流也可以是來自位置7. 3和7. 5的數據流的內插，因為它們處在
類似的環(huán)境B中。 也可以將這些考慮和內插擴展到使用三個或更多被感測位置。 圖6到8示出了可以通過被感測位置監(jiān)測未被感測位置的其他情形。圖6是結構一角的視圖，圖7是通過縫隙的截面，圖8是通過緊固件的截面。在圖6中，位置8. 3是直 角結構8的一角，可能不容易在該位置放置傳感器，而位置8. 1、8.2和8.4可以被感測或不 被感測。由于位置8. 1和8. 2都在結構8的豎直截面8a上，它們的環(huán)境可以是類似的，除 非例如水在位置8. 2上方滴下，而8. 4處的環(huán)境可能不同或并非不同，因為它是在水平段8b 上的，而由于其處于角部，8.3處的環(huán)境將一般是不同的。 在這種情況下，如果僅在8. l處有傳感器，那么可以將8. 1的數據流直接用于位置 8.2和8.4，同時可以通過預定角校正(外插)泛函修改這些數據流，以便為8.3確定數據 流?？梢允孪韧ㄟ^實驗室實驗等確定角校正泛函。 如果在8. 1和8. 4處有傳感器，那么可以將8. 1的數據流用于位置8. 2的數據流， 而對于位置8. 3，可以向8. 1和8. 4的數據流應用內插泛函，然后可以向內插結果應用角校 正泛函。 圖7示出了由形成縫隙9c的兩個部分9a和9b形成的結構9。在該范例中，有縫 隙外部的位置9. 1和9. 2，可以在那里安裝或不安裝傳感器，以及縫隙之內的位置9. 3，在那 里難以安裝傳感器。 在該范例中，如果僅監(jiān)測位置9. 1，那么可以直接從位置9. 1的數據流獲取位置 9. 2的數據流，而可以通過向位置9. 1的數據流施加縫隙外插泛函來獲得位置9. 3的數據 流。該外插泛函將再次事先例如在實驗室中確定，其與圖6的角外插泛函不同。
如果位置9. 1和9. 2都被監(jiān)測，那么可以通過向位置9. 1和9. 2的數據流施加內 插泛函和縫隙外插泛函來獲得9. 3的數據流。 圖8示出了緊固件11及其接合的金屬面板12之間的另一種縫隙結構10。通常不 可能在縫隙位置10. 1中放置傳感器，但緊固件11周圍的腐蝕情況可能關聯(lián)很大，因此為了 監(jiān)測這里的腐蝕情況，可以監(jiān)測位置10. 2的腐蝕情況，可以使用來自10. 2的數據流，通過 向其施加另一縫隙外插泛函(例如，在實驗室中確定)，來確定10. 1處的腐蝕情況。
在圖6到8中，可以從預計會與未被感測位置具有類似響應的感測位置確定未被 感測位置的最佳泛函組。這些被感測位置可以接近未被感測位置，例如可以是圖中所示位 置的一個或多個，或可以是結構上的別處。同樣，最佳泛函組可以通過外插泛函和/或內插 泛函得到修改，并將被應用于上文確定的數據流以提供例如各位置中預期腐蝕發(fā)展的預計 數據流。 總而言之，本發(fā)明的方法和設備能夠通過提供對系統(tǒng)直接被監(jiān)測狀態(tài)的良好擬合 的泛函組合，對隨時間演化的復雜系統(tǒng)進行建模。從其選擇組合的泛函在其自身之內嵌入 真實過程和機制，且該組合由真實數據驅動。因此，得到的泛函組合將具有底層物理和/或 化學含義，且將對被研究的具體系統(tǒng)做出響應。 導出的泛函組合不僅可以用于通過將它們用于預測的將來原因主體數據流而預
測將來發(fā)展，而且還可以提供系統(tǒng)之間的交叉比較，例如以確定系統(tǒng)彼此有多么類似。 該方法和設備可以用于很多不同應用中。例如，可以將它們用于監(jiān)測例如建筑物
或車輛的結構和/或監(jiān)測例如工業(yè)或環(huán)境過程之類的過程中。結果可以用于評估系統(tǒng)性
能，并可以輔助維護系統(tǒng)和早期介入以改善性能、穩(wěn)定性，防止故障或采取一些其他預防性
或補救動作。例如可以將它們用于運輸工具健康監(jiān)測，例如宇宙飛行器監(jiān)測。 可以將它們用于監(jiān)測系統(tǒng)的 何適當特征，例如結構的累加退化(degradation)、從反應容器傳遞產品以及運輸工具行駛的距離。 該設備可以采取很多不同形式，可以包括任何適當的傳感器和數據處理設備，包 括適當編程的通用計算機或專用硬件單元。 該設備可以嵌入中央處理單元中，中央處理單元從很多不同的被感測系統(tǒng)或子系 統(tǒng)，例如結構位置，接收傳感器讀數。它也可以嵌入分布式系統(tǒng)中，在每個傳感器簇提供智 能處理單元，用于處理傳感器數據并為該位置提供預測等。這些處理單元可以從其他處理 單元以及從中心計算機接收信息，中心計算機也可以從處理單元接收信息，以便提供全局 觀并組合來自不同處理單元的預測來監(jiān)測任何全局問題。 顯然，可以對前面描述的部分做出各種改變、增添和/或修改而不脫離本發(fā)明的 范圍，并且鑒于以上教導，可以通過本領域技術人員理解的各種方式以軟件、固件和/或硬 件來實施本發(fā)明。 就一個或多個將來申請而言，可以將本申請用作優(yōu)先權基礎，任何這種將來申請 的權利要求可以涉及到本申請中描述的任一個特征或特征組合。任何這種將來申請可以包 括一個或多個所附權利要求，所附權利要求是通過舉例方式給出的，且在任何將來申請中 可以主張什么方面不是限制性的。范例范例1這是基于手動汽車行駛距離估計的簡單范例，假設如下傳感器數據S丄車輪rpmS2引擎rpmS3檔位(即1或2或3等)S4加速器踏板位置Ss引擎溫度令前兩個單位泛函為gl(x) = cp，其中Cl為要確定的常數。g2("=j:』理論A指示行駛距離為D " gl (g2 (Sl))。令后兩個單位泛函為g3(x， y) = xyg4(x) = |《4 ，其中C4為要確定的常數。理論B指示行駛距離為D " gl(g2(g3(S2，g4(s3))))。每次出現(xiàn)的gl都具有不同常數。還可以從傳感器s4估計行駛的距離。出于例示目的，假設在理論C中，加速器踏
板位置與加速度線性相關，且僅有減速度是由于車輪摩擦造成的。
令下一單位泛函為下式的解
rfe (力 ^^ = c5(x-g5(x))其中C5是要確定的常數。
然后，理論C指示行駛的距離為D " gl (g2 (g5 (s4)))。
通過這種方式，已經將三個理論分成五個單位泛函。 在這種監(jiān)測方法和設備中，計算機算法可以測試這些泛函和傳感器的排列，以找 到最精確的組合。 實際應用這種方法和設備的稍微高級版本會同時確定短期測試驅動對車輛造成 的空氣阻力、引擎摩擦力、和車輪摩擦力。 例如，可以將內插泛函用于估計同一車輛不同版本的值。例如，可以在使用來自客
車的結果時，使用外插泛函以估計柴油機卡車的值。需要事先定義這些泛函。 所述的過程具有顯著的一般性。同樣的五個泛函例如可以是用于從傳感器測量腐
蝕電流、相對濕度、表面潮濕度等預測鋁腐蝕的小組泛函的一部分。 范例2 本范例涉及結構的腐蝕情況。 值得注意的是，可以將用于分析手動汽車行駛距離而發(fā)展的所有五個泛函用于完
全不同的復雜系統(tǒng)、結構腐蝕，而無需做出修改。 令gl， . . . ， g5如范例1中定義的那樣。那么 gl的用途是單位的變化，例如從傳感器測量的電壓伏特到相對濕度。其他用途是 確定角的腐蝕情況(假設在平面上)以及將總體腐蝕與諸如質量損失或凹陷深度之類的損 傷的實際測量值加以關聯(lián)。 g2的用途是從瞬時損傷確定時間積分的損傷。 g3的用途是從潮濕度乘以另一變量的函數得到瞬時損傷。另一個范例是包括pH 值的效應。有很多其他用途。 g4的用途是濕潤周邊、表面積和水滴體積之間的關系。有很多其他用途。 g5的用途是根據空氣加熱和冷卻進行表面加熱和冷卻。另一個用途是包含電解液
的氣溶膠滲透到空腔中。 為了對結構的腐蝕建模，可以使用范例1中未使用的四個其他單位泛函。
g6(x， y) = x+y 這個泛函用于對溫差導致的熱傳遞建模、求平均值和內插之中。有其他方式來這 樣做，例如利用g(x， y) = cx+(l-c)y和/或更高級的內插方法。
<formula>formula see original document page 17</formula> 使用這個泛函是為了根據局部相對濕度確定表面的潮濕度。另一個用途是對使用 保護層造成的延遲建模。 使用這個泛函是為了從外部的潮濕度得到裂縫或細縫內部的潮濕度。有其他方式 來這樣做，例如使用
<formula>formula see original document page 17</formula>
<formula>formula see original document page 17</formula>:0172] 使用這個泛函是為了根據相對濕度計算潮濕時間。
:0173] <formula>formula see original document page 17</formula>
這九個單位泛函可以足夠對結構的腐蝕建模。 它們可以適合腐蝕的三種部分理論。令Sl為被感測的相對濕度，s2為被感測的侵 蝕性污染物濃度。這兩者都依賴于時間。
理論A :損傷正比于潮濕時間。
D " gl(g2(g8(Sl))) 理論B :損傷正比于裂縫中潮濕的時間。
D " gl(g2(g8(g9(g7(Sl)))))
理論C :損傷正比于侵蝕性污染物的沉積。
D " gl(g2(g3(g8(Sl))， s2)) 可以通過類似方式將額外的類似理論分解成單位泛函。
范例3 本范例涉及沉淀池底部泥巴的密度。 這是另一種完全不同的復雜系統(tǒng)。范例2的九個泛函中的六個可以不做修改轉借 到本范例。這些泛函是gl和g3到g7。對于其他泛函而言，排除g8和g9，因為對它們沒有實 質需要，排除g2，因為泥巴的密度是瞬時值而非積分值，這與范例1和2的距離和損傷不同。
使用至少一個新的單位泛函，針對作為時間函數的給定流入流體性質和質量流量 的平流-擴散方程的解。可以將此表達為g10(x，>0= j"+exp(—yV/4)fifr 可以開發(fā)其他單位泛函來包含其他理論。
范例4 本范例解釋了如何可以將來自例如范例2的單位泛函組合成泛函組。
每個單位泛函需要最多一個常數?？梢詫⑺鼈兂山M地組合以得到正確的最終形 式。通過分組，可以利用多維非線性最小二乘法曲線擬合(multidimensional nonlinear lest squares curve fitting)將它們擬合到傳感器測量結果?？梢岳脴藴实姆蔷€性優(yōu) 化技術，例如Powell的方法來這樣做。 可以通過不同方式使用不同的泛函。例如，可以將泛函gg專門用于外插，一般不 用于嵌套組合，以允許環(huán)境/微氣候中的變化，ge可以用于一般嵌套組合和不同位置和環(huán)境 之間的內插。 某些泛函組合可能不是適合的。例如，考慮組合的泛函gi(gj(…gkfe(…，可以為 每對k和1對k和1施加約束以限制重復，避免不可能的數字并且是實質現(xiàn)實的。這樣的 范例可以是 重復gl (g2 = g2 (gl ，從而避免g2 (gl 。 不可能的數字g5(g5會是腐蝕的數學描述的完美的有效部分，但可能無法由數值 方案處理，因此避免g5(g5。實質現(xiàn)實的gjg4(g2(g2可以是對數據的良好擬合，但可能不對應于任何實質現(xiàn)
實機制，因此避免&(&。
下表示出了可能的限制集，其中"1"標識允許，"0"表示禁止 k=l k = 2 k = 3 k = 4 k = 5 k = 6 k = 7 k = 8








1
2
3
4
5
6
7
8
0
1 1 1 1 1 1 0
0
0
1 1 1 1 1 1
0
1 1 1 1 1 1 1
0
1 1
0
1 1 1
0
0
1 1 1
0
1 1
0
1 1 1 1 1 1 1
0
0
1 1 1 1 1
0 0
0
0
1
0
1 1
0 0
應當通過從非線性最小二乘法擬合中檢查尋找最小量的匹配后驗地(即ostieri) 去除上表中允許的重復。
可能性數量隨著泛函數量 以使用消除不可能組合的更快方法
很快地增長，非線性最小二乘法可能是緩慢的，因此可 ' 一種方法是使用大致單調性約束。假設已經接受了…
gi(gj…，找到了約束Ci和Cj，并且要求測試…gi(gk(gj…。然后利用先前發(fā)現(xiàn)的Ci和Cj以 及Ck二 l計算…gi(gk(gj…的值。如果結果不大致單調則拒絕該布置，例如，如果"總上 升"/ "總下降"位于范圍0. 1到10之內，則拒絕該布置。如果布置滿足大致單調性約束， 則進行完整的非線性最小二乘法評估。 另一種消除備選項的方法是使用單位泛函的排列而不是一些或全部單位泛函的 組合。這能夠實現(xiàn)非?？焖俚挠嬎銠C算法，隨著嵌套深度增大，這種計算機算法變得更快而 不是更慢。如果被建模為泛函組的所有子理論(例如范例1和范例2的理論A、 B和C)使 用單位泛函的排列，這是一種有效的方式。
權利要求
一種監(jiān)測演化系統(tǒng)的方法，所述方法包括如下步驟獲得與來自監(jiān)測所述系統(tǒng)的傳感器的輸出相關的多個傳感器數據流，其中所述傳感器中的至少一個傳感器監(jiān)測所述系統(tǒng)的狀況，并且其中所述傳感器中的至少一個傳感器監(jiān)測所述狀況的原因主體；迭代地構建多個泛函組，每個泛函組是由從基本泛函集中選擇的泛函的組合形成的泛函；通過將所述傳感器數據流輸入到所述泛函組中，來確定每個泛函組的輸出數據流；基于所述輸出數據流從所述多個泛函組中選擇泛函組；以及利用所選擇的泛函組來監(jiān)測所述系統(tǒng)。
2. 根據權利要求1所述的方法，包括如下步驟獲取與所述系統(tǒng)的狀況相關的數據流；以及選擇具有與所述狀況數據流最佳擬合的輸出數據流的泛函組作為所選擇的泛函組。
3. 根據權利要求1或2所述的方法，其中從所選泛函的組合和所選傳感器數據流的組合構造泛函組。
4. 根據任一前述權利要求所述的方法，包括如下步驟通過剖析與所述系統(tǒng)的行為相關的理論來構建所述基本泛函集。
5. 根據任一前述權利要求所述的方法，其中所述基本集中的泛函具有不同類型的非線性。
6. 根據任一前述權利要求所述的方法，其中如果對一個數據流操作，所述基本集的泛函具有不超過一個系數，和/或其中如果對兩個或更多數據流操作，所述基本集的泛函沒有系數。
7. 根據任一前述權利要求所述的方法，包括如下步驟構建泛函組的最優(yōu)集；監(jiān)測所述傳感器數據流的新數據值；利用所述新數據值優(yōu)化所述最優(yōu)集中泛函組的系數，以形成優(yōu)化泛函組；以及從所述優(yōu)化集中選擇所述優(yōu)化泛函組之一作為所選擇的泛函組。
8. 根據權利要求7所述的方法，包括如下步驟監(jiān)測所述最優(yōu)集的更新狀況；以及在出現(xiàn)所述更新狀況時，通過從所述泛函集搜索泛函的最優(yōu)組合來重構所述最優(yōu)集。
9. 根據任一前述權利要求所述的方法，包括如下步驟從所述泛函集提供泛函組集合；將來自所述泛函組集合的泛函組與其他泛函組合以提供其他泛函組；從所述泛函組集合和所述其他泛函組形成更新的泛函組集合；根據最佳擬合狀況對所述更新的集合中的所述泛函組排序；通過拋棄提供最差擬合的泛函組并通過保留提供最佳擬合的泛函組，將所述更新的集合中的所述泛函組的數量減少到最大數量以下；重復所述組合、形成、排序和減少步驟，直到到達停止條件為止；以及從所述更新的泛函組集合中選擇所選擇的泛函組。
10. 根據任一前述權利要求所述的方法，其中根據一項或多項規(guī)則構建所述泛函組，所述規(guī)則包括下列各項中的一項或多項基于泛函組合中的重復的限制；基于泛函組的系統(tǒng)行為的限制，例如基于不適當的系統(tǒng)行為的限制；基于泛函組的數值行為的限制；對泛函排列而非組合的限制。
11. 根據任一前述權利要求所述的方法，其中拒絕如下的泛函組所述泛函組提供不符合所述被監(jiān)測系統(tǒng)的預期特征的輸出數據流。
12. 根據任一前述權利要求所述的方法，包括如下步驟利用所選擇的泛函組提供與所述系統(tǒng)狀態(tài)相關的診斷信息。
13. 根據任一前述權利要求所述的方法，包括如下步驟利用所選擇的泛函組提供與所述系統(tǒng)狀態(tài)相關的預測信息。
14. 根據權利要求13所述的方法，其中通過預測將來感測的數據流并將所述預測的數據流輸入到所選擇的泛函組中來提供所述預測信息。
15. 根據權利要求14所述的方法，其中所述將來感測的數據流基于先前感測的數據流。
16. 根據任一前述權利要求所述的方法，其中所述系統(tǒng)為第一系統(tǒng)，并且其中將所述第一系統(tǒng)的泛函組數據與第二系統(tǒng)的泛函組數據進行比較，并且其中，在所述兩個系統(tǒng)的所述泛函組數據相關時，在確定所述第一系統(tǒng)的所選擇的泛函組時使用所述第二系統(tǒng)的泛函組數據。
17. 根據權利要求16所述的方法，其中確定所述第二系統(tǒng)是否比所述第一系統(tǒng)處于進展更快的狀態(tài)，如果是這樣，在確定所述第一系統(tǒng)的所選擇的泛函組時使用所述第二系統(tǒng)的泛函組數據。
18. 根據任一前述權利要求所述的方法，其中所述系統(tǒng)包括多個被感測和未被感測的子系統(tǒng)，并且其中通過利用來自被感測的子系統(tǒng)的傳感器數據流和所選擇的泛函組來監(jiān)測未被感測的系統(tǒng)。
19. 根據權利要求18所述的方法，其中通過外插泛函來修改所選擇的泛函組和/或傳感器數據流，以補償被感測和未被感測的子系統(tǒng)中的差異。
20. 根據權利要求18或19所述的方法，其中通過內插泛函來組合兩個或更多被感測的子系統(tǒng)的所選擇的泛函組和/或傳感器數據流，以提供未被感測的子系統(tǒng)的所選擇的泛函組和/或傳感器數據流。
21. 根據權利要求18、 19或20所述的方法，其中從第一被感測的子系統(tǒng)獲取未被感測的子系統(tǒng)的所選擇的泛函組，并且其中從第二被感測的子系統(tǒng)獲取所述未被感測的子系統(tǒng)的傳感器數據流。
22. 根據權利要求18到21中的任一項所述的方法，包括如下步驟確定彼此相關的具有泛函組數據的被感測的子系統(tǒng)，并且利用所述相關子系統(tǒng)確定所述系統(tǒng)中的類似子系統(tǒng)。
23. 根據任一前述權利要求所述的方法，其中所述系統(tǒng)是經歷退化的結構上的位置。
24. 根據權利要求23所述的方法，其中通過感測位置處的退化并通過感測所述位置處的所述退化的原因主體，來監(jiān)測所述位置處的退化。
25. 根據權利要求23或24所述的方法，其中具有類似泛函組數據的位置被認為以類似方式退化。
26. 根據權利要求23、24或25所述的方法，其中利用為被視為與未被感測位置類似地退化的感測位置導出的所選擇的泛函組，監(jiān)測所述結構上的所述未被感測位置。
27. 根據任一前述權利要求所述的方法，其中利用適用于NP困難(不確定多項式時間困難)問題的離散優(yōu)化算法進行泛函組的選擇。
28. —種用于監(jiān)測演化系統(tǒng)的設備，包括用于監(jiān)測所述系統(tǒng)的參數的一組傳感器，所述傳感器之一監(jiān)測所述系統(tǒng)的狀況，并且所述傳感器之一監(jiān)測所述狀況的原因主體；以及處理模塊，用于從所述一組傳感器接收數據流；迭代地構建多個泛函組，每個泛函組是由從基本泛函集選擇的泛函的組合形成的泛函；向所述數據流施加所述泛函組，以產生每個泛函組的輸出數據流；基于所述輸出數據流選擇泛函組；以及利用所選擇的泛函組監(jiān)測所述系統(tǒng)。
29. 根據權利要求28所述的設備，其中在所述系統(tǒng)中的特定位置處以傳感器簇的形式一起提供所述傳感器。
30. 根據權利要求29所述的設備，其中監(jiān)測多個位置，每個位置具有在該位置提供的傳感器簇。
31. 根據權利要求30所述的設備，其中將所述位置的泛函組數據相互比較，以便確定所述系統(tǒng)在所述位置處的行為是否類似。
32. 根據權利要求29、30或31所述的設備，其中通過使用來自感測位置的傳感器數據流和泛函組數據來監(jiān)測所述系統(tǒng)中未提供有傳感器的位置。
33. —種與用于監(jiān)測演化系統(tǒng)的設備一起使用的軟件，所述系統(tǒng)包括用于監(jiān)測所述系統(tǒng)的參數的一組傳感器，所述傳感器之一監(jiān)測所述系統(tǒng)的狀況，并且所述傳感器之一監(jiān)測所述狀況的原因主體；以及處理模塊，所述軟件包括一系列指令，用于使得所述處理模塊從所述一組傳感器接收數據流；迭代地構建多個泛函組，每個泛函組是由從基本泛函集選擇的泛函的組合形成的函數；向所述數據流施加所述泛函組，以產生每個泛函組的輸出數據流；基于所述輸出數據流選擇泛函組；以及利用所選擇的泛函組監(jiān)測所述系統(tǒng)。
全文摘要
一種監(jiān)測演化系統(tǒng)的方法，所述方法包括如下步驟獲得與來自監(jiān)測所述系統(tǒng)的傳感器的輸出相關的多個傳感器數據流，其中所述傳感器中的至少一個傳感器監(jiān)測所述系統(tǒng)的狀況，并且其中所述傳感器中的至少一個傳感器監(jiān)測所述狀況的原因主體；迭代地構建多個泛函組，每個泛函組是由從基本泛函集中選擇的泛函的組合形成的泛函；通過將所述傳感器數據流輸入到所述泛函組中，來確定每個泛函組的輸出數據流；基于所述輸出數據流從所述多個泛函組中選擇泛函組；以及利用所選擇的泛函組來監(jiān)測所述系統(tǒng)。
文檔編號G06F17/10GK101790726SQ200880100917
公開日2010年7月28日 申請日期2008年5月29日 優(yōu)先權日2007年5月29日
發(fā)明者D·A·佩特森, I·S·科爾 申請人:聯(lián)邦科學技術研究組織;波音公司