用于預(yù)報(bào)和預(yù)測的序列核回歸建模方法
【專利摘要】一種用于確定對象的未來運(yùn)行狀態(tài)的方法，所述方法包括：獲取參考數(shù)據(jù)，所述參考數(shù)據(jù)指示所述對象的常規(guī)運(yùn)行狀態(tài)；以及獲取輸入模式陣列。每個(gè)輸入模式陣列具有多個(gè)輸入向量，而每個(gè)輸入向量表示時(shí)間點(diǎn)并且具有輸入值，所述輸入值表示指示所述對象的當(dāng)前狀態(tài)的多個(gè)參數(shù)。至少一個(gè)處理器基于使用輸入模式陣列和所述參考數(shù)據(jù)進(jìn)行的計(jì)算而產(chǎn)生估值，以確定所述輸入值與參考數(shù)據(jù)之間的相似性測量。所述估值采用估計(jì)矩陣的形式，其包括至少一個(gè)推導(dǎo)估值的估計(jì)向量，并且表示非所述輸入向量所表示的至少一個(gè)時(shí)間點(diǎn)。使用所述推導(dǎo)估值確定所述對象的未來狀態(tài)。
【專利說明】用于預(yù)報(bào)和預(yù)測的序列核回歸建模方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明總體上涉及用于對諸如機(jī)器、系統(tǒng)或方法等對象進(jìn)行預(yù)測性狀態(tài)監(jiān)控和預(yù)測的核回歸建模(kernel regression modeling)領(lǐng)域,確切地說,涉及使用多變量模型來分析參數(shù)測量以評估所監(jiān)控的對象。
【背景技術(shù)】
[0002]核回歸是一種建模形式，用于確定非線性函數(shù)或數(shù)據(jù)集中的值之間的關(guān)系，并且用于監(jiān)控機(jī)器或系統(tǒng)以確定所述機(jī)器或系統(tǒng)的狀態(tài)。一種已知的核回歸建模形式是第5，764，509和6，181，975號美國專利中公開的基于相似性的建模(SBM，similarity-basedmodeling)。對于SBM，多個(gè)傳感器信號測量受監(jiān)控的機(jī)器、系統(tǒng)或其他對象的物理關(guān)聯(lián)參數(shù)，以提供傳感器數(shù)據(jù)。所述參數(shù)數(shù)據(jù)可以包括信號的實(shí)際值或當(dāng)前值或者其他計(jì)算數(shù)據(jù)，無論是否基于傳感器信號。所述參數(shù)數(shù)據(jù)隨后由經(jīng)驗(yàn)?zāi)Ｐ瓦M(jìn)行處理，以提供這些值的估值。隨后將估值與實(shí)際值或當(dāng)前值進(jìn)行比較，以確定受監(jiān)控系統(tǒng)中是否存在故障。
[0003]具體來說，所述模型使用選定傳感器值歷史模式(pattern)的參考庫來產(chǎn)生估值，所述參考庫表示已知運(yùn)行狀態(tài)。這些模式還稱為向量、快照或觀測數(shù)據(jù)，并且包括來自多個(gè)傳感器或其他輸入數(shù)據(jù)的值，所述數(shù)據(jù)指示受監(jiān)控機(jī)器在特定時(shí)刻的狀態(tài)。對于來自參考庫的參考向量，所述向量通常指示受監(jiān)控機(jī)器的常規(guī)狀態(tài)。所述模型將當(dāng)前時(shí)間的向量與參考庫中已知狀態(tài)的多個(gè)選定的、已學(xué)習(xí)到的向量進(jìn)行比較，以估計(jì)系統(tǒng)的當(dāng)前狀態(tài)。一般來說，將當(dāng)前向量與由參考庫中的選定向量構(gòu)成的矩陣進(jìn)行比較，以形成權(quán)向量。在下一步驟中，用權(quán)向量乘以所述矩陣，以計(jì)算估值的向量。隨后將所述估計(jì)向量與當(dāng)前向量進(jìn)行比較。如果向量中的估值與實(shí)際值的相似度不足，則可以指示受監(jiān)控對象中存在故障。
[0004]但是，所述核回歸技術(shù)并不明確使用傳感器信號中的時(shí)域信息，而是在計(jì)算估值時(shí)使用不同且不連續(xù)的同時(shí)(time-contemporaneous)模式來處理數(shù)據(jù)。例如，由于每個(gè)當(dāng)前向量單獨(dú)地與參考庫向量進(jìn)行比較，因此無論當(dāng)前向量以哪種順序與參考庫的向量進(jìn)行比較，結(jié)果均無區(qū)別，也就是說，每個(gè)當(dāng)前向量將接收到自己的相應(yīng)估計(jì)向量。
[0005]—些已知模型的確在核回歸建模構(gòu)造內(nèi)捕獲時(shí)域信息。例如，復(fù)雜的信號分解技術(shù)將時(shí)變信號轉(zhuǎn)換成頻率分量，如第6，957，172和7，409, 320號美國專利所公開，或者如第7，085，675號美國專利中公開的頻譜特征。這些分量或特征作為單獨(dú)的輸入值提供到經(jīng)驗(yàn)建模引擎中，以便單個(gè)復(fù)雜信號由同時(shí)發(fā)生的頻率值的模式或向量表示。所述經(jīng)驗(yàn)建模引擎將提取的分量輸入值(當(dāng)前向量或?qū)嶋H向量)與預(yù)期值進(jìn)行比較，以得出有關(guān)實(shí)際信號的更多信息或者有關(guān)產(chǎn)生時(shí)變信號的系統(tǒng)的狀態(tài)的更多信息。這些方法設(shè)計(jì)成與諸如聲信號或振動(dòng)信號等單個(gè)周期信號一起使用。但是即使使用所述系統(tǒng)來處理復(fù)雜信號，在計(jì)算當(dāng)前向量的估值時(shí)，時(shí)域信息并不重要，因?yàn)槊總€(gè)當(dāng)前向量均與具有參考向量或預(yù)期向量的向量矩陣進(jìn)行比較，而不考慮輸入向量表示哪個(gè)時(shí)間段。

【發(fā)明內(nèi)容】
[0006]一方面，本發(fā)明提供了一種用于確定對象的未來運(yùn)行狀態(tài)的方法，所述方法包括:獲取參考數(shù)據(jù)，所述參考數(shù)據(jù)指示所述對象的常規(guī)運(yùn)行狀態(tài)；以及獲取輸入模式陣列。每個(gè)輸入模式陣列具有多個(gè)輸入向量，而每個(gè)輸入向量表不時(shí)間點(diǎn)并且具有輸入值，所述輸入值表示指示所述對象的當(dāng)前狀態(tài)的多個(gè)參數(shù)。至少一個(gè)處理器基于使用輸入模式陣列和參考數(shù)據(jù)進(jìn)行的計(jì)算而產(chǎn)生估值，以確定輸入值與參考數(shù)據(jù)之間的相似性測量。所述估值采用估計(jì)矩陣的形式，其包括至少一個(gè)虛擬或推導(dǎo)估值的估計(jì)向量，并且表示非所述輸入向量所表示的至少一個(gè)時(shí)間點(diǎn)。使用所述推導(dǎo)估值確定所述對象的未來狀態(tài)。
[0007]另一方面，本發(fā)明提供了一種用于確定對象的未來運(yùn)行狀態(tài)的監(jiān)控系統(tǒng)，所述監(jiān)控系統(tǒng)包括:經(jīng)驗(yàn)?zāi)Ｐ?，所述?jīng)驗(yàn)?zāi)Ｐ团渲贸山邮諈⒖紨?shù)據(jù)，所述參考數(shù)據(jù)指示所述對象的常規(guī)運(yùn)行狀態(tài)；接收輸入模式陣列，其中每個(gè)輸入模式陣列具有多個(gè)輸入向量。每個(gè)輸入向量表示時(shí)間點(diǎn)并具有輸入值，所述輸入值表示指示對象的當(dāng)前狀態(tài)的多個(gè)參數(shù)。所述經(jīng)驗(yàn)?zāi)Ｐ瓦€配置成基于使用輸入模式陣列和參考數(shù)據(jù)進(jìn)行的計(jì)算而產(chǎn)生估值，以確定輸入值與參考數(shù)據(jù)之間的相似性測量。所述估值采用估計(jì)矩陣的形式，所述估計(jì)矩陣包括推導(dǎo)估值的估計(jì)向量，并且每個(gè)估計(jì)矩陣表示非所述輸入向量所表示的至少一個(gè)時(shí)間點(diǎn)。預(yù)測模塊配置成使用推導(dǎo)的估值以確定所述對象的未來狀態(tài)。
【專利附圖】

【附圖說明】
[0008]圖1示出了監(jiān)控系統(tǒng)的示例性布置的方框圖；
[0009]圖2是示出了監(jiān)控系統(tǒng)的基本過程的流程圖；
[0010]圖3是基于自聯(lián)想相似性(autoassociative similarity)的建模方程式的示意圖；
[0011]圖4是基于推導(dǎo)相似性(inferential similarity)的建模方程式的一種形式的示意圖；
[0012]圖5是基于推導(dǎo)相似性的建模方程式的另一種形式的示意圖；
[0013]圖6是基于自聯(lián)想序列相似性的建模方程式的示意圖；
[0014]圖7是基于推導(dǎo)序列相似性的建模方程式的一種形式的示意圖，所述建模方程式在模式化傳感器維度中外推(extrapolate)；
[0015]圖8是基于推導(dǎo)序列相似性的建模方程式的另一種形式的示意圖，所述建模方程式在模式化傳感器維度中外推；
[0016]圖9是基于推導(dǎo)序列相似性的建模方程式的示意圖，所述建模方程式在時(shí)間維度中外推；
[0017]圖10是基于推導(dǎo)序列相似性的建模方程式的示意圖，所述建模方程式在時(shí)間維度中外推；以及
[0018]圖11是基于推導(dǎo)序列相似性的建模方程式的示意圖，所述建模方程式在時(shí)間維度和傳感器維度中外推。
【具體實(shí)施方式】
[0019]已確定可以通過將時(shí)域信息并入模型中來提高核回歸模型(尤其是基于相似性的模型)中的估值的準(zhǔn)確性。因此，現(xiàn)有監(jiān)控系統(tǒng)和方法的一個(gè)技術(shù)效果是通過從監(jiān)控工業(yè)工藝、系統(tǒng)、機(jī)器或其他對象的大量周期性和非周期性傳感器信號捕獲時(shí)域信息來產(chǎn)生估值數(shù)據(jù)?，F(xiàn)有系統(tǒng)的技術(shù)效果還包括操作經(jīng)驗(yàn)?zāi)Ｐ停鼋?jīng)驗(yàn)?zāi)Ｐ蛯⒑嘶貧w建模核心的基本非線性數(shù)學(xué)運(yùn)算從向量到向量運(yùn)算擴(kuò)展到矩陣到矩陣(或陣列到陣列)運(yùn)算，如下文詳述。監(jiān)控系統(tǒng)和方法的另一替代性技術(shù)效果是產(chǎn)生未來時(shí)間點(diǎn)的虛擬或推導(dǎo)估值，以確定受監(jiān)控對象的未來狀態(tài)，無論用于產(chǎn)生估值的參考數(shù)據(jù)是表示受監(jiān)控對象的常規(guī)運(yùn)行狀態(tài)的數(shù)據(jù)，還是與來自對象的、指示故障的數(shù)據(jù)更佳匹配的故障模式數(shù)據(jù)。
[0020]參見圖1，包含時(shí)域信息的監(jiān)控系統(tǒng)10可以通過一個(gè)或多個(gè)模塊的形式包含在計(jì)算機(jī)程序中，并且可以通過一個(gè)或多個(gè)處理器102在一個(gè)或多個(gè)計(jì)算機(jī)100上執(zhí)行。計(jì)算機(jī)100可以具有一個(gè)或多個(gè)內(nèi)部或外部存儲裝置104，用于永久或暫時(shí)存儲傳感器數(shù)據(jù)和/或計(jì)算機(jī)程序。在一種形式中，獨(dú)立的計(jì)算機(jī)運(yùn)行特定程序，所述程序?qū)Ｓ糜趶呐鋫湓趦x表化機(jī)器、過程或者包括生物等其他對象上的傳感器接收傳感器數(shù)據(jù)，并測量參數(shù)(溫度、壓力等)。盡管未做特別限制，但是例如，受監(jiān)控的對象可以是工業(yè)廠房中的一個(gè)或多個(gè)機(jī)器、一個(gè)或多個(gè)車輛或者車輛上的特定機(jī)器，例如噴氣式發(fā)動(dòng)機(jī)。所述傳感器數(shù)據(jù)可以有線或無線方式通過計(jì)算機(jī)網(wǎng)絡(luò)或互聯(lián)網(wǎng)等傳輸?shù)綀?zhí)行數(shù)據(jù)收集操作的計(jì)算機(jī)或數(shù)據(jù)庫。具有一個(gè)或多個(gè)處理器的一個(gè)計(jì)算機(jī)可以執(zhí)行所有模塊的監(jiān)控任務(wù)，或者每個(gè)任務(wù)或模塊可以具有自己的計(jì)算機(jī)或處理器來執(zhí)行所述模塊。因此，應(yīng)了解，處理可以在一個(gè)位置中執(zhí)行，或者處理可以在通過有線或無線網(wǎng)絡(luò)連接的許多不同位置中執(zhí)行。
[0021]參見圖2，在監(jiān)控系統(tǒng)10執(zhí)行的過程(300)中，系統(tǒng)從在上述受監(jiān)控對象16上的傳感器12接收數(shù)據(jù)或信號。此數(shù)據(jù)排列成由模型14使用的輸入向量32。因此，術(shù)語“輸入”、“實(shí)際”和“當(dāng)前”可互換使用，并且術(shù)語“向量”、“快照(snapshot) ”和“觀測數(shù)據(jù)”也可以互換使用。輸入向量(或者例如，實(shí)際快照)表示受監(jiān)控機(jī)器在單個(gè)時(shí)刻中的運(yùn)行狀態(tài)。
[0022]此外或者替代地，輸入向量32可以包括計(jì)算所得數(shù)據(jù)，所述數(shù)據(jù)可以基于或者可以不基于傳感器數(shù)據(jù)(或原始數(shù)據(jù))進(jìn)行計(jì)算。例如，這可以包括平均壓力或壓力降。輸入向量32還可以具有值，所述值表示并非由對象16上的傳感器所表示的其他變量。例如，這可以是接收到傳感器數(shù)據(jù)中某年的某天的平均環(huán)境溫度等。
[0023]模型14獲取(302)向量32形式的數(shù)據(jù)，并且將輸入向量排列(304)成輸入陣列或矩陣。但是應(yīng)了解，模型14本身可以從輸入數(shù)據(jù)形成向量32，或者從將數(shù)據(jù)組織成向量和陣列的集合或輸入計(jì)算機(jī)或者處理器接收向量。因此，輸入數(shù)據(jù)可以通過計(jì)算機(jī)100、計(jì)算機(jī)100位置附近的另一計(jì)算機(jī)或者諸如對象16附近等其他位置處的另一計(jì)算機(jī)排列成向量32。
[0024]模型14還獲取(306)參考數(shù)據(jù)，所述參考數(shù)據(jù)采用參考庫18中的參考向量或矩陣的形式，有時(shí)稱為矩陣H。庫18可以包括系統(tǒng)中的所有歷史參考向量。模型14隨后使用參考數(shù)據(jù)和輸入陣列以產(chǎn)生估值(310)，所述估值采用所得的估計(jì)矩陣或陣列的形式。將估計(jì)矩陣提供給差分化(differencing)模塊20,所述模塊確定(312)估計(jì)矩陣中的估計(jì)陣列與輸入陣列中的對應(yīng)輸入值之間的差分(或者殘差)。隨后，警報(bào)或分析管理模塊(或者僅警報(bào)模塊)22使用所述殘差確定(314)是否存在故障。
[0025]如圖中的虛線所示，監(jiān)控系統(tǒng)10還可以具有定位模塊28，所述定位模塊改變來自參考庫的、用于形成(308)子集或矩陣D (t)(稱為以下學(xué)習(xí)的序列模式矩陣(圖6)的三維集合)的數(shù)據(jù)，以與每個(gè)輸入陣列中的向量進(jìn)行比較。另外，參考數(shù)據(jù)矩陣D(t)可以對所有輸入矩陣保持相同，如下文詳述。此外，監(jiān)控系統(tǒng)具有具有適配模塊30，所述適配模塊不斷將輸入向量置于參考庫中以更新庫中的數(shù)據(jù)，或者在發(fā)生特定事件時(shí)(例如當(dāng)模型接收到數(shù)據(jù)時(shí)，該數(shù)據(jù)指示不同于前述經(jīng)歷的、新的、機(jī)器常規(guī)狀態(tài))進(jìn)行更新。這也將以下詳細(xì)描述。
[0026]警報(bào)模塊22可以將警報(bào)和殘差直接提供到接口或輸出模塊24，以便用戶執(zhí)行自己的診斷分析，或者可以設(shè)置診斷模塊26，以分析故障原因的確切性質(zhì)，從而通過輸出模塊24將診斷結(jié)論和嚴(yán)重等級報(bào)告給用戶。
[0027]輸出模塊24可以包括用于顯示這些結(jié)果的機(jī)構(gòu)(例如，計(jì)算機(jī)屏幕、PDA屏幕、打印輸出設(shè)備或者Web服務(wù)器)；用于存儲結(jié)果的機(jī)構(gòu)(例如，具有查詢功能的數(shù)據(jù)庫、平面文件、XML文件)；以及/或者用于將結(jié)果傳輸?shù)竭h(yuǎn)程位置或其他計(jì)算機(jī)程序的機(jī)構(gòu)(例如，軟件接口、XML數(shù)據(jù)報(bào)、電子郵件數(shù)據(jù)包、異步消息、同步消息、FTP文件、服務(wù)、管道命令等。
[0028]更詳細(xì)地介紹經(jīng)驗(yàn)?zāi)Ｐ?4之前，需要對核回歸具有一定了解。在諸如核回歸等模式識別技術(shù)中，模式由輸入數(shù)據(jù)(如上所述)構(gòu)成，所述輸入數(shù)據(jù)一起分組成向量。每個(gè)向量的數(shù)據(jù)在一個(gè)公共時(shí)間點(diǎn)上從一臺設(shè)備中收集。但是在此情況下，如下文更詳細(xì)所述，與現(xiàn)有核回歸方法相關(guān)的同時(shí)傳感器值(contemporaneous sensor value)的模式(向量)中增加了時(shí)間相關(guān)(temporal ly-re lated)信息,例如連續(xù)時(shí)間點(diǎn)的序列模式,或者應(yīng)用到連續(xù)時(shí)間點(diǎn)模式的時(shí)間依賴函數(shù)的輸出(例如，過濾器、時(shí)間導(dǎo)數(shù)等)。因此，通過傳統(tǒng)核回歸方法處理的各個(gè)模式(向量)替換為形成陣列的時(shí)間相關(guān)模式序列(或者簡單地稱為模式陣列或模式矩陣)。
[0029]所有基于內(nèi)核的建模技術(shù),包括核回歸、徑向基函數(shù)(basis function),以及基于相似性的建?？梢员硎緸橐韵路匠淌?
【權(quán)利要求】
1.一種用于確定對象的未來運(yùn)行狀態(tài)的方法，所述方法包括: 獲取參考數(shù)據(jù)，所述參考數(shù)據(jù)指示所述對象的常規(guī)運(yùn)行狀態(tài)； 獲取輸入模式陣列，每個(gè)輸入模式陣列具有多個(gè)輸入向量，每個(gè)輸入向量表不時(shí)間點(diǎn)并且具有輸入值，所述輸入值表示指示所述對象的當(dāng)前狀態(tài)的多個(gè)參數(shù)；以及 基于使用輸入模式陣列和所述參考數(shù)據(jù)進(jìn)行的計(jì)算，通過至少一個(gè)處理器產(chǎn)生估值，以確定所述輸入值與參考數(shù)據(jù)之間的相似性測量，其中所述估值采用估計(jì)矩陣的形式，所述估計(jì)矩陣包括至少一個(gè)推導(dǎo)估值的估計(jì)向量，每個(gè)估計(jì)矩陣表示非所述輸入向量所表示的至少一個(gè)時(shí)間點(diǎn)；以及 使用所述推導(dǎo)估值確定所述對象的未來狀態(tài)。
2.根據(jù)權(quán)利要求1所述的方法，其中所述估計(jì)矩陣僅包括估計(jì)向量，所述估計(jì)向量表示非所述輸入向量所表示的時(shí)間點(diǎn)。
3.根據(jù)權(quán)利要求1所述的方法，其中所述估計(jì)矩陣包括表示所述輸入向量所表示的同一時(shí)間點(diǎn)的至少一個(gè)估計(jì)向量以及表示非所述輸入向量所表示的時(shí)間點(diǎn)的至少一個(gè)估計(jì)向量。
4.根據(jù)權(quán)利要求1所述的方法，其中所述估計(jì)矩陣包括表示參數(shù)的估值，所述參數(shù)指示所述對象的狀態(tài)并且所述參數(shù)并非由所述輸入值所表示。
5.根據(jù)權(quán)利要求1 所述的方法，其中每個(gè)估計(jì)矩陣表示當(dāng)前時(shí)間點(diǎn)、非所述輸入向量所表示的時(shí)間點(diǎn)，所述非所述輸入向量所表示的時(shí)間點(diǎn)是相對于所述當(dāng)前時(shí)間點(diǎn)的后續(xù)時(shí)間點(diǎn)。
6.根據(jù)權(quán)利要求1所述的方法，其中產(chǎn)生估值包括使用所述相似性測量產(chǎn)生加權(quán)值，并使用所述加權(quán)值與參考數(shù)據(jù)一起進(jìn)行計(jì)算，以產(chǎn)生所述估計(jì)矩陣。
7.根據(jù)權(quán)利要求6所述的方法，其中所述加權(quán)值采用加權(quán)向量的形式。
8.根據(jù)權(quán)利要求6所述的方法，其中用于與所述加權(quán)值一起進(jìn)行計(jì)算的參考數(shù)據(jù)包括參考值，所述參考值表示非所述輸入模式陣列所表示的時(shí)間點(diǎn)。
9.根據(jù)權(quán)利要求8所述的方法，其中用于與所述加權(quán)值一起進(jìn)行計(jì)算的參考數(shù)據(jù)表示主當(dāng)前時(shí)間點(diǎn)，并且其中非所述輸入模式陣列所表示的時(shí)間點(diǎn)是相對于所述當(dāng)前時(shí)間點(diǎn)的后續(xù)時(shí)間點(diǎn)。
10.根據(jù)權(quán)利要求6所述的方法，其中用于與所述加權(quán)值一起進(jìn)行計(jì)算的參考數(shù)據(jù)采用學(xué)習(xí)序列模式矩陣的三維集合的形式，每個(gè)學(xué)習(xí)序列模式矩陣包括參考值的參考向量，其中每個(gè)參考向量表示所述學(xué)習(xí)序列模式矩陣內(nèi)的不同時(shí)間點(diǎn)。
11.根據(jù)權(quán)利要求10所述的方法，其中每個(gè)學(xué)習(xí)序列模式矩陣包括主當(dāng)前時(shí)間點(diǎn)以及表示相對于所述主當(dāng)前時(shí)間點(diǎn)的后續(xù)時(shí)間點(diǎn)的時(shí)間點(diǎn)。
12.根據(jù)權(quán)利要求1所述的方法，其中同一時(shí)間點(diǎn)表示在多個(gè)估計(jì)矩陣中。
13.根據(jù)權(quán)利要求1所述的方法，其中使用所述推導(dǎo)估值包括使用最近估計(jì)矩陣更新所述推導(dǎo)估值，以用于確定所述對象的狀態(tài)。
14.根據(jù)權(quán)利要求1所述的方法，其中使用所述推導(dǎo)估值包括為單個(gè)估計(jì)向量提供值，以表示多個(gè)估計(jì)矩陣中的單個(gè)時(shí)間點(diǎn)。
15.根據(jù)權(quán)利要求14所述的方法，其中所述單個(gè)估計(jì)向量的產(chǎn)生方法是確定單個(gè)時(shí)間點(diǎn)上所有所述估計(jì)向量的平均值、加權(quán)平均值或者加權(quán)范數(shù)。
16.根據(jù)權(quán)利要求1所述的方法，其中使用所述推導(dǎo)估值包括為單個(gè)估計(jì)向量提供值，以表示每個(gè)估計(jì)矩陣。
17.根據(jù)權(quán)利要求16所述的方法，其中所述單個(gè)估計(jì)向量的產(chǎn)生方法是計(jì)算所述估計(jì)矩陣內(nèi)的所述估計(jì)向量的平均值、加權(quán)平均值或者加權(quán)范數(shù)。
18.根據(jù)權(quán)利要求1所述的方法，其中使用所述推導(dǎo)估值包括形成所述推導(dǎo)估值所表示的至少一個(gè)參數(shù)的趨勢線，以指示所述對象的預(yù)期行為。
19.根據(jù)權(quán)利要求18所述的方法，包括使用每個(gè)新估計(jì)矩陣形成新趨勢線。
20.根據(jù)權(quán)利要求18所述的方法，包括形成邊界趨勢線，以界定所述對象的預(yù)期行為范圍。
21.根據(jù)權(quán)利要求20所述的方法，包括使用所述時(shí)間點(diǎn)上的最大推導(dǎo)估值形成上邊界趨勢線，以及使用所述時(shí) 間點(diǎn)上的最小推導(dǎo)估值形成下邊界趨勢線。
【文檔編號】G05B23/02GK103842924SQ201280035662
【公開日】2014年6月4日 申請日期:2012年7月9日 優(yōu)先權(quán)日:2011年7月19日
【發(fā)明者】J.P.赫措格 申請人:智能信號公司