オートエンコーダで航空機エンジン異常を検知:ハネウェル特許分析

Autoencoderは、非ガイド学習方法で訓練された人工的なニューラルネットワークです。これは、データのエンコードされた表現を学び、学習エンコーディング表現を使用して入力データにできるだけ近いデータを生成することを目的としています。

autoencoder は、トレーニング中にモデルが観察した入力データに近いデータのみを出力し、トレーニング中に観察されていないデータとリモートデータを出力することができます。 自動エンコーダは、異常検知に使用されます。 この記事では、「自動エンコーダでエンジンエラーを検知する方法」に関連したハネウェルの特許を紹介します。 

画像をクリックすると、特許を見ることができます。

従来のエンジンエラー検出システムは、システムの変数間の線形関係に基づいてエラー検出を行なったので、非線形システム内のエラーを検出するのに有効ではなかった。 また、航空機のタービンエンジンのセンサーデータが非線形関係を持っていたので、従来のエンジン障害検出システムで航空機のタービンエンジンの故障を検知するのは困難でした。 現状の発明は、これらの問題を解決することを目指しています。 

特許請求1によると、航空機タービンエンジンのセンサーデータがエンコーディングニューラルネットワークに入力されると、センサーデータの機能の空間的表現を含む複数のスコアが出力されます。 神経ネットワークを解読し、複数のスコアを受け取り、センサーデータの再構築推定を生成します。 その結果、特許クレーム1に記載されているネットワーク構造は、オートエンコーダです。 

特許請求1では、エンコーディングニューラルネットワークのトレーニング方法は、詳細に記載されています。 特許クレーム1によると、エンコーディングニューラルネットワークは、ターゲット関数として履歴データ(データの訓練)を訓練し、目的関数は、分散されたコンポーネントの合計を最大化し、コワリエートコンポーネントの合計を最小限にするためのトレーニングとして記述されます。 

一方、現行の発明によると、エンコーディングニューラルネットワークとデコードニューラルネットワークから出力されるデータ入力の違いに誤差があることが決定されます。 これは、オートエンコーダを使用して異常(エラー)を検出する一般的なコンテンツです。 

この投稿で見た特許は、特許請求にドメインを制限するタービンエンジンの故障を検出するために使用される技術です。 

もし、このドメイン制限なしに、エンコーディングニューラルネットワークは、データを受信し、減らされた空間表現を含む複数のスコアを出力し、ニューラルネットワークのデコードは、複数のスコアを受け取った入力データに関連する推定データを出力し、より広範な権利を有しているという疑いはありません。 

AI技術に関する特許出願の場合、特許出願書を書くことは非常に重要です。これにより、最も広範囲にわたる権利を有します。