Автоэнкодер — нейронная сеть, обучаемая без учителя. Она формирует закодированное представление входных данных, а затем использует его для восстановления данных, максимально близких к исходным.
Автоэнкодер может выводить данные, близкие к входным данным, которые модель наблюдала во время обучения, и выводить входные данные и удаленные данные, только если введены данные, которые не наблюдаются во время обучения. Автоэнкодеры часто используются для обнаружения аномалий. В этом посте мы представим патент Honeywell, связанный с «как обнаружить ошибки двигателя с помощью автоэнкодеров».
Если нажать на изображение, то можно увидеть патент.
Пункт 1 формулы изобретения |
1. Система обнаружения неисправностей для обнаружения неисправностей в турбинном двигателе, система обнаружения неисправностей, включающая: кодирующая нейронная сеть, кодирующая нейронная сеть, принимающая данные датчика от турбинного двигателя, кодирующая нейронная сеть, создающая множество баллов из данных датчика, множество баллов, включающих уменьшенное пространственное представление характеристик данных датчика; где сеть кодирования обучается с объективной функцией с использованием данных исторического датчика, где объективная функция включает в себя сумму компонентов дисперсии и сумму компонентов ковариации, и где кодирующая нейронная сеть обучается с объективной функцией путем максимизации суммы компонентов дисперсии и минимизации суммы компонентов ковариации; и декодирующая нейронная сеть, декодирующая нейронная сеть, получающая множество баллов и создающая реконструированную оценку данных датчика. |
Традиционные системы обнаружения ошибок двигателя выполняли обнаружение ошибок на основе линейной зависимости между переменными системы, поэтому они не были эффективны при обнаружении ошибок в нелинейных системах. Кроме того, данные датчиков турбинного двигателя самолета имели нелинейную зависимость, что затрудняло обнаружение выхода из строя турбинного двигателя самолета с традиционными системами обнаружения неисправностей двигателя. Настоящее изобретение направлено на решение этих проблем.
Согласно пункту 1 формулы, кодирующая нейронная сеть получает данные датчиков авиационного газотурбинного двигателя и формирует набор значений, представляющих эти данные в пространстве признаков пониженной размерности. Декодирующая нейронная сеть получает этот набор и создаёт восстановленную оценку исходных данных. Таким образом, описанная в пункте 1 архитектура представляет собой автоэнкодер.
В пункте 1 также подробнее раскрыт способ обучения кодирующей нейронной сети на исторических данных. Целевая функция направлена на максимизацию суммы компонент дисперсии и минимизацию суммы компонент ковариации.
С другой стороны, согласно настоящему изобретению, определено, что существует ошибка в разнице между вводом данных в кодирующую нейронную сеть и выводом данных из декодирующей нейронной сети. Это распространенный контент, который обнаруживает аномалии (ошибки) с помощью автоэнкодера.
В рассмотренном патенте область применения формулы изобретения ограничена обнаружением неисправностей газотурбинного двигателя.
Если бы формула не содержала этого ограничения по области применения, а описывала получение данных кодирующей сетью, формирование представления пониженной размерности и восстановление оценки данных декодирующей сетью, можно было бы рассмотреть более широкий объём охраны. Разумеется, его допустимость зависела бы от первоначального раскрытия и уровня техники.
При патентовании технологий искусственного интеллекта особенно важно составить формулу изобретения так, чтобы обеспечить максимально широкий обоснованный объём охраны.
Материал отражает ситуацию на дату публикации. Обратитесь в IPLEX, чтобы обсудить обстоятельства вашего дела.