-
公开(公告)号：CN113557420B
公开(公告)日：2024-09-17
申请号：CN202080019943.2
申请日：2020-02-17
Applicant: 西门子股份公司
IPC: G01M5/00 , G01H1/00 , G01M13/028 , G01M13/045 , G01M15/12 , G05B23/02
Abstract: 本发明涉及一种指示机器故障的计算机实现的方法、数据处理系统和计算机程序产品，还涉及一种训练用于指示机器故障的神经网络的对应的机器和计算机实现的方法。基于至少一个机器部件的至少一个物理量的至少一个输入信号被变换成至少一个特征。神经网络基于该至少一个特征预测至少一个机器故障的类别和/或严重程度。
-
Patent Agency Ranking
公开(公告)号：CN116113897B
公开(公告)日：2024-12-10
申请号：CN202080103585.3
申请日：2020-08-31
Applicant: 西门子股份公司
IPC: G05B13/02 , G05B19/4065
Abstract: 一种监测铣床(1)的方法，包括以下步骤：‑部署(S1)未经训练的机器学习模型(M)，用于确定时间序列数据中的一个或多个异常；‑在铣床(1)的运行期间，由未经训练的机器学习模型(M)，优选地从为铣床(1)供电的转换器获得(S2)表示铣床(1)的铣头的旋转速度和铣床(1)的至少一个另外的运行参数的第一时间序列数据(I，II)；以及‑在铣床(1)的运行期间，基于所获得的第一时间序列数据(I，II)训练(S3)未经训练的机器学习模型(M)，‑在铣床的运行期间，由经训练的机器学习模型(M)获得(S4)表示铣床(1)的铣头的旋转速度和另外的运行参数的第二时间序列数据(III)，‑在铣床(1)的运行期间，由经训练的机器学习模型(M)确定(S5)第二时间序列数据(III)中的一个或多个异常。
-
公开(公告)号：CN113557420A
公开(公告)日：2021-10-26
申请号：CN202080019943.2
申请日：2020-02-17
Applicant: 西门子股份公司
IPC: G01M5/00 , G01H1/00 , G01M13/028 , G01M13/045 , G01M15/12 , G05B23/02
Abstract: 本发明涉及一种指示机器故障的计算机实现的方法、数据处理系统和计算机程序产品，还涉及一种训练用于指示机器故障的神经网络的对应的机器和计算机实现的方法。基于至少一个机器部件的至少一个物理量的至少一个输入信号被变换成至少一个特征。神经网络基于该至少一个特征预测至少一个机器故障的类别和/或严重程度。
-
公开(公告)号：CN112585548A
公开(公告)日：2021-03-30
申请号：CN201980054387.X
申请日：2019-08-15
Applicant: 西门子股份公司
Inventor： 乔纳斯·戴希曼
IPC: G05B23/02
Abstract: 本发明涉及用于在使用受训练的支持向量机的情况下确定设备的状态的系统和方法。在此，将运行参数空间划分为分类容量，其中的至少一个分类容量表示设备的正常状态并且至少一个另外的分类容量表示错误状态。通过确定当前的运行参数点在运行参数空间中布置在何处，能够因此得出设备的当前状态。此外提出方法和系统的变体方案，以便简化原因评估并且特别得出用于确定错误的相关的运行参数。
-
公开(公告)号：CN116113897A
公开(公告)日：2023-05-12
申请号：CN202080103585.3
申请日：2020-08-31
Applicant: 西门子股份公司
IPC: G05B19/4065
Abstract: 一种监测铣床(1)的方法，包括以下步骤：‑部署(S1)未经训练的机器学习模型(M)，用于确定时间序列数据中的一个或多个异常；‑在铣床(1)的运行期间，由未经训练的机器学习模型(M)，优选地从为铣床(1)供电的转换器获得(S2)表示铣床(1)的铣头的旋转速度和铣床(1)的至少一个另外的运行参数的第一时间序列数据(I，II)；以及‑在铣床(1)的运行期间，基于所获得的第一时间序列数据(I，II)训练(S3)未经训练的机器学习模型(M)，‑在铣床的运行期间，由经训练的机器学习模型(M)获得(S4)表示铣床(1)的铣头的旋转速度和另外的运行参数的第二时间序列数据(III)，‑在铣床(1)的运行期间，由经训练的机器学习模型(M)确定(S5)第二时间序列数据(III)中的一个或多个异常。
-
公开(公告)号：CN112585548B
公开(公告)日：2022-04-19
申请号：CN201980054387.X
申请日：2019-08-15
Applicant: 西门子股份公司
Inventor： 乔纳斯·戴希曼
IPC: G05B23/02
Abstract: 本发明涉及用于在使用受训练的支持向量机的情况下确定设备的状态的系统和方法。在此，将运行参数空间划分为分类容量，其中的至少一个分类容量表示设备的正常状态并且至少一个另外的分类容量表示错误状态。通过确定当前的运行参数点在运行参数空间中布置在何处，能够因此得出设备的当前状态。此外提出方法和系统的变体方案，以便简化原因评估并且特别得出用于确定错误的相关的运行参数。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
