INTELLIGENT PREPROCESSING OF MULTI-DIMENSIONAL TIME-SERIES DATA

The disclosed embodiments relate to a system that preprocesses sensor data to facilitate prognostic-surveillance operations. During operation, the system obtains training data from sensors in a monitored system during operation of the monitored system, wherein the training data comprises time-series...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: GAWLICK, Dieter, LIU, Zhen Hua, GHONEIMY, Adel, GROSS, Kenny C
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:The disclosed embodiments relate to a system that preprocesses sensor data to facilitate prognostic-surveillance operations. During operation, the system obtains training data from sensors in a monitored system during operation of the monitored system, wherein the training data comprises time-series data sampled from signals produced by the sensors. The system also obtains functional requirements for the prognostic-surveillance operations. Next, the system performs the prognostic-surveillance operations on the training data and determines whether the prognostic-surveillance operations meet the functional requirements when tested on non-training data. If the prognostic-surveillance operations do not meet the functional requirements, the system iteratively applies one or more preprocessing operations to the training data in order of increasing computational cost until the functional requirements are met. Les modes de réalisation de l'invention concernent un système qui traite des données de capteur afin de faciliter des opérations de pronostic-surveillance. Pendant le fonctionnement, le système obtient des données d'apprentissage à partir de capteurs dans un système surveillé pendant le fonctionnement du système surveillé, les données d'apprentissage comprenant des données chronologiques échantillonnées à partir de signaux produits par les capteurs. Le système obtient également des exigences fonctionnelles pour les opérations de pronostic-surveillance. Ensuite, le système effectue les opérations de pronostic-surveillance sur les données d'apprentissage et détermine si les opérations de surveillance de pronostic satisfont les exigences fonctionnelles lorsqu'elles sont testées sur des données de non-apprentissage. Si les opérations de pronostic-surveillance ne satisfont pas les exigences fonctionnelles, le système applique de manière itérative une ou plusieurs opérations de prétraitement aux données d'apprentissage afin d'augmenter le coût de calcul jusqu'à ce que les exigences fonctionnelles soient satisfaites.