CN104221475A - 用于照明控制的光传感器的故障检测、定位及性能监控 - Google Patents
用于照明控制的光传感器的故障检测、定位及性能监控 Download PDFInfo
- Publication number
- CN104221475A CN104221475A CN201380019405.3A CN201380019405A CN104221475A CN 104221475 A CN104221475 A CN 104221475A CN 201380019405 A CN201380019405 A CN 201380019405A CN 104221475 A CN104221475 A CN 104221475A
- Authority
- CN
- China
- Prior art keywords
- transducer
- subsystem
- fault
- training
- illumination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 11
- 238000001514 detection method Methods 0.000 title claims description 44
- 230000004807 localization Effects 0.000 title 1
- 238000012549 training Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000005315 distribution function Methods 0.000 claims abstract description 8
- 238000005286 illumination Methods 0.000 claims description 42
- 238000005259 measurement Methods 0.000 claims description 25
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000013500 data storage Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 7
- 238000003780 insertion Methods 0.000 description 6
- 230000037431 insertion Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005375 photometry Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000004 low energy electron diffraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/175—Controlling the light source by remote control
- H05B47/18—Controlling the light source by remote control via data-bus transmission
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/02—Details
- G01J1/0228—Control of working procedures; Failure detection; Spectral bandwidth calculation
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/175—Controlling the light source by remote control
- H05B47/19—Controlling the light source by remote control via wireless transmission
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
- Selective Calling Equipment (AREA)
Abstract
用于监控照明控制***的传感器的方法和***。该方法包括：施行照明控制***的多个传感器的训练（210）以确定给定时间t处的照度的联合概率分布函数（PDF）；收集来自所述训练的参数并将该参数存储在之前的数据存储中（S212）；观察多个传感器的照度（S222）；部分基于存储在之前的数据存储中的参数来确定多个传感器当中是否有至少故障传感器（S224）；以及基于确定存在至少故障传感器以及之前的数据来定位故障传感器（S232，S234）。
Description
本发明通常涉及照明控制，并且更具体地涉及监控照明控制***中的传感器的性能。
通常先进照明控制的激增，并且特别是用于这种控制的网络化***的使用预期会增加。通过增加关于能源节省问题的意识、减少生态冲击足迹、利用政府刺激、以及希望满足某些建筑物性能目标和行业证书（诸如能源与环境设计先锋证书（LEED））来刺激这种需求。
由于对这种进步的需求，照明控制***的复杂性从简单的光开关迁移到并入多个子***的更先进的复杂***。维持这些先进的照明控制***的最佳性能部分地要求使用先进的策略，这些策略过去尚未普遍应用于照明控制***。
照明控制***的一个关键性能方面是它的传感器（例如光传感器）的性能。需要监控这种传感器的性能以确保它们适当地操作。异常或缺陷传感器明显影响先进的照明控制***的性能，从而引起机会丢失并阻碍节约。光传感器异常可能是由多个源所导致的，包括例如用户篡改、传感器表面上的灰尘、电子降级、反射环境的变化、通信问题等等。不能成功根据其校准的性能操作的光传感器损害整体照明控制***性能。典型地，这种问题不被发觉，或者归因于照明控制***的性能。当前，没有可用方案来确定照明***中的问题是否可归因于出现故障并且需要更换、维修、以及甚至自动或手动校准的光传感器。这是一个很大的缺点，因为当整体性能受到损害时，这种照明***的用户倾向于禁用这种***，从而增加功耗。
因此，将有利的是提供一种照明控制***，其具有用于检测至少光传感器的故障的方案。另外将有利的是该方案将允许纠正动作，一经检测到问题，就可以自动采用或者例如由建筑物操作者采用该纠正动作。
本文中公开的某些实施例包含用于监控照明控制***的传感器的***。该***包括连接到网络的多个传感器；和连接到网络的计算设备，该计算设备包括训练（training）子***、检测子***和定位子***，其中训练子***被配置成确定该***的最佳操作，其中检测子***被配置成收集来自多个传感器的测量并且部分基于从至少训练子***提供的数据来确定多个传感器当中的故障传感器，并且其中定位子***被配置成基于针对多个传感器中的每一个所确定的故障指示符（indicator）来确定多个传感器当中的故障传感器的位置。
本文中公开的某些实施例还包含在照明控制***中的用于监控其中的传感器的装置。该装置包括：到网络的接口，其用于至少收集来自连接到网络的多个传感器的数据；故障检测单元，其包含训练子***、检测子***和定位子***，其中训练子***被配置成确定照明控制***的最佳操作，其中检测子***被配置成收集来自多个传感器的测量并且部分基于从至少训练子***提供的数据来确定多个传感器当中是否有故障传感器，并且其中定位子***被配置成基于针对多个传感器中的每一个所确定的故障指示符来确定多个传感器当中的故障传感器的位置；以及存储部件，其用于存储训练子***、检测子***和定位子***中的至少一个的相应数据。
本文中公开的某些实施例还包含用于监控照明控制***的传感器的方法。该方法包括：施行照明控制***的多个传感器的训练以确定给定时间t处的照度的联合概率分布函数（PDF）；收集来自所述训练的参数并将该参数存储在之前的数据存储中；观察多个传感器的照度；部分基于存储在之前的数据存储中的参数来确定多个传感器当中是否有至少故障传感器；以及基于确定存在至少故障传感器以及之前的数据来定位故障传感器。
特别指出被视为本发明的主题并且在说明书结尾处的权利要求书中清楚地对其要求保护。结合附图从以下详细描述将明显看出本发明的前述和其它特征和优点。
图1是根据本发明的实施例的照明控制***的示意图；
图2是根据本发明的实施例的传感器故障检测和定位***的示意流程图；
图3是曲线图，其示出了从典型房间中的西向窗口采集的照度数据的照度分布；
图4是曲线图，其示出了基于60分钟观察窗口的照度数据的最佳群集数目；
图5是曲线图，其示出了（基于高斯混合模型和信号高斯模型的）例如典型房间的窗口附近的日光照度的估计的联合概率分布函数（PDF）的比较；
图6是曲线图，其示出了基于高斯混合模型的例如窗口和典型房间的门附近的桌子附近的日光照度的估计的联合PDF；
图7是时序图，其展示了测试例如来自典型餐厅的照度的故障检测***；
图8是时序图，其展示了测试例如来自典型办公室的照度的故障检测***；和
图9是时序图，其展示了测试例如来自典型自助餐厅的照度的故障检测***。
重点注意，所公开的实施例仅是本文创新性教导的许多有利用途的示例。通常，在本申请的说明书中做出的陈述不一定限制各个要求保护的发明中的任何一个。而且，一些陈述可以应用于一些发明特征，但是不应用于其它发明特征。通常，除非另外指出，否则单数元件可以是复数并且反之亦然，而不丧失一般性。在附图中，贯穿若干个视图的类似标号是指类似部分。
根据本文中所讨论的各个实施例，照明控制***的多个传感器的内在相关性，以及单个传感器在一段时间内的相关性提供优于现有***的优点。为此，从照明控制***的传感器收集历史数据。这种数据可以通过传感器所连接到的网络收集。一旦数据被收集，就进行若干个步骤以便确定每个传感器的操作状态以及对其的可能纠正动作。
图1描绘根据本发明的实施例的照明控制***100的示例性而非限制性的示意图。多个传感器130-1至130-N（其中N是大于1的整数）被统称为传感器130，并耦合到网络120。网络120可以包括串行总线、并行总线、局域网（LAN）、广域网（WAN）等等（无论无线还是有线）以及它们的任何组合。计算机***110通过网络接口连接到网络120，该计算机***包括例如这种***特有的计算电路和处理器、用于存储传感器130的相应历史数据的数据存储112、以及故障检测单元114。在实施例中，传感器130为光传感器。
故障检测单元114包含嵌入有形计算机可读介质中的一系列指令，当被计算机110执行时，该指令施行如下文更详细地讨论的用于检测和定位的步骤。故障检测单元114还可以包含显示器或其它构件以用于示出由计算机***110所施行的处理的结果。
故障检测单元114施行训练操作、故障检测操作以及故障定位操作。在训练操作中，在存储112中所含有的历史数据的一部分之上针对一组传感器130计算一些统计。这种统计包含将历史数据分类成组，以及估计每组的统计变量，即联合分布函数的参数，例如（并非以限制的方式）平均值、方差和/或协方差。
在故障检测操作中，发生以下过程，其中针对每个时间事件或每个持续时间（例如，30分钟跨度）并且针对来自一组传感器130的特定读数，计算机***110在考虑到之前的传感器测量关系（即相关性确定）的情况下计算当前测量的数据是正确的或者以其它方式可能发生的概率。如果概率低，那么计算机***110能够标识该测量事件为有问题或故障的。故障被看作是具有可忽略的概率的事件，即不大可能发生的事件，其表示为：
其中x(t)为被检查的一组传感器130的读数。在故障定位操作中，试图定位故障的一个或多个传感器。
该操作基于来自某个传感器的测量的似然的评估（evaluation）。一旦从传感器130标识（多个）故障传感器，（多个）故障传感器就可以被标记为这样的以用于进一步调查。这种调查可以是手动的，其中建筑物操作者能够调查性能偏差的原因并且纠正这种故障传感器的问题。或者，如果可能，还可以例如通过计算机***110发起自校准过程来展开一个或多个自校准操作，从而使传感器130中的故障传感器施行自校准。自校准算法本文不作讨论。根据一个实施例，利用以下性质在从传感器130接收的测量数据中标识故障或异常：低虚假警报概率；以及低误检测概率。
故障传感器是提供异常测量数据的传感器，这可能可归因于各种原因，例如用户篡改、传感器表面上的灰尘、电子降解、反射环境的变化、通信问题等等。故障传感器并不限于传感器的实际故障。
由传感器所测量的照度/亮度（在下文中，不失一般性，可以使用术语日光照度）的联合分布的有效估计是设计有效的故障检测***的关键。为了说明目的，选择高斯混合模型来描述日光照度的联合概率分布函数（PDF）。也就是说，日光照度的PDF通过多个高斯分布的叠加进行近似。因此，要求确定高斯混合模型的以下信息：在给定时间处高斯分布分量的最佳数目；用于每个高斯分布的均值向量和协方差矩阵；以及，组合时每个高斯分布的适当权重。因此，对于给定时间，高斯分布分量的最佳数目被表示为，并且将用于第k个高斯分布的均值向量、协方差矩阵以及权重分别表示为，从而提供给定时间处日光照度的联合分布为：
其中，为表示日光照度的列向量，并且表示具有均值和协方差的多变量高斯分布。参数集完全描述了日光照度的PDF。在下文中将更详细地描述根据故障检测子***的一个实施例的如何查找参数集。
图2描绘根据本发明的实施例的传感器故障检测和定位***的示例性而非限制性的流程图200。***200包含三个子***：训练子***210、检测子***220和故障定位子***230。训练子***210的任务是从所存储的训练数据估计日光照度的联合概率密度函数。训练子***210被典型地脱机训练并且向检测子***220和定位子***230提供由这些子***使用的估计的模型参数。检测子***220的任务是检测来自传感器130的测量中是否有故障。子***220在线运行并且基于来自训练子***210的估计的模型参数来测试实时测量。一旦检测到故障，检测子***220就通知定位子***230测试来自每个传感器130的测量并确定哪一个传感器130在提供故障测量。在下文中更详细地讨论子***210、220和230的细节。
图2所示的训练子***210包含三个操作：S212对训练数据进行分组；S214估计高斯分布的最佳数目L*(t) 214；以及S216估计。
在S212中，训练子***210根据数据的观察时间和所期望的观察窗口长度对训练数据进行分组。训练数据被定义为从传感器130中的功能性传感器测量的预先存储的正常日光照度。观察时间为测量日光照度时的时间实例。观察窗口长度为使原始连续时间信息离散化的持续时间。例如，如果观察窗口长度为30分钟，那么具有30分钟时间间隔的所有日光照度测量被分组在一起并被看作是遵循相同的PDF。在S214中，训练子***210确定高斯分布分量的最佳数目。查找L*（t）等效于查找描述日光照度的最佳群集数目，在下文中更详细地描述该群集。
图3是示例性而非限制性的曲线图，其示出了由传感器130中的单个传感器在16：00至16：01期间从例如典型房间中的西向窗口采集的照度数据的照度分布。通过简单观察图3，容易理解数据可以基于照度水平而被粗略地分组成若干个群集。最佳群集数目在本文中被定义为适当描述该数据而不引起过度的模型复杂性的群集数目。例如，与分割成10个不同的群集相比，三个群集是描述图3中的照度数据的更好选择。例如，在该步骤中利用X-均值算法来查找L*(t)。
图4是用于西向房间的L*(t)的结果的示例性而非限制性的曲线图。从图4中可理解的是，照度的最佳群集数目基于日光可用性而随时间而变化。例如，在夜间期间，当没有日光时，最佳群集数目仅为2；而在15：00至18：00之间，当存在针对西向房间的直射阳光时，最佳群集数目在8至11之间。还应当注意的是，照度的最佳群集数目还取决于观察窗口长度和建筑物的环境。
回到图2，在S216中，必要的是基于在S214中所找到的L*(t)来查找参数集，其中 并且 满足：
在本文中最佳参数集被定义为最大似然解，即：
虽然没有查找最佳的闭型，但是可以直接应用高效的期望最大化（EM）算法来求解。
图5示出示例性而非限制性的曲线图，其比较了基于高斯混合模型和传统单个高斯模型（曲线520）的在16：00至16：01（1分钟观察窗口）期间典型房间的西向窗口附近的日光照度的估计的PDF（示为红色实曲线510）。与传统单个高斯分布假设520相比，高斯混合模型510更加精确地描述日光照度并且更加清楚地体现日光照度分布的多模态性质。针对两个日光测量的高斯混合模型的另一个示例如图6所示。具体地，图6提供利用两个测量的曲线图，其示出了基于高斯混合模型的在16：00至16：01（1分钟观察窗口）期间西向窗口附近的日光照度和典型房间的门附近的书桌处的日光照度的估计的联合PDF。
回到图2，一旦***已经由训练子***210进行训练，检测子***220就在S222中接收新输入的观察x(t)，在S224中基于先前找到的参数集来确定针对其的相应概率密度：
其后，在S226中基于以下简单的检测规则将概率密度与预定阈值相比较 ：
换言之，如果I(t)>δ，则在S228中观察被显示为正常的。然而，如果I(t) ≤ δ，则观察被显示为故障的并且通过定位子***230继续处理以确定哪个传感器130是故障传感器。
最后，定位子***230评估测量并且定位传感器130中的（多个）故障传感器。如图2所示，通过检查故障传感器的故障指示符Ij(t) 230来定位它们，其中j代表传感器130-j的编号。根据本发明，故障指示符被定义为来自某个传感器的测量的似然的评估。故障指示符可以为不同的函数，只要它们可以反映测量的似然即可。例如，传感器j的故障指示符可以为以下条件概率密度：
其中D是传感器的总数目。作为另一个示例，故障指示符可以被确定为传感器j的边缘概率密度：
其中，代表向量 的第个元素，并且代表矩阵的第行和第列上的元素。因此，在这种情况下，高斯混合模型的每个分量变成单个变量的高斯。一旦计算出用于每个单独的传感器的故障指示符，如上或以其它方式所示，确定传感器j是否有错误的规则就通过比较Ij(t)与预定阈值δj来简单地确定，如下所示：
换言之，如果Ij(t)大于δj，则传感器j被确定为正常操作236，并且否则被确定为有故障238。在实施例中，每个传感器130的状态可以由计算机110显示。应当理解，用于故障检测和定位的阈值不必相同。可以从训练数据获得阈值的合适值。例如，如果故障指示符是边缘概率密度，那么阈值可以为：
其中任何x(t)处于训练数据集中
其中，η为标量，例如10-2，以便提供用于子***220和230的故障检测的边缘。
关于图7至9的以下讨论通过非限制性示例图示了根据本发明的各个实施例的照明***的操作。出于该说明性目的，讨论三个不同环境：餐厅（图7）、办公室（图8）以及建筑物走廊（图9）。在实验中用于所有传感器的采样速率为每分钟1个样品。观察窗口长度为1分钟。5个传感器部署在餐厅中，13个传感器部署在办公室中以及4个传感器部署在建筑物走廊中。这些传感器被放置在各种位置处。在办公室和餐厅的情况下，传感器位于天花板、桌子/书桌和窗口处。在走廊的情况下，传感器位于沿着走廊的不同位置处的窗口上。
图7提供示例性而非限制性的时序图，其展示了测试来自上述典型餐厅的照度的故障检测和定位***。在该示例中，训练数据是在28天的时段内收集的，并且来自所有5个传感器的测量被用来训练故障检测和定位***。在该示例中，9个30分钟的人为故障时段被随机***照度数据中。在每个故障时段期间，测量通过窗口的照度的传感器（在图7中记为“传感器#1：窗口”）被假定为具有故障。
图7顶部处的曲线图示出了具有***的故障测量的照度数据。图7底部处的曲线图示出了由子***220和230施行的检测的输出，当检测到故障时输出为1，否则输出为0。基于故障指示符来设置阈值，该故障指示符为边缘概率密度。
通过有效地利用不同照度测量之间的相关性，故障检测子***220能够检测故障测量，即使它们接近于正常测量。例如，在圆圈710、720和730中突出显示的故障测量类似于正常测量；然而，子***220和230检测到如由相应圆圈715，725和735所指示的轻微异常。
图8提供示例性而非限制性的时序图，其展示了测试来自例如具有13个传感器的典型办公室的照度的***100的操作。在该示例中，在30天的时段内收集的训练数据和来自所有13个传感器的测量被用来训练故障检测和定位***。9个30分钟的人为故障时段再次被随机***照度数据中。在每个故障时段期间，测量通过窗口的照度的传感器（在图8中记为“传感器#1：东向窗口”）被假定为具有故障。图8顶部处的曲线图示出了具有***的故障测量的照度数据。
图8底部处的曲线图示出了子***220和230的输出；当检测到故障时输出为1，否则输出为0。基于故障指示符来设置阈值，该故障指示符为边缘概率密度。通过有效地利用不同照度测量之间的相关性，故障检测***能够检测故障测量，即使它们接近于正常测量。例如，在圆圈810和820中突出显示的故障测量类似于正常测量；然而，检测器检测到如由相应圆圈815和825所指示的轻微异常。
图9提供示例性而非限制性的时序图，其展示了测试来自例如具有4个传感器的建筑物走廊的照度的故障检测***。在此示例中，在30天的时段内收集的训练数据和来自所有4个传感器的测量被用来训练故障检测和定位***。同样，9个30分钟的人为故障时段被随机***照度数据中。在每个故障时段期间，测量通过窗口的照度的传感器（在图9中记为“传感器#1：西向自助餐厅”）被假定为具有故障。图9顶部处的曲线图示出了具有***的故障测量的照度数据。
图9底部处的曲线图示出了子***220和230的输出；当检测到故障时输出为1，否则输出为0。基于故障指示符来设置阈值，该故障指示符为边缘概率密度。通过有效地利用不同照度测量之间的相关性，故障检测***能够检测故障测量，即使它们接近于正常测量。例如，在圆圈910、920和930中突出显示的故障测量类似于正常测量；然而，检测器仍然能够检测到如由相应圆圈915、925和935所指示的轻微异常。
本文所公开的各种实施例可以实现为硬件、固件、软件或它们的任何组合。此外，软件优选地实现为在可以是数字电路、模拟电路、磁性介质或其组合的形式的程序存储单元、非暂时性计算机可读介质、或非暂时性机器可读存储介质上有形地体现的应用程序。可以将应用程序上载到机器并且由所述机器来执行，所述机器包括任何合适的架构。优选地，机器在计算机平台上实现，所述计算机平台具有诸如一个或多个中央处理单元（“CPUs”）、存储装置、和输入/输出接口的硬件。计算机平台还可以包含操作***和微指令代码。本文描述的各种过程和功能可以是微指令代码的一部分或应用程序的一部分、或其任何组合，其可以由CPU来执行，无论这样的计算机或处理器是否被明确地示出。另外，各种其它***单元可以被连接到计算机平台，诸如附加的数据存储单元和打印单元。
虽然已经关于若干个所描述的实施例相当详细地且具体地描述本发明，但这并不意味着其应该局限于任何这种特殊性或实施例或任何特定实施例，而是应参考所附权利要求进行解释以便鉴于现有技术提供这些权利要求的最宽泛的可能解释，并因此有效地涵盖本发明的意图范围。此外，上文依据发明人可预见的实施例描述本发明，可获得针对其可实现的描述，尽管对本发明的非实质修改目前不可预见，但其仍可代表本发明的等同物。
Claims (15)
1.一种用于监控照明控制***的传感器的***（100），包括：
连接到网络的多个传感器（130-1，130-N）；以及
连接到所述网络的计算设备（110），其包括训练子***（210）、检测子***（220）和定位子***（230），其中所述训练子***被配置成确定所述***的最佳操作，其中所述检测子***被配置成收集来自所述多个传感器的测量并部分基于从至少所述训练子***提供的数据来确定所述多个传感器当中的故障传感器，并且其中所述定位子***被配置成基于针对所述多个传感器中的每一个所确定的故障指示符来确定所述多个传感器当中的故障传感器的位置。
2.权利要求1的***，其中所述传感器是光传感器。
3.权利要求1的***，其中所述训练子***确定给定时间t处的照度的联合概率分布函数（PDF）。
4.权利要求1的***，其中所述检测子***确定概率密度。
5.权利要求4的***，其中所述检测子***将所述概率密度与预定阈值相比较以确定所述多个传感器中是否存在故障传感器。
6.权利要求1的***，其中所述定位子***针对每个传感器将其相应的概率密度与相应的预定阈值相比较以确定每个传感器是否有故障。
7.一种在照明控制***（100）中的用于监控其中的传感器的装置，包括：
到网络（120）的接口，其用于至少收集来自连接到所述网络的多个传感器（130-1，130-N）的数据；
故障检测单元（114），其包含训练子***（210）、检测子***（220）和定位子***（230），其中所述训练子***被配置成确定所述照明控制***的最佳操作，其中所述检测子***被配置成收集来自所述多个传感器的测量并部分基于从至少所述训练子***提供的数据来确定所述多个传感器当中是否存在故障传感器，并且其中所述定位子***被配置成基于针对所述多个传感器中的每一个所确定的故障指示符来确定所述多个传感器当中的故障传感器的位置；以及
存储部件（112），其用于存储所述训练子***、所述检测子***和所述定位子***中的至少一个的相应数据。
8.权利要求7的装置，其中所述传感器是光传感器。
9.权利要求7的装置，其中所述训练子***确定给定时间t处的照度的联合概率分布函数（PDF）。
10.权利要求7的装置，其中所述检测子***还被配置成确定概率密度。
11.权利要求10的装置，其中所述检测子***还被配置成将所述概率密度与预定阈值相比较以确定所述多个传感器当中是否存在故障传感器。
12.权利要求12的装置，其中所述定位子***还被配置成针对每个传感器将其相应的概率密度与相应的预定阈值相比较以确定每个传感器是否有故障。
13.一种用于监控照明控制***的传感器的方法，包括：
施行所述照明控制***的多个传感器的训练（210）以确定给定时间t处的照度的联合概率分布函数（PDF）；
收集来自所述训练的参数并将所述参数存储在之前的数据存储中（S212）；
观察所述多个传感器的照度（S222）；
部分基于存储在之前的数据存储中的所述参数来确定所述多个传感器当中是否存在至少故障传感器（S224）；以及
基于确定存在至少故障存储器以及之前的数据来定位故障传感器（S232，S234）。
14.权利要求13的方法，其中收集来自所述训练的参数还包括：
确定高斯分布分量的最佳数目。
15.权利要求13的方法，其中确定是否存在故障传感器包括：
确定概率密度。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261622110P | 2012-04-10 | 2012-04-10 | |
| US61/622110 | 2012-04-10 | ||
| US61/622,110 | 2012-04-10 | ||
| PCT/IB2013/052698 WO2013153490A2 (en) | 2012-04-10 | 2013-04-04 | Fault detection, localization and performance monitoring of photosensors for lighting controls |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104221475A true CN104221475A (zh) | 2014-12-17 |
| CN104221475B CN104221475B (zh) | 2017-02-22 |
Family
ID=48579141
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380019405.3A Active CN104221475B (zh) | 2012-04-10 | 2013-04-04 | 用于照明控制的光传感器的故障检测、定位及性能监控 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9651416B2 (zh) |
| EP (1) | EP2837270B1 (zh) |
| JP (1) | JP6275115B2 (zh) |
| CN (1) | CN104221475B (zh) |
| WO (1) | WO2013153490A2 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108307575A (zh) * | 2018-02-07 | 2018-07-20 | 江西电力职业技术学院 | 自动报修***及方法 |
| CN109691234A (zh) * | 2016-07-26 | 2019-04-26 | 飞利浦照明控股有限公司 | 照明传感器分析 |
| CN110832955A (zh) * | 2017-06-27 | 2020-02-21 | 昕诺飞控股有限公司 | 用于资产定位、性能评估和故障检测的方法和*** |
| CN111095147A (zh) * | 2017-07-12 | 2020-05-01 | 西门子股份公司 | 用于传感器数据集中的偏差检测的方法和*** |
| CN116086605A (zh) * | 2023-01-12 | 2023-05-09 | 武汉海微科技有限公司 | 光感可视化检测方法与*** |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170016761A1 (en) * | 2014-02-26 | 2017-01-19 | Philips Lighting Holding B.V. | A method of detecting a defect light sensor |
| US10431106B1 (en) | 2015-04-13 | 2019-10-01 | Aptima, Inc. | Systems and methods to measure performance |
| US10378936B2 (en) * | 2015-09-04 | 2019-08-13 | International Business Machines Corporation | Identification of failed sensors in a system of interconnected devices |
| JP6527804B2 (ja) * | 2015-10-06 | 2019-06-05 | 株式会社トプコン | 電磁波の測定装置、電磁波の測定方法およびプログラム |
| CN111448848B (zh) * | 2017-12-05 | 2023-04-18 | 昕诺飞控股有限公司 | 用于照明器异常的分布式检测的***、方法和装置 |
| US11310892B2 (en) | 2018-01-26 | 2022-04-19 | Signify Holding B.V. | System, methods, and apparatuses for distributed detection of luminaire anomalies |
| US11706864B1 (en) * | 2020-07-24 | 2023-07-18 | Synapse Wireless, Inc. | Systems and methods for verifying operation and configuration of a lighting network |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011098931A1 (en) * | 2010-02-09 | 2011-08-18 | Koninklijke Philips Electronics N.V. | Presence detection system and lighting system comprising such system |
| CN102301827A (zh) * | 2009-01-29 | 2011-12-28 | 皇家飞利浦电子股份有限公司 | 响应于环境照明条件的照明控制*** |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6115654A (en) | 1997-12-23 | 2000-09-05 | Simmonds Precision Products, Inc. | Universal sensor interface system and method |
| US5987399A (en) * | 1998-01-14 | 1999-11-16 | Arch Development Corporation | Ultrasensitive surveillance of sensors and processes |
| US20110178963A1 (en) * | 2004-10-28 | 2011-07-21 | Insyst Ltd. | system for the detection of rare data situations in processes |
| US7565262B2 (en) * | 2006-10-05 | 2009-07-21 | Siemens Corporate Research, Inc. | Bayesian sensor estimation for machine condition monitoring |
| JP2009158183A (ja) | 2007-12-25 | 2009-07-16 | Toshiba Lighting & Technology Corp | 照明制御システム |
| US8706271B2 (en) * | 2010-02-18 | 2014-04-22 | Redwood Systems, Inc. | Integration of computing device and lighting system |
| JP6198809B2 (ja) * | 2012-03-20 | 2017-09-20 | フィリップス ライティング ホールディング ビー ヴィ | 能動センサーのネットワークにおける干渉検出 |
| WO2013160791A2 (en) * | 2012-04-25 | 2013-10-31 | Koninklijke Philips N.V. | Failure detection in lighting system |
-
2013
- 2013-04-04 JP JP2015505042A patent/JP6275115B2/ja active Active
- 2013-04-04 WO PCT/IB2013/052698 patent/WO2013153490A2/en active Application Filing
- 2013-04-04 EP EP13727974.1A patent/EP2837270B1/en active Active
- 2013-04-04 US US14/391,262 patent/US9651416B2/en active Active
- 2013-04-04 CN CN201380019405.3A patent/CN104221475B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102301827A (zh) * | 2009-01-29 | 2011-12-28 | 皇家飞利浦电子股份有限公司 | 响应于环境照明条件的照明控制*** |
| WO2011098931A1 (en) * | 2010-02-09 | 2011-08-18 | Koninklijke Philips Electronics N.V. | Presence detection system and lighting system comprising such system |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109691234A (zh) * | 2016-07-26 | 2019-04-26 | 飞利浦照明控股有限公司 | 照明传感器分析 |
| US11026318B2 (en) | 2016-07-26 | 2021-06-01 | Signify Holding B.V. | Lighting sensor analysis |
| CN109691234B (zh) * | 2016-07-26 | 2022-12-06 | 昕诺飞控股有限公司 | 照明传感器分析 |
| CN110832955A (zh) * | 2017-06-27 | 2020-02-21 | 昕诺飞控股有限公司 | 用于资产定位、性能评估和故障检测的方法和*** |
| CN110832955B (zh) * | 2017-06-27 | 2022-07-05 | 昕诺飞控股有限公司 | 用于资产定位、性能评估和故障检测的方法和*** |
| CN111095147A (zh) * | 2017-07-12 | 2020-05-01 | 西门子股份公司 | 用于传感器数据集中的偏差检测的方法和*** |
| CN108307575A (zh) * | 2018-02-07 | 2018-07-20 | 江西电力职业技术学院 | 自动报修***及方法 |
| CN116086605A (zh) * | 2023-01-12 | 2023-05-09 | 武汉海微科技有限公司 | 光感可视化检测方法与*** |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2837270A2 (en) | 2015-02-18 |
| WO2013153490A2 (en) | 2013-10-17 |
| WO2013153490A3 (en) | 2013-12-05 |
| EP2837270B1 (en) | 2020-06-17 |
| CN104221475B (zh) | 2017-02-22 |
| US20150073750A1 (en) | 2015-03-12 |
| US9651416B2 (en) | 2017-05-16 |
| JP2015518246A (ja) | 2015-06-25 |
| JP6275115B2 (ja) | 2018-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104221475A (zh) | 用于照明控制的光传感器的故障检测、定位及性能监控 | |
| Sharma et al. | On the prevalence of sensor faults in real-world deployments | |
| CN112580961B (zh) | 基于电网信息***运行风险预警方法及装置 | |
| CN110119758A (zh) | 一种用电数据异常检测及模型训练方法、装置 | |
| CN109324241B (zh) | 一种变电站接地网腐蚀诊断预警方法及*** | |
| CN108957385B (zh) | 一种电能计量设备自动化检定线异常表位确认方法及装置 | |
| CN104156615A (zh) | 基于ls-svm的传感器检测数据点异常检测方法 | |
| KR101532163B1 (ko) | 태양광발전 상태진단 평가시스템 | |
| CN109738014A (zh) | 城市综合管廊设备故障的智能诊断方法及*** | |
| CN116520236B (zh) | 一种智能电表的异常检测方法和*** | |
| US20050144537A1 (en) | Method to use a receiver operator characteristics curve for model comparison in machine condition monitoring | |
| KR20170126623A (ko) | 멀티변수를 기반으로 한 태양광 발전설비의 효율성 진단시스템 | |
| CN114492629A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
| CN117074925A (zh) | 一种3d芯片测试分析方法和*** | |
| CN105407496A (zh) | 一种识别无线传感器网络中错误测量值的方法 | |
| CN103364669B (zh) | Gis设备运行状态在线检测方法与*** | |
| RU2364926C2 (ru) | Способ контроля состояния многопараметрического объекта | |
| CN110389264A (zh) | 一种异常用电计量的检测方法 | |
| KR20160026492A (ko) | 시계열 분석 기반의 신뢰 구간 추정을 이용한 이상 감지 방법 | |
| CN110455370B (zh) | 防汛抗旱远程遥测显示*** | |
| KR101823921B1 (ko) | 지진 예측 기능을 가지는 수자원 제어진단감시시스템 | |
| JP6456123B2 (ja) | 太陽光パネル警報報知システム | |
| CN116664110B (zh) | 一种基于业务中台的电力营销数字化方法和*** | |
| CN118019190A (zh) | 一种基于行人感知的智慧照明*** | |
| CN117895645A (zh) | 电网巡检方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20170315 Address after: Eindhoven Patentee after: KONINKL PHILIPS N.V. Address before: Holland Ian Deho Finn Patentee before: Koninkl Philips Electronics NV |
|
| TR01 | Transfer of patent right | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Eindhoven Patentee after: Signify Holdings Ltd. Address before: Eindhoven Patentee before: Philips Lighting Holdings |
|
| CP01 | Change in the name or title of a patent holder |