**对比文件名称**：2015-04-01_发明授权_CN102227691B 检测航空发动机的异常
**目标专利名称**：150监视物联网设备健康状况的方法、装置、设备和存储介质CN107409073B
**本次调用的模型名称**：GPT-4
## 特征比对表格
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：在本地IoT网络中的第一节点处为与所述本地IoT网络中的第二节点相关联的正常行为建模。<br>**《隐含公开》** | [0007] “使用时间回归定义一个所述航空发动机控制装置的行为模型，所述时间回归根据数据集来对所述控制装置特性进行模拟，所述数据集与所述控制装置有关且包括了过去特性的测量以及所述控制装置状态和控制测量；”<br>[0010] “为此，所述方法可通过最小数量测量和优化计算时间来使用粗糙模型检测发动机的行为异常。” | 对比文件公开了为航空发动机控制装置（相当于“第二节点”）定义行为模型（即建模）以模拟其特性。该建模由处理器装置5（相当于“第一节点”）执行。虽然对比文件场景是航空发动机监测而非IoT网络，但本领域技术人员能够理解，在监测系统中，一个处理节点（第一节点）为被监测的设备（第二节点）建立正常行为模型是常见技术手段。因此，该技术特征被对比文件隐含公开。 |
| **技术特征B**：其中，所述第一节点是配置成进行行为分析的分析者节点，所述第二节点是配置成观察本地行为的观察者节点，所述第一节点和所述第二节点是所述本地IoT网络中的不同IoT设备。<br>**《隐含公开》** | [0108] “该系统包括多个测量控制信号或数据的传感器3a-3e，这些控制信号或数据代表了发动机1的状态...该系统还带有数据处理器装置5，诸如计算机或控制器...”<br>[0170] “执行机构29出口处的位置或动作y由线性可变差动变压器(LVDT)位置传感器3a来测量。” | 对比文件中，处理器装置5执行行为模型的建立、重新计算和监测（相当于“分析者节点”）。传感器3a-3e（如LVDT传感器）测量并获取发动机控制装置的状态数据（相当于“观察者节点”）。处理器装置5和传感器/被监测的控制装置是物理上不同的设备。虽然未明确使用“IoT设备”和“本地IoT网络”的术语，但本领域技术人员能够合理推断，在分布式监测架构中，负责分析的节点与负责数据采集的节点是不同的实体，并承担不同角色。因此，该技术特征被对比文件隐含公开。 |
| **技术特征C**：在所述第一节点处通过所述本地IoT网络接收与在所述第二节点处观察到的一个或多个行为相关的行为信息。<br>**《隐含公开》** | [0108] “处理器装置5包括...输入外围设备（传感器3a-3e、键盘、鼠标…）”<br>[0124] “在步骤E4，处理器装置5开始随着时间的推移而采集与控制器装置21相关的当前数据集。例如，该数据来自感应发动机1环境的各种传感器3a-3e。” | 对比文件公开了处理器装置5（第一节点）从传感器3a-3e（观察者节点）采集或接收测量数据，这些数据反映了控制装置（第二节点）的行为（如位置、转速、压力等）。虽然未明确提及通过“本地IoT网络”接收，但数据的传输必然通过某种通信路径（有线或无线），本领域技术人员可以合理推断这构成了一个数据通信网络。因此，该技术特征被对比文件隐含公开。 |
| **技术特征D**：在所述第一节点处分析与在所述第二节点处观察到的所述一个或多个行为相关的所述行为信息。<br>**《直接公开》** | [0009] “监测所述行为模型的统计变异，以便检测反映所述发动机工作异常的所述控制装置的行为异常。”<br>[0128] “处理器装置5在步骤E7期间配置成可计算对应于当前数据集和当前飞行状态的当前行为模型。”<br>[0130] “在步骤E9，处理器装置5配置成可在行为距离大于预定正常阈限时检测控制装置21的行为异常。” | 对比文件明确公开了处理器装置5（第一节点）对采集到的当前数据集（行为信息）进行分析，包括计算当前行为模型、估计行为距离等，以检测异常。该分析直接对应于对观察到的行为信息的处理。因此，该技术特征被对比文件直接公开。 |
| **技术特征E**：在所述第一节点处将所分析的行为信息与关联于所述第二节点的所建模的正常行为进行比较以确定在所述第二节点处观察到的所述一个或多个行为是正常的还是异常的。<br>**《直接公开》** | [0022] “估计对应于所述当前飞行状态的所述当前行为模型和所述参考行为模型之间的行为距离；以及检测所述行为距离大于预定正常阈限时的所述控制装置的行为异常。”<br>[0042] “检测所述正常指标和对应正常阈限之间距离大于预定值时所述控制装置的行为异常。” | 对比文件明确公开了将分析得到的当前行为模型（即所分析的行为信息）与预先建立的参考行为模型（即所建模的正常行为）进行比较（如计算行为距离、误差比率等），并根据比较结果（是否超过阈值）来确定行为是否异常。这完全对应于目标专利中比较分析结果与正常模型以确定正常/异常的过程。因此，该技术特征被对比文件直接公开。 |
| **技术特征F**：以及响应于基于所述比较确定在所述第二节点处观察到的所述行为信息指示了异常状况，触发一个或多个执行者来矫正所述第二节点处的行为异常。<br>**《未公开》** | [0042] “检测...行为异常。”<br>[0108] “输出外围设备（声发射器13、光信号器15、显示屏17、打印机19、…），以便使监测结果可用。” | 对比文件公开了检测到异常后，可以通过输出设备（如声、光报警器）指示或警告异常。然而，并未公开“触发一个或多个执行者来矫正行为异常”。“执行者”在目标专利中是指能够主动采取矫正措施（如在线诊断、服务请求）的实体或模块。对比文件仅停留在异常检测和告警层面，没有公开任何触发矫正动作的步骤或机制。因此，该技术特征未被对比文件公开。 |
| **技术特征G**：其中，所述一个或多个执行者被提供有用于辅助矫正一项或多项行为异常的技术。<br>**《未公开》** | 无相应内容。 | 由于技术特征F未被公开，涉及“执行者”具体能力的特征G也未被公开。对比文件全文未提及任何为矫正异常而提供的技术或辅助手段。 |
| **技术特征H**：其中，分析与在所述第二节点处观察到的所述一个或多个行为相关的所述行为信息进一步包括：从所述行为信息中提取一个或多个行为向量，其中所述行为信息表示n个行为特征并且所述一个或多个行为向量将所述n个行为特征映射到n维空间中。<br>**《隐含公开》** | [0048] “所述数据集包括有关执行机构位置的数据和外部数据，所述外部数据包括所述低压压缩机轴的第一转速N1、所述高压压缩机轴的第二转速N2、压缩机下游的压力P、燃油流量W，以及执行机构的指令u。”<br>[0171] “变量xj将所有这些k外部输入汇聚到一起，这些输入包括输入指令u、发动机1环境测量...” | 对比文件公开的行为信息包括多个测量参数（如位置y、转速N1/N2、压力P、流量W、指令u等），这些参数可被视为多个“行为特征”。行为模型（如有理滤波器）的建立过程，实质上是通过数学方法（如回归）将这些特征参数关联起来，形成一个表征系统行为的模型。虽然未明确使用“提取行为向量”和“映射到n维空间”的表述，但将多个特征参数组合用于建模和分析，是本领域技术人员能够从对比文件公开内容中合理推断出的技术手段。因此，该技术特征被对比文件隐含公开。 |
| **技术特征I**：进一步包括：为包括所述第一节点和所述第二节点的所述本地IoT网络建模。<br>**《未公开》** | 无相应内容。 | 对比文件专注于为单个被监测的控制装置（第二节点）建立行为模型，并未涉及为包含多个节点（如第一节点、第二节点及其他）的整个“网络”进行建模。目标专利中的“为本地IoT网络建模”包含构造拓扑、组合多个设备模型等步骤，这在对比文件中完全没有对应。因此，该技术特征未被对比文件公开。 |
| **技术特征J**：以及基于在所述第二节点处观察到的所述行为信息，更新与所述本地IoT网络相关联的当前状态。<br>**《隐含公开》** | [0017] “随着时间收集有关所述控制装置的当前数据集；...计算对应于所述当前数据集和所述当前飞行状态的当前行为模型；”<br>[0128] “处理器装置5在步骤E7期间配置成可计算对应于当前数据集和当前飞行状态的当前行为模型。” | 对比文件公开了随着新数据（行为信息）的收集，不断重新计算“当前行为模型”。这个“当前行为模型”反映了被监测装置基于最新观察信息的状态。虽然目标专利中更新的是“与本地IoT网络相关联的当前状态”，而对比文件更新的是单个设备的“行为模型”，但本领域技术人员能够理解，更新基于最新观测的模型状态，是更新系统/网络状态的一种基础形式。因此，该技术特征被对比文件隐含公开。 |
| **技术特征K**：其中，为所述本地IoT网络建模包括：聚集与所述本地IoT网络中的每一IoT设备相关联的属性。<br>**《未公开》** | 无相应内容。 | 对比文件没有为“本地IoT网络”建模，因此自然也谈不上聚集其中每个设备的属性。该特征未被公开。 |
| **技术特征L**：构造与所述本地IoT网络相关联的拓扑。<br>**《未公开》** | 无相应内容。 | 对比文件未涉及任何网络拓扑的构造。该特征未被公开。 |
| **技术特征M**：从与每一IoT设备相关联的制造商或者一个或多个仓储库获取与所述本地IoT网络中的每一IoT设备相关联的行为模型，所述一个或多个仓储库被配置成存储所述行为模型。<br>**《未公开》** | [0016] “确定每个飞行状态的参考行为模型。”<br>[0045] “计算每个飞行状态的参考有理滤波器” | 对比文件中的参考行为模型是基于“台架试验阶段测量和储存的”初始数据（见[0045]）确定的，或者说是通过历史数据训练得到的。并未提及从设备制造商或外部仓储库获取预先存储的行为模型。因此，该技术特征未被对比文件公开。 |
| **技术特征N**：以及组合与所述本地IoT网络中的每一IoT设备相关联的所聚集的属性、与所述本地IoT网络相关联的所述拓扑以及与所述本地IoT网络中的每一IoT设备相关联的所述行为模型以便为所述本地IoT网络建模。<br>**《未公开》** | 无相应内容。 | 由于特征K、L、M均未被公开，该组合步骤也未被公开。对比文件不存在网络级别的建模。 |
| **技术特征O**：进一步包括：响应于确定在所述第二节点处观察到的所述一个或多个行为异常，通过所述第一节点向客户服务实体报告在所述第二节点处观察到的所述一个或多个行为。<br>**《未公开》** | [0108] “输出外围设备（声发射器13、光信号器15、显示屏17、打印机19、…），以便使监测结果可用。” | 对比文件公开了检测到异常后可通过输出设备（如显示器、报警器）使结果可用。但这是一种本地或现场指示，并未明确公开“向客户服务实体报告”这一特定动作。目标专利中的“客户服务实体”通常指外部的、提供售后或技术支持的服务方，这与对比文件中的本地报警在目的和对象上存在区别。因此，该技术特征未被对比文件公开。 |
| **技术特征P**：其中，所述一个或多个异常行为指示对所述第二节点或者包括所述第二节点的所述本地IoT网络的潜在恶意攻击。<br>**《未公开》** | [0009] “检测反映所述发动机工作异常的所述控制装置的行为异常。”<br>[0050] “检测发动机的异常。” | 对比文件检测的异常明确指向“发动机工作异常”或“控制装置的行为异常”，即设备故障或性能劣化。全文未提及任何与“恶意攻击”（如网络安全攻击）相关的内容。因此，该技术特征未被对比文件公开。 |
| **技术特征Q**：其中，所述一个或多个异常行为指示所述第二节点处的潜在故障或异常工作状况。<br>**《直接公开》** | [0009] “检测反映所述发动机工作异常的所述控制装置的行为异常。”<br>[0050] “为此，所述方法可以通过观察少量参数来预先检测阀门调节器电路的任何趋势。” | 对比文件明确且反复指出，所检测的行为异常反映了“发动机工作异常”或“控制装置”的异常趋势，这直接对应于设备（第二节点）的“潜在故障或异常工作状况”。因此，该技术特征被对比文件直接公开。 |
| **技术特征R**：其中，所述第二节点包括被配置成观察所述一个或多个行为的一个或多个组件。<br>**《隐含公开》** | [0108] “该系统包括多个测量控制信号或数据的传感器3a-3e...”<br>[0170] “执行机构29出口处的位置或动作y由线性可变差动变压器(LVDT)位置传感器3a来测量。” | 对比文件中的被监测对象（控制装置21/调节器电路）本身包含执行机构等组件，同时系统配备有专门的传感器（如LVDT传感器3a）来观察其行为（如位置）。这些传感器或测量组件可被视为第二节点（被监测设备）的组成部分或与其紧密关联。本领域技术人员能够合理推断，被监测的设备包含用于观察自身行为的组件。因此，该技术特征被对比文件隐含公开。 |
| **技术特征S**：其中，所述第二节点进一步包括发射机，所述发射机被配置成将表示所观察到的所述一个或多个行为的一个或多个行为特征发送到如下中的一者或多者：所述第一节点，或被配置成从所述第二节点接收所述一个或多个行为特征并将所述一个或多个行为特征中继给所述第一节点的第三节点。<br>**《隐含公开》** | [0108] “输入外围设备（传感器3a-3e...）”<br>[0124] “该数据来自感应发动机1环境的各种传感器3a-3e。” | 对比文件公开了传感器（作为观察者节点或第二节点的一部分）将测量到的数据（行为特征）发送给处理器装置5（第一节点）。虽然未明确描述“发射机”这一硬件模块，但数据的发送必然依赖于某种发送装置或通信接口。此外，对比文件未提及存在“第三节点”进行中继。然而，本领域技术人员从数据从传感器流向处理器这一事实，能够毫无疑义地推断出存在用于发送数据的装置（发射机）。因此，该技术特征被对比文件隐含公开（限于发送至第一节点部分）。 |
| **技术特征T**：其中，包括所述第二节点的所述本地IoT网络进一步包括一个或多个节点，所述一个或多个节点被配置成监视所述第二节点通过所述本地IoT网络传送的消息并且根据在所述本地IoT网络上传送的所监视的消息将所述行为信息传送给所述第一节点。<br>**《未公开》** | 无相应内容。 | 对比文件中行为信息的获取直接来自传感器测量，而非通过监视设备在网络上传送的消息（如网络探听、分组嗅探）。该特征未被公开。 |
| **技术特征U**：其中，所述第二节点处观察到的所述一个或多个行为是正常还是异常进一步地基于总状态模型与正常状态的比较，所述总状态模型定义了当前状态，所述正常状态与所述本地IoT网络相关联。<br>**《隐含公开》** | [0015] “确定每个飞行状态的参考行为模型。”<br>[0020] “根据所述当前数据集，计算所估计的状态指标以确认所述预定时间周期所特有的当前飞行状态；”<br>[0127] “确认当前飞行状态和估计其识别质量” | 对比文件中，异常判断不仅基于当前行为模型与参考模型的比较，还考虑了“当前飞行状态”这一上下文因素。参考模型是针对不同飞行状态（如地面慢车、巡航）分别建立的，这相当于为不同的系统“状态”建立了不同的正常行为模型。在进行比较时，需要先确认当前数据所属的飞行状态（即当前状态），再与对应状态的参考模型比较。这隐含了基于“状态模型”（飞行状态模型）进行比较的逻辑，虽然这个“状态模型”是针对单个设备工况的，而非整个IoT网络，但其比较原理是相通的。因此，该技术特征被对比文件隐含公开。 |
<<<D>>><<<E>>><<<Q>>><<<a>>><<<b>>><<<c>>><<<h>>><<<j>>><<<r>>><<<s>>><<<u>>>