一种基于SimAM-LSTM-AE的异常检测方法

    公开(公告)号:CN117668649A

    公开(公告)日:2024-03-08

    申请号:CN202311621540.7

    申请日:2023-11-30

    Abstract: 本申请公开了一种基于SimAM‑LSTM‑AE的异常检测方法,属于航天器异常检测领域,包括:获取遥测数据集,并将其划分为实时数据集和训练集;通过小波阈值降噪方法对遥测数据集进行降噪;通过SimAM注意力机制提取降噪后的遥测数据集的特征,得到注意力特征图;构建LSTM‑AE网络,并基于训练集的注意力特征图对其进行训练,得到训练集的重构误差序列;将实时数据集的注意力特征图输入至训练后的LSTM‑AE网络中,得到实时数据集的重构误差序列,根据实时数据集的重构误差序列检测实时数据集是否出现异常。本申请提供的方法可应用于对于航天器领域采集的遥测数据进行时间段的异常检测和判定异常工作。

    一种测试数据自适应动态阈值确定方法

    公开(公告)号:CN112287971A

    公开(公告)日:2021-01-29

    申请号:CN202011032946.8

    申请日:2020-09-27

    Abstract: 一种测试数据自适应动态阈值确定方法,步骤包括:步骤一,对于某个测试数据,选取之前一段时间的数据序列作为训练集;步骤二,为训练集确定初始化门限值θ,计算训练集中超过初始门限θ的概率;步骤三,估计步骤二中概率的参数值;步骤四,计算得到新的门限值ε;步骤五,利用新的门限值ε对实时采集的测量数据进行监测,当某时刻测量数据大于等于ε时,该测量数据记为异常数据;当某时刻测量数据小于ε大于θ时,该测量数据记为正常数据,同时更新门限值ε;当某时刻测量数据小于等于θ时,该测量数据记为正常数据。本发明能够实现对工业设备故障的实时在线检测,不依赖于专家经验和领域先验知识、自动设置阈值、具有良好的可扩展性。

Patent Agency Ranking