-
公开(公告)号：CN115168443B
公开(公告)日：2025-05-02
申请号：CN202210719478.4
申请日：2022-06-23
Applicant: 广东工业大学
IPC: G06F16/2458 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于GCN‑LSTM和注意力机制的异常检测方法及系统，涉及人工智能检测技术领域，包括以下步骤：S1.构建结合了GCN网络和LSTM网络的GCN‑LSTM模型，并构建基于GCN‑LSTM模型的序列重构模型；S2.对得到的序列重构模型进行训练和测试，得到测试好的序列重构模型；S3.将待检测数据序列以时序排列，输入训练好的序列重构模型中，生成重构序列；S4.构建误差序列，并将误差序列分为训练数据集和测试数据集两部分；S5.构建基于Copula函数的异常检测模型，并将训练数据集输入异常检测模型中进行训练；S6.将测试数据集输入训练好的异常检测模型，得到测试集异常序列数据检测结果。本发明解决了现有技术应用场景小、无法利用多维特征的问题，且具有结果准确，步骤清晰的特点。
-
公开(公告)号：CN115168443A
公开(公告)日：2022-10-11
申请号：CN202210719478.4
申请日：2022-06-23
Applicant: 广东工业大学
IPC: G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于GCN‑LSTM和注意力机制的异常检测方法及系统，涉及人工智能检测技术领域，包括以下步骤：S1.构建结合了GCN网络和LSTM网络的GCN‑LSTM模型，并构建基于GCN‑LSTM模型的序列重构模型；S2.对得到的序列重构模型进行训练和测试，得到测试好的序列重构模型；S3.将待检测数据序列以时序排列，输入训练好的序列重构模型中，生成重构序列；S4.构建误差序列，并将误差序列分为训练数据集和测试数据集两部分；S5.构建基于Copula函数的异常检测模型，并将训练数据集输入异常检测模型中进行训练；S6.将测试数据集输入训练好的异常检测模型，得到测试集异常序列数据检测结果。本发明解决了现有技术应用场景小、无法利用多维特征的问题，且具有结果准确，步骤清晰的特点。
-
公开(公告)号：CN111541559A
公开(公告)日：2020-08-14
申请号：CN202010209463.4
申请日：2020-03-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于因果规则的故障定位方法，该方法包括因果规则挖掘、基于因果规则推断这两个阶段。在因果规则挖掘阶段，基于给定的候选集，分析故障与事件的关系，对事件发生的因果规则进行挖掘，构建出因果结构图；在基于因果规则推断阶段，分时间窗口进行分析，某个故障原因集在某段时间内，导致最多事件发生的即为根因。根据故障原因集对发生事件集的影响程度，定义故障原因集是根因的可能性的计算方式，对原因进行评估并推断得到根因。本发明解决了定位告警根因的问题，通过根因的干预可以精准、快速、高效地解决网络告警。本发明解决了告警发生因果机制刻画问题，实现告警因果网络的可靠构建和根因告警的准确定位。
-
公开(公告)号：CN111541580A
公开(公告)日：2020-08-14
申请号：CN202010208401.1
申请日：2020-03-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种应用于工业互联网的自适应异常检测系统，包括机器学习算法、智能运维算法层、智能运维技术层以及智能运维应用层，所述机器学习算法泛指工业制造领域内较为普适的算法，如ARIMA、时序数据分解等，所述智能运维算法层包括指标聚类、指标分布预测、相似曲线识别以及异常区间对比，所述智能运维技术层包括无监督异常检测、有监督异常检测、算法自动选择和调参、指标辅助标注、多指标分类、巨变适配以及极限阈值配置。所述智能运维应用层包括异常检测、异常定位、根因分析以及异常预测。本发明型解决方案先进，普适性强，能够适配界内多种系统，并且能够基于系统的不同特点和情况进行灵活的技术和方案调整，具有很强的通用性。
-
Patent Agency Ranking
公开(公告)号：CN111522705A
公开(公告)日：2020-08-11
申请号：CN202010208425.7
申请日：2020-03-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种工业大数据智能运维解决方法，该解决方法主要包括建模过程和预测阶段，建模过程包括数据采集、数据归一化、数据划分、模型建立、效果验证和模型产出，预测阶段包括数据采集、数据归一化、模型导入和结果产出。本工业大数据智能运维解决方法以工业大数据为基础，将对数据中心的运维监控数据进行清洗、挖掘和特征提取，并对数据进行归档与整理，以数据中心软硬件配置、性能监控数据为基础，结合日志易数据、APM数据以及其他相关数据，构建故障预测、故障快速定位和资源容量预测模型，对所建立的模型进行监控，分析模型的表现和效果，并记录相关结果数据，对模型进行优化迭代。
-
公开(公告)号：CN211956222U
公开(公告)日：2020-11-17
申请号：CN202020603651.0
申请日：2020-04-21
Applicant: 广东工业大学
Abstract: 本实用新型公开了一种智能运维机器人，该机器人主要包括外壳、图像采集模块、音频采集模块、底盘模块、控制安装板、顶层安装板、通信模块、电池组、以及控制器。使用时，控制器通过通信模块与外部控制端/上位机/工控电脑连接，实现远程遥控或控制；然后通过接收上位机端的控制信息到达需要排除故障的设备处(机器人内可安装GPS模块)，通过机器人上方的图像采集模块和音频采集模块来收集待测设备的图像及音频/噪音信息，并通过通信模块发送至上位机端进行分析，最终判断当前设备是否正常运行并通过状态显示模块来示意。本实用新型还具有结构简单、操作方便、容易实施的优点。
-
公开(公告)号：CN212379303U
公开(公告)日：2021-01-19
申请号：CN202020602490.3
申请日：2020-04-21
Applicant: 广东工业大学
Abstract: 本实用新型公开了一种机器视觉表面缺陷检测设备，主要包括输送线、检测装置、控制装置和报警装置；所述输送线水平固定设置，并与控制装置连接；所述检测装置固定安装在输送线上，并与控制装置连接；所述控制装置固定安装在输送线上，并与报警装置连接；所述报警装置安装在控制装置上，通过声光报警方式进行提示。使用时，从输送线左侧送来待测产品，通过驱动电机对主滚筒和传送带的驱动，使得待测产品在输送线上不断从左侧送来，当待测产品进入检测区域后，位于上方的摄像头会从不同角度捕获产品表面的图像，经过图像采集模块的采集和控制器的处理，分析出该产品是否有缺陷及缺陷类型，若发现缺陷则通过报警装置提示工作人员从输送线上剔除。
-
公开(公告)号：CN215354808U
公开(公告)日：2021-12-31
申请号：CN202121893094.1
申请日：2021-08-13
Applicant: 广东工业大学
Abstract: 本实用新型公开了一种发电机转子故障检测设备，主要包括设备本体、显示装置、回收通道、轨迹板、输送线、旋转模块、驱动模块、测量模块和识别模块。工作时，从输送线左侧送来待测产品，电动推杆推动连接体伸出并卡紧待测产品，驱动模块待测产品抬升开始检测，输送线一侧的连接头通过第二电机带动开始转动，而另一侧的连接头则保持固定不动。当需要检测转子噪声是否超标时，测量模块上的表针可替换为噪声探头，第三电机驱动机械臂及表臂向前伸出进行测量。为检测磁场绕组搭铁是否断路及短路，测量模块上的表针伸出并与之接触，从而检测集电环与转子之间和两集电环之间的电阻；任何一项不达标时通过警报系统提示工作人员从输送线上剔除。
-
公开(公告)号：CN211954633U
公开(公告)日：2020-11-17
申请号：CN202020603642.1
申请日：2020-04-21
Applicant: 广东工业大学
Abstract: 本实用新型公开了一种基于深度学习的音频故障检测设备，包括设备箱体、键盘、显示器、控制模块、夹具和报警模块；键盘和显示器分别与控制模块连接；控制模块和夹具分别设置在设备箱体的下部和上部上，且与设备箱体固定连接；报警模块设置在设备箱体的上部上，并与控制模块连接。使用时，将待测产品通过夹具锁紧；然后盖上外罩，操作键盘使检测设备通过位于待测产品附件的麦克风和振动传感器收集待测产品运行时的噪声和振动信息；最后控制器通过音频采集模块将噪声进行分析处理，并连同振动信息一起发送至外界设备或云端设备上进行比较分析，最终获得待测产品的整体运行情况报告，若待测产品检测不通过则控制器驱动报警模块进行声光报警。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
