公开(公告)号：CN118861760A

公开(公告)日：2024-10-29

申请号：CN202410868369.8

申请日：2024-07-01

Applicant: 杭州电子科技大学

Inventor： 高梦州 ,  刘泽皓 ,  焦鹏飞 ,  李为君

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/25 ,  G06F18/10 ,  G06F17/16 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了一种基于格兰杰因果的多元时间序列异常检测方法，该方法首先对多元时间序列数据进行预处理，将预处理后的数据集划分为训练集和测试集。其次基于训练集，训练一个预测器作为非线性梯度产生器，发现格兰杰因果关系矩阵。然后对发现的格兰杰因果关系矩阵进行稀疏化。最后基于稀疏化的格兰杰因果图矩阵，计算异常分数，异常分数高于设置的异常阈值的时间序列片段判定为异常，输出检测结果。本发明避免了传统方法需要在测试集上频繁优化的问题并成功从复杂系统中提取动态因果关系。

公开(公告)号：CN117724452A

公开(公告)日：2024-03-19

申请号：CN202311736991.5

申请日：2023-12-18

Applicant: 杭州电子科技大学

Inventor： 刘泽皓 ,  高梦州 ,  张新勋 ,  朱宋颖 ,  焦鹏飞

IPC: G05B23/02

Abstract: 本发明公开了一种基于图神经网络的工业过程异常检测方法，该方法首先通过工业系统中的传感器和执行器分别获取连续数据和离散数据，并进行预处理，将数据集划分为训练集和测试集。其次基于训练集，通过编码器学习工业系统状态节点，构建状态图结构，得到工业系统的关系矩阵。然后利用多层图卷积网络进行工业系统状态节点更新。最后基于更新后的工业系统状态节点，由解码器获取预测值，根据解码器获取预测值，计算异常分数，判断工业系统的状态。本发明避免了数据形式引起的干扰，解决了运算资源开销大复杂度高和关联性差的问题，实现了对工业系统异常状态的准确检测。