-
公开(公告)号:CN119512041A
公开(公告)日:2025-02-25
申请号:CN202411633360.5
申请日:2024-11-15
Applicant: 重庆邮电大学
IPC: G05B23/02
Abstract: 本发明属于流程工业异常检测领域,具体涉及一种基于分层多模块的流程工业时序异常检测方法,包括:对多元时序数据进行划分,并通过输入层将划分后的数据分别输入到分层编码层中,得到低维特征向量;将低维特征向量输入到掩盖流程注意力层中获取数据中各个子流程间的耦合关系;将具有耦合关系的低维特征向量输入到流程信息记忆层中,挖掘相邻子流程特征间的耦合关系;将具有各个子流程间耦合关系和相邻子流程特征间耦合关系的低维特征向量输入到分层解码器中,得到重构后的特征;将重构特征输入到输出层,得到识别结果;本发明采用掩盖注意力层和流程信息记忆层以捕捉各个子流程间全局和局部的耦合关系,从而提高了检测结果的准确度。
-
公开(公告)号:CN117034154A
公开(公告)日:2023-11-10
申请号:CN202310970226.3
申请日:2023-08-03
IPC: G06F18/2431 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06N3/094 , F03D17/00 , F03D9/25
Abstract: 本发明属于风电机组故障检测领域,具体涉及一种基于时序对抗的风电机组故障检测方法,包括:获取风电机组数据,对风电机组数据进行预处理,该预处理包括对风电机组数据进行数据降维和MinMax标准化处理;将预处理后的风电机组数据输入到训练后的基于时序对抗的风电机组故障检测模型中;通过n个训练数据分别得到n个基础模型;然后通过集成判别框架得到异常分数矩阵;之后通过异常分数矩阵获得故障检测结果;其中基于时序对抗的风电机组故障检测模型由编码器、第一解码器以及第二解码器组成;本发明在对第一解码器和第二解码器进行对抗训练过程中,在生成器和鉴别器的目标函数中引入相应的正则化项来提升梯度下降速度,减少了模型训练时间。
-