Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜北京航空航天大学杭州创新研究院;北京航空航天大学吕金虎获国家专利权

恭喜北京航空航天大学杭州创新研究院;北京航空航天大学吕金虎获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜北京航空航天大学杭州创新研究院;北京航空航天大学申请的专利基于多尺度多特征进行工业互联网时序异常检测的方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119397453B

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411975150.4,技术领域涉及:G06F18/2433;该发明授权基于多尺度多特征进行工业互联网时序异常检测的方法是由吕金虎;乔怡群;刘克新;高庆;王薇;曹筱可设计研发完成,并于2024-12-31向国家知识产权局提交的专利申请。

基于多尺度多特征进行工业互联网时序异常检测的方法在说明书摘要公布了:本发明涉及一种基于多尺度多特征进行工业互联网时序异常检测的方法,属于工业互联网领域中的时序异常技术领域,本发明基于时序周期转换网络、多特征提取网络、数据特征聚合网络和频率特征聚合网络建立工业互联网时序异常检测模型;通过周期性提取模块,捕获时间序列中存在的多种的周期性信息,其次,分别通过多特征提取网络提取时序周期间的特征、不同维度的通道之间的特征与周期内时序的特征,再次,基于数据特征聚合网络将多种特征进行聚合,最后,基于频率特征聚合网络进行聚合,输出时序数据序列在时序周期的频率聚合特征,利用所述频率聚合特征检测时序数据的异常。

本发明授权基于多尺度多特征进行工业互联网时序异常检测的方法在权利要求书中公布了:1.一种基于多尺度多特征进行工业互联网时序异常检测的方法,其特征在于,包括:步骤S1、搭建工业互联网时序异常检测框架;在所述工业互联网时序异常检测框架中嵌入时序周期转换网络、多特征提取网络、数据特征聚合网络和频率特征聚合网络,得到原始工业互联网时序异常检测模型;步骤S2、令h=1,当h=1时,为工业互联网第一个时序数据序列;步骤S3、获取工业互联网第h个时序数据序列并输入时序周期转换网络Dh,进行小波变换,得到变换后的数据,基于所述变换后的数据对第h个时序数据序列进行周期划分,得到多个时序周期;步骤S4、令k=1,k=1时表示第h个时序数据序列的第一个时序周期;步骤S5、基于多特征提取网络Ah,k得到第h个时序数据序列在时序周期k的多特征;步骤S6、将第h个时序数据序列在时序周期k的多特征输入数据特征聚合网络Bh,k,输出第h个时序数据序列在时序周期k的聚合后的特征;步骤S7、确定损失函数和评价指标;步骤S8、将第h个时序数据序列在时序周期k的聚合后的特征输入频率特征聚合网络Ch,k进行聚合,基于所述损失函数和评价指标,输出第h个时序数据序列在时序周期k的频率聚合特征,得到更新工业互联网时序异常检测模型Ah,k+1;步骤S9、判断k是否大于等于K,K表示时序周期总数,若是,将更新工业互联网时序异常检测模型Ah,k+1作为第h个时序数据序列的工业互联网时序异常检测模型Eh,进入下一步骤;若否,令k=k+1,返回步骤S5;步骤S10、判断h是否大于等于H,H为时序数据总数,若是,则将第h个时序数据序列的工业互联网时序异常检测模型Eh作为最终的工业互联网时序异常检测模型E;若否,令h=h+1,返回步骤S3;步骤S11、利用所述最终的工业互联网时序异常检测模型E对工业互联网的时序数据进行异常检测。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京航空航天大学杭州创新研究院;北京航空航天大学,其通讯地址为:310051 浙江省杭州市滨江区长河街道炬航弄99号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。