龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：杭州电子科技大学
摘要：本发明公开了一种非侵入式异常电流检测方法，属于异常电流检测领域。本发明基于非侵入式电流传感器中收集仪器工作电流数据，通过仪器监测平台筛选原子吸收光谱仪正常状态下的数据，预处理异常数据并重构异常电流数据形成时间序列数据并特征标准化处理。建立GAN‑BiLSTM模型进行训练，最后根据理想模型对输入的电流时序数据得出基于重构误差和基于判别器输出的异常得分。最终通过融合两种异常得分情况遍历电流时序数据以阈值法来判定异常情况，并通知仪器操作人员。本发明可为光谱仪异常监测提供坚实可靠的数据保障，以助力仪器使用者更好地管理光谱仪类科研仪器。
主权项：1.一种非侵入式异常电流检测方法，其特征在于该方法包括如下步骤：1仪器设备电流数据采集并建立数据集：所述数据集中的数据为包括2种标签的仪器设备的电流数据，所述2种标签分别为标签一和标签二；所述标签一包括仪器设备工作状态正常和异常；所述标签二为采集电流的时刻；将仪器设备的电流数据按时刻进行排列，得到时间序列的电流数据；采用归一化方式对时间序列的电流数据进行处理，将时间序列的电流数据映射到统一的区间[0,1]之间；2基于GAN网络和BiLSTM算法搭建算法模型，得到GAN-BiLSTM模型；所述GAN-BiLSTM模型以循环一致性生成对抗网络为算法框架，所述循环一致性生成对抗网络由正向对抗网络和反向对抗网络组成，正向对抗网络记为正向GAN；反向对抗网络记为反向GAN；正向GAN和反向GAN都包括生成器和判别器；基于CNN特征提取模块和BiLSTM算法构造所述算法框架的生成器；所述判别器由全连接层组成；所述正向GAN和反向GAN的生成器分别为生成器G和生成器ε；所述正向GAN和反向GAN的判别器分别为判别器Dx和判别器Dz；3使用训练完成的GAN-BiLSTM模型对电流序列进行处理，所述电流序列具体为时间序列的仪器设备电流数据；分别得到重构误差和判别器输出，基于重构误差和判别器输出，得到电流序列中的异常电流数据点。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种非侵入式异常电流检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号