公开(公告)号：CN119249319A

公开(公告)日：2025-01-03

申请号：CN202411285416.2

申请日：2024-09-13

Applicant: 中国矿业大学

Inventor： 张爱娟 ,  韩天龙 ,  王正波 ,  时蕴东

IPC: G06F18/2433 ,  G06F18/22 ,  G06F18/15 ,  G06F18/2135 ,  G06N3/0455 ,  G06F123/02

Abstract: 本发明公开了一种基于深度学习的工控时序数据异常检测方法，涉及工业控制系统的时序数据异常检测技术领域，本发明将自编码器和记忆增强自编码器融合为双分支记忆增强自编码器网络模型；在网络模型的输入层引入裁剪归一化层对超出设定范围的最大值或最小值边界的取值进行裁剪并筛选，将网络模型记忆模块中的余弦相似度替换为均方误差，以扩大异常数据之间的差异，从而获得时序数据之间的相似度，同时在网络模型的输出层的损失函数中添加正则项，以度量时序数据间的相似度并筛选异常数据，从而更为清晰地识别出复杂时序中的异常信息，能获得更贴近实际情况的检测结果。