公开(公告)号：CN118094425A

公开(公告)日：2024-05-28

申请号：CN202410128930.9

申请日：2024-01-30

Applicant: 南京航空航天大学 ,  北京空间飞行器总体设计部

Inventor： 皮德常 ,  梁硕 ,  张明江 ,  张昊鹏

IPC: G06F18/2433 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种面向卫星遥测多维时序数据的异常检测方法、装置、介质及产品，涉及卫星遥测多维时序数据异常检测领域，方法包括：将待检测的卫星遥测多维时序数据输入至异常检测模型中，输出各时刻的融合误差；异常检测模型包括降噪稀疏自编码器以及图注意力网络；降噪稀疏自编码器学习输入的卫星遥测多维时序数据的低维特征，重构卫星遥测多维时序数据，生成重构误差；图注意力网络从因果性和相似性两个层面提取不同重构的卫星遥测多维时序数据之间的相关关系，生成预测误差；生成各时刻的融合误差，判断待检测的卫星遥测多维时序数据是否存在异常；若是，记录异常时间点。本发明能够适用于不同维度的卫星遥测多维时序数据，提高异常检测精度。

公开(公告)号：CN117688496B

公开(公告)日：2024-04-16

申请号：CN202410100736.X

申请日：2024-01-25

Applicant: 南京航空航天大学

Inventor： 皮德常 ,  梁硕

IPC: G06F18/2433 ,  G06F18/22 ,  G06F18/213 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明提供了面向卫星遥测多维时序数据的异常诊断方法、系统及设备，涉及卫星遥测多维时序数据异常诊断领域，该方法包括：将待检测的卫星遥测多维时序数据输入至异常检测和诊断模型中，输出各个时刻的预测误差；异常检测和诊断模型是基于改进的传递熵方法、因果‑自动学习的图神经网络构图方法以及图注意力网络构建的；当预测误差超出误差范围时，确定待检测的卫星遥测多维时序数据存在异常，并根据预测误差确定异常变量；根据改进的传递熵方法构建异常变量的因果关系；根据因果关系确定异常变量因果图；根据异常变量因果图确定异常的卫星遥测多维时序数据的异常原因。本发明能够准确诊断出卫星遥测多维时序数据的异常原因。

公开(公告)号：CN117688496A

公开(公告)日：2024-03-12

申请号：CN202410100736.X

申请日：2024-01-25

Applicant: 南京航空航天大学

Inventor： 皮德常 ,  梁硕

IPC: G06F18/2433 ,  G06F18/22 ,  G06F18/213 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明提供了面向卫星遥测多维时序数据的异常诊断方法、系统及设备，涉及卫星遥测多维时序数据异常诊断领域，该方法包括：将待检测的卫星遥测多维时序数据输入至异常检测和诊断模型中，输出各个时刻的预测误差；异常检测和诊断模型是基于改进的传递熵方法、因果‑自动学习的图神经网络构图方法以及图注意力网络构建的；当预测误差超出误差范围时，确定待检测的卫星遥测多维时序数据存在异常，并根据预测误差确定异常变量；根据改进的传递熵方法构建异常变量的因果关系；根据因果关系确定异常变量因果图；根据异常变量因果图确定异常的卫星遥测多维时序数据的异常原因。本发明能够准确诊断出卫星遥测多维时序数据的异常原因。