公开(公告)号：CN118784113A

公开(公告)日：2024-10-15

申请号：CN202410760435.X

申请日：2024-06-13

Applicant: 东北石油大学

Inventor： 申雨轩 ,  鲁飞飞 ,  董宏丽 ,  孙晶 ,  杨帆 ,  汪涵博

IPC: H04B17/391 ,  G06N3/082 ,  G06N3/04 ,  H04B17/40 ,  H04Q9/00

Abstract: 本发明一种基于神经网络和不完全观测下非线性系统的远程状态估计方法、系统及存储介质，属于网络控制领域，为解决现有方法忽略线性化带来的误差以及信号衰弱、测量野值等影响状态估计器的估计精度的问题。本发明在传感器和估计器之间设置放大‑转发中继器对信号进行放大转发；并对转发后的信号采用野值剔除算法对信号中野值进行剔除；引入神经网络逼近系统中非线性部分；输入前一时刻的状态估计值、权值估计值、状态估计误差协方差矩阵上界、权值估计误差协方差矩阵上界、状态协方差矩阵上界和测量协方差矩阵上界；构建基于神经网络的递推估计器，并构建神经网络的权值的更新模型；实现基于神经网络的非线性系统的远程状态估计。

公开(公告)号：CN118656728B

公开(公告)日：2025-05-16

申请号：CN202410717954.8

申请日：2024-06-04

Applicant: 东北石油大学

Inventor： 王闯 ,  商柔 ,  董宏丽 ,  汪涵博 ,  陈双庆 ,  管闯

IPC: G06F18/2415 ,  G06F18/214 ,  G06N3/047 ,  G06N3/096 ,  F17D5/06

Abstract: 一种基于贝叶斯对抗攻击的天然气管道单源域迁移故障诊断方法及系统，属于机械故障检测与诊断技术领域。该方法的核心在于采用迁移学习技术解决现有深度推理模型在处理不同工况条件下的管道故障诊断任务时存在的泛化能力不足问题。主要步骤如下：基于贝叶斯网络构建了攻击样本生成器，旨在通过在输入样本中添加精巧设计的微小扰动，生成可以令推理模型做出错误决策的攻击样本，以便挖掘并分析推理模型的脆弱点；基于贝叶斯网络构建了域判别器，旨在通过与生成器之间的对抗学习，辅助生成隐蔽性强的攻击样本，即与原始样本几乎没有可见差异；基于贝叶斯网络构建了分类器，通过扩大攻击样本与推理模型原有决策边界的距离，约束推理模型网络参数的后验分布向攻击样本得分更高的方向调整，从而增强模型在面对不同域扰动时的适应性和鲁棒性。通过上述步骤，本发明有效解决了传统深度学习模型在不同工况下泛化能力差导致的漏报、误报风险提升问题。

公开(公告)号：CN118656728A

公开(公告)日：2024-09-17

申请号：CN202410717954.8

申请日：2024-06-04

Applicant: 东北石油大学

Inventor： 王闯 ,  商柔 ,  董宏丽 ,  汪涵博 ,  陈双庆 ,  管闯

IPC: G06F18/2415 ,  G06F18/214 ,  G06N3/047 ,  G06N3/096 ,  F17D5/06

Abstract: 一种基于贝叶斯对抗攻击的天然气管道单源域迁移故障诊断方法及系统，属于机械故障检测与诊断技术领域。该方法的核心在于采用迁移学习技术解决现有深度推理模型在处理不同工况条件下的管道故障诊断任务时存在的泛化能力不足问题。主要步骤如下：基于贝叶斯网络构建了攻击样本生成器，旨在通过在输入样本中添加精巧设计的微小扰动，生成可以令推理模型做出错误决策的攻击样本，以便挖掘并分析推理模型的脆弱点；基于贝叶斯网络构建了域判别器，旨在通过与生成器之间的对抗学习，辅助生成隐蔽性强的攻击样本，即与原始样本几乎没有可见差异；基于贝叶斯网络构建了分类器，通过扩大攻击样本与推理模型原有决策边界的距离，约束推理模型网络参数的后验分布向攻击样本得分更高的方向调整，从而增强模型在面对不同域扰动时的适应性和鲁棒性。通过上述步骤，本发明有效解决了传统深度学习模型在不同工况下泛化能力差导致的漏报、误报风险提升问题。