公开(公告)号：CN112395168A

公开(公告)日：2021-02-23

申请号：CN202011373177.8

申请日：2020-11-30

Applicant: 中国科学院沈阳自动化研究所 ,  国网江苏省电力有限公司信息通信分公司

Inventor： 刘贤达 ,  王昆昆 ,  赵剑明 ,  陈春雨 ,  张厦千 ,  王天宇 ,  张博文

IPC: G06F11/30 ,  G06K9/62

Abstract: 本发明提出的是一种基于Stacking集成的边缘侧业务行为识别方法。该方法包含：获取边缘侧行为特征，根据边缘侧行为特征对边缘侧行为进行标签化定义，获取边缘侧行为特征数据库，构建基于PCA以及Stacking集成框架的边缘侧行为识别模型。PCA算法能够将高维的边缘侧行为特征数据库进行特征工程处理，获得模型算法所需要的优良数据。Stacking集成算法通过基模型对数据库的进一步处理，得到新的数据集供次级学习器进行训练，能够大幅度提高识别准确率，并且避免过拟合的问题。该发明方法能够对边缘侧数据行为进行建模，能对边缘侧行为动作高效识别。

公开(公告)号：CN111708343B

公开(公告)日：2021-11-09

申请号：CN201911051473.3

申请日：2019-10-31

Applicant: 中国科学院沈阳自动化研究所

Inventor： 尚文利 ,  尹隆 ,  王昆昆 ,  刘贤达 ,  佟国毓 ,  陈春雨 ,  张野

IPC: G05B23/02

Abstract: 本发明涉及一种面向制造业行业现场工艺异常行为检测方法，主要针对制造业工业现场工艺异常行为检测开展基于行为特征知识库的检测方法研究，本发明基于随机森林算法构建随机森林异常检测模型。具体实现方法为对工业现场的工艺数据进行PCA(主成分分析)方法降维，采用集成规则树模型进行特征选择，采用随机森林算法对工艺数据进行分类。随机森林每条路径对应一条规则，具有很好的解释性，分类准确度大大提升，可以处理大量的输入变数，即便工艺数据中含有缺失值，分类结果仍然能达到较高的准确度。融合行为特征知识库与未知行为情景的实时应急决策架构，通过预测工业现场工艺数据的行为检测，对异常行为进行提前预警。

公开(公告)号：CN111708343A

公开(公告)日：2020-09-25

申请号：CN201911051473.3

申请日：2019-10-31

Applicant: 中国科学院沈阳自动化研究所

Inventor： 尚文利 ,  尹隆 ,  王昆昆 ,  刘贤达 ,  佟国毓 ,  陈春雨 ,  张野

IPC: G05B23/02

Abstract: 本发明涉及一种面向制造业行业现场工艺异常行为检测方法，主要针对制造业工业现场工艺异常行为检测开展基于行为特征知识库的检测方法研究，本发明基于随机森林算法构建随机森林异常检测模型。具体实现方法为对工业现场的工艺数据进行PCA(主成分分析)方法降维，采用集成规则树模型进行特征选择，采用随机森林算法对工艺数据进行分类。随机森林每条路径对应一条规则，具有很好的解释性，分类准确度大大提升，可以处理大量的输入变数，即便工艺数据中含有缺失值，分类结果仍然能达到较高的准确度。融合行为特征知识库与未知行为情景的实时应急决策架构，通过预测工业现场工艺数据的行为检测，对异常行为进行提前预警。