公开(公告)号：CN112559598B

公开(公告)日：2021-12-21

申请号：CN202011488702.0

申请日：2020-12-16

Applicant: 南京航空航天大学

Inventor： 皮德常 ,  谢凌强 ,  喻文

IPC: G06F16/2458 ,  G06F16/28 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于图神经网络的遥测时序数据异常检测方法及系统，方法包括：训练图神经网络遥测时序数据预测模型；利用小波方差计算待测遥测时序数据的周期；得到预测遥测时序数据；确定预测周期数据；计算当前时刻的待测遥测数据和其预测数据之间的第一马氏距离；计算之前时刻的待测遥测数据和其预测周期数据之间的第二马氏距离；计算第二马氏距离的平均值和方差；将平均值和方差进行放大设置阈值；根据第一马氏距离和阈值判断当前时刻的待测遥测数据是否异常。本发明通过图神经网络遥测时序数据预测模型学习多维时序数据之间的依赖关系，并通过周期窗口的动态阈值法对待测遥测时序数据进行异常检测，提高了遥测时序数据异常检测的准确性。

公开(公告)号：CN112747924A

公开(公告)日：2021-05-04

申请号：CN202011426208.1

申请日：2020-12-11

Applicant: 南京航空航天大学

Inventor： 皮德常 ,  喻文 ,  谢凌强

IPC: G01M13/045 ,  G06F30/27 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F119/02 ,  G06F119/04

Abstract: 本发明公开了基于注意力机制和残差神经网络的轴承寿命预测方法，包括：首先使用时域特征和k‑means聚类算法自适应地识别轴承的退化状态；使用经验模式法分解轴承数据信号并去除噪声；训练和使用引入了注意力机制的残差神经网络完成对轴承的寿命预测。本发明的优点是：自适应识别轴承的退化状态，避免了正常状态下产生的数据对寿命预测的干扰；使用经验模式法分解轴承数据信号并去除噪声，阻止了不同频率下的退化和故障特征互相干扰抵消，进而使模型学习到的特征更有效；使用引入了注意力机制的残差神经网络，让神经网络模型始终受到原始信号的影响且把注意力聚集在故障特征所在的通道，防止模型过拟合。

公开(公告)号：CN112559598A

公开(公告)日：2021-03-26

申请号：CN202011488702.0

申请日：2020-12-16

Applicant: 南京航空航天大学

Inventor： 皮德常 ,  谢凌强 ,  喻文

IPC: G06F16/2458 ,  G06F16/28 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于图神经网络的遥测时序数据异常检测方法及系统，方法包括：训练图神经网络遥测时序数据预测模型；利用小波方差计算待测遥测时序数据的周期；得到预测遥测时序数据；确定预测周期数据；计算当前时刻的待测遥测数据和其预测数据之间的第一马氏距离；计算之前时刻的待测遥测数据和其预测周期数据之间的第二马氏距离；计算第二马氏距离的平均值和方差；将平均值和方差进行放大设置阈值；根据第一马氏距离和阈值判断当前时刻的待测遥测数据是否异常。本发明通过图神经网络遥测时序数据预测模型学习多维时序数据之间的依赖关系，并通过周期窗口的动态阈值法对待测遥测时序数据进行异常检测，提高了遥测时序数据异常检测的准确性。