一种基于自适应多尺度特征建模的异常检测方法及装置

    公开(公告)号:CN119939476A

    公开(公告)日:2025-05-06

    申请号:CN202510412968.3

    申请日:2025-04-03

    Abstract: 本发明提供的一种基于自适应多尺度特征建模的异常检测方法及装置,涉及数据异常检测技术领域。本发明结合时间成分分解与门控网络,在不同时间尺度上为数据分配适合的专家网络。在专家层中利用深度卷积网络与跨时间片段的注意力机制,挖掘时间序列中不同时间段之内以及不同时间段之间的相互关系。然后结合图结构,建模变量间的空间交互特征。最后,学习数据的潜在表示来生成重构数据,计算重构误差和潜在空间的KL散度进行模型训练,从而在无监督的条件下进行高效的异常检测。本发明提升了工业控制系统中异常检测的精度,为实际应用提供更加灵活和准确的异常检测工具,在没有标签数据的情况下,适应工业控制系统中时间序列数据的复杂动态变化。

    基于幂指数窗函数的工作模态参数识别方法、装置及设备

    公开(公告)号:CN119939363A

    公开(公告)日:2025-05-06

    申请号:CN202510428780.8

    申请日:2025-04-08

    Abstract: 本发明提供的基于幂指数窗函数的工作模态参数识别方法、装置及设备,涉及模态参数识别技术领域。本发明通过实时采集复杂工况激励下多个传感器的振动响应信号,并对其进行滑动窗分割;对每个滑动窗内信号进行标准化后,对标准化信号应用幂指数窗函数进行加权,得到加权信号;采用快速傅里叶变换从加权信号中提取出频谱特征,计算出干扰比;根据干扰比,结合窗函数参数进行调整,以减少负频域干扰;根据优化后的频谱特征,识别出每个滑动窗内信号的固有频率和阻尼比,并结合主成分分析提取出模态振型;整合所有滑动窗内信号的识别结果,得到全时域下的模态参数特性,实现工作模态参数的在线动态识别。本发明能有效提高模态参数识别的准确性。

Patent Agency Ranking