申请/专利权人：北京航空航天大学

申请日：2023-11-17

公开（公告）日：2024-02-20

公开（公告）号：CN117574205A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/214;G06F18/21;G06F18/22;G06N3/0442;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明公开了基于TimeGAN的机电伺服系统多维信号异常数据智能检测方法，包括采集机电伺服系统传感器时序数据，进行数据预处理；输入到TimeGAN模型中进行训练，生成一定规模的合成数据集，与原始样本合并为扩充数据集；对基于LSTM‑DeepSVDD的异常检测模型进行初始化；将扩充数据集输入到基于LSTM‑DeepSVDD的异常检测模型中进行训练，优化超球面半径；将测试数据输入训练好的异常检测模型，计算判断标准；将待检测数据输入训练好的异常检测模型，计算判断阈值，判断数据是否异常。本发明可用于机电系统原始数据不足时的多维信号异常数据检测，并能够提高检测模型的准确度和精确度。

主权项：1.一种基于TimeGAN的机电伺服系统多维信号异常数据智能检测方法，其特征在于，包括以下步骤：S1：采集多个同类型的机电伺服系统传感器时序数据，对采集到的时序数据进行数据预处理；S2：将上述预处理后的时序数据输入到TimeGAN模型中进行训练，使用训练好的TimeGAN模型生成一定规模的合成数据集，与原始样本合并为扩充数据集；S3：对基于LSTM-DeepSVDD的异常检测模型进行初始化；S4：将扩充数据集输入到基于LSTM-DeepSVDD的异常检测模型中进行训练，优化超球面半径，使得原始数据尽可能地收缩在以c为中心，以R为半径的超球面内；S5：将测试数据输入训练好的异常检测模型，计算判断标准；S6：将待检测数据输入训练好的异常检测模型，计算判断阈值s，以此判断数据是否异常。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于TimeGAN的机电伺服系统多维信号异常数据智能检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD