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。