申请/专利权人：安徽智质工程技术有限公司

申请日：2023-11-28

公开（公告）日：2024-03-01

公开（公告）号：CN117633686A

主分类号：G06F18/2433

分类号：G06F18/2433;G06F18/213;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明属于智能检测技术领域，公开了基于稀疏自注意力和VAE的无监督模型振动异常检测方法，包括下列步骤：S1、获取振动数据并进行预处理；S2、构建VAE‑Informer模型；S3、对VAE‑Informer模型进行训练；S4、使用训练后的VAE‑Informer模型用于振动数据的故障异常检测；所述VAE‑Informer模型包括编码器和解码器，编码器将输入数据映射到一个潜在空间中的潜在变量，解码过程则将潜在变量映射为原始数据的重构；VAE‑Informer模型使用Informer单元代替VAE中的普通神经单元。本发明对序列数据中的长时间依赖关系捕获能力更强，并因此兼顾数据中的分布特征和时序特征。

主权项：1.基于稀疏自注意力和VAE的无监督模型振动异常检测方法，其特征在于：包括下列步骤：S1、获取振动数据并进行预处理；S2、构建VAE-Informer模型；S3、对VAE-Informer模型进行训练；S4、使用训练后的VAE-Informer模型用于振动数据的故障异常检测；所述VAE-Informer模型包括编码器和解码器，编码器将输入数据映射到一个潜在空间中的潜在变量，解码过程则将潜在变量映射为原始数据的重构；VAE-Informer模型使用Informer单元代替VAE中的普通神经单元，Informer单元采用Informer模型编码部分中的卷积和稀疏自注意力机制对输入的数据进行处理，使用稀疏自注意力机制将两个位置数据之间的距离缩小为一个常量，捕捉序列数据中长时间依赖关系。

全文数据：

权利要求：

百度查询： 安徽智质工程技术有限公司 基于稀疏自注意力和VAE的无监督模型振动异常检测方法

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