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。