买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利一种融合多图神经网络的工业系统异常数据流检测与诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115659269B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211026164.2，技术领域涉及：G06F18/2433；该发明授权一种融合多图神经网络的工业系统异常数据流检测与诊断方法是由吕明琪;宋梦;朱添田;陈铁明设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本一种融合多图神经网络的工业系统异常数据流检测与诊断方法在说明书摘要公布了：本发明公开了一种融合多图神经网络的工业系统异常数据流检测与诊断方法，包括：工业系统的拓扑结构图构建：基于工业系统中各设备之间的直接连接关系建立拓扑结构图；工业系统的功能结构图构建：基于工业系统中各设备之间的功能相似度建立功能结构图；融合多图神经网络的异常检测：融合多个图神经网络建立工业系统数据流预测模型，并根据预测数据与真实数据的差异实现异常检测；基于注意力机制的异常诊断：通过注意力权重的反向计算，得到影响异常产生的时间因素、语义因素和设备因素。本发明实现诊断的全面性和精确性。

本发明授权一种融合多图神经网络的工业系统异常数据流检测与诊断方法在权利要求书中公布了：1.一种融合多图神经网络的工业系统异常数据流检测与诊断方法，其特征在于，所述融合多图神经网络的工业系统异常数据流检测与诊断方法，包括： 步骤1、工业系统的拓扑结构图构建：基于工业系统中各设备之间的直接连接关系建立拓扑结构图； 步骤2、工业系统的功能结构图构建：基于工业系统中各设备之间的功能相似度建立功能结构图； 步骤3、融合多图神经网络的异常检测：融合多个图神经网络建立工业系统数据流预测模型，并根据预测数据与真实数据的差异实现异常检测； 步骤4、基于注意力机制的异常诊断：通过注意力权重的反向计算，得到影响异常产生的时间因素、语义因素和设备因素； 步骤4-1、诊断异常的时间因素：取工业系统数据流预测模型的循环层所计算的注意力权重向量γt，选择注意力权重最大的历史时刻K作为对异常产生影响最大的时间因素； 步骤4-2、诊断异常的语义因素：取工业系统数据流预测模型的融合层所计算的历史时刻K的注意力权重TatK和FatK，记注意力权重最大的语义因素对应的结构图为MG； 步骤4-2、诊断异常的设备因素：取工业系统数据流预测模型的图注意力层所计算的历史时刻K的注意力权重矩阵TGAtK和FGAtK，如果结构图MG为工业系统的拓扑结构图，则计算使得TGAtK[n][I]最大的n的值，n取1到N；如果MG为工业系统的功能结构图，则计算使得FGAtK[n][I]最大的n的值，其中，I为在异常检测中检测出存在异常的设备标号，则Rn为对异常产生影响最大的设备因素； 其中，所述融合多个图神经网络建立工业系统数据流预测模型包括：融合图注意力网络、注意力机制、循环神经网络构建工业系统数据流预测模型，所述工业系统数据流预测模型的网络结构如下： 输入层：对输入数据Dt，采用大小为w的滑动窗口将数据Dt分割成M个N×w维的小矩阵Dt1,Dt2,...,DtM，N表示设备个数； 图注意力层：对每个小矩阵Dtk，k表示时刻且k=1,2,...,M，将Dtk和拓扑结构图TG，以及Dtk和功能结构图FG分别输入两个图注意力网络，输出两个N×d1维的特征矩阵TGMtk和FGMtk以及两个N×N维的注意力权重矩阵TGAtk和FGAtk； 融合层：基于注意力机制对特征矩阵TGMtk和FGMtk进行加权求和，得到一个N×d1维的矩阵GMtk，以及特征矩阵TGMtk的注意力权重Tatk和特征矩阵FGMtk的注意力权重Fatk； 循环层：采用循环神经网络对融合层的输出进行处理，即将所有小矩阵Dt1,Dt2,...,DtM经过图注意力层后和融合层的输出矩阵GMt1,GMt2,...,GMtM按顺序分别输入一个LSTM单元，生成M个N×d2维的隐状态矩阵HMt1,HMt2,...,HMtM；采用注意力机制对所有隐状态矩阵进行加权求和，得到一个N×d2维的输出状态矩阵HMt，以及一个M维的注意力权重向量γt； 输出层：将输出状态矩阵HMt输入一个全连接层，然后将全连接层的输出输入一个softmax层，最终softmax层的输出为一个N维向量Yt。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。