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！

龙图腾网恭喜浙江科技大学申请的专利基于LSTM-AE-Bayes的传感器实时异常检测方法及系统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：CN119513789B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202510077961.0，技术领域涉及：G06F18/2433；该发明授权基于LSTM-AE-Bayes的传感器实时异常检测方法及系统是由杨登科;舒俊;全渊骅;孙明月设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本基于LSTM-AE-Bayes的传感器实时异常检测方法及系统在说明书摘要公布了：本发明提供一种基于LSTM‑AE‑Bayes的传感器实时异常检测方法及系统，涉及机器学习与深度学习技术领域，本发明通过获取传感器以往的正常时序数据训练自编码器和预测模型，获取当前监测时序数据，将其输入自编码器进行重构，并预测当前数据，通过计算当前数据与重构数据之间的重构误差值，以及当前数据与预测数据之间的预测误差值，并结合贝叶斯异常概率公式，生成修正因子，对公式进行修正，计算出当前时刻的异常概率，最后设定异常阈值，当异常概率超过该阈值时，判定传感器处于异常状态。本发明通过结合LSTM预测模型、自编码器重构误差值和贝叶斯异常概率公式的修正，实时高效地检测传感器异常状态，提升了异常检测的准确性和可靠性。

本发明授权基于LSTM-AE-Bayes的传感器实时异常检测方法及系统在权利要求书中公布了：1.一种基于LSTM-AE-Bayes的传感器实时异常检测方法，其特征在于，具体步骤包括：步骤1：获取传感器以往采集的正常时序数据，并基于正常时序数据训练自编码器和预测模型，自编码器用于对时序数据中连续多个数据进行特征提取，以得到特征向量，预测模型用于根据特征向量，输出位于该连续多个数据之后的下一预测数据；步骤2：获取传感器采集的监测时序数据，且监测时序数据为当前时刻采集的当前数据及其之前的连续多个数据，将包括当前数据的连续多个数据输入自编码器中，以得到当前数据的重构数据，并将不包括当前数据的连续多个数据输入自编码器中以得到预测当前数据的特征向量，将该特征向量输入预测模型中，以得到当前数据的预测数据；步骤3：基于当前数据和重构数据，得到重构误差值，基于当前数据和预测数据，得到预测误差值；步骤4：基于贝叶斯异常概率公式，结合重构误差值与预测误差值生成修正因子，并对贝叶斯异常概率公式进行修正，计算当前时刻传感器的异常概率；步骤5：设立异常阈值，若异常概率超过此阈值，则判定当前时刻传感器为异常状态；基于正常时序数据训练自编码器和预测模型，所依据的方法为：自编码器分为编码器和解码器，将正常时序数据输入进编码器中，编码器通过一系列的神经网络层对输入数据进行处理，从而提取出数据的主要特征并将其表示为一个特征向量，解码器负责将编码器生成的特征向量转换为重构数据，以最小化重构误差值为目标，对自编码器进行训练，直至达到预定的轮次；从正常时序数据提取的特征向量中，包括时序数据中的平均变化率、最大值、最小值以及平均值，预测模型采用卷积神经网络层结构，包括输入层、隐藏层和输出层，输入层用于接收生成的特征向量，隐藏层用于对特征向量进行数据处理，输出层用于输出位于该连续多个数据之后的下一预测数据。

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科技大学，其通讯地址为：310023 浙江省杭州市西湖区留和路318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”。