龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：广东技术师范大学
摘要：本发明属于工业互联网领域，涉及基于图同构网络的无人工厂异常检测方法、装置、计算机设备及存储介质，方法包括采集模态数据；根据模态数据在一段时间内的不同节点特征，构建模态数据之间的关联图，表示关联图的节点，其特征为不同类型的模态数据的节点特征向量，表示关联图的边；基于联邦切分学习框架，构建基于图同构网络的工业系统异常检测模型；在异常检测模型中输入关联图，计算在时刻第模态数据的预测值的异常分数；判断异常分数是否大于异常阈值，由此判断该模态数据是否为故障数据。能有效地表示数据之间的关联关系，检测工业系统的异常，且能寻找异常源头。
主权项：1.一种基于图同构网络的无人工厂异常检测方法，其特征在于，包括下述步骤：采集模态数据，所述模态数据记为，在每一个时刻，形成一个维向量表示不同模态数据的值，对模态数据进行预处理，所述对模态数据进行预处理的步骤还包括：对不同模态数据进行切片，使用长度为，步长为的滑动窗口，截取模态数据，获得个长度为的数据切片，其中，，其中，表示取整函数，表示经过滑动窗口处理后的总数据集，将切片数据输入到GAT模型进行特征提取，提取数据片段中的空间或时间特征，并将其转换为图结构；根据所述模态数据在一段时间内的不同节点特征，构建所述模态数据之间的关联图，表示关联图的节点，其特征为不同类型的模态数据的节点特征向量，表示关联图的边；基于联邦切分学习框架，构建基于图同构网络的工业系统异常检测模型；在所述异常检测模型中输入关联图，计算在时刻第模态数据的预测值的异常分数；判断异常分数是否大于异常阈值，是则判断该模态数据为故障数据，否则判断该模态数据为正常数据。
全文数据：
权利要求：
百度查询： 广东技术师范大学 基于图同构网络的无人工厂异常检测方法、装置
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号