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！

摘要：本发明公开了基于时空特征注意力融合的工业过程故障检测方法和系统，包括：对原始正常数据进行数据标准化处理，在变量维度上，采用多通道一维卷积提取空间特征信息。在时间维度上，利用多通道二维卷积提取数据的时间特征信息，从而解决提取多维时序数据特征时变量相关性和数据时序性的问题；随后，对提取的多通道特征数据进行通道注意力加权融合，以更好地捕捉数据在不同通道上的分布特征，从而增强有用的特征信息；接下来，利用交叉注意力机制进行时空特征融合，以增强数据特征的表达能力；进一步地，融合的特征经过全连接层对重构数据进行模型训练，得到故障检测模型；最后，将在线数据输入到故障检测模型中，得到在线数据的故障检测结果。

主权项：1.一种基于时空特征注意力融合的工业过程故障检测方法，其特征在于，包括如下步骤：S1，离线阶段，获取工业过程中的历史多变量时间序列数据集，其中m代表采样的个数，n代表变量的个数；S2，对数据集中各特征变量进行对应的数据样本进行标准化处理，得到X；S3，将数据X转化为格拉姆矩阵模式XG；S4，对数据X进行多通道的一维卷积特征提取，提取丰富的空间特征信息，得到的特征数据X1；对数据XG进行多通道的二维卷积进行特征提取，提取丰富的时间特征信息，得到特征数据XG2；S5，利用通道加权注意力对特征X1和XG2进行处理，得到加权后的特征图W_X1和W_XG2；S6，利用交叉注意力机制对加权后的特征图进行时空融合，得到融合后的特征图X_f；S7，X_f经过全连接层得到与原始数据X维度一致的重构特征，计算重构误差，并将其作为步骤S4-S6构成的模型的损失函数进行反向传播，更新模型的参数，得到新的一组参数，经过多次迭代，最终得到训练好的故障检测模型；S8，将数据X作为输入，利用训练好的故障检测模型计算出重构数据X_R，计算得到样本残差值，再经过核密度估计进行计算得到正常数据集的控制限；S9，在线阶段，使用实时采集数据X_n，进行标准化后输入到训练好的故障检测模型，计算出测试数据对应的残差值，将其与控制限进行比较，最终通过比较的结果值来判断故障是否发生。

全文数据：

权利要求：

百度查询： 武汉纺织大学 宁波慈星股份有限公司 基于时空特征注意力融合的工业过程故障检测方法和系统