← 返回列表
异常监测与故障识别的方法及装置
摘要文本
本发明提供一种异常监测与故障识别的方法，涉及数字信号处理技术领域，可解决异常数据检测效率低，故障识别不精准的问题。该方法包括：获取实时数据，对实时数据进行预处理，得到实时目标数据；利用预设的监测数据知识库对实时目标数据进行状态评估，得到异常数据；将异常数据输入SincNet滤波器进行池化操作，并进行卷积层标准化；采用带动量的梯度下降法对卷积层标准化后的异常数据进行增量学习，确定异常数据所对应的故障类型。本发明有效提升异常检测的准确性，具有高效的低维特征提取能力与识别故障类型的能力，并结合实时数据的输入可不断更新，提升故障识别的精度。 该数据由<专利查询网>整理
申请人信息
- 申请人:中国科学院半导体研究所
- 申请人地址:100083 北京市海淀区清华东路甲35号
- 发明人: 中国科学院半导体研究所
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 异常监测与故障识别的方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311556334.2 |
| 申请日 | 2023/11/21 |
| 公告号 | CN117520947A |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06F18/2415 |
| 权利人 | 中国科学院半导体研究所 |
| 发明人 | 窦润江; 刘力源; 邓永超; 于双铭 |
| 地址 | 北京市海淀区清华东路甲35号 |
专利主权项内容
1.一种异常监测与故障识别的方法，其特征在于，所述方法包括：获取实时数据，对所述实时数据进行预处理，得到实时目标数据；利用预设的监测数据知识库对所述实时目标数据进行状态评估，得到异常数据；将所述异常数据输入SincNet滤波器进行池化操作，并进行卷积层标准化；采用带动量的梯度下降法对所述卷积层标准化后的异常数据进行增量学习，确定所述异常数据对应的故障类型。 来源：百度马 克 数据网