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！

龙图腾网获悉苏州元脑智能科技有限公司申请的专利信息物理系统异常状态检测方法及相关组件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：CN119203016B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411737959.3，技术领域涉及：G06F18/2433；该发明授权信息物理系统异常状态检测方法及相关组件是由高飞;赵雅倩;张亚强;史宏志设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本信息物理系统异常状态检测方法及相关组件在说明书摘要公布了：本申请涉及一种模型构建方法、多变量时间序列异常检测方法及相关组件，所属领域为系统异常检测技术领域，所述方法包括：初始化设备节点的可学习嵌入向量，基于可学习嵌入向量之间的相似度，确定第一超图结构的超边；基于近似离散优化机制，分别对第一超图结构中的设备节点和超边进行调整，得到第二超图结构；对可学习嵌入向量、第二超图结构和多变量时间序列进行建模，生成时空超图神经网络模型；结合时空超图神经网络模型和全连接神经网络，生成初始异常检测模型；利用目标数据集和均方误差损失函数，对初始异常检测模型进行训练及验证，以生成目标异常检测模型。本申请通可以提高检测效率和准确性。

本发明授权信息物理系统异常状态检测方法及相关组件在权利要求书中公布了：1.一种信息物理系统异常状态检测方法，其特征在于，所述方法包括： 获取待检测系统中设备节点的多变量时间序列，所述待检测系统为信息物理系统，设备节点为所述信息物理系统中的设备或设备上的传感器，多变量时间序列为多个数据变量随时间变化而形成的序列，多变量时间序列具有时间和空间两个维度的特征，通过设备节点上的传感器来获取数据变量，通过表示窗口长度为的多变量时间序列，其中，代表时刻时系统个设备节点的状态数值，表示设备节点的个数； 将所述多变量时间序列输入至目标异常检测模型中，输出预测值，即输出对于t时刻的信息物理系统状态预测值； 计算所述预测值和真实值之间的偏差值，并基于第一目标偏差值和第一预设阈值之间的比较结果，确定所述待检测系统的状态，其中，通过表示设备节点在时刻的预测值和真实值之间的偏差值，对所述偏差值进行鲁棒归一化处理后得到第一目标偏差值； 还包括：获取多个时间节点的传感器对应鲁棒归一化后的误差值，计算多个误差值对应的第一感知系数，误差值计算公式为： ； 其中，为第一感知系数，为误差值个数，、分别为第个和第个误差值； 若第一感知系数小于第二预设阈值，确定该传感器对应的第二感知系数，其计算方法包括： ； 其中，为第二感知系数，为偏差值； 若所述第二感知系数小于第三预设阈值，对该传感器对应的设备节点进行标记，将设备节点的偏差值定义为第一目标偏差值； 基于第一目标偏差值和第一预设阈值之间的比较结果，确定所述待检测系统的状态包括： 获取在验证初始异常检测模型过程中得到的第二目标节点偏差值； 对目标时间窗口内多个时间节点对应的第二目标节点偏差值进行排序，根据排序结果，确定第一预设阈值； 响应于检测到所述第一目标偏差值大于所述第一预设阈值时，确定所述待检测系统处于异常状态； 所述目标异常检测模型的生成方法包括：初始化设备节点的可学习嵌入向量，并基于可学习嵌入向量之间的相似度，确定第一超图结构的超边，其中，超图结构由设备节点和超边组成；基于近似离散优化机制，分别对所述第一超图结构中的设备节点和超边进行调整，得到第二超图结构；对所述可学习嵌入向量、第二超图结构和多变量时间序列进行建模，生成时空超图神经网络模型，其中，多变量时间序列通过所述设备节点上的传感器获取；结合所述时空超图神经网络模型和全连接神经网络，生成初始异常检测模型，所述全连接神经网络用于根据所述时空超图神经网络模型的输出值预测设备节点在下一时刻的状态；利用目标数据集和均方误差损失函数，对所述初始异常检测模型进行训练及验证，以生成目标异常检测模型，在生成目标异常检测模型之后，将目标异常检测模型部署至对应的信息物理系统中，以对信息物理系统的状态进行检测，其中，可学习嵌入向量通过对设备节点进行随机初始化处理获得，超边由多个设备节点组成。

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苏州元脑智能科技有限公司，其通讯地址为：215000 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢；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。