西南交通大学曾文驱获国家专利权
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!
龙图腾网获悉西南交通大学申请的专利一种周期运行部件多元感知异常模式时序依赖挖掘方法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:CN116204564B 。
龙图腾网通过国家知识产权局官网在2025-12-19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:202310167003.3,技术领域涉及:G06F16/2458;该发明授权一种周期运行部件多元感知异常模式时序依赖挖掘方法是由曾文驱;丁国富;王淑营;崔高舜;张海柱设计研发完成,并于2023-02-27向国家知识产权局提交的专利申请。
本一种周期运行部件多元感知异常模式时序依赖挖掘方法在说明书摘要公布了:本发明涉及一种周期运行部件多元感知异常模式时序依赖挖掘方法,包括步骤S1:部件多元感知变量异常事件捕获平台构建;步骤S2:捕获感知变量异常模式时序数据,构建异常时序数据库Event_seqDB;步骤S3:构建多元感知异常模式时序数据库KDD_SeqDB;步骤S4:基于改进PrefixSpan的多元感知异常模式时序依赖挖掘。本发明通过构建关重部件多传感变量感知模式时序依赖模型和算法,能有效挖掘部件运维过程中故障形成的时序因果关系,为预防性维修和设计迭代优化提供支持。
本发明授权一种周期运行部件多元感知异常模式时序依赖挖掘方法在权利要求书中公布了:1.一种周期运行部件多元感知异常模式时序依赖挖掘方法,其特征在于:包括以下步骤S1-S4: 步骤S1:部件多元感知变量异常事件捕获平台构建; 步骤S2:捕获感知变量异常模式时序数据,构建异常时序数据库Event_seqDB; 步骤S3:构建多元感知异常模式时序数据库KDD_SeqDB; 步骤S4:基于改进PrefixSpan的多元感知异常模式时序依赖挖掘;采用PrefixSpan算法,在求解频繁2项序列时进行改进,对计算得到的频繁1项序列投影数据库,从投影数据库中删除前序同类感知变量的异常模式,然后再基于删除后的投影数据库计算序列计数,得到局部2项频繁集,然后再按PrefixSpan算法做递归投影,获得多元频繁时序依赖项集; 其中: 在步骤S3中,将部件运行周期的时间窗作为关联有效时间窗口,用有效时间窗口对各感知变量异常模式时序数据进行切割、排序和组合,形成部件周期运行异常时序记录,步骤S3具体包括S31-S34: S31:初始化运行周期k=1; S32:读取部件工作日志,获取周期k的开始时间STIMEk和结束时间ETIMEk; S33:获取时间段内各感知变量的异常模式时序数据,关系运算如下: DATATIMEk=8 式8中,DATATIMEk为经过运行周期k时间窗截取获得的异常时序数据对集,表示条件选择,表示左右两侧条件并,本式为数据集的选择运算,即以运行周期k的开始和结束时间为条件筛选出本周期内的异常时序数据; S34:DATATIMEk数据清洗,去除空值、单值及同一感知变量模式多个连续值,具体包括S341-S343: S341:判断DATATIMEk包含的异常数据数量DATATIMEk.count≥2是否成立,若不成立:转到S35;若成立:继续执行S342; S342:异常模式时序数据整合为运行项目时序异常数据,S342具体包括S3421-S3429: S3421:初始化记录变量i=1,初始化项目时序数据集变量KDD_Datak=null; S3422:DATATIMEk数据集按时间从小到大排序; S3423:取第1条数据的感知异常模式添加到KDD_Datak数据集; S3424:i=i+1,指向DATATIMEk的下一条数据; S3425:取第i条数据的感知异常模式; S3426:判断第i与i-1项感知异常模式是否相同,若相同:转到S3427;若不相同:将第i项异常模式加入KDD_Datak数据集,项间逗号分隔; S3427:判断iDATATIMEk.count是否成立,若不成立:转到S3424;若成立:继续执行S3428; S3428:查询KDD_Datak中的异常模式集,根据异常模式关联查询感知变量编码集存入变量sen_vars; S3429:判断sen_vars中感知变量数量大于1是否成立,若成立:将KDD_Datak写入多元感知异常时序数据库KDD_SeqDB;若不成立:丢弃KDD_Datak,不保存; S343:判断Event_seqDB中记录是否处理完毕,若未处理完毕:k=k+1,转到S32,若处理完毕:结束。
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西南交通大学,其通讯地址为:610031 四川省成都市二环路北一段;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。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励