Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 天津龙创恒盛实业有限公司龙凤祥获国家专利权

天津龙创恒盛实业有限公司龙凤祥获国家专利权

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!

龙图腾网获悉天津龙创恒盛实业有限公司申请的专利基于概念漂移识别的工业物联网时序数据异常检测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:CN120873698B

龙图腾网通过国家知识产权局官网在2026-01-30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:202511375979.5,技术领域涉及:G06F18/24;该发明授权基于概念漂移识别的工业物联网时序数据异常检测方法是由龙凤祥;邱铁;周晓波;杨力华;杨松楷设计研发完成,并于2025-09-25向国家知识产权局提交的专利申请。

基于概念漂移识别的工业物联网时序数据异常检测方法在说明书摘要公布了:本发明公开了基于概念漂移识别的工业物联网时序数据异常检测方法,涉及时间序列异常检测技术领域,包括:对工业物联网时序数据进行多尺度概念漂移检测,获取工业物联网时序数据的概念漂移检测结果;基于所述工业物联网时序数据的概念漂移检测结果进行自适应集成模型更新,获取最优异常检测模型;利用所述最优异常检测模型对所述工业物联网时序数据进行异常检测,获取工业物联网时序数据异常检测结果。本发明通过创新的多尺度窗口分析机制,能够更早识别数据分布变化,有效缩短概念漂移检测延迟;结合模型池管理与动态集成学习方法,在保证检测精度的同时优化了计算效率,实现了新旧数据分布之间的平滑过渡。

本发明授权基于概念漂移识别的工业物联网时序数据异常检测方法在权利要求书中公布了:1.基于概念漂移识别的工业物联网时序数据异常检测方法,其特征在于,包括: S1、对工业物联网时序数据进行多尺度概念漂移检测,获取工业物联网时序数据的概念漂移检测结果,包括: 对工业物联网时序数据进行预处理,获取子窗口分布特征,包括: 采用滑动窗口机制对工业物联网时序数据进行窗口化处理,生成连续窗口序列,所述工业物联网时序数据包括设备运行状态、生产流程参数、环境监测指标的动态变化; 对所述连续窗口序列进行划分处理,获取非重叠子窗口; 利用预训练的深度编码器将所述非重叠子窗口进行映射处理,获取子窗口分布特征; 根据所述子窗口分布特征进行多尺度概念漂移检测,获取工业物联网时序数据的概念漂移检测结果,包括: 基于所述子窗口分布特征进行细粒度分析,获取子窗口间的平均分布差异作为突变型概念漂移检测结果; 对所述子窗口分布特征进行粗粒度分析,获取子窗口间的累积分布差异作为持续型概念漂移检测结果; 获取所述突变型概念漂移检测结果与所述持续型概念漂移检测结果作为工业物联网时序数据的概念漂移检测结果; S2、基于所述工业物联网时序数据的概念漂移检测结果进行自适应集成模型更新,获取最优异常检测模型,包括: 利用所述工业物联网时序数据的概念漂移检测结果,设置工业物联网时序数据的概念漂移检测结果阈值,所述工业物联网时序数据的概念漂移检测结果阈值包括突变型概念漂移检测结果阈值与持续型概念漂移检测结果阈值; 判断所述突变型概念漂移检测结果是否超过所述突变型概念漂移检测结果阈值,若是,则执行第一操作,否则,执行第二操作; 其中,所述第一操作为:通过模型池进行自适应集成模型更新,获取最优异常检测模型,包括: 根据所述子窗口分布特征,获取特征索引的相似度; 利用所述特征索引的相似度,设置相似度阈值; 判断所述特征索引的相似度是否超过所述相似度阈值,若是,则基于所述模型池利用所述特征索引的相似度,获取最优异常检测模型,否则,执行第三操作; 其中,所述第三操作为:基于所述工业物联网时序数据的概念漂移检测结果利用所述非重叠子窗口,获取最优异常检测模型,包括: 基于所述工业物联网时序数据的概念漂移检测结果,确定概念漂移位置; 根据所述概念漂移位置对所述非重叠子窗口进行划分,获取历史数据子集和当前数据子集,所述历史数据子集为概念漂移发生前的窗口数据,所述当前数据子集为概念漂移发生后的窗口数据; 利用所述历史数据子集训练历史子模型,利用所述当前数据子集训练当前子模型,所述历史子模型与所述当前子模型均采用自动编码器结构; 通过杜宾-瓦特森统计量动态评估所述历史子模型与所述当前子模型的残差自相关性,获取历史子模型与当前子模型的自适应权重; 基于所述历史子模型与当前子模型的自适应权重进行参数融合,获取集成模型作为候选最优异常检测模型; 根据所述候选最优异常检测模型,获取最优异常检测模型; 所述模型池包括历史异常检测模型与对应特征索引; 所述第二操作为:判断所述持续型概念漂移检测结果是否超过所述持续型概念漂移检测结果阈值,若是,则执行所述第一操作,否则,获取当前异常检测模型作为最优异常检测模型,并直接执行S3; S3、利用所述最优异常检测模型对所述工业物联网时序数据进行异常检测,获取工业物联网时序数据异常检测结果。

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天津龙创恒盛实业有限公司,其通讯地址为:300000 天津市静海区经济开发区北区三号路23号;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。

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。