公开(公告)号：CN118502389A

公开(公告)日：2024-08-16

申请号：CN202410572530.7

申请日：2024-05-10

Applicant: 中国石油大学(华东)

Inventor： 邓晓刚 ,  肖林勃 ,  杨文洁 ,  王平 ,  曹玉苹

IPC: G05B23/02

Abstract: 本发明涉及一种基于先验信息辅助神经网络建模的工业过程故障检测方法，其步骤为：对训练数据进行标准化处理后，利用标准化后的训练数据训练1DRGANomaly网络，结合先验数据构建先验信息辅助网络，在线阶段利用1DRGANomaly网络与先验信息辅助网络输出的统计量进行融合计算统计量#imgabs0#和SPE12‑PIA，并利用控制限进行监控。本发明上述故障检测方法引入先验信息辅助策略，提高了工业过程数据中故障的检测性能。

公开(公告)号：CN118734225A

公开(公告)日：2024-10-01

申请号：CN202410931983.4

申请日：2024-07-12

Applicant: 中国石油大学(华东)

Inventor： 邓晓刚 ,  黎佳妍 ,  杨文洁

IPC: G06F18/2433 ,  G06F18/213 ,  G06F18/2411 ,  G06N20/10 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于对抗驱动深度支持向量数据描述的工控系统异常检测方法，其步骤为：通过双向生成对抗网络学习正常样本并生成伪异常样本，设计不同的惩罚项用于约束生成的伪异常样本范围；定义异常过滤器对伪异常样本进行筛选；采用自动编码器对正常样本和伪异常样本进行特征提取，综合特征重构误差、正常样本的超球体体积和伪异常样本在超球体边界的投影构造优化目标函数，训练深度支持向量数据描述网络；构建异常得分与阈值来判断异常。本发明结合了对抗学习与深度单分类，并构建约束条件优化分类边界，解决了在工控系统中异常事件罕见情况下生成伪异常数据以增强分类性能的问题，从而提高了异常检测的准确性和可靠性。