公开(公告)号：CN117892214A

公开(公告)日：2024-04-16

申请号：CN202211373326.X

申请日：2022-11-03

Applicant: 哈尔滨工业大学 ,  北京航天自动控制研究所

Inventor： 杨智明 ,  于冰 ,  向刚 ,  赵利国 ,  禹春梅 ,  彭宇 ,  俞洋

IPC: G06F18/2415 ,  G06F18/15 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/088 ,  G07C3/00 ,  G06F123/02

Abstract: 异常检测模型的构建方法、异常检测方法及异常检测系统，涉及机器学习领域，尤其涉及工业系统的故障或异常检测。解决了现有的异常检测模型对非线性、强时序性及高维度的数据提取分析能力弱，及确定阈值时依赖初始数据分布、依赖于个人经验和不能动态调整等问题。所述异常检测模型基于LSTM‑AE框架和可自动设置参数的自适应阈值构建；所述异常检测方法及异常检测系统采用异常检测模型进行异常检测。本发明应用于对工业系统进行异常检测。

公开(公告)号：CN117891226A

公开(公告)日：2024-04-16

申请号：CN202310715482.8

申请日：2023-06-16

Applicant: 哈尔滨工业大学 ,  北京航天自动控制研究所

Inventor： 杨智明 ,  于冰 ,  向刚 ,  林瑞仕 ,  禹春梅 ,  彭宇 ,  俞洋

IPC: G05B23/02

Abstract: 基于MIC和图神经网络融合的航天器控制系统异常检测方法及系统，涉及故障、异常检测技术领域。解决现有航天器控制系统领域的异常检测方法，由于异常数据主要隐藏在大量的正确点中，难以复制，导致无法完全利用正常数据进行异常检测的问题。方法为将航天控制系统领域多维的时序数据进行MIC分析获得不同变量之间的最大信息系数；进而获得邻接矩阵；从离散变量序列提取出每个变量的时序特征；构建MIC‑图网络并获得预测数据；对预测数据进行判定，获得异常数据。本发明适用于航天器控制系统的故障、异常检测技术领域，可直接用于对于航天器控制系统采集的多维时序数据，并对多维时序数据进行时间段的异常检测和阈值检测判定异常工作。

公开(公告)号：CN117687297A

公开(公告)日：2024-03-12

申请号：CN202311563594.2

申请日：2023-11-22

Applicant: 哈尔滨工业大学 ,  北京航天自动控制研究所

Inventor： 俞洋 ,  于冰 ,  向刚 ,  杨智明 ,  李东蓬 ,  乔立岩 ,  彭宇 ,  陈放

IPC: G05B13/04 ,  G06F18/2433 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/042 ,  G06N3/045 ,  G06N3/088

Abstract: 基于自适应关联分析的图神经网络融合的航天器控制系统异常检测方法，涉及系统故障、异常检测技术领域。解决现有的异常数据主要隐藏在大量的正确点中，难以复制，导致无法完全利用正常数据的无监督学习来探索内在规律的问题。本发明提供以下方案，采集航天控制系统领域多维的时序数据，对时序数据进行转换，获得离散变量序列；对离散变量序列进行自适应边分析，得到邻接矩阵A；构建图结构的邻接矩阵，获得LSTM‑图网络；采用LSTM‑图网络模型对离散变量序列进行提取，获得每个变量的时序特征；将时序特征输入到LSTM‑图网络中，获得预测数据；根据误差阈值对处理后的预测数据进行判定，获得异常数据的存储位置。还适用于航天器控制系统异常检测和阈值检测中。

公开(公告)号：CN114595767A

公开(公告)日：2022-06-07

申请号：CN202210223287.9

申请日：2022-03-07

Applicant: 哈尔滨工业大学

Inventor： 杨智明 ,  向刚 ,  俞洋 ,  赵利国 ,  于冰

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F17/18

Abstract: 一种具有时间序列状态变量的工业设备故障检测方法，属于工业设备故障检测领域。本发明针对现有工业系统的故障检测依赖故障数据建立检测模型，故障数据获取难度大造成方法难以适用的问题。包括：采集时间序列状态数据作为训练数据；计算训练数据m维特征变量的均值和标准差，并对训练数据进行标准化；对标准化后时间序列数据采用滑动窗口进行分割得到序列数据P，对LSTM自编码网络进行训练；再基于训练后LSTM自编码网络获得训练数据的误差序列；基于极值理论的方法对误差序列进行分析，得到故障阈值；再基于待检测设备序列数据对故障阈值进行调整，得到调整后阈值，进而实现工业设备的故障检测。本发明用于变量具有时序特征的工业设备的故障检测。

公开(公告)号：CN114595767B

公开(公告)日：2025-01-10

申请号：CN202210223287.9

申请日：2022-03-07

Applicant: 哈尔滨工业大学

Inventor： 杨智明 ,  向刚 ,  俞洋 ,  赵利国 ,  于冰

IPC: G06F18/22 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/048 ,  G06F17/18

Abstract: 一种具有时间序列状态变量的工业设备故障检测方法，属于工业设备故障检测领域。本发明针对现有工业系统的故障检测依赖故障数据建立检测模型，故障数据获取难度大造成方法难以适用的问题。包括：采集时间序列状态数据作为训练数据；计算训练数据m维特征变量的均值和标准差，并对训练数据进行标准化；对标准化后时间序列数据采用滑动窗口进行分割得到序列数据P，对LSTM自编码网络进行训练；再基于训练后LSTM自编码网络获得训练数据的误差序列；基于极值理论的方法对误差序列进行分析，得到故障阈值；再基于待检测设备序列数据对故障阈值进行调整，得到调整后阈值，进而实现工业设备的故障检测。本发明用于变量具有时序特征的工业设备的故障检测。