-
公开(公告)号：CN112004204B
公开(公告)日：2022-09-23
申请号：CN202010805928.2
申请日：2020-08-12
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种工业物联网中基于分层处理的高维数据异常检测方法。首先，在数据预处理阶段对监测设备采集到的数据进行信任选择。根据时空相关性，利用互信息构建信任验证模型，消除工业噪声以及机器老化所引起的扰动。其次，执行单源异常检测算法获得本地的异常检测结果。该方法综合考虑了异构设备在类型、启动时间和传输时间上的不同，充分利用工业环境下时序数据的特性。其中，通过数据缓冲队列模型来收发带有时间戳数据，有效地降低了不同粒度网络间的数据传输开销和处理时延。最后，在边缘节点上运行多源的异常检测算法并分析数据态势，得到全局的数据异常检测结果。该方法满足了在工业大数据背景下物联网设备低负荷和低时延的要求，提高了数据异常检测的精确度和可靠性。
-
公开(公告)号：CN112004204A
公开(公告)日：2020-11-27
申请号：CN202010805928.2
申请日：2020-08-12
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种工业物联网中基于分层处理的高维数据异常检测方法。首先，在数据预处理阶段对监测设备采集到的数据进行信任选择。根据时空相关性，利用互信息构建信任验证模型，消除工业噪声以及机器老化所引起的扰动。其次，执行单源异常检测算法获得本地的异常检测结果。该方法综合考虑了异构设备在类型、启动时间和传输时间上的不同，充分利用工业环境下时序数据的特性。其中，通过数据缓冲队列模型来收发带有时间戳数据，有效地降低了不同粒度网络间的数据传输开销和处理时延。最后，在边缘节点上运行多源的异常检测算法并分析数据态势，得到全局的数据异常检测结果。该方法满足了在工业大数据背景下物联网设备低负荷和低时延的要求，提高了数据异常检测的精确度和可靠性。
-
公开(公告)号：CN110336860A
公开(公告)日：2019-10-15
申请号：CN201910510102.0
申请日：2019-06-13
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种工业物联网中基于多维数据处理的关键节点数据保护方法，首先，对需要部署工业物联网的整个工厂区域进行划分，采用基于ARX模型的多维数据的处理方法，综合考虑了不同区域内的环境差异性，监测数据的多维性，关键节点数据的重要性，复杂工业条件下噪声污染等问题，揭示特定区域内节点数据的时间和空间相关性，采用OCSVM对数据检测，选取正常数据计算每个节点的关键系数，对高优先级节点设置备份节点，最终实现对工业物联网中关键节点数据的保护。该方法满足了在实际工业生产条件下的诸多限制，提高了识别的精度和可靠性。
-
-
Search Results
3
records
(took 0.031 seconds)
