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！

龙图腾网获悉重庆邮电大学申请的专利一种深度对比学习与密度聚类结合的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：CN116680643B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202310676113.2，技术领域涉及：G06F18/2433；该发明授权一种深度对比学习与密度聚类结合的异常检测方法是由张焱;刘卓林;韩延;黄庆卿设计研发完成，并于2023-06-08向国家知识产权局提交的专利申请。

本一种深度对比学习与密度聚类结合的异常检测方法在说明书摘要公布了：本发明属于机械异常检测领域，涉及一种深度对比学习与密度聚类结合的异常检测方法；该方法包括利用对比学习提取原始数据所包含的高维特征信息；利用t‑SNE将高维特征信息转化至低维特征空间；根据最小突变距离方法确定DBSCAN聚类半径；利用DBSCAN对低维特征空间中异于正常样本的数据进行识别，实现故障检测。本发明有效避免了传统故障检测方法过度依赖人工经验、过程繁琐等问题，对比学习和t‑SNE将原始数据映射至低维特征空间，两者相结合可以使高维数据在低维空间中依然可以保留高维空间所包含的特征信息，最小突变距离的参数设置方法可以实现根据数据特征自动设置参数，DBSCAN可以实现对空间中的异常样本自动检测。

本发明授权一种深度对比学习与密度聚类结合的异常检测方法在权利要求书中公布了：1.一种深度对比学习与密度聚类结合的异常检测方法，其特征在于，所述方法包括以下步骤： S1：实时监测机械设备运行过程中的工况信息，利用加速度传感器采集设备振动信号数据，振动信号数据为设备在x轴、y轴以及z轴方向中一个或多个方向振动信号； S2：采用对比学习网络对采集到的实时振动信号数据以及正常状态的振动信号数据同时进行自监督学习，分别提取到振动信号数据样本中所包含的高维特征信息；所述步骤S2包括： S21：对振动信号数据采用振幅缩放和噪声添加进行数据增强，调整振幅比例，并通过乘以随机标量来更改窗口中振动信号数据的大小； S22：对增强后的振动信号数据进行编码，将编码得到的振动信号数据经过投影头映射到高维特征空间； S23：将高维特征空间的振动信号数据输入对比学习网络中，并利用对比损失函数优化对比学习网络； S3：利用T分布随机近邻嵌入将所述高维特征信息投影到低维特征空间； S4：利用基于最小突变距离的方法计算出聚类半径，并利用基于密度的聚类算法将所述低维特征空间中的振动信号数据样本进行聚类处理；所述步骤S4中利用基于最小突变距离的方法计算出聚类半径包括： S41：计算低维特征空间中样本数据集X中每一个样本点到其他样本点的欧式距离，并得到样本距离集DISTX； S42：对样本距离集DISTX中每一个样本点到其他样本点的欧式距离进行升序排列得到样本升序集RDISTX； S43：对样本升序集RDISTX中每一个样本点所对应的样本距离集进行突变点检测，记录发生突变时对应的突变距离长度，得到样本距离集changX； S44：选取样本距离集changX中的最小值设定为聚类半径，即为基于密度的聚类算法的邻域半径Eps； S5：若低维特征空间中存在多个类簇，则表明设备产生故障，反之则表明设备正常。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。