Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

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 科技服务 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 > 中控技术股份有限公司陈庆获国家专利权

中控技术股份有限公司陈庆获国家专利权

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!

龙图腾网获悉中控技术股份有限公司申请的专利一种基于时间序列预测大模型的厂区设备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:CN118965242B

龙图腾网通过国家知识产权局官网在2025-07-25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:202411442721.8,技术领域涉及:G06F18/2433;该发明授权一种基于时间序列预测大模型的厂区设备异常检测方法是由陈庆;田甜;王宽心;吴玉成;胡磊;徐东升;吴哲峰设计研发完成,并于2024-10-16向国家知识产权局提交的专利申请。

一种基于时间序列预测大模型的厂区设备异常检测方法在说明书摘要公布了:本发明涉及工业生产技术领域,尤其涉及一种基于时间序列预测大模型的厂区设备异常检测方法,包括:S100、获取待检测的厂区设备的运行状态数据,并将所述待检测的厂区设备的运行状态数据进行数据预处理,获取预处理后的数据;S200、将所述预处理后的数据输入提前训练好的时间序列预测大模型中,获取预处理后的数据对应的高维特征、异常检测的结果以及数据预测值;所述时间序列预测大模型包括:高维特征获取单元、异常检测与预测单元。本发明实现了对设备运行状态的精准监控、异常检测和提前预测,提高了设备异常检测的准确性和及时性。

本发明授权一种基于时间序列预测大模型的厂区设备异常检测方法在权利要求书中公布了:1.一种基于时间序列预测大模型的厂区设备异常检测方法,其特征在于,包括: S100、获取待检测的厂区设备的运行状态数据,并将所述待检测的厂区设备的运行状态数据进行数据预处理,获取预处理后的数据; S200、将所述预处理后的数据输入提前训练好的时间序列预测大模型中,获取预处理后的数据对应的高维特征、异常检测的结果以及数据预测值; 所述时间序列预测大模型包括:高维特征获取单元、异常检测与预测单元;其中,高维特征获取单元使用时序Transformer架构作为基础架构,所述高维特征获取单元包括:时序数据处理层、时序数据嵌入层、可学习prompt嵌入层、时间相关性注意力机制层、空间相关性注意力机制层;异常检测与预测单元包括:高维时序特征提取层以及多任务head层; 所述时序数据处理层将预处理后的数据按照设定的patch大小分割成一个个块,再进行特征映射,同时使用正弦位置编码进行位置特征提取,将时间特征、数据特征、位置特征拼接作为这段patch数据的特征; 所述时序数据嵌入层用于为每个时间步长数据增加时间嵌入来捕捉预处理后的数据的时间信号,所述时序数据嵌入层还是可学习的嵌入学习层,用于将时间戳映射到固定维度的向量空间中; 所述可学习prompt嵌入层通过引入特定于数据集的可学习prompt嵌入,用于捕捉统一数据集内不同设备或信号间的关联性; 所述时间相关性注意力机制层通过用Transformer架构的自注意力机制来提取位号内部关系特征,使用交叉注意力机制来提取位号间的关系特征; 所述空间相关性注意力机制层给予更近时间点更高的权重; S300、当所述异常检测的结果为无异常时,判断所述数据预测值是否在上下限阈值范围内,若不在,则上报异常;若在,进入步骤S400; S400、根据所述数据预测值,获取预测曲线,判断所述预测曲线与历史曲线是否偏离,若偏离,则进入步骤S500; 所述历史曲线为所述预处理后的数据对应的曲线; S500、将所述预处理后的数据对应的高维特征进行线性映射,获取特定维度的向量,将所述特定维度的向量与提前构建的特征库中对应的特征向量一一匹配,获取两种向量的余弦相似度,若所述余弦相似度小于提前设定的阈值,则上报异常; 所述特定维度的向量为维度为(1,1024)的向量; 所述S100之前还包括: S000、采用训练数据集对所述时间序列预测大模型进行训练,得到训练好的时间序列预测大模型; 所述训练数据集包括:正常运行状态数据训练集、异常运行状态数据集; 所述正常运行状态数据训练集包括各工厂各设备的正常运行的数据;所述异常运行状态数据集包括各工厂各设备的异常运行的数据; 所述S000具体包括: S010、将所述正常运行状态数据训练集中每段时间序列的数据输入对应的高维特征获取单元中,采用MLM技术,在每次迭代中随机选择某一段时间进行掩码处理,进行模型前向预测;采用Adam优化器,重复训练多轮直至最小化MSE损失; S020、将所述正常运行状态数据训练集以及异常运行状态数据训练集中每段时间序列的数据输入对应的异常数据训练集,采用均方误差作为预测损失,交叉熵作为异常检测损失,使用Adam作为优化器,重复训练多轮直至均方误差以及交叉熵最小化。

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中控技术股份有限公司,其通讯地址为:310053 浙江省杭州市滨江区六和路309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。