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！

龙图腾网获悉浙江文谷科技有限公司申请的专利一种基于周期性数据的设备异常智能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：CN120045942B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510511440.1，技术领域涉及：G06F18/214；该发明授权一种基于周期性数据的设备异常智能检测方法是由董海波;石力铭;董依菡;叶凯文;汪枭凤设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种基于周期性数据的设备异常智能检测方法在说明书摘要公布了：本发明涉及一种基于周期性数据的设备异常智能检测方法，包括：获取设备运行过程中的三相电力信号；对三相电力信号进行处理后得到单一综合时序信号；构建状态机，并结合滑动窗口技术得到周期性数据集合；对每个周期性数据的时间轴进行时间对齐，并获取其对应的离散化时间序列；将每个周期性数据的离散化时间序列输入到统计模型中进行初筛，判断出所述的周期性数据为正常周期或异常周期，将得到的正常周期输入到无监督TadGAN模型中进行训练；实时采集待检测的三相电力信号，输入到训练后的无监督TadGAN模型中进行异常检测；该方法能够精准提取周期性数据，避免因瞬时噪声或负载波动导致误判，并且提高了无监督TadGAN模型进行异常判断的精准率。

本发明授权一种基于周期性数据的设备异常智能检测方法在权利要求书中公布了：1.一种基于周期性数据的设备异常智能检测方法，其特征在于：包括下列步骤： S1、获取设备运行过程中的三相电力信号，其数据格式包含时间戳； S2、对所述的三相电力信号进行预处理，然后按时间戳加权融合为单一综合时序信号； S3、构建状态机，并结合滑动窗口技术判断出所述单一综合时序信号中的加工起始点和加工结束点；其中，一个加工起始点与对应的加工结束点构成的时间区间为设备的一个工作区间；从单一综合时序信号中截取每一个工作区间对应的数据段，得到周期性数据集合； S4、对每个周期性数据的时间轴进行时间对齐，将每个周期性数据对齐后的时间轴离散化为N个等间隔区间，并对每个等间隔区间内的信号值进行均值重采样，得到每个周期性数据对应的离散化时间序列； S5、将每个离散化时间序列输入到统计模型中进行初筛，判断出所述周期性数据为正常周期或异常周期； S6、将步骤S5得到的正常周期输入无监督TadGAN模型进行训练，得到训练后的无监督TadGAN模型； S7、实时采集待检测的三相电力信号，按照步骤S2~S3的方式获得其待检测的周期性数据集合，并输入到训练后的无监督TadGAN模型中进行计算后输出正常标签或异常标签；根据所述标签，采用异常状态判断策略对设备的加工状态进行判断; 其中，所述的将每个离散化时间序列输入到统计模型中进行初筛的具体过程为： S5.1、针对每个周期性数据，预设高风险时段，该时段对应设备高负载切削操作； S5.2、定义正常范围值F：；其中，表示设备在正常运行状态下采集的三相电力信号的均值，表示设备在正常运行状态下采集的三相电力信号的标准差，表示可调节的倍数因子； S5.3、将每个所述的周期性数据的离散化时间序列依次与正常范围值F进行对比，若大于或等于所述的正常范围值F，则标记为异常点，若小于所述的正常范围值F，则标记为正常点； S5.4、根据步骤S5.3标记得到的异常点，计算每个周期性数据对应的高风险时段的异常率，若高风险时段的异常率大于或等于设定的第二阈值，则直接判定为异常周期，若高风险时段的异常率小于设定的第二阈值，则进一步计算高风险时段对应的周期性数据的异常率；所述的计算每个周期性数据对应的高风险时段的异常率的具体表达式为：；其中，表示高风险时段的异常点数量；b表示高风险时段的结束时间点的标准化时间标签的索引，a表示高风险时段的结束时间点的标准化时间标签的索引； S5.5、若高风险时段对应的周期性数据的异常率大于或等于第三阈值，则判定为异常周期，若高风险时段对应的周期性数据的异常率小于第三阈值，则判定为正常周期； 计算所述的高风险时段对应的周期性数据的异常率的具体表达式为：；其中，表示周期性数据的异常点数量；d表示高风险时段对应的周期性数据的加工结束点的标准化时间标签的索引；c表示高风险时段对应的周期性数据的加工起始点的标准化时间标签的索引。

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浙江文谷科技有限公司，其通讯地址为：315192 浙江省宁波市鄞州区宁南北路808号慧和大厦3楼；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”。