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！

龙图腾网获悉西安电子科技大学青岛计算技术研究院申请的专利针对工业时序数据的异常检测以及根因分析方法及系统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：CN116611013B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202310400156.8，技术领域涉及：G06F18/2433；该发明授权针对工业时序数据的异常检测以及根因分析方法及系统是由沈玉龙;杨佳辉;贾军超;张琛;李琳;光宇;杜志雄;赵双睿;王建东设计研发完成，并于2023-04-14向国家知识产权局提交的专利申请。

本针对工业时序数据的异常检测以及根因分析方法及系统在说明书摘要公布了：本发明属于工业设备多维时序数据异常检测技术领域，公开了一种针对工业设备的异常检测以及根因分析方法、系统及终端，利用多通道变分长短期推断网络对工业设备的历史数据进行预处理；构建神经网络模型并将预处理后的数据传入神经网络模型，对神经网络模型进行训练；利用训练好的神经网络模型对工业设备的多维时序数据进行在线检测，实时检测设备运行状态，对异常点进行根因分析和告警通知，从多维度数据中定位发生异常的指标。本发明将异常检测和根因分析模块融入物联网平台，给物联网平台赋能，可以快速实时接入大型设备的状态而且还能对设备进行智能监控，实时检测设备运行是否异常并对其异常进行根因分析，减少人力分析成本提升企业效益。

本发明授权针对工业时序数据的异常检测以及根因分析方法及系统在权利要求书中公布了：1.一种针对工业多维时序数据的异常检测以及根因分析方法，其特征在于，包括： 通过数据预处理模块对数据进行标准化处理以及滑动窗口处理；构建神经网络模型并将预处理后的数据传入神经网络模型，对神经网络模型进行训练；利用训练好的神经网络模型对工业设备的多维时序数据进行在线检测，实时检测设备运行状态，并对异常点进行根因分析和告警通知，进而从多维度数据中定位发生异常的指标； 所述方法具体包括以下步骤： 步骤一，为了统一的表达各个传感器数值，使用最大最小归一化处理数据,并使用滑动窗口和掩码对多维时序数据进行增强，抗击网络波动和工业噪声； 步骤二，利用基于注意力机制的层次变分自编码器神经网络对多维时序数据进行数据重构； 步骤三，利用多维度重构残差矩阵计算异常分数； 步骤四，利用极值理论自动设定异常阈值； 步骤五，计算实时在线数据的异常分数，与阈值进行对比，得到异常结果进行根因分析；多维时序数据异常检测包括： 1sensor→rowdata，传感器通过不同的物联网协议mqtt、ModbusTcp或nb-iot上传数据给物联网平台的不同协议解析层，得到未处理的数据rowdata； 2rowdata→msg{"hum":10,"at":16710046,"sn":"1028"}：协议适配层将rowdata转化为内部可识别的三重结构；其中，场景号sn代表设备，node代表采集卡，attribute代表传感器数据，at代表时间戳上传到消息队列中； 3msg→influxdb，物联网平台的datacenter数据处理模块对msg数据进行清理，校验后存储进各种数据库，数据库包括时序数据库或文档性数据库； 4influxdb→tensorX：将时序数据库中的数据通过预处理形成一个模型可处理的二维张量； 5tensorX→X‘，tensorX经过多通道变分长短期网络和生成网络获得重构矩阵，利用重构矩阵检测设备是否正常运行； 6Xres←||X-X'||2：利用Xres残差矩阵获得偏移值大小，通过不同的方法对偏移值进行度量得到指标是否产生异常；融合导数矩阵获得指标异常分数，获取异常分数最大的指标对设备异常进行根因分析，得到根因分析结果； 7SendInfos,d,title,subject,content：s代表发送消息的原地址，d表示目的地址，title表示标题，subject代表主题，content代表具体内容；当物联网平台检测出异常情况时发送通知给设备管理人员，对异常进行处理； 8Updatename,phone,subject,content,deviceid：name表示设备维修人员名字，phone代表电话，subject代表主题，content代表维修内容，deviceid代表设备id；当设备维修人员维修好设备后上报设备故障原因，以及是否误报，供产生同样的异常信息后进行查看。

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西安电子科技大学青岛计算技术研究院，其通讯地址为：266000 山东省青岛市城阳区春阳路88号天安数码城28、29号楼；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”。