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！

龙图腾网获悉北京交通大学;中国铁道科学研究院集团有限公司;中国铁道科学研究院集团有限公司铁道建筑研究所;中国国家铁路集团有限公司申请的专利结合先验物理信息的异常监测数据诊断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：CN120509008B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510617844.9，技术领域涉及：G06F18/27；该发明授权结合先验物理信息的异常监测数据诊断方法及系统是由蔡小培;王一;李屹洋;王璞;谢艳霞;倪一;侯博文设计研发完成，并于2025-05-14向国家知识产权局提交的专利申请。

本结合先验物理信息的异常监测数据诊断方法及系统在说明书摘要公布了：本发明提供一种结合先验物理信息的异常监测数据诊断方法及系统，属于铁路运维监测技术领域，对具有高度相关性的传感器组合，提出相关性先验假设，基于假设以固定时间窗口实时计算多传感器间相关性，判断异常；对不存在相关关系的传感器，建立基于先验物理信息的观测回归模型；结合贝叶斯理论与先验回归模型，对观测区域内异常点数目、位置进行先验假设，通过马尔科夫链采样得到可能性最高取值组合，确定异常点数目及位置。本发明基于监测数据的先验物理信息分别提出了先验相关性假定与先验物理回归模型，避免了传统异常检测算法对数据特征与分布的强依赖性，从而实现异常监测数据的快速、精准捕捉，为铁路监测系统的数据可靠性提供了有力保障。

本发明授权结合先验物理信息的异常监测数据诊断方法及系统在权利要求书中公布了：1.一种结合先验物理信息的异常监测数据诊断方法，其特征在于，包括： 对历史监测数据进行相关性计算，得到存在高度相关性的传感器组合； 对具有高度相关性的传感器组合，提出相关性先验假设，即数据异常是偶然事件，不可能出现多个传感器同时异常；基于相关性先验假设以固定时间窗口实时计算多传感器间相关性，依据计算结果判断异常； 对不存在相关关系的传感器，分析其历史监测数据典型特征，建立基于先验物理信息的观测回归模型； 结合贝叶斯理论与观测回归模型，对观测区域内异常点数目、位置进行先验假设，通过马尔科夫链采样得到可能性最高取值组合，以确定异常点数目及位置；其中， 搜集历史监测数据，根据传感器序号记录为；自开始计算每个传感器与其他所有传感器观测数据的相关性，记录为，保留每个传感器与其他传感器相关性最高的组合，记录为；将满足高度相关的组合纳入高度相关传感器组合，即为，不具备高度相关性的传感器记录为；对于不具备高度相关性的传感器，对其历史数据进行时、频域分析，明确其周期性特征，建立基于先验物理信息的观测回归模型： ； 其中，代表回归误差，、分别代表特定周期成分的频率与相位信息，为对应周期成分下的回归系数，M为对观测值Y具有显著影响的成分数量； 根据频域信号，确定其主要波长成分数目及取值，并为避免求解相位信息，利用三角函数对上式转化为正余弦分量之和： ； 其中，波长成分为先验分析确定，其他误差项及系数初始值取为1，随后在实测数据基础上对初始参数进行动态改进，使回归模型更好拟合观测序Y； 基于先验回归模型，计算总长度为N的监测数据在其子集上的似然概率，即： ； 监测数据的实际观测值恰好取为预测值的联合概率；假设其中存在K个位置变点，并记录变点位置为，则在变点数目与位置的先验条件下，似然概率为： ； 当观测监测数据出现K次状态变化，且对应变化时刻为的前提下，得到实际观测值恰好取为预测值的联合概率； 结合贝叶斯推断理论，获取变点数量K及变点位置后验概率，并通过重复采样确定其最为可能的组合： ； 式中，即为，，分别代表对变点数量及变点位置概率密度的先验估计，通过马尔科夫链采样，得到K可能性最高的取值，当K相较于上一个观测时刻增加时，则认为最新观测位置为检出的新变点，即此时出现了传感器异常。

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北京交通大学;中国铁道科学研究院集团有限公司;中国铁道科学研究院集团有限公司铁道建筑研究所;中国国家铁路集团有限公司，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。

以上内容由龙图腾AI智能生成。