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！

龙图腾网获悉湖南科技大学申请的专利资源受限场景下双向模糊推理的传感器信号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：CN121093237B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511639282.4，技术领域涉及：G06F18/2433；该发明授权资源受限场景下双向模糊推理的传感器信号异常检测方法是由陈磊;胡博雯;邹莹;彭加奥;卢明;何庭钦设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本资源受限场景下双向模糊推理的传感器信号异常检测方法在说明书摘要公布了：本发明公开了一种资源受限场景下双向模糊推理的传感器信号异常检测方法，及工业传感器多元信号的异常检测技术领域，所述方法制定基于“邻域‑全域”模式差异学习的异常识别机制；设计该机制引导的定制化双层Fuzzy‑KAN小体积网络；联合双向学习策略和四个并行Fuzzy‑KAN网络构建双向模糊推理异常检测模型，通过直接在Fuzzy‑KAN网络的模糊域中从“历史到未来”和“未来到历史”两个方向执行“邻域‑全域”上下文模式差异学习，在零标签下对多元传感器信号中时间点级异常进行识别。本发明异常检测方法，在资源有限的工业设备上实现高检测速度、高检测精度和低资源消耗三个目标，推动智能模型在真实工业场景中的落地应用。

本发明授权资源受限场景下双向模糊推理的传感器信号异常检测方法在权利要求书中公布了：1.一种资源受限场景下双向模糊推理的传感器信号异常检测方法，其特征在于，包括以下内容： 制定基于“邻域-全域”模式差异学习的异常识别机制； 设计异常识别机制引导的双层小体积Fuzzy-KAN网络； 联合双向学习策略和四个并行的Fuzzy-KAN网络构建双向模糊推理异常检测模型，通过在Fuzzy-KAN网络的模糊域中从“历史到未来”和“未来到历史”两个方向执行“邻域-全域”上下文模式差异学习，实现在零标签下对多元传感器信号中时间点级异常进行识别； 所述基于“邻域-全域”模式差异学习的异常识别机制，利用正常传感器信号中周期性季节性特征会驱动每个时间点的“邻域”与“全域”上下文模式相似的物理特性，为传感器信号中每个时间点生成由多个局部邻居组成的“邻域”上下文，以及由多个远距离邻居组成的“全域”上下文；通过神经网络学习两个上下文的模式差异，并将模式差异大的时间点判断为异常； 所述小体积Fuzzy-KAN网络由个输入神经元、个隐藏神经元和个输出神经元组成，其中分别表示邻域和全域上下文中的邻居数量，是模糊域中模糊集数量，输入神经元和隐藏神经元构成模糊映射层，隐藏神经元与输出神经元构成模糊推理层，模糊映射层负责将时域上下文数据转换为模糊域隶属度，模糊推理层负责进行“邻域-全域”模糊隶属度推理，学习“邻域-全域”上下文模式差异； 所述双向模糊推理异常检测模型由三个部分组成： 基于Fuzzy-KAN网络的正向对比学习，采用两个Fuzzy-KAN网络在模糊域中从“历史到未来”的正向方向上捕获每个时间点的“邻域-全域”上下文模式差异； 基于Fuzzy-KAN网络的反向对比学习，作为正向过程的补充，采用另两个Fuzzy-KAN网络在模糊域中从“未来到历史”的反向方向上捕获“邻域-全域”上下文模式差异； 双向联合异常评分，整合正向和反向的上下文模式差异，以计算每个时间点的联合异常得分。

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湖南科技大学，其通讯地址为：411201 湖南省湘潭市雨湖区石马头；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。