异常信号检测方法及系统技术方案

本发明专利技术实施例提供了一种异常信号检测方法及系统，对初始源信号数据的信号时序特征进行解析，生成初始源信号数据的循环时序参数，同时输出初始源信号数据的目标源信号数据；对于目标源信号数据中去噪的源信号数据分片，输出源信号数据分片的前向信号频域特征和后向信号频域特征的目标信号去噪节点，并将源信号数据分片的前向信号频域特征和后向信号频域特征输入信号去噪网络中进行去噪，生成源信号数据分片的待检测信号特征数据；获取异常信号检测网络，并加载待检测信号特征数据到异常信号检测网络，生成异常信号检测数据；由此提高后续对异常信号检测的准确性。后续对异常信号检测的准确性。后续对异常信号检测的准确性。

【技术实现步骤摘要】
异常信号检测方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种异常信号检测方法及系统。

技术介绍

[0002]现实中复杂的机器设备越来越广泛地应用于生产、生活和科学研究等各个领域，然而，这些设备在长时间运行后往往会出现各种异常信号数据，异常信号数据的出现往往预示着机器设备的信号控制源可能出现问题，因此在实际应用过程中需要加强对信号控制源的异常信号检测，如何提高对异常信号检测的准确性，是所属
亟待解决的技术问题。

技术实现思路

[0003]有鉴于此，本专利技术实施例的目的在于提供一种异常信号检测方法及系统，对初始源信号数据的信号时序特征进行解析，生成初始源信号数据的循环时序参数，同时输出初始源信号数据的目标源信号数据；对于目标源信号数据中去噪的源信号数据分片，输出源信号数据分片的前向信号频域特征和后向信号频域特征的目标信号去噪节点，并将源信号数据分片的前向信号频域特征和后向信号频域特征输入信号去噪网络中进行去噪，生成源信号数据分片的待检测信号特征数据；获取异常信号检测网络，并加载待检测信号特征数据到异常信号检测网络，生成异常信号检测数据；由此提高后续对异常信号检测的准确性。
[0004]依据本专利技术实施例的一个方面，提供一种异常信号检测方法及系统，所述方法包括：
[0005]对初始源信号数据的信号时序特征进行解析，生成所述初始源信号数据的循环时序参数，并依据循环时序参数，输出所述初始源信号数据的目标源信号数据；
[0006]对于所述目标源信号数据中去噪的源信号数据分片，输出所述源信号数据分片的前向信号频域特征和后向信号频域特征的目标信号去噪节点，所述目标信号去噪节点是依据解析信号时序特征或依据K种信号去噪节点的去噪代价值生成的；
[0007]依据所述目标信号去噪节点，将所述源信号数据分片的前向信号频域特征和后向信号频域特征输入信号去噪网络中进行去噪，生成所述源信号数据分片的待检测信号特征数据；所述去噪代价值包括第一去噪代价值，所述目标信号去噪节点是依据所述K种信号去噪节点中每一种信号去噪节点的第一去噪代价值生成的，所述信号去噪节点的第一去噪代价值是依据所述信号去噪节点，将所述源信号数据分片的前向信号频域特征和后向信号频域特征加载到所述信号去噪网络中进行去噪时获得的去噪代价值；其中，所述目标信号去噪节点为所述K种信号去噪节点中第一去噪代价值最小的一种信号去噪节点；
[0008]获取异常信号检测网络，并加载所述待检测信号特征数据到所述异常信号检测网络，生成异常信号检测数据；其中，所述异常信号检测网络是依据目标异常行为知识参数对初始化异常信号检测网络进行网络权重参数优化后生成的；所述初始化异常信号检测网络是网络结构为支持向量机网络结构的初始化机器学习网络。
[0009]一种可替代的实施方式中，所述去噪代价值包括第二去噪代价值，所述确定所述源信号数据分片的前向信号频域特征和后向信号频域特征的目标信号去噪节点，包括：
[0010]确定所述源信号数据分片的已去噪数据段；
[0011]对于所述K种信号去噪节点中的第f种信号去噪节点，依据所述第f种信号去噪节点，将所述已去噪数据段的前向信号频域特征和后向信号频域特征，加载到所述信号去噪网络中进行去噪，生成所述已去噪数据段的第f个去噪后的值；
[0012]依据所述第f个去噪后的值和所述已去噪数据段，输出所述第f个第二去噪代价值，所述f为不大于于K的正整数；
[0013]将所述K种信号去噪节点中第二去噪代价值最小的一种信号去噪节点，输出为所述目标信号去噪节点。
[0014]一种可替代的实施方式中，所述异常信号检测网络由编码器和解码器组成，所述加载所述待检测信号特征数据到所述异常信号检测网络，生成异常信号检测数据，包括：
[0015]加载所述待检测信号特征数据到所述编码器，生成编码矢量；
[0016]加载所述编码矢量到所述解码器，生成异常信号检测数据。
[0017]一种可替代的实施方式中，所述加载所述待检测信号特征数据到所述异常信号检测网络，生成异常信号检测数据之后，包括：
[0018]间隔目标时长，获取信号更新特征数据序列；
[0019]依据所述信号更新特征数据序列，更新所述异常信号检测网络。
[0020]一种可替代的实施方式中，所述获取异常信号检测网络之前，包括：
[0021]获取目标异常行为知识参数和初始化异常信号检测网络；依据所述目标异常行为知识参数对所述初始化异常信号检测网络进行网络权重参数优化，生成网络权重参数优化后的初始化异常信号检测网络，并确定所述网络权重参数优化后的初始化异常信号检测网络是否满足目标终止训练条件；
[0022]根据所述网络权重参数优化后的初始化异常信号检测网络满足所述目标终止训练条件，则将所述网络权重参数优化后的初始化异常信号检测网络作为所述异常信号检测网络；
[0023]根据所述网络权重参数优化后的初始化异常信号检测网络未满足所述终止训练条件，则返回依据所述目标异常行为知识参数对所述初始化异常信号检测网络进行网络权重参数优化步骤，直到所述网络权重参数优化后的初始化异常信号检测网络满足所述终止训练条件。
[0024]一种可替代的实施方式中，所述异常信号检测数据至少包括异常信号标签分布，所述加载所述待检测信号特征数据到所述异常信号检测网络，生成异常信号检测数据之后，还包括：
[0025]依据所述异常信号标签分布和目标异常信号优化库，确定目标异常信号优化策略；
[0026]基于所述目标异常信号优化策略优化所述待检测信号特征数据所对应的信号控制源。
[0027]一种可替代的实施方式中，所述依据所述异常信号标签分布和目标异常信号优化库，确定目标异常信号优化策略之前，包括：
[0028]获取知识特征库，并依据所述知识特征库，构建目标异常信号优化策略与异常信号标签分布之间的目标异常信号优化库，其中，所述目标异常信号优化策略完全由所述知识特征库提供和/或从所述知识特征库中截取。
[0029]一种可替代的实施方式中，所述依据所述异常信号标签分布和目标异常信号优化库，确定目标异常信号优化策略之前，还包括：
[0030]构建目标异常信号优化库的格式模板；
[0031]接收所述格式模板的加载数据，其中，所述加载数据包括异常信号标签分布和所述异常信号标签分布对应的目标异常信号优化策略；
[0032]提取所述加载数据到所述格式模板，生成所述目标异常信号优化库。
[0033]依据本专利技术实施例的另一方面，提供一种异常信号检测方法及系统，所述系统包括：
[0034]解析单元，用于对初始源信号数据的信号时序特征进行解析，生成所述初始源信号数据的循环时序参数，并依据循环时序参数，输出所述初始源信号数据的目标源信号数据；
[0035]输出单元，用于对于所述目标源信号数据中去噪的源信号数据分片，输出所述源信号数据分片的前向信号频域特征和后向信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常信号检测方法，其特征在于，所述方法包括：对初始源信号数据的信号时序特征进行解析，生成所述初始源信号数据的循环时序参数，并依据循环时序参数，输出所述初始源信号数据的目标源信号数据；对于所述目标源信号数据中去噪的源信号数据分片，输出所述源信号数据分片的前向信号频域特征和后向信号频域特征的目标信号去噪节点，所述目标信号去噪节点是依据解析信号时序特征或依据K种信号去噪节点的去噪代价值生成的；依据所述目标信号去噪节点，将所述源信号数据分片的前向信号频域特征和后向信号频域特征输入信号去噪网络中进行去噪，生成所述源信号数据分片的待检测信号特征数据；所述去噪代价值包括第一去噪代价值，所述目标信号去噪节点是依据所述K种信号去噪节点中每一种信号去噪节点的第一去噪代价值生成的，所述信号去噪节点的第一去噪代价值是依据所述信号去噪节点，将所述源信号数据分片的前向信号频域特征和后向信号频域特征加载到所述信号去噪网络中进行去噪时获得的去噪代价值；其中，所述目标信号去噪节点为所述K种信号去噪节点中第一去噪代价值最小的一种信号去噪节点；获取异常信号检测网络，并加载所述待检测信号特征数据到所述异常信号检测网络，生成异常信号检测数据；其中，所述异常信号检测网络是依据目标异常行为知识参数对初始化异常信号检测网络进行网络权重参数优化后生成的；所述初始化异常信号检测网络是网络结构为支持向量机网络结构的初始化机器学习网络。2.根据权利要求1所述的异常信号检测方法，其特征在于，所述去噪代价值包括第二去噪代价值，所述确定所述源信号数据分片的前向信号频域特征和后向信号频域特征的目标信号去噪节点，包括：确定所述源信号数据分片的已去噪数据段；对于所述K种信号去噪节点中的第f种信号去噪节点，依据所述第f种信号去噪节点，将所述已去噪数据段的前向信号频域特征和后向信号频域特征，加载到所述信号去噪网络中进行去噪，生成所述已去噪数据段的第f个去噪后的值；依据所述第f个去噪后的值和所述已去噪数据段，输出所述第f个第二去噪代价值，所述f为不大于于K的正整数；将所述K种信号去噪节点中第二去噪代价值最小的一种信号去噪节点，输出为所述目标信号去噪节点。3.根据权利要求1所述的异常信号检测方法，其特征在于，所述异常信号检测网络由编码器和解码器组成，所述加载所述待检测信号特征数据到所述异常信号检测网络，生成异常信号检测数据，包括：加载所述待检测信号特征数据到所述编码器，生成编码矢量；加载所述编码矢量到所述解码器，生成异常信号检测数据。4.根据权利要求1所述的异常信号检测方法，其特征在于，所述加载所述待检测信号特征数据到所述异常信号检测网络，生成异常信号检测数据之后，包括：间隔目标时长，获取信号更新特征数据序列；依据所述信号更新特征数据序列，更新所述异常信号检测网络。5.根据权利要求1所述的异常信号检测方法，其特征在于，所述获取异常信号检测网络之前，包括：
获取目标异常行为知识参数和初始化异常信号检测网络；依据所述目标异常行为知识参数对所述初始化异常信号检测网络进行网络权重参数优化，生成网络权重参数优化后的初始化异常信号检测网络，并确定所述网络权重参数优化后的初始化异常信号检测网络是否满足目标终止训练条件；根据所述网络权重参数优化后的初始化异常信号检测网络满足所述目标终止训练条件，则将所述网络权重参...

【专利技术属性】
技术研发人员：李军，王荣付，
申请(专利权)人：杭州圣娱科技有限公司，
类型：发明
国别省市：