【技术实现步骤摘要】
本专利技术属于智能信号处理，具体而言，涉及利用长短时记忆网络对信号特征进行分类，可用于智能工厂中入侵设备的检出。
技术介绍
1、随着网络技术的发展和智能硬件制造成本的降低，智能制造设备如智能机械臂、网络摄像头、分布式自动控制器、人工智能质量检测设备等被广泛地应用于智能工厂中，以提高管理效率和生产质量、降低物料成本和人力开销。
2、然而，智能设备的引入也为传统制造企业带来了新的挑战。例如，被秘密放置在智能工厂中的入侵设备能够隐蔽地收集企业的机密数据，造成企业生产计划和技术的泄露；被员工意外带入生产场所的手机(此时被视为入侵设备)等设备，如不能被及时地检出，可能干扰产线上的智能制造设备，造成经济损失。因此，当前智能工厂对入侵设备的检测存在迫切的需求。
3、由于入侵设备主要通过收、发电磁波的方式对正常智能制造设备产生影响，针对入侵设备和正常智能制造设备的区分问题，其关键是区分两类设备所发射信号的特征。由于智能制造设备的生产厂家考虑到其设备的安全和知识产权因素，通常不会公布其生产的设备所发射的信号特征，故已有的方法主要采...
【技术保护点】
1.一种基于长短时记忆网络的智能工厂入侵设备检测方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的基于长短时记忆网络的智能工厂入侵设备检测方法，其特征在于，基于长短时记忆网络的神经网络的不同损失函数的作用为：lcenter使得来自同一台设备的射频信号表征聚集在一起，保证了语义空间的稀疏性；lclassify确保基于长短时记忆网络的神经网络拥有足够的分类能力；lreconstruction则强化了基于长短时记忆网络的神经网络的表征能力。
3.根据权利要求1所述的基于长短时记忆网络的智能工厂入侵设备检测方法，其特征在于，距离度量函数d(·,
...【技术特征摘要】
1.一种基于长短时记忆网络的智能工厂入侵设备检测方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的基于长短时记忆网络的智能工厂入侵设备检测方法，其特征在于，基于长短时记忆网络的神经网络的不同损失函数的作用为：lcenter使得来自同一台设备的射频信号表征聚集在一起，保证了语义空间的稀疏性；lclassify确保基于长短时记忆网络的神经网络拥有足够的分类能力；lreconstruction则强化了基于长短时记忆网络的神经网络的表征能力。
3.根据权利要求1所述的基于长短时记忆网络的智能工厂入侵设备检测方法，其特征在于，距离度量函数d(·,·)公式为：
...【专利技术属性】
技术研发人员：文思涵，孟瑜炜，滕舟斌，俞荣栋，王战，钟耀毅，周成伟，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。