一种基于神经网络的工控数据异常的自学习检测系统

    公开(公告)号:CN119717550A

    公开(公告)日:2025-03-28

    申请号:CN202510229216.3

    申请日:2025-02-28

    Inventor: 公备 龚沫薇

    Abstract: 本发明涉及自学习检测领域,尤其涉及一种基于神经网络的工控数据异常的自学习检测系统,包括:连续命令模块,用以间隔预设时间对工控系统发送运行命令,数据收集模块,用以收集工控系统的实时工控数据,异常预测模块,用以选取若干学习特征,对实时工控数据进行预处理,并利用神经网络模型对工控预处理数据进行学习,生成对应的异常可能性预测图,故障调节模块,用以将异常可能性预测图中的可能性数值与异常可能性阈值进行比较,当故障调节模块判定工控数据异常时,对机床异常轴进行定位,实现了从数据采集到异常检测和故障定位的全流程自动化,不仅提高了异常检测的精度和效率,还通过自学习功能不断优化检测模型,适应工控系统的动态变化。

    一种基于可信度量的无线传感网络安全防护方法

    公开(公告)号:CN118042467A

    公开(公告)日:2024-05-14

    申请号:CN202410051270.9

    申请日:2024-01-11

    Inventor: 公备 刘航嘉

    Abstract: 一种基于可信度量的无线传感网络安全防护方法涉及恶意节点识别领域。综合可信度量包括静态可信度量、动态可信度量并分别根据节点的能量状态和历史信息完成对节点的能量度量和有效性行度量。利用逻辑分组实现的可信判定方法,首先根据第一次的度量结果对整个网络进行逻辑分组,根据不同的信息采集节点的基本状态实现逻辑上的分组,保证了该网络在有新节点加入时不必再进行所有节点的度量,减少了重复度量过程,实现了能量损耗的降低。通过两种方案的结合,能够有效的完成对无线传感网络中节点的可信判定,保持无线传感网络的可靠运行。本发明能够减少恶意节点与不可靠节点对无线传感网络造成的不良影响,实现对无线传感网络的安全防护。

Patent Agency Ranking