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时间序列双视图成像驱动的工业控制系统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：CN121723356B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610209227.X，技术领域涉及：G06F18/2433；该发明授权时间序列双视图成像驱动的工业控制系统异常检测方法是由陈磊;徐业鹏;何庭钦;彭加奥;卢明;邹莹设计研发完成，并于2026-02-13向国家知识产权局提交的专利申请。

本时间序列双视图成像驱动的工业控制系统异常检测方法在说明书摘要公布了：本发明公开了一种时间序列双视图成像驱动的工业控制系统异常检测方法，涉及工业自动化系统状态监测技术领域，包括：为每个待检测时间点构建短视野与长视野1D序列；通过时间依赖的上下文视图成像和时间独立的数值关联视图成像，转换为2D图像，形成细粒度的时间点级双视图图像表征；构建异常检测模型的框架，通过短视野图像重构目标时间点与长视野图像重构同一时间点的对比，学习短视野—长视野模式差异作为异常判据；在多变量层面聚合模式差异，生成鲁棒的异常分数。本发明将1D时序扩展为互补的2D双视图表征，通过联合多视图学习与时间序列成像在保证时效性和资源消耗的同时提升异常检测精度，实现高精度、细粒度的时间点级异常检测。

本发明授权时间序列双视图成像驱动的工业控制系统异常检测方法在权利要求书中公布了：1.一种时间序列双视图成像驱动的工业控制系统异常检测方法，其特征在于，包括以下内容： 获取工业控制系统多传感器时间序列数据，并为待检测的每个时间点分别构建对应的短视野序列和长视野序列； 将所述短视野序列和长视野序列，分别通过时间依赖的上下文视图成像和时间独立的数值关联视图成像，将1D时间序列转换为2D图像，以形成细粒度的时间点级双视图图像表征； 构建异常检测模型的框架，基于目标时间点的短视野双视图图像和长视野双视图图像协同，通过特征提取与共享学习短视野与长视野模式之间的差异，增强异常模式的可识别性； 基于学习到的模式差异，在多变量层面进行聚合评分，生成每个时间点的鲁棒异常分数，并根据所述异常分数实现时间点级的异常检测； 构建所述短视野序列和长视野序列，以当前待判别的时间点为终止点，向历史方向截取连续的个时间点，构成时间点对应的短视野序列；以时间点为终点，向历史方向以固定间隔L进行G次采样，从而生成时间点对应的长视野序列； 采用基于双向大卷积核的特征提取器来提取2D图像中的特征，所述特征提取器采用大卷积核模拟需要学习的特征模式，所述大卷积核在短视野学习和长视野学习过程中被共享，使两个学习过程在学习同一特征模式；所述特征提取器采用双向特征提取捕获特征； 所述异常检测模型的框架由三个组件构成：时间点级双视图时间序列成像、双视图耦合的短视野—长视野对比学习和多变量联合异常评分； 所述时间点级双视图时间序列成像组件，将每个时间点对应的1D短视野与长视野序列模式，从两种视图映射为2D图像，即时间依赖的上下文视图与时间不依赖的关联性视图； 所述双视图耦合的短视野—长视野对比学习组件，通过短视野2D图像到某一时间点的重构与长视野2D图像到同一时间点的重构这两个分支间的对比学习，捕获每个时间点的短视野—长视野模式差异； 所述多变量联合异常评分组件，在所有变量上聚合短视野—长视野的模式差异，为每个时间点生成最终的异常分数。

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。