摘要
本发明公开了一种非侵入式异常电流检测方法,属于异常电流检测领域。本发明基于非侵入式电流传感器中收集仪器工作电流数据,通过仪器监测平台筛选原子吸收光谱仪正常状态下的数据,预处理异常数据并重构异常电流数据形成时间序列数据并特征标准化处理。建立GAN‑BiLSTM模型进行训练,最后根据理想模型对输入的电流时序数据得出基于重构误差和基于判别器输出的异常得分。最终通过融合两种异常得分情况遍历电流时序数据以阈值法来判定异常情况,并通知仪器操作人员。本发明可为光谱仪异常监测提供坚实可靠的数据保障,以助力仪器使用者更好地管理光谱仪类科研仪器。
技术关键词
电流检测方法
BiLSTM模型
重构误差
仪器设备
原子吸收光谱仪
序列
动态时间规整
生成对抗网络
算法框架
特征提取模块
标签
标准化方法
监测平台
算法模型
指数
异常数据
系统为您推荐了相关专利信息
分布式光伏
ARIMA模型
信号
识别方法
光伏系统
空天地一体化
数据收集方法
节点
联合优化算法
能耗
电流镜像电路
激光驱动器
放大器
电流检测电路
光电二极管
重构模型
并行检测方法
对象
并行计算平台
重构误差