CN116680639B 一种基于深度学习的深海潜水器传感器数据的异常检测方法 （山东大学）

ModelswithTransform一种基于深度学习的深海潜水器传感器数本发明涉及一种基于深度学习的深海潜水的深海潜水器的传感器数据预处理后输入训练通过权重大小从众多特征信息中选择出对当前2将待检测的深海潜水器的传感器数据预处理后输入训练好的异常检测模型中进行多小从众多特征信息中选择出对当前任务目标更为关键的信息，并通过全连接层进行分类，间步长嵌入E(t)作为输入通过多头自注意力机制层，生成下一轮训练中的时间步长嵌入E练结束后得到与时间步长t对应的噪声矩阵Xnoise(t)，训练结束后得到最终的噪声矩阵noise在每一轮的训练中，将时间步入嵌入E(t)和噪声矩阵Xnoise(T)输入32.根据权利要求1所述的一种基于深度学习的深海潜水器传感器数据的异常检测方对归一化处理后的传感器数据Xnormal(n)进行切片处理，构成m×6×6的xm为6×6的矩阵。3.根据权利要求1所述的一种基于深度学习的深海潜水器传感器数据的异常检测方使用优选后的数据矩阵X’s训练扩散模型，扩散模型时间步长t对应的高斯噪声应用到优选后的数据矩阵中，将时间步长转化为对应的时间步’训练的扩散模型将输出提取到的特征，将特征信息通过4.根据权利要求1所述的一种基于深度学习的深海潜水器传感器数据的异常检测方{xfeature0,xfeature1,…,xfeaturem}，其中xfeaturem为6×6的矩阵，对于每个切片的特征结果4MultiHead)Xfeature)，最终得到对于检测深海潜水器传感器是否存在异常现象的影响较大5.根据权利要求1_4任一所述的一种基于深度学习的深海潜水器传感器数据的异常检测方法，其特征在于，根据交叉熵损失函数计算预测噪声与实际噪声的差距，作为损失6.一种计算机设备，包括存储器和处理器，所述存储器存于，所述处理器执行所述计算机程序时实现权利要求1_5任一所述的基于深度学习的深海处理器执行时实现权利要求1_5任一所述的基于深度学习的深海潜水器传感器数据的异常5实时采集海底环境数据和潜水器状态数据，对潜水器的运行监控和故障诊断起到重要作[0004]虽然基于深度学习的载人潜水器传感器数据异常检测算法具有较强的建模能力[0011]但由于扩散模型的数学描述比较复杂，在处理高维数据6[0017]本发明利用多头自注意力机制生成随机步长，从而模拟传感器数据的变化过[0021]将待检测的深海潜水器的传感器数据预处理后输入训练好的异常检测模型中进[0027]对归一化处理后的传感器数据Xnormal(n)进行切片处理，构成m×6×6的矩阵形式78机制MultiHead(Xfeature)，最终得到对于检测深海潜水器传感器是否存在异常现象的影响器执行所述计算机程序时实现基于深度学习的深海潜水器传感器数据的异常检测方法的行时实现基于深度学习的深海潜水器传感器数据的异常检测方9[0071]图1为本发明基于深度学习的深海潜水器传感器数据的异常检测方法的流程示意[0077]将待检测的深海潜水器的传感器数据预处理后输入训练好的异常检测模型中进[0082]根据实施例1所述的一种基于深度学习的深海潜水器传感器数据的异常检测方机制MultiHead(Xfeature)，最终得到对于检测深海潜水器传感器是否存在异常现象的影响算机程序时实现实施例1或2所述基于深度学习的深海潜水器传感器数