LGFN多尺度异常检测网络

双空间检测工业噪声

在原始空间和潜空间同时检测，从网络自身学到的关键特征中捕捉异常。

Taoyu, Wang · Dan, Wu · 王珺 · Zhao, Jinwei · Haoming, Wang · Dongnan, Xie · Hongtao, Zhang · 75351235

Sensors 2025

参数信息

数据集数量

5

对比方法数量

5

技术优势

双空间检测

同时在原始输入空间和潜空间检测异常，利用网络学到的关键知识捕捉异常。

多尺度特征提取

采用多尺度特征提取，能够捕捉不同时间尺度上的异常模式。

空间效率高

与基于GPT-2的方法相比，记忆用量更少，适合资源受限环境。

应用场景

• 工业设备健康监测：在含噪传感器数据中检测设备异常，实现损伤监测。
• 航天器发动机监测：监测火箭发动机传感器数据中的异常。
• 风力发电机叶片监测：检测风力涡轮叶片传感器数据中的损伤。
• 航空发动机监测：监测飞机涡轮传感器数据中的异常状态。
• 传感器数据分析：从多变量时间序列传感器数据中提取多尺度特征并重建以检测异常。