CN115438452B - 一种时序网络信号的可靠性传输检测方法 - Google Patents

一种时序网络信号的可靠性传输检测方法 Download PDF

Info

Publication number
CN115438452B
CN115438452B CN202211169209.1A CN202211169209A CN115438452B CN 115438452 B CN115438452 B CN 115438452B CN 202211169209 A CN202211169209 A CN 202211169209A CN 115438452 B CN115438452 B CN 115438452B
Authority
CN
China
Prior art keywords
data
time
time window
data point
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211169209.1A
Other languages
English (en)
Other versions
CN115438452A (zh
Inventor
佟星
宁宝玲
刘显敏
王挺
李栋
曾鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Institute of Automation of CAS
Original Assignee
Shenyang Institute of Automation of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang Institute of Automation of CAS filed Critical Shenyang Institute of Automation of CAS
Priority to CN202211169209.1A priority Critical patent/CN115438452B/zh
Publication of CN115438452A publication Critical patent/CN115438452A/zh
Application granted granted Critical
Publication of CN115438452B publication Critical patent/CN115438452B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Maintenance And Management Of Digital Transmission (AREA)

Abstract

本发明涉及一种时序网络信号的可靠性传输检测方法，对于任意长度的网络时序信号，通过时间窗口对按照时间顺序进入时间窗口的数据点进行异常判定。本发明基于历史数据的整体统计特征，因此必须进行线下运算，无法实现异常点的实时检测，同时，由于通过统计特征的计算，只能给出异常点可能出现的时间段，无法识别出具体发生的时间点。本发明引入时间窗口概念，实时计算进入时间窗口的点位数据，因此具备实时性和准确预测时间点的特性。

Description

一种时序网络信号的可靠性传输检测方法
技术领域
本发明涉及了一种时序网络信号的可靠性传输的检测方法，属于工业智能制造领域。
背景技术
工业领域的数据全部是带有时间戳的时序数据，从设备端发出，经过边缘端处理，在云端汇集；基于工业互联网大背景时代下的90％以上的应用全部基于此流程，所以时序数据分析在工业领域有极其重大的推广意义。
其中时序信号在网络传播过程中，由于传感器数据源、介质不稳定等原因造成数据超出正常阈值范围，则此数据被称为异常数据。异常数据在时间段范围内随机出现或连续出现，这给计算机后续处理该时序信号造成了很大的困难，因此需要对该时序信号进行异常点的检测，并过滤掉这些异常点。
在智能制造领域时序信号中异常点的检测问题时常发生，例如在电阻点焊过程中，由于焊接电流过大造成的过烧现象，在焊接时序数据中对应过烧的数据离群点；又例如在电机轴承故障检测过程中，通过振动传感器获取轴承的振动信号，通过识别振动信号的异常点从而判别电机的工作状态是否异常。
传统时序网络信号可靠性传输异常数据检测方法采用统计学方法计算时序数据曲线的平均值、裕度等统计特征，从而识别出数据中异常点；该方法基于历史数据的整体统计特征，因此必须进行线下运算，无法实现异常点的实时检测，同时，由于通过统计特征的计算，只能给出异常点可能出现的时间段，无法识别出具体发生的时间点。
发明内容
本发明提出一种时序网络信号的可靠性传输的检测方法，可运行于任意长度的网络时序信号上，在时序信号之上定义时间窗口，按照时间顺序进入时间窗口的数据点可进行异常判定，如果数据点的加入很大程度上改变了整个时间窗口的数据特征，那么则判定为异常点；该方法针对时序信号的产生可实时进行检测，同时定位出具体异常点。
本发明采用技术方案如下：一种时序网络信号的可靠性传输检测方法，对于任意长度的网络时序信号，通过时间窗口对按照时间顺序进入时间窗口的数据点进行异常判定，包括以下步骤：
1)从时序信号序列中读取数据点；
2)判断数据点是否超出阈值；
若是，则认定数据点为异常点；否则，执行下一步骤；
3)判断数据点是否为0值；
如果为0值，则直接认定数据点为异常点；否则，执行下一步骤；
4)判断时间窗口的大小是否小于时间窗口长度L；
若是，则直接将数据点加入到时间窗口中；否则，将时间窗口中最早入队的数据点取出，然后将该数据点加入到时间窗口中最末位置；
5)获取时间窗口的置信半径；
如果时间窗口的置信半径小于阈值t1、并且当前置信半径与上次迭代的置信半径之差小于阈值t2，则判定数据点为正常点；否则，判定数据点为异常点；
6)判断数据点的序列位置是否小于时序信号序列中数据点个数N；如果小于，则返回步骤1)进行下一次迭代以判断下一个数据点；否则，结束检测。
所述时序信号序列为物联网传感器以时间顺序发出的数据点的有序集合；所述有序集合为至少一个数据维度的有序集合。
所述0值为时序信号在以太网传播过程中出现的空值，表示该时刻没有值。
所述时间窗口为包含L个数据点的时间序列，表示时序信号序列的子集。
所述置信区间半径为
Figure BDA0003862830170000021
Figure BDA0003862830170000022
Figure BDA0003862830170000023
ri,j表示第i个数据维度第j个数据点的置信区间半径，
Figure BDA0003862830170000024
分别表示第i个数据维度第j个数据点的置信区间的上限和下限，μi,j和σi,j分别表示第i个数据维度第j个数据点的时间窗口内数据的均值和均方差，所述时间窗口内数据分布满足随机变量Z～N(0,1)分布，α为置信水平，Zα/2为参数，通过查询概率表得到，L表示时间窗口大小。
所述μi,j和σi,j由上一次的迭代结果得到：
Figure BDA0003862830170000025
Figure BDA0003862830170000026
和σi,j分别表示第i个数据维度第j个数据点的时间窗口内数据的均值和均方差，L表示时间窗口大小，xi,j*w+L为第i个数据维度第j*w+L个数据点的值。
一种时序网络信号的可靠性传输检测系统，用于对于任意长度的网络时序信号，通过时间窗口对按照时间顺序进入时间窗口的数据点进行异常判定，包括：
时序信号序列读取模块，用于从时序信号序列中读取数据点；
数据点判断模块，用于判断数据点是否超出阈值；若是，则认定数据点为异常点；判断数据点是否为0值；如果为0值，则直接认定数据点为异常点；
时间窗口判断模块，用于判断时间窗口的大小是否小于时间窗口长度L；若是，则直接将数据点加入到时间窗口中；否则，将时间窗口中最早入队的数据点取出，然后将该数据点加入到时间窗口中最末位置；
时间窗口检测模块，用于获取时间窗口的置信半径；如果时间窗口的置信半径小于阈值t1、并且当前置信半径与上次迭代的置信半径之差小于阈值t2，则判定数据点为正常点；否则，判定数据点为异常点；判断数据点的序列位置是否小于时序信号序列中数据点个数N；如果小于，则进行下一次迭代以判断下一个数据点；否则，结束检测。
一种时序网络信号的可靠性传输检测装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现所述的一种时序网络信号的可靠性传输检测方法。
一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现所述的一种时序网络信号的可靠性传输检测方法。
本发明具有以下有益效果和优点：
1.本发明时间复杂度较低，可实时应用在时序信号获取过程中，即每当系统获取到一个时序信号时，就可以更新时间窗口并计算置信区间半径；同时，第一时间定位到异常点的所在。
2.本发明引入时间窗口概念，实时计算进入时间窗口的点位数据，因此具备实时性和准确预测时间点的特性。
3.本发明的均值μi,j+1使用上次迭代的μi,j加上步长改变量计算，均方差σi,j同样使用上次迭代的平方和累积量进行计算，因为W<<L<<N，所以整个算法最费时的均值和方差的计算的时间复杂度降为O(1),传统方法为O(L)，因此整个时间窗算法的时间复杂度由O(N*L)下降为O(N)。
附图说明
图1是本发明的整体示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
在智能制造领域中，时序信号序列可以为在电阻点焊过程中的时序数据，也可以为在电机轴承故障检测过程中，通过振动传感器获取轴承的振动信号的传感器数据。
首先给出时序信号异常检测问题的相关描述，时序信号序列定义为：
X＝<x1,x2,..xi...xN>
其中，xi代表时刻i时序信号的值，那么时序信号序列X为N个xi构成的队列，时刻的间隔可不同，但xi时间上早于xi+1发生。
下面给出时间窗口的定义：
X’＝<xi,xi+1,xi+L>
其中，L为时间窗口的长度，也就是时间窗口包含的时序信号个数，L<<N，X’包含于X。
下面给出时间窗口置信半径的定义：
公式1：
Figure BDA0003862830170000031
Figure BDA0003862830170000041
Figure BDA0003862830170000042
Figure BDA0003862830170000043
Figure BDA0003862830170000044
其中，ri，j表示第i个数据维度第j个数据点的置信区间半径，
Figure BDA0003862830170000045
分别表示置信区间的上限和下限，μi,j和σi,j表示窗口内数据的均值和均方差，时间窗口内数据的分布满足随机变量Z～N(0,1)分布，α为置信水平(取0.05)，Zα/2通过查询标准正太分布概率表得来，查表得Zα/2＝1.96。
均值μi,j使用上次迭代的μi,j-1加上步长改变量计算，W为时间窗口的移动步长；均方差σi,j使用上次迭代的平方和累积量进行计算，因为W<<L<<N，所以整个算法最费时的均值和方差的计算的时间复杂度降为O(1),传统方法为O(L)，因此整个时间窗算法的时间复杂度由O(N*L)下降为O(N)。
如图1所示，整个检测方法分为七个步骤，首先在时序信号序列X中读取xi的值，判断其是否越限，是否为0值；然后判断时间窗口x’是否已满，不满则将xi加入到时间窗口x’中，满则先执行出队列操作，然后再将xi入队；其次，计算更新后的时间窗口的置信半径r，当r小于阈值时，则判定xi为正常点，反之xi为异常点；最后判断xi是否为x中最后一个数据点，不是则重复此循环；其中，具体步骤如下所述。
步骤1：从内存中读取xi的值；
步骤2：判断xi是否超出阈值，其中该阈值为时序信号所属领域的经验值，超出阈值范围，则直接认定xi为异常点；
步骤3：判断xi是否为0值，如果为0值则直接认定xi为异常点；
步骤4：判断时间窗口的大小是否小于L，如果小于L则直接将xi加入到时间窗口中，反之，将时间窗口中最早入队的数据点取出，然后将xi加入到时间窗口中；
步骤5：计算时间窗口的置信半径r，按照公式1；
步骤6：如果r的值小于阈值t1，并且r-rold小于阈值t2，则判定xi为正常点，反之，判定xi为异常点；传统方法为r大于固定的阈值t1，则判定为异常点，这样算法会过度依赖阈值t1，造成会把正常数据误判为异常数据，新的判定条件根据上次迭代的半径rold进行判定，避免了这种情况发生，从而大大提升了算法准确率；
步骤7：判断i是否小于N，如果小于，则从步骤1开始循环执行，反之，则结束方法。
本发明的实施通过软件实现，软件系统采用JAVA编程语言，计算部分采用PYTHON语言，计算部分每次计算出置信半径后将结果返回给软件主程序。其中整套软件的运行环境环境包含两部分，一部分为软件运行环境，一部分为时序数据的模拟发生器；
软件运行环境：CPU：Intel Core i7，内存：16GB，硬盘空间：500GB，操作系统：Ubuntu 18.04，支撑软件：JDK1.8，PYTHON3.6.2；
时序异常数据模拟发生器运行环境：CPU：Intel Core i7，内存：8GB，硬盘空间：500GB，操作系统：Ubuntu 18.04，支撑软件：Modbus模拟器。
其中，模拟器端采用工业中常用的Modbus通讯协议，模拟器与时序分析软件服务器采用标准以太网连接。在模拟器端，模拟正常数据发送，并随机加入离散和连续的异常点。在一定数值范围内的数据称为正常点，超出正常数值范围一定距离的点、严重偏离数值范围的点以及0值点，均为异常点。正常点和异常点均采用Modbus模拟器通过以太网直接模拟发出。
其中，软件端首先对Modbus协议模拟数据进行解析，一旦数据超出阈值或者为0值则直接判定为异常数据；然后在内存中建立队列数据结构，每解析完成一个数据就将其放入队列中，队列长度一旦达到最大长度，则先执行出队操作；其次对整个队列执行置信区间半径的计算，PYTHON和JAVA两种编程环境采用共享内存的形式进行交互，PYTHON将计算结果反馈给软件端，软件端判定该值是否小于人工经验阈值，不满足则判定为异常点；循环执行此过程，直到时序数据全部判断完成。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (8)

1.一种时序网络信号的可靠性传输检测方法，其特征在于，对于任意长度的网络时序信号，通过时间窗口对按照时间顺序进入时间窗口的数据点进行异常判定，包括以下步骤：
1)从时序信号序列中读取数据点；
2)判断数据点是否超出阈值；
若是，则认定数据点为异常点；否则，执行下一步骤；
3)判断数据点是否为0值；
如果为0值，则直接认定数据点为异常点；否则，执行下一步骤；
4)判断时间窗口的大小是否小于时间窗口长度L；
若是，则直接将数据点加入到时间窗口中；否则，将时间窗口中最早入队的数据点取出，然后将该数据点加入到时间窗口中最末位置；
5)获取时间窗口的置信半径；
如果时间窗口的置信半径小于阈值t1、并且当前置信半径与上次迭代的置信半径之差小于阈值t2，则判定数据点为正常点；否则，判定数据点为异常点；
6)判断数据点的序列位置是否小于时序信号序列中数据点个数N；如果小于，则返回步骤1)进行下一次迭代以判断下一个数据点；否则，结束检测；
置信区间半径为
Figure QLYQS_1
Figure QLYQS_2
Figure QLYQS_3
ri,j表示第i个数据维度第j个数据点的置信区间半径，
Figure QLYQS_4
分别表示第i个数据维度第j个数据点的置信区间的上限和下限，μi,j和σi,j分别表示第i个数据维度第j个数据点的时间窗口内数据的均值和均方差，所述时间窗口内数据分布满足随机变量Z～N(0,1)分布，α为置信水平，Zα/2为参数，通过查询概率表得到，L表示时间窗口大小；
所述μi,j和σi,j由上一次的迭代结果得到：
Figure QLYQS_5
Figure QLYQS_6
和σi,j分别表示第i个数据维度第j个数据点的时间窗口内数据的均值和均方差，L表示时间窗口大小，xi,j*w+L为第i个数据维度第j*w+L个数据点的值。
2.根据权利要求1所述的一种时序网络信号的可靠性传输检测方法，其特征在于，所述时序信号序列为物联网传感器以时间顺序发出的数据点的有序集合；所述有序集合为至少一个数据维度的有序集合。
3.根据权利要求1所述的一种时序网络信号的可靠性传输检测方法，其特征在于，所述0值为时序信号在以太网传播过程中出现的空值，表示该时刻没有值。
4.根据权利要求1所述的一种时序网络信号的可靠性传输检测方法，其特征在于，所述时间窗口为包含L个数据点的时间序列，表示时序信号序列的子集。
5.一种时序网络信号的可靠性传输检测系统，其特征在于，用于对于任意长度的网络时序信号，通过时间窗口对按照时间顺序进入时间窗口的数据点进行异常判定，包括：
时序信号序列读取模块，用于从时序信号序列中读取数据点；
数据点判断模块，用于判断数据点是否超出阈值；若是，则认定数据点为异常点；判断数据点是否为0值；如果为0值，则直接认定数据点为异常点；
时间窗口判断模块，用于判断时间窗口的大小是否小于时间窗口长度L；若是，则直接将数据点加入到时间窗口中；否则，将时间窗口中最早入队的数据点取出，然后将该数据点加入到时间窗口中最末位置；
时间窗口检测模块，用于获取时间窗口的置信半径；如果时间窗口的置信半径小于阈值t1、并且当前置信半径与上次迭代的置信半径之差小于阈值t2，则判定数据点为正常点；否则，判定数据点为异常点；判断数据点的序列位置是否小于时序信号序列中数据点个数N；如果小于，则进行下一次迭代以判断下一个数据点；否则，结束检测；
置信区间半径为
Figure QLYQS_7
Figure QLYQS_8
Figure QLYQS_9
ri,j表示第i个数据维度第j个数据点的置信区间半径，
Figure QLYQS_10
分别表示第i个数据维度第j个数据点的置信区间的上限和下限，μi,j和σi,j分别表示第i个数据维度第j个数据点的时间窗口内数据的均值和均方差，所述时间窗口内数据分布满足随机变量Z～N(0,1)分布，α为置信水平，Zα/2为参数，通过查询概率表得到，L表示时间窗口大小；
所述μi,j和σi,j由上一次的迭代结果得到：
Figure QLYQS_11
Figure QLYQS_12
和σi,j分别表示第i个数据维度第j个数据点的时间窗口内数据的均值和均方差，L表示时间窗口大小，xi,j*w+L为第i个数据维度第j*w+L个数据点的值。
6.根据权利要求5所述的一种时序网络信号的可靠性传输检测系统，其特征在于，用于网络终端。
7.一种时序网络信号的可靠性传输检测装置，其特征在于，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求1-4任一项所述的一种时序网络信号的可靠性传输检测方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-4任一项所述的一种时序网络信号的可靠性传输检测方法。
CN202211169209.1A 2022-09-26 2022-09-26 一种时序网络信号的可靠性传输检测方法 Active CN115438452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211169209.1A CN115438452B (zh) 2022-09-26 2022-09-26 一种时序网络信号的可靠性传输检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211169209.1A CN115438452B (zh) 2022-09-26 2022-09-26 一种时序网络信号的可靠性传输检测方法

Publications (2)

Publication Number Publication Date
CN115438452A CN115438452A (zh) 2022-12-06
CN115438452B true CN115438452B (zh) 2023-04-18

Family

ID=84250075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211169209.1A Active CN115438452B (zh) 2022-09-26 2022-09-26 一种时序网络信号的可靠性传输检测方法

Country Status (1)

Country Link
CN (1) CN115438452B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11304113B2 (en) * 2020-03-11 2022-04-12 Dell Products, Lp Systems and methods for communication network prioritization based on velocity of an information handling system
CN114035990B (zh) * 2021-10-23 2024-04-12 南京航空航天大学 一种面向Linux操作系统时序数据的实时异常检测方法
CN114020598B (zh) * 2022-01-05 2022-04-19 云智慧（北京）科技有限公司 一种时间序列数据的异常检测方法、装置及设备

Also Published As

Publication number Publication date
CN115438452A (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN111459778B (zh) 运维系统异常指标检测模型优化方法、装置及存储介质
CN110442936B (zh) 基于数字孪生模型的设备故障诊断方法、装置及系统
CN107086944B (zh) 一种异常检测方法和装置
CN111984503A (zh) 一种监控指标数据异常数据识别的方法及装置
CN112799898B (zh) 基于分布式故障检测的互联系统故障节点定位方法及系统
US10901398B2 (en) Controller, control program, control system, and control method
CN111414999B (zh) 一种设备运行状态的监测方法及装置
CN110633194B (zh) 一种硬件资源在特定环境下的性能评估方法
US20210042585A1 (en) Abnormality detection device, abnormality detection method and computer readable medium
CN113254382B (zh) 基于超级计算机构建数字数值融合装置的数据处理系统
CN111753875A (zh) 一种电力信息系统运行趋势分析方法、装置及存储介质
CN117270514A (zh) 基于工业物联网的生产过程全流程故障检测方法
CN115453356A (zh) 一种动力设备运行状态监测分析方法、系统、终端及介质
CN114584377A (zh) 流量异常检测方法、模型的训练方法、装置、设备及介质
CN115438452B (zh) 一种时序网络信号的可靠性传输检测方法
CN112380073A (zh) 一种故障位置的检测方法、装置及可读存储介质
CN114579391A (zh) 异常数据的检测方法、系统、介质及终端
WO2024039510A1 (en) Incremental causal discovery and root cause localization for online system fault diagnosis
CN111783883A (zh) 一种异常数据的检测方法及装置
CN112162528B (zh) 一种数控机床的故障诊断方法、装置、设备和存储介质
CN114579519A (zh) 文件系统的异常检测方法及装置、存储介质及电子设备
CN114021118A (zh) 基于超融合服务器系统的多元行为检测方法、系统及介质
CN113204411A (zh) 一种数据处理方法、中间处理设备及存储介质
CN113552444A (zh) 一种泄漏电流特征阈值在线整定方法及装置
CN113052272A (zh) 一种异常检测方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant