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！

龙图腾网恭喜深圳超盈智能科技有限公司申请的专利一种LPCAMM2的故障检测方法及系统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：CN120045378B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510519452.9，技术领域涉及：G06F11/07；该发明授权一种LPCAMM2的故障检测方法及系统是由夏俊杰;林华胜;顾红伟;沈磊;任方奇设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本一种LPCAMM2的故障检测方法及系统在说明书摘要公布了：本发明提供了一种LPCAMM2的故障检测方法及系统，涉及内存测试技术领域，方法包括：获取LPCAMM2各个状态参数的多组正常状态数据；对正常状态数据进行基于曲线扩展的数据增强；构建生成对抗网络模型的生成器和判别器；获取实时状态数据；搜索最优隐变量；计算实时状态数据的异常评分；计算各个状态参数对应的实时状态数据对异常评分的贡献值，将最大贡献值对应的状态参数确定为异常状态参数；基于异常状态参数输出异常类别，完成故障检测。确保故障检测快速响应能力的同时，有效提升故障检测的速度和准确性，能够有效应对复杂系统中的多参数耦合异常，实用性高。

本发明授权一种LPCAMM2的故障检测方法及系统在权利要求书中公布了：1.一种LPCAMM2的故障检测方法，其特征在于，包括： S1：获取所述LPCAMM2各个状态参数的多组正常状态数据； S2：以所述LPCAMM2的状态数据标定范围为约束，对所述正常状态数据进行基于曲线扩展的数据增强； S3：根据增强后的正常状态数据构建生成对抗网络模型的生成器和判别器； S4：获取实时状态数据； S5：结合单步随机映射梯度算法，在所述生成器的输入数据即潜在空间中搜索使得所述实时状态数据的恢复误差最小的最优隐变量； S6：根据所述最优隐变量计算所述实时状态数据的异常评分； S7：在所述异常评分大于预设异常评分的情况下，计算各个所述状态参数对应的实时状态数据对所述异常评分的贡献值，将最大贡献值对应的状态参数确定为异常状态参数； S8：基于所述异常状态参数输出异常类别，完成所述LPCAMM2的故障检测； 其中，所述恢复误差包括生成器重建误差与判别器识别误差； 所述最优隐变量的搜索过程具体包括： 从所述潜在空间中随机选择基础隐变量，通过所述生成器计算代表状态数据的生成样本； 基于所述基础隐变量，通过所述判别器分别计算所述生成样本与所述实时状态数据的判别概率： 计算所述实时状态数据与所述生成样本之间的L1范数的平方，得到所述生成器重建误差； 计算所述生成样本与所述实时状态数据的判别概率之间的L1范数的平方，得到所述判别器识别误差； 计算所述生成器重建误差和所述判别器识别误差之间的第一加权值； 在所述潜在空间中，结合所述单步随机映射梯度算法对所述基础隐变量进行优化，得到优化隐变量； 利用所述优化隐变量更新所述基础隐变量，返回所述基于所述基础隐变量，通过所述判别器分别计算所述生成样本与所述实时状态数据的判别概率，直至迭代次数大于预设迭代次数； 将使得所述生成器重建误差和所述判别器识别误差之间的第一加权和值最小的基础隐变量作为所述最优隐变量输出； 所述在所述潜在空间中，结合所述单步随机映射梯度算法对所述基础隐变量进行优化，得到优化隐变量，具体包括： 将所述潜在空间投影至二维随机子空间，得到低维隐变量； 基于所述生成器的局部线性假设，对所述低维隐变量进行一次优化； 通过判别器残差对所述低维隐变量进行二次优化，得到所述优化隐变量。

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深圳超盈智能科技有限公司，其通讯地址为：518000 广东省深圳市龙岗区坂田街道象角塘社区中浩路1号美竹巷润昌工业园厂区厂房A栋五层；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”。