一种基于自适应深度表征学习的工业物联网设备无监督异常检测方法、系统、设备及介质

本发明涉及技术领域，公开一种基于自适应深度表征学习的工业物联网设备无监督异常检测方法、系统、设备及介质，通过整合设备状态、健康监测、能源消耗等多源数据，利用GCN+TCN的级联结构实现时空特征的端到端联合建模，在工业物联网场景中实现无监督多模态融合的异常检测。对于每种监测指标数据，分别通过时空特征提取模型和独立鉴别器进行初步异常检测，再通过联合鉴别器对所有指标的检测结果进行综合判断，生成最终异常检测结果。引入基于MAD的自适应动态阈值机制，显著降低误报率，有效提升异常检测的鲁棒性和准确性，能够灵活处理高维数据，适应设备动态变化并识别未知异常，为工业物联网设备的智能运维提供高效、可靠的解决方案。