1.基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，所述s2中，選用最小-最大歸一化方法按照下式（1）對(duì)所述原始訓(xùn)練集和所述原始測(cè)試集進(jìn)行歸一化處理：
3.如權(quán)利要求1所述的基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，所述s2中，對(duì)經(jīng)過(guò)歸一化處理后的數(shù)據(jù)集x進(jìn)行時(shí)間窗口分割，包含多個(gè)變量的數(shù)據(jù)集x={x1，x2，...，xt}，對(duì)該數(shù)據(jù)集x采用等距采樣進(jìn)行分割，轉(zhuǎn)換為多個(gè)長(zhǎng)度為k的滑動(dòng)窗口，滑動(dòng)窗口之間的時(shí)間間隔取1，定義一個(gè)時(shí)間窗口w，該時(shí)間窗口w包含從時(shí)間點(diǎn)t-k+1到t的一段時(shí)間序列數(shù)據(jù)，即w={xt-k+1，...，xt}，將數(shù)據(jù)集x轉(zhuǎn)換為一系列時(shí)間窗口w={w1，w2，...，wt}作為模型的訓(xùn)練輸入，形成輸入窗口數(shù)據(jù)w。
4.如權(quán)利要求1所述的基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，所述s3中，所述gtvformer模型由一個(gè)共享的編碼器encoder和兩個(gè)解碼器decoder1與decoder2組成，編碼器encoder與解碼器decoder1構(gòu)成transformer1模型，編碼器encoder與解碼器decoder2構(gòu)成transformer2模型，所述時(shí)間-變量注意力機(jī)制模塊與所述對(duì)抗訓(xùn)練機(jī)制模塊均作用于transformer1模型與transformer2模型，所述時(shí)間-變量注意力機(jī)制模塊用于挖掘多變量時(shí)序數(shù)據(jù)中時(shí)間維度和變量維度之間的關(guān)聯(lián)性，進(jìn)行信息的充分集成，所述對(duì)抗訓(xùn)練機(jī)制模塊用于進(jìn)一步放大正常數(shù)據(jù)與異常數(shù)據(jù)之間的差異性。
5.如權(quán)利要求4所述的基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，所述s3中，所述gtvformer模型的構(gòu)建進(jìn)一步包括：
6.如權(quán)利要求1所述的基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，所述s4中，將訓(xùn)練分成的兩個(gè)階段分別為：
7.如權(quán)利要求6所述的基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，所述s4中，兩個(gè)transformer模型均具有雙重任務(wù)，transformer1模型的任務(wù)是在階段1中最小化輸入窗口數(shù)據(jù)w的重構(gòu)誤差，并在階段2中最小化輸入窗口數(shù)據(jù)w與transformer2模型重構(gòu)輸出之間的差異，transformer2模型的任務(wù)是在階段1中最小化輸入窗口數(shù)據(jù)w的重構(gòu)誤差，并在階段2中最大化由transformer1模型重構(gòu)的數(shù)據(jù)的重構(gòu)誤差；
8.如權(quán)利要求1所述的基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，所述s5中，異常分?jǐn)?shù)score由下式（9）計(jì)算獲得：
9.如權(quán)利要求1所述的基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，所述s5中，每一個(gè)時(shí)間點(diǎn)的標(biāo)記結(jié)果y由下式（10）計(jì)算獲得：
10.如權(quán)利要求8所述的基于多變量時(shí)序數(shù)據(jù)的工業(yè)物聯(lián)網(wǎng)系統(tǒng)異常檢測(cè)方法，其特征在于，所述s6中，由于閾值的設(shè)置可以采用不同的方法，故如果超過(guò)固定閾值，則將時(shí)間戳t標(biāo)記為異常。