A robust anomaly detection method based on local and global statistical analysis is disclosed. The method is modeled based on local and global information, and then a comprehensive index is judged. If the index exceeds a predetermined decision condition, an anomaly is considered to have occurred. The method of the invention improves the anomaly detection model in the current industrial application, combines the local and global models, and then integrates the comprehensive indicators for early warning, so as to avoid the possible system failure and play the role of predictive maintenance.
【技术实现步骤摘要】
基于局部和全局统计分析的鲁棒异常检测方法
本专利技术涉及工业设备检测
,具体涉及一种基于局部和全局统计分析的鲁棒异常检测方法。
技术介绍
异常检测属于无监督学习的一大类算法。无监督学习是样本没有标记的学习方式。异常检测的目的在于检测数据中偏离数据主群体的数据。这些偏离的数据可能暗示设备存在着异常状态,例如异常运行或者损坏等等,系统随即可以进行预警,以避免可能发生的系统故障,起到预测性维护的作用。常用的异常检测算法有One-ClassSVM,LOF(LocalOutlierFactor),IsolationForest,DBSCAN等等。这些算法基本基于统计分布的假设或者密度的估计。这些算法常被用于金融领域中的诈骗分析,反作弊分析。在实际工业领域中的应用很比较有限。在工业领域,数据的收集比较滞后,数据采集不全,数据没有标记。这种情况给数据的分析带来了很多限制。例如,对工业产线中的设备进行实时的状态监控是很多场景下的强烈需求。对设备进行及时的预警可以避免因宕机造成的巨额损失。一个设备从使用到出现问题需要经过一段的使用,随着设备的使用和磨损,所收集的数据会出现慢慢偏离正常值范围的趋势。一开始收集到的数据没有异常标签,所以这是一个无监督学习的问题。异常检测是无监督学习中常用的一类算法。
技术实现思路
本专利技术要解决的技术问题是:本专利技术针对以上问题,提供一种基于局部和全局统计分析的鲁棒异常检测方法。本专利技术所采用的技术方案为:基于局部和全局统计分析的鲁棒异常检测方法,所述方法基于局部信息和全局信息进行建模,然后对综合指标的进行判断,如果这个指标超过预先设定 ...
【技术保护点】
1.基于局部和全局统计分析的鲁棒异常检测方法,其特征在于,所述方法基于局部信息和全局信息进行建模,然后对综合指标的进行判断,如果这个指标超过预先设定的判决条件,则认为发生了一次异常。
【技术特征摘要】
1.基于局部和全局统计分析的鲁棒异常检测方法,其特征在于,所述方法基于局部信息和全局信息进行建模,然后对综合指标的进行判断,如果这个指标超过预先设定的判决条件,则认为发生了一次异常。2.根据权利要求1所述的基于局部和全局统计分析的鲁棒异常检测方法,其特征在于,所述方法包括内容:根据被检测数据的特点和实际业务背景结合,选取异常检测模型对被检测数据进行全局分析,得到全局分析的异常点。3.根据权利要求2所述的基于局部和全局统计分析的鲁棒异常检测方法,其特征在于,所述方法内容包括:根据具体业务情况将数据划分为不同时段或者不同工作状态下,对被分析数据进行局部分析。4.根据权利要求3所述的基于局部和...
【专利技术属性】
技术研发人员:李锐,于治楼,安程治,
申请(专利权)人:济南浪潮高新科技投资发展有限公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。