【技术实现步骤摘要】
本专利技术涉及设备监测与维护，尤其涉及一种设备异常检测方法、装置、电子设备及存储介质。
技术介绍
1、随着工业自动化和智能制造的发展，公共辅助设备的健康状态监测和故障诊断变得日益重要。由于每个设备具有独特的正常工作模式，并且不同设备在不同工作环境下的正常模式有显著差异，因此通过一组固定的规则来捕获所有可能的正常模式变得极具挑战性。
2、现有技术中，在对设备进行异常检测时，通常是采用构建一个模式的策略，然后将新观察到的数据与这个模式进行比较。例如，采用多模型方法来分别学习和模拟不同设备或设备组的正常模式，以及采用自适应学习机制不断从新的数据中学习和更新正常模式的表示。
3、但是，上述技术方案仍存在一些不足之处，面临数据标注工作量较高、计算复杂度高、模型更新挑战以及算法集成复杂性等问题。
技术实现思路
1、本专利技术提供了一种设备异常检测方法、装置、电子设备及存储介质，可以减少数据标注的工作量，提高设备检测结果的准确性，提高检测效率以及检测方法的自适应性。
...
【技术保护点】
1.一种设备异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对所述多变量时间序列数据中的时间依赖特征进行提取，得到每个时间序列数据分别对应的特征表示结果，包括：
3.根据权利要求1所述的方法，其特征在于，采用最优传输算法，学习用于表征各特征表示结果的全局原型以及局部原型，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述全局原型与局部原型之间的欧式距离，确定所述目标设备对应的异常检测结果，包括：
5.根据权利要求4述的方法，其特征在于，根据所述最终的全局原型与局部原型，确定所述...
【技术特征摘要】
1.一种设备异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对所述多变量时间序列数据中的时间依赖特征进行提取，得到每个时间序列数据分别对应的特征表示结果，包括：
3.根据权利要求1所述的方法，其特征在于，采用最优传输算法，学习用于表征各特征表示结果的全局原型以及局部原型，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述全局原型与局部原型之间的欧式距离，确定所述目标设备对应的异常检测结果，包括：
5.根据权利要求4述的方法，其特征在于，根据所述最终的全局原型与局部原型，确定所述目标设备对应的异常检测...
【专利技术属性】
技术研发人员：张文化，王鑫，童明刚，廖志强，方易礼，胡琦，
申请(专利权)人：广东德尔智慧科技股份有限公司，
类型：发明
国别省市：
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。