[发明专利]一种工业实验数据异常点检测方法及装置

说明书

一种工业实验数据异常点检测方法及装置，属于异常点检测技术领域。针对每一个测试变量在一次实验中随时间的数据变化曲线，根据多次历史实验中该变量的整体变化情况，确定可能表示机器启动和关闭的“状态代表时间点”，再检测测试样本中“状态代表时间点”的取值是否在正常状态范围内，对于取值异常的测试样本判定为异常；否则根据“状态代表时间点”的取值情况和历史数据，拟合出数据标准，并根据测试样本中各时间点取值相对数据标准的偏差，通过聚类算法检测出偏差程度较绝大多数样本有很大不同的时间点判定为异常点。本发明充分利用工业实验数据的特殊性，进而获得更为准确的异常点检测结果，具有较高的检测准确度。

技术领域

本发明涉及一种针对在时间依赖性、实验重复性等方面有着很大特殊性的工业实验数据的异常点检测方法及装置，尤其涉及一种工业实验数据异常点检测方法及装置，属于工业数据检测以及异常点检测技术领域。

背景技术

工业实验数据蕴含着对应工业系统测试和运行时的各种状态信息，数据中的异常点往往可以反映潜在的故障情况，因此为了保证设备正常运行，减小维护成本，对工业实验数据进行准确地异常点检测变得愈发重要。但目前针对工业实验数据的异常点检测主要依赖于专家经验，该方法对异常点的识别效率过低且在数据分析人员相关领域知识不足时检测精度低。此外，现有基于数据挖掘的异常点检测方法很少考虑工业实验数据在分布、可重复性等方面的特点，因此检测效果较差。

针对上述问题，本发明结合工业实验数据的特殊性和常规异常点检测方法，提出了一个适用于工业实验数据的异常点检测方法。根据历史工业实验数据的变化情况和领域知识，对工业实验数据相对常规数据在数据分布、重复性、误差容忍度、专业性和机密性等方面的特殊性进行了分析，并根据数据的特殊性提出了用于工业实验数据的特征提取流程，然后在基于密度聚类算法的基础上，构建了针对工业实验数据的异常点检测方法。

发明内容

本发明的目的是为了解决现有异常点检测方法没有结合工业实验数据的特殊性，从而直接应用于工业实验数据检测会出现异常点检测不准确甚至错误的技术缺陷，提出了一种工业实验数据异常点检测方法及装置。

本发明的核心思想是：针对每一个测试变量在一次实验中随时间的数据变化曲线，根据多次历史实验中该变量的整体变化情况，确定可能表示机器启动和关闭为主变化的“状态代表时间点”，然后检测测试样本中“状态代表时间点”的取值是否在正常状态范围内，对于取值超出正常范围内的情况，将该测试样本直接判定为异常；否则根据“状态代表时间点”的取值情况和历史数据，拟合出数据标准，并根据测试样本中各时间点取值相对数据标准的偏差，通过聚类算法检测出偏差程度较绝大多数样本有很大不同的时间点判定为异常点。

本发明的目的是通过以下技术方案实现的：

一种工业实验数据异常点检测方法及装置，包括一种工业实验数据异常点检测装置和一种工业实验数据异常点检测方法；

一种工业实验数据异常点检测装置，包括“状态代表时间点”确定模块、数据变化特征拟合模块、差异特征提取模块以及异常时间点检测模块；

其中，“状态代表时间点”确定模块又包括“状态代表时间点”判断模块和“状态代表时间点”取值检测模块；

一种工业实验数据异常点检测装置中各模块的连接关系如下：

“状态代表时间点”确定模块与数据变化特征拟合模块相连；数据变化特征拟合模块与差异特征提取模块相连，差异特征提取模块与异常时间点检测模块相连；

一种工业实验数据异常点检测装置中各模块的功能如下：

“状态代表时间点”确定模块的功能是：根据历史实验数据，确定表示该变量机器启动、关闭等状态变化的“状态代表时间点”，判断测试样本可能的状态类别，并以此检测“状态代表时间点”的取值是否在正常范围内；