基于数据驱动的多模态异常检测方法

武帅

基于数据驱动的多模态异常检测方法
! Y! h+ \, S! u  \2 i" k/ f4 q
, }! e" J9 A; c$ V3 }2 {& D0 e* E. [
: A; E( q- J, S, i1 t( u* }由于原料性质、设备磨损、过程负荷等因素的影响，复杂工业系统会出现多个稳定
" H3 N1 F' V5 k0 i" f; s! b操作模态，各稳态之间的过渡过程具有明显的动态特性。现有多模态处理方法大多没有
/ P$ i9 f; J: l1 m' A' F考虑过渡过程的监测；在考虑过渡过程的情况下，因没有进行有效的过渡过程特征提取，
使得模态划分及多模态异常检测的效果都不理想。另一方面，工业过程数据多具有多尺
7 `3 x( w" }, R5 C' s$ r7 S8 {% S度特性，但多尺度框架下的多模态异常检测研究还较少。本文基于数据驱动的方法对上
& ?: g- y& Z# |7 e3 W述问题展开了研究，以保障多模态系统安全、高效的运行。主要工作如下：
（1）本文通过提取过程数据的微分几何特征，刻画过程动态特性，基于扩维后的数
据，提出一种基于微分几何特征聚类的模态划分方法。
$ G* W9 ]1 \3 N7 G/ J4 ]3 i（2）本文从过渡模态数据的动态渐变特性出发，研究过渡过程动态特征抽取技术，
提出了基于时变滚动球的过渡模态异常检测模型，有效进行过渡模态异常检测。
2 j- g# V8 ?$ W（3）针对具有多尺度特性的多模态过程，本文开展了多尺度框架下的多模态异常检
测研究，分别建立稳态多尺度主元分析模型和过渡模态多尺度微分几何模型，
- t. C* Z; V) R' E+ r, D最终实现了多尺度框架下的多模态异常检测

; N* Y4 `- |9 ?