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


1 ?0 q" ^2 Y* Q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
7 w1 G. O6 M: U% T; W  C- W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
6 Q0 R& P# R+ W1 x( l- R/ s8 l7 P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，
- [$ J9 Z5 Y9 s4 O/ I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
6 Q$ k( V* v4 q1 r" N0 E3 q% x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
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：
/ v' N) Q9 [$ v  @（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。
（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。
（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
4 k' k# d3 b% t- t9 q' E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，
( m  H- r  j3 L9 C- ?最终实现了多尺度框架下的多模态异常检测
7 |( G- n1 }3 {' z, K4 e; L8 j- C
# o; L& y3 ~, x
4 @- A8 k( ]$ ]' w. b