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


$ k- n: E4 X( s& s* \9 g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
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
: i) r1 H. G% q& U1 y. a4 K2 y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，
. ]" P3 N. Y+ a3 ?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
% X0 L- v1 A- a9 ?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：
6 o5 Z4 e% S2 n' A6 _（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
, s2 D- E2 }; M" i0 K8 P: M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，
1 p$ n6 {8 K' A. x; N' q( p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。
0 L3 p/ v* H+ P( ~. i7 p（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
( ~) B$ m" N$ T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，
最终实现了多尺度框架下的多模态异常检测
0 L! w5 i2 O( x8 b# j5 `

5 S# V0 i& x- }# t. u" z