基于多粒度联合孤立森林的机器人实时异常监控方法 .pdfVIP

第３８卷第６期计算机应用研究Ｖｏｌ３８Ｎｏ６

２０２１年６月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＪｕｎ．２０２１

基于多粒度联合孤立森林的机器人

实时异常监控方法

１１２２

于振中，洪辉武，徐斌，江瀚澄

（１．江南大学物联网工程学院，江苏无锡２１４１２２；２．哈工大机器人（合肥）国际创新研究院，合肥２３０６０１）

摘要：针对机器人实时异常监控问题，提出了基于多粒度联合孤立森林的实时异常监控方法。该方法对机器

人的历史数据进行多粒度参数重组得到一系列具有不同参数组合的数据集，每一个数据集都可以训练一个孤立

森林，最终产生了一个孤立森林集合。多个孤立森林联合投票策略是使用一个异常数据集对各个森林进行测

试，求出异常数据集在每个孤立森林上的平均异常分数，并由此确定每个孤立森林在联合孤立森林模型总体决

策中的话语权。以机器人的碰撞异常作为监控对象对该方法进行评价，监控准确率达９９．８％，且报警平均延迟

仅为２６．７２ｍｓ，说明该方法能够有效地实现机器人实时异常监控。

关键词：孤立森林；机器人；异常监测；多粒度联合

中图分类号：ＴＰ３９３０４文献标志码：Ａ文章编号：１００１３６９５（２０２１）０６０３４１７８５０５

ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０２０．０６．０１７０

Ｒｅａｌｔｍｉｅａｎｏｍａｌｙｍｏｎｉｔｏｒｉｎｇｍｅｔｈｏｄｆｏｒｒｏｂｏｔｓｂａｓｅｄｏｎ

ｍｕｌｔｉｇｒａｎｕｌａｒｉｔｙｃａｓｃａｄｅｉｓｏｌａｔｉｏｎｆｏｒｅｓｔｓ

１１２２

ＹｕＺｈｅｎｚｈｏｎｇ，ＨｏｎｇＨｕｉｗｕ，ＸｕＢｉｎ，ＪｉａｎｇＨａｎｃｈｅｎｇ

（１．ＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，ＷｕｘｉＪｉａｎｇｓｕ２１４１２２，Ｃｈｉｎａ；２．ＨＲＧＩｎｔｅｒｎａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅｆｏｒＲｅｓｅａｒｃｈ＆Ｉｎｎｏｖａ

ｔｉｏｎ，Ｈｅｆｅｉ２３０６０１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｍｉｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｏｆｒｏｂｏｔｒｅａｌｔｍｉｅａｎｏｍａｌｙｍｏｎｉｔｏｒｉｎｇ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｒｅａｌｔｍｉｅａｎｏｍａｌｙｍｏｎｉｔｏｒｉｎｇ

ｍｅｔｈｏｄｂａｓｅｄｏｎｍｕｌｔｉｇｒａｎｕｌａｒｉｔｙｃａｓｃａｄｅｉｓｏｌａｔｉｏｎｆｏｒｅｓｔｓ．Ｔｈｉｓｍｅｔｈｏｄｒｅｃｏｍｂｉｎｅｄｈｉｓｔｏｒｉｃａｌｄａｔａｏｆｔｈｅｒｏｂｏｔｔｏｏｂｔａｉｎａｓｅｒｉｅｓ

ｏｆｄａｔａｓｅｔｓｗｉｔｈｄｉｆｆｅｒｅｎｔｐａｒａｍｅｔｅｒｃｏｍｂｉｎａｔｉｏｎｓ．Ｅａｃｈｄａｔａｓｅｔｃｏｕｌｄｔｒａｉｎａｎｉｓｏｌａｔｉｏｎｆｏｒｅｓｔ，ａｎｄｆｉｎａｌｌｙｇｅｎｅｒａｔｅｄａｎｉｓｏｌａｔｉｏｎ

ｆｏｒｅｓｔｓｅｔ．Ｔｈｅｓｔｒａｔｅｇｙｏｆｔｈｅｊｏｉｎｔｖｏｔｉｎｇｄｅｃｉｓｉｏｎｏｆｍｕｌｔｉｐｌｅｉｓｏｌａｔｉｏｎｆｏｒｅｓｔｓｗａｓｔｏｔｅｓｔｅａｃｈｆｏｒｅｓｔｗｉｔｈａｎａｂｎｏｒｍａｌｄａｔａｓｅｔ，

ｃａｌｃｕｌａｔｅｔｈｅａｖｅｒａｇｅａｂｎｏｒｍａｌｓｃｏｒｅｏｆｔｈｅａｂｎｏｒｍａｌｄａｔａｓｅｔｏｎｅａｃｈｉｓｏｌａｔｉｏｎｆｏｒｅｓｔ，ａｎｄｔｈｅｎｄｅｔｅｒｍｉｎｅｔｈｅｄｉｓｃｏｕｒｓｅｐｏｗｅｒｏｆ

ｅａｃｈｉｓｏｌａｔｉｏｎｆｏｒｅｓｔｉｎｔｈｅｏｖｅｒａｌｌｄｅｃｉｓｉｏｎｏｆｔｈｅｃａｓｃａｄｅｉｓｏｌａｔｉｏｎｆｏｒｅｓｔｍｏｄｅｌ．Ｔｈｉｓｐａｐｅｒｕｓｅ