面向设备智能运维的异常检测和故障诊断方法研究.pdfVIP

哈尔滨工业大学专业硕士学位论文

摘要

实现设备智能运维和健康管理具有重要的现实意义。使用设备的传感器监

控数据设计智能运维算法，已成为该领域的研究热点之一。本文关注智能运维

中的两个重要任务，异常检测和故障诊断。其中，异常检测是指通过分析设备

时序数据的特征，检测出数据及其对应组件发生的异常。故障诊断是指根据数

据的异常信息，诊断设备内发生的导致数据异常的故障。

首先，实际应用中的设备运维数据存在缺失，很多异常检测算法未考虑这

种情况而不适用。本文针对时序数据的不完整性，设计了MPM-AD（Missing

PatternMulti-ModelAnomalyDetection）异常检测算法。算法通过挖掘不完整数

据的通道依赖模式，分析和简化通道组合，指导检测模型的分组训练并完成异

常数据检测。实验表明，MPM-AD算法有效的提高了在含缺失数据的数据集上

异常检测准确率。

然后，设备在实际运行中存在多个状态，不同状态下故障的异常表象不同。

本文针对具有多个运行状态的设备，设计了MGMF（Multi-stateGraphMatching

Faultdiagnosis）故障诊断算法。针对设备的工作状态转换，基于专家知识构建

多状态异常-故障知识图谱。将异常模式与图谱中的故障匹配，完成故障诊断。

此外针对图谱间的相似模式，优化了异常模式的匹配流程。实验表明，MGMF

算法能准确的识别异常模式对应的故障原因，并且有效降低了误报的概率，同

时明显提高了匹配的速度。

关键词：时序数据；异常检测；故障诊断；数据缺失；图匹配

-I-

哈尔滨工业大学专业硕士学位论文

Abstract

Greatimportancehasbeenattachedtomakingmaintenanceandhealth

managementofintelligentequipmentsmart.Usingthealgorithmsbasedonthemulti-

dimensionaltimeseriesdatawhichisgeneratedbymonitoringtheintelligentequipment

hasbecomeahottopicinthisresearcharea.Thispaperfocusesontwoimportant

missionsofintelligentoperationandmaintenancearea:anomalydetectionandfault

diagnosis.Firstly,anomalydetectionmeansdetectinganomalydataandits

correspondingcomponentsbyanalyzingtimeseriesdataoftheequipment.Second,

faultdiagnosismeansidentifyingthefaultanditsreasonwhichhasbeencausingadata

errorbasedontheerrorinformationdata.

First,thereisalackofequipmentoperationandmaintenancedatainpractical

applications,andmanyanomalydetectionalgorithmsdonotconsiderthissituationand

arenotapplicable.Aimin