[发明专利]一种故障检测方法及装置

权利要求书

1.一种故障检测方法，其特征在于，包括：

获取待检测话统数据的关键性能指标KPI参数；

利用局部异常概率LoOP算法确定所述待检测话统数据的KPI参数的异常概率；

当所述异常概率大于预设门限值时，确定所述待检测话统数据的KPI参数处于故障状态；

所述KPI参数为单维度KPI参数；

所述利用局部异常概率LoOP算法确定所述待检测话统数据的KPI参数的异常概率包括：

将所述单维度KPI参数转换为待测时域信息；

确定所述待测时域信息对应的随机波动数据；

利用局部异常概率LoOP算法确定所述随机波动数据的异常概率；

或者，

所述KPI参数为多维度KPI参数；

所述利用局部异常概率LoOP算法确定所述待检测话统数据的KPI参数的异常概率包括：

提取所述多维度KPI参数的特征信息；

对所述特征信息进行数据归一化处理得到目标数据；

利用局部异常概率LoOP算法确定所述目标数据的异常概率。

2.根据权利要求1所述的方法，其特征在于，所述确定所述待测时域信息对应的随机波动数据包括：

利用快速傅里叶变换FFT将所述待测时域信息转换为待测频域信息；

对所述待测频域信息进行噪声过滤处理，并对噪声处理后的待测频域信息进行时域转换，得到所述单维度KPI参数的第一目标时域信息；

利用局部加权回归散点平滑Loess算法和所述第一目标时域信息确定所述单维度KPI参数的第二目标时域信息；

根据所述待测时域信息、所述第一目标时域信息、所述第二目标时域信息以及第一预设公式，确定所述待测时域信息对应的随机波动数据。

3.根据权利要求1或2所述的方法，其特征在于，所述利用局部异常概率LoOP算法确定所述随机波动数据的异常概率包括：

为所述随机波动数据构建邻域，并根据第二预设公式确定所述随机波动数据的邻域概率距离；

利用所述随机波动数据的邻域概率距离和第三预设公式确定所述随机波动数据的邻域概率因子；

按照第四预设公式对所述随机波动数据的邻域概率因子进行归一化；

按照第五预设公式将归一化后的随机波动数据的邻域概率因子转换为所述随机波动数据的异常概率。

4.一种故障检测装置，其特征在于，包括：

获取单元，用于获取待检测话统数据的关键性能指标KPI参数；

处理单元，用于利用局部异常概率LoOP算法确定所述待检测话统数据的KPI参数的异常概率；

当所述异常概率大于预设门限值时，确定所述待检测话统数据的KPI参数处于故障状态；

所述KPI参数为单维度KPI参数；

所述处理单元用于利用局部异常概率LoOP算法确定所述待检测话统数据的KPI参数的异常概率包括：

所述处理单元，用于将所述单维度KPI参数转换为待测时域信息；

确定所述待测时域信息对应的随机波动数据；

利用局部异常概率LoOP算法确定所述随机波动数据的异常概率；

或者，

所述KPI参数为多维度KPI参数；

所述处理单元用于利用局部异常概率LoOP算法确定所述待检测话统数据的KPI参数的异常概率包括：

所述处理单元，用于提取所述多维度KPI参数的特征信息；

对所述特征信息进行数据归一化处理得到目标数据；

利用局部异常概率LoOP算法确定所述目标数据的异常概率。

5.根据权利要求4所述的装置，其特征在于，所述处理单元用于确定所述待测时域信息对应的随机波动数据包括：

所述处理单元，用于利用快速傅里叶变换FFT将所述待测时域信息转换为待测频域信息；

对所述待测频域信息进行噪声过滤处理，并对噪声处理后的待测频域信息进行时域转换，得到所述单维度KPI参数的第一目标时域信息；

利用局部加权回归散点平滑Loess算法和所述第一目标时域信息确定所述单维度KPI参数的第二目标时域信息；

根据所述待测时域信息、所述第一目标时域信息、所述第二目标时域信息以及第一预设公式，确定所述待测时域信息对应的随机波动数据。

6.根据权利要求4或5所述的装置，其特征在于，所述处理单元用于利用局部异常概率LoOP算法确定所述随机波动数据的异常概率包括：

所述处理单元，用于为所述随机波动数据构建邻域，并根据第二预设公式确定所述随机波动数据的邻域概率距离；

利用所述随机波动数据的邻域概率距离和第三预设公式确定所述随机波动数据的邻域概率因子；

按照第四预设公式对所述随机波动数据的邻域概率因子进行归一化；

按照第五预设公式将归一化后的随机波动数据的邻域概率因子转换为所述随机波动数据的异常概率。