[发明专利]一种传感器异常检测方法及装置

权利要求书

1.一种传感器异常检测方法，其特征在于，包括：

获取包含待检测传感器的目标数据的多列数据；

如果所述多列数据中，存在与所述目标数据相关的变量Xn，则确定传感器异常检测方式为空间相关算法检测；

如果所述多列数据中，存在与所述目标数据相关的特征，则确定传感器异常检测方式为机器学习重构检测；

根据所述目标数据以及多列数据，确定传感器异常检测方式为常规异常检测模式检测；

根据所述传感器异常检测方式，输出检测结果；

其中，确定传感器异常检测方式为空间相关算法检测，包括：

在多列数据中，查找高相关变量Xn；

根据高相关变量Xn，计算所述目标数据y的估计值ŷ；

根据所述高相关变量Xn以及估计值ŷ，确定传感器异常检测方式为空间相关算法检测；

在多列数据中，查找高相关变量Xn包括：

输入的多列数据为D，将D按行切割分成K份切片，记为D_k，每份数据时间连续且总行数相等，至少有d_n行记录；

针对每份数据D_k，分别计算目标数据y与X1，…，Xn的线性相关系数，形成相关系数矩阵R_K*N；

将多列数据D_k中的目标数据y记为y_k，变量Xn记为X_kn，y_k与X_kn的相关系数为r_kn，其中k=1，…，K；n=1，…，N，r_kn组成的相关系数矩阵R_K*N为；

选择R_K*N的列中元素的相关系数超过阈值thc的列Xn，作为y相关的变量列；

根据公式：计算所述目标数据y的估计值ŷ；

n=1…L，L表示找到的变量Xn的个数；

μ_y表示目标数据y的平均值；

μ_Xn表示变量Xn的平均值；

σ_Xn为表示变量Xn的标准差；

Cov(y,Xn)表示目标数据y和高相关变量Xn的协方差值；

如果L=1，且│y-ŷ_n│δ₁，则认为目标数据y异常，δ₁为P1倍的训练数据标准差，所述训练数据偏差是y-ŷ_n；

如果L1，判定是否│y-ŷ_n│δ₁（n=1…L），y与至少2个Xn相比，关系式都成立，则表示目标数据y异常，P1为预设值。

2.根据权利要求1所述的传感器异常检测方法，其特征在于，所述常规异常检测模式包括以下至少一项：

恒值异常检测；

尖峰异常检测；

噪声增大异常检测。

3.根据权利要求1所述的传感器异常检测方法，其特征在于，如果所述多列数据中，存在与所述目标数据相关特征，则确定传感器异常检测方式为机器学习重构检测异常检测，包括：

计算目标数据y不同延迟步长下的偏自相关系数序列，选择偏自相关系数序列中元素值大于设定值的元素，做自回归特征集合；

计算目标数据y与高相关变量Xn不同延迟步长下的线性相关系数序列，选择线性相关系数序列中元素值大于设定值的元素，做其他回归特征集合；

建立预测模型计算ŷ=f（φ_yd，φ_xd），其中φ_yd是自回归特征集合，φ_xd是其他回归特征集合；

判定是否│y-ŷ│δ₂，δ₂为P2倍的训练数据的标准差，关系式成立则表示目标数据y异常，P2为预设值，所述训练数据偏差是y-ŷ。