[发明专利]航空液压泵站时序异常检测方法、装置、设备及存储介质

权利要求书

1.一种航空液压泵站时序异常检测方法，其特征在于，包括以下步骤：

获取目标航空液压泵站运行的时序数据，并对所述时序数据进行预处理，获得第一检测数据和第一异常数据；

根据所述目标航空液压泵站的工作状态，对所述第一检测数据中的数据对象进行分类，获得多个数据类别组；

根据所述数据对象的k距离和所述数据类别组的平均k距离，对所述第一检测数据进行剪枝处理，获得第二检测数据和第二异常数据；

对所述第二检测数据进行局部离群因子异常检测，获得第三异常数据；

输出所述第一异常数据、所述第二异常数据和所述第三异常数据。

2.如权利要求1所述的航空液压泵站时序异常检测方法，其特征在于，所述获取目标航空液压泵站运行的时序数据，并对所述时序数据进行预处理，获得第一检测数据和第一异常数据的步骤，包括：

使用局部均值插补法对所述时序数据进行数据缺失值处理，获得第一预处理数据；

判断所述第一预处理数据中连续零值的序列数量是否大于预设的数量阈值，若是，则去除大于所述数量阈值的所述连续零值序列，获得第二预处理数据；

判断所述第二预处理数据中各个所述数据对象与所述第一阈值的大小关系，若所述数据对象大于所述第一阈值，则输出为所述第一异常数据，若所述数据对象小于或等于所述第一阈值，则输出为所述第一检测数据。

3.如权利要求1所述的航空液压泵站时序异常检测方法，其特征在于，所述根据所述目标航空液压泵站的工作状态，对所述第一检测数据中的数据对象进行分类，获得多个数据类别组的步骤，包括：

使用单变量线性回归算法，对所述第一检测数据进行分段拟合，获得拟合后数据；

对所述拟合后数据进行断点检测，获得数据断点；

根据所述数据断点及所述目标航空液压泵站的工作状态，对所述第一检测数据中的数据对象进行K-means分类，获得多个所述数据类别组。

4.如权利要求1所述的航空液压泵站时序异常检测方法，其特征在于，根据所述数据对象的k距离和所述数据类别组的平均k距离，对所述第一检测数据进行剪枝处理，获得第二检测数据和第二异常数据的步骤，包括：

若所述数据对象的k距离与其所属的数据类别组的平均k距离之差的绝对值小于或等于预设第二阈值，则对所述第一检测数据进行剪枝处理，标记为所述第二异常数据；

若所述数据对象的k距离与其所属的数据类别组的平均k距离之差的绝对值大于预设第二阈值，则标记为所述第二检测数据。

5.如权利要求1所述的航空液压泵站时序异常检测方法，其特征在于，根据所述数据对象的k距离和所述数据类别组的平均k距离，对所述第一检测数据进行剪枝处理，获得第二检测数据和第二异常数据的步骤，包括：

通过如下关系式，获得所述数据类别组的平均k距离：

其中，k–dist(c)表示数据类别组c的平均k距离，k–dist(i)表示数据对象i的k距离，i为数据类别组c中的数据对象。

6.如权利要求1所述的航空液压泵站时序异常检测方法，其特征在于，所述对所述第二检测数据进行局部离群因子异常检测，获得第三异常数据的步骤，包括：

判断所述数据对象的局部离群因子与1之差的绝对值是否大于预设第三阈值；

若是，则输出为所述第三异常数据。

7.如权利要求1所述的航空液压泵站时序异常检测方法，其特征在于，所述对所述第二检测数据进行局部离群因子异常检测，获得第三异常数据的步骤，包括：

通过如下关系式，获得所述局部离群因子：

reach-dist_k(i，o)＝max{k-dist(o)，dist(i，o)}

其中，reach-dist_k(i，o)为数据对象i与o之间的可达距离，lrd_k(i)为数据对象i的局部可达密度，lof_k(i)为数据对象i的局部离群因子。