[发明专利]一种面向水泵传感器数据的异常检测方法

摘要

本发明针对诸如水泵传感器数据中广泛存在缺失值、传统机器学习无法捕获相邻时间步之间的隐藏表示等问题，提出了一种面向水泵传感器数据的异常检测方法。本方法首先对收集到的水泵运行状态数据集进行预处理。其中包括：使用GAIN填补数据集中的缺失数据、将填补后的数据集按比例随机地进行划分、对划分好的数据分别进行标准化、以及将每个数据集按固定时间步长划分为多个滚动窗口。其次，GRU‑SAE模型接收经过预处理的训练数据进行训练，其中，GRU单元的引入可以使时间步之间隐藏的关键信息得以捕获；另外，用SAE取代AE，够有效学习到更多潜在特征，抑制次要特征，提取的抽象特征维度更低，更具稀疏性与健壮性。同时，选取GRU‑SAE产生的样本重构误差作为异常得分，降低了模型的复杂性。将验证数据经GUR‑SAE模型产生的重构误差作为阈值划定的标准，消除了人为确定阈值的主观性。随后，计算测试数据重构测试误差。在最后的异常检测模块中，根据上文提及的重构验证误差可以决策出当前测试数据的异常阈值。遍历测试数据每个窗口中的每个实例，如果测试重构误差超过异常阈值，则被判定为异常，反之亦然。