基于约简边界样本界面检测器的设备异常度检测方法
针对在无故障样本情况下如何快速检测设备异常度问题,在约简自己空间边界样本数量的基础上,提出一种约简边界样本界面检测器。以Iris数据集为例进行分析,发现与已有的异常检测方法相比,约简边界样本界面检测器是一种具有高检测率高误报警率的异常检测方法,而且具有很强的数据压缩功能,尤其是在区分有较清晰类边界数据时,具有更好的检测性能。利用约简边界样本界面检测器异常检测方法分析轴承状态数据,不仅能反映出轴承的各种状态,而且能通过设备的异常程度反映出同类故障的轻重程度。约简边界样本界面检测器的设备异常度检测方法,是在学习设备正常运行数据的基础上,找到自己空间的边界样本,并根据一定规则将其约简后,结合其方位信息与训练样本半径,进行设备状态检测,不需要设备运行的故障数据,它适合对故障数据缺乏的设备进行有效的异常检测。
反面选择算法、界面检测器、异常度、异常检测、轴承
TP306(计算技术、计算机技术)
高等学校博士学科点专项科研基金20103108110006;上海市科学技术委员会基础研究11JC1404100资助项目。
2015-10-10(万方平台首次上网日期,不代表论文的发表时间)
共10页
77-86