一种用于机群状态监测的通用异常检测框架

机器故障降低正常运行时间，并可能导致额外维修成本甚至人员伤亡与环境污染。近期状态监测技术使用人工智能以避免耗时的手动分析与手工特征提取。其中许多仅分析单台机器且需要大量历史数据集。实践中，这难以且昂贵地收集。然而，一些工业状态监测应用涉及一组相似运行的机器。在大多数此类应用中，可安全假设多数机器处于健康状态。机器行为偏离则为机器故障指示。本工作提出一种无监督、通用、用于机群状态监测的异常检测框架。它使用通用构建块并提供三个关键优势。首先，由于基于机群的在线比较，不需要历史数据集。其次，它允许用户通过自定义比较度量融入领域专长。最后，与多数黑箱人工智能技术相反，易解释性使领域专家能验证框架所作预测。基于电机机群的两个用例展示了该框架通过电气与振动特征检测电压不平衡的适用性。