用于工业环境漂移检测的贝叶斯自编码器

自编码器是一种无监督模型，已用于多传感器环境中的异常检测。典型用法包括用正常运行条件下传感器数据训练预测模型，并用该模型检测异常。异常可能来自环境的真实变化（真实漂移）或来自故障传感设备（虚拟漂移）；然而，利用自编码器区分不同异常尚未被考虑。为此，我们首先提出开发贝叶斯自编码器以量化认知不确定性与偶然不确定性。随后我们使用一个真实世界工业数据集（用于液压状态监测）测试该贝叶斯自编码器。系统被注入噪声与漂移，我们发现相较于重构损失，认知不确定性对传感器扰动的敏感度更低。通过观察带不确定性的重构信号，我们获得了可解释的见解，且这些不确定性为区分真实与虚拟漂移提供了潜在途径。