一种基于LSTM自动编码机的工业系统异常检测方法

发布时间：2021-11-15 03:35

　　在工业互联网的环境下,自动有效的异常检测方法对工业系统的安全、稳定生产具有重要的意义。传统的异常检测方法存在需要大量标注样本、不适应高维度时序数据等不足,提出一种基于LSTM自动编码机的工业系统异常检测方法。为克服现有方法依赖标注样本的不足,提出采用自动编码机,通过无监督的方式学习大量正常样本的特征和模式,在此基础上通过对样本进行重构和计算重构误差的方式进行异常检测。其次,为克服现有方法不适应高维度时序数据的不足,提出采用双向LSTM作为编码器,进而挖掘多维时序数据的潜在特征。基于一个真实造纸工业的数据集的实验表明,所提方法在各项指标上都对现有无监督异常检测方法有一定的提升,检测的总体精度达到了93.4%。 

【文章来源】：电信科学. 2020,36(07)

【文章页数】：10 页

【部分图文】：

图1 双向LSTM的网络结构

(2）采用自动编码机对样本进行特征提取和样本重构。针对样本的时序特性，自动编码机采用LSTM作为编码器和解码器。(3）基于原样本和重构样本的差异进行异常检测。

基于LSTM的自动编码机网络结构如图3所示，为适应工业数据的时序特性，提出了一种基于LSTM的自动编码机，其本质上是一个深度神经网络，包括编码器和解码器两部分。其中，编码器融合了双向LSTM网络，RepeatVector层和Dense（全连接）层是为了使重建样本与原样本具有同样的维度。其中，RepeatVector层的原理是将输入重复若干次后输出。4.4 异常检测模块


本文编号：3495946