动态系统长时间运行过程的异常变化检测

发布时间：2020-10-17 21:13

　　 复杂结构动态系统在长时间运行过程中将会产生一系列测量数据,这些随时间变化的测量数据称为时间序列。然而,在系统实际运行过程中,由于外界干扰或自身故障等因素,系统的运行状态可能会发生异常变化,从而影响系统运行的稳定性和安全可靠性。为了能及时发现系统状态的异常变化并做出有效预防措施,因此,研究时间序列异常检测是一项具有实际意义的工作。论文总结时间序列的三种常见异常情况,分别为点异常、模式异常以及序列异常。本文主要研究时间序列的模式异常检测,包括一维以及多维时间序列模式异常检测。在一维模式异常检测中,从时间序列相似性度量以及分类的角度入手进行基于形态变化的模式表示方法的改进。在一维时序数据模式异常检测中,改进了 DTW算法利用相似性系数体现模式异常情况以及基于模式特征的k-近邻的异常检测算法,采用异常因子来度量模式异常情况。在多维时间序列模式异常检测中,建立了基于Q滤波的检测算法和基于LSTM神经网络的检测算法,分别从滤波及预测角度入手进行异常检测。自主研制一套动态系统测量时序数据异常检测系统,在该系统中采用实际飞行器动量轮转速数据进行算法验证,结果表明该算法在异常检测中具有良好的可行性和适用性,并能提高异常检测精度。本文的主要创新点包括采用组合剔野方法进行时序数据预处理、改进模式表示方法实现时序数据的形态表示、建立MW-DTW算法与模式特征的k-近邻算法实现一维时序数据的异常检测、优化Q滤波检测算法和LSTM神经网络算法实现多维时序数据的异常检测。动态系统测量时序数据的异常变化检测是具有故障应用的实时监控系统的核心部分,例如设备监测,欺诈检测,网络入侵检测等领域。该研究为动态系统测量时序数据的异常变化检测工作提供实用方法和技术工具。本文工作受国家自然科学基金面上项目(编号:61473222,91646108)的资助。
【学位单位】：西安理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：O211.61
【部分图文】：

图 1-1 点异常情况Fig.1-1. Case of point abnormality）序列异常：多条时间序列中存在与其他时间序列具有明显差制得到的时间序列。图 1-2 表示序列异常情况，多条正弦序列余弦序列，该条序列则显示为序列异常。图 1-2 序列异常情况Fig.1-2.Case of sequence anomaly）模式异常：在一条时间序列中包含与其他模式存在明显差别

图 1-2 序列异常情况Fig.1-2.Case of sequence anomaly3）模式异常：在一条时间序列中包含与其他模式存在明显差别，具有异常变化模式。图 1-3 表示模式异常情况，图中能够看出红色色模式存在显著差异，能够认为是模式异常情况。图 1-3 模式异常情况Fig.1-3.Case of Pattern anomaly

制得到的时间序列。图 1-2 表示序列异常情况，多条正弦序列中余弦序列，该条序列则显示为序列异常。图 1-2 序列异常情况Fig.1-2.Case of sequence anomaly）模式异常：在一条时间序列中包含与其他模式存在明显差别，有异常变化模式。图 1-3 表示模式异常情况，图中能够看出红色模式存在显著差异，能够认为是模式异常情况。
【参考文献】

相关期刊论文 前10条

1 候亚伟;冯辉宇;韩孝强;谭娟;刘祥;;基于Logistic回归模型的民用无人机市场预测研究[J];中国科技信息;2017年23期

2 章媛;岳东杰;;基于小波分析和支持向量机的变形监测数据处理[J];勘察科学技术;2017年04期

3 孙焱;林意;;基于相似性分析的时间序列异常检测方法[J];山东农业大学学报(自然科学版);2017年02期

4 杨祎玥;伏潜;万定生;;基于深度循环神经网络的时间序列预测模型[J];计算机技术与发展;2017年03期

5 杜莹;李四虎;胡绍林;章乐;王飞;;遥测伪周期时间序列子序列异常检测算法[J];中国空间科学技术;2016年05期

6 林意;王智博;;基于一阶滤波的时间序列分段线性表示方法[J];计算机工程;2016年09期

7 戴建利;龙辛;黄波;申超;;嵌入式PLC系统自动测试中数字滤波算法研究[J];机械工程与自动化;2016年01期

8 胡绍林;傅娜;郭文明;;动态测量数据的高保真容错Q-滤波算法[J];宇航学报;2016年01期

9 李红延;周云龙;田峰;李松;孙天宝;;一种新的小波自适应阈值函数振动信号去噪算法[J];仪器仪表学报;2015年10期

10 单锐;孟密元;刘文;;基于新阈值函数的小波去噪算法及其仿真[J];内蒙古农业大学学报(自然科学版);2015年03期

相关博士学位论文 前2条

1 董晓莉;时间序列数据挖掘相似性度量和周期模式挖掘研究[D];天津大学;2007年

2 肖辉;时间序列的相似性查询与异常检测[D];复旦大学;2005年

相关硕士学位论文 前5条

1 赵建秀;时间序列的相似性分析问题研究[D];山东师范大学;2014年

2 董红玉;多变量时间序列的降维、模式匹配与异常检测[D];福州大学;2014年

3 杜洪波;时间序列相似性查询及异常检测算法的研究[D];沈阳工业大学;2008年

4 韦力强;基于小波变换的信号去噪研究[D];湖南大学;2007年

5 吴婷;数据挖掘在信用卡欺诈识别上的应用研究[D];东南大学;2006年

本文编号：2845329