基于特征组合分析的主泵异常检测方法

摘要：

为了解决传统阈值法在核电站主泵状态数据异常检测中的误判、实时性差等问题,提出一种基于单维状态数据特征分析和多维状态数据特征分析相结合的方法.对于单维状态参量,使用AR(auto regressive)模型拟合获得模型参数,再结合SOM(self organizing maps)神经网络的量化结果得到单维状态参量随时间变化的过渡概率序列;对于多维状态参量,使用OP-TICS(ordering points to identify the clustering structure)算法聚类生成不同的模式组;然后根据两类特征提取结果综合分析,得到异常检测模型;最后将检测模型应用于主泵状态数据异常检测,并与其他方法进行比较.实验结果表明此模型在准确性、实时性上更具优势.

关键词：异常检测、SOM、过渡概率序列、OPTICS算法

所属期刊栏目：19

分类号：TP391.75(计算技术、计算机技术)

资助基金：国家科技重大专项2017ZX05013-001;山东省重点研发计划2018GSF118221

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：223-230