异常检测系统以及异常检测方法与流程

技术特征：
1.一种异常检测系统，其特征在于，所述异常检测系统包括：通信装置、储存装置和处理器；其中，所述通信装置用于取得感测数据；所述储存装置用于储存模型，其中所述模型包括异常检测模型或能量模型；以及所述处理器耦接所述储存装置以及所述通信装置，并且将所述感测数据输入所述模型以产生异常指标，根据所述异常指标设定界限，根据所述异常指标及所述界限产生健康指标。2.根据权利要求1所述的异常检测系统，其特征在于，所述界限包括上界以及下界的至少其中之一，其中所述处理器还根据所述上界以及所述下界的所述至少其中之一产生所述健康指标。3.根据权利要求1所述的异常检测系统，其特征在于，所述处理器还将所述感测数据输入至所述模型中的所述能量模型以产生还原感测数据，并且根据所述感测数据以及所述还原感测数据计算所述异常指标。4.根据权利要求3所述的异常检测系统，其特征在于，所述处理器还在判断所述健康指标超出预设范围后通过所述通信装置发出告警。5.根据权利要求1所述的异常检测系统，其特征在于，所述异常指标为所述感测数据以及所述还原感测数据的差异。6.根据权利要求4所述的异常检测系统，其特征在于，所述处理器还用于通过所述通信装置取得历史感测数据，根据所述历史感测数据产生所述能量模型，将所述历史感测数据输入至所述能量模型以产生还原历史感测数据，根据所述历史感测数据以及所述还原历史感测数据产生参考异常指标，根据所述参考异常指标产生参考界限，根据所述参考异常指标以及所述参考界限产生参考健康指标，并且根据所述参考健康指标产生所述预设范围。7.根据权利要求6所述的异常检测系统，其特征在于，所述处理器基于下列的算法的其中之一产生所述异常检测模型或所述能量模型：单类别支持向量机、孤立森林法、自动编码器、变分自动编码器以及自编码卷积神经网络。8.根据权利要求3所述的异常检测系统，其特征在于，所述处理器还用于平滑化所述感测数据以产生经平滑化的所述感测数据，并将经平滑化的所述感测数据输入至所述能量模型以产生所述还原感测数据。9.根据权利要求3所述的异常检测系统，其特征在于，所述处理器还用于将所述感测数据中高于强度阈值的噪声去除，以产生经前处理的所述感测数据，并将经前处理的所述感测数据输入至所述能量模型以产生所述还原感测数据。10.根据权利要求3所述的异常检测系统，其特征在于，所述处理器还用于平滑化所述还原感测数据以产生经平滑化的所述还原感测数据，并根据经平滑化的所述还原感测数据计算所述异常指标。11.根据权利要求3所述的异常检测系统，其特征在于，所述处理器还用于将所述还原感测数据中高于强度阈值的噪声去除，以产生经前处理的所述还原感测数据，并根据经前处理的所述还原感测数据计算所述异常指标。12.一种异常检测方法，其特征在于包括：
通过通信装置以取得感测数据；通过处理器将所述感测数据输入至模型以产生异常指标，其中所述模型包括异常检测模型或能量模型；通过所述处理器以根据所述异常指标设定界限；以及通过所述处理器以根据所述异常指标及所述界限产生健康指标。13.根据权利要求12所述的异常检测方法，其特征在于，所述界限包括上界以及下界的至少其中之一，其中通过所述处理器以根据所述异常指标及所述界限产生所述健康指标的步骤包括：通过所述处理器以根据所述上界以及所述下界的所述至少其中之一产生所述健康指标。14.根据权利要求12所述的异常检测方法，其特征在于还包括：通过所述处理器将所述感测数据输入至所述模型中的所述能量模型以产生还原感测数据，根据所述感测数据以及所述还原感测数据计算所述异常指标。15.根据权利要求12所述的异常检测方法，其特征在于还包括：在通过所述处理器判断所述健康指标超出预设范围后通过所述通信装置发出告警。16.根据权利要求12所述的异常检测方法，其特征在于，所述异常指标为所述感测数据以及所述还原感测数据的差异。17.根据权利要求15所述的异常检测方法，其特征在于还包括：通过所述通信装置以取得历史感测数据；通过所述处理器以根据所述历史感测数据产生所述能量模型；通过所述处理器以将所述历史感测数据输入至所述能量模型以产生还原历史感测数据；通过所述处理器以根据所述历史感测数据以及所述还原历史感测数据产生参考异常指标；通过所述处理器以根据所述参考异常指标产生参考界限；通过所述处理器以根据所述参考异常指标以及所述参考界限产生参考健康指标；以及通过所述处理器以根据所述参考健康指标产生所述预设范围。18.根据权利要求17所述的异常检测方法，其特征在于，通过所述处理器以根据所述历史感测数据产生所述能量模型的步骤包括：基于下列的算法的其中之一产生所述异常检测模型或所述能量模型：单类别支持向量机、孤立森林法、自动编码器、变分自动编码器以及自编码卷积神经网络。19.根据权利要求14所述的异常检测方法，其特征在于，通过所述处理器以将所述感测数据输入至所述能量模型以产生所述还原感测数据的步骤包括：通过所述处理器以平滑化所述感测数据以产生经平滑化的所述感测数据；以及通过所述处理器以将经平滑化的所述感测数据输入至所述能量模型以产生所述还原感测数据。20.根据权利要求14所述的异常检测方法，其特征在于，通过所述处理器以将所述感测数据输入至所述能量模型以产生所述还原感测数据的步骤包括：通过所述处理器以将所述感测数据中高于强度阈值的噪声去除，以产生经前处理的所
述感测数据；以及通过所述处理器以将经前处理的所述感测数据输入至所述能量模型以产生所述还原感测数据。21.根据权利要求14所述的异常检测方法，其特征在于，根据所述感测数据以及所述还原感测数据计算所述异常指标的步骤包括：通过所述处理器以平滑化所述还原感测数据以产生经平滑化的所述还原感测数据；以及通过所述处理器以根据经平滑化的所述还原感测数据计算所述异常指标。22.根据权利要求14所述的异常检测方法，其特征在于，根据所述感测数据以及所述还原感测数据计算所述异常指标的步骤包括：通过所述处理器以将所述还原感测数据中高于强度阈值的噪声去除，以产生经前处理的所述还原感测数据；以及通过所述处理器以根据经前处理的所述还原感测数据计算所述异常指标。

技术总结
本发明涉及一种异常检测系统以及异常检测方法。异常检测方法包含：通过通信装置以取得感测数据；通过处理器将感测数据输入至模型以产生异常指标，其中模型包括异常检测模型或能量模型；通过处理器以根据异常指标设定界限；以及通过处理器以根据异常指标及界限产生健康指标。本发明基于能量模型的输出数据所产生的健康指标更为正确，使得异常检测系统可通过更为正确的健康指标来预判是否发生异常事件，进而警示使用者提前维护设备。进而警示使用者提前维护设备。进而警示使用者提前维护设备。


技术研发人员：刘一帆 黄彦钧 梁欣雅 陈奎廷 郭宗贤
受保护的技术使用者：中强光电股份有限公司
技术研发日：2020.09.30
技术公布日：2022/4/12