[发明专利]基于孤立森林算法的铝型材挤压过程流数据异常检测方法、设备及存储介质

权利要求书

1.基于孤立森林算法的铝型材挤压过程流数据异常检测方法，其特征在于，包括以下步骤：

S10：读取挤压机挤压过程原始流数据，并通过原始流数据对多特征半空间孤立森林模型进行初始化；

S20：进入检测周期，使用多特征半空间孤立森林模型对当前周期流数据进行异常检测；

S30：判断检测周期是否结束，若未结束，则返回步骤S20，更新检测周期，若结束，则进入下一步；

S40：判断当前周期异常率是否大于阈值，若是则表示存在概念漂移，使用当前周期数据对模型进行更新，若否则返回步骤S20，进入下一周期检测直至全部周期检测完毕为止；

其中，所述的流数据为随时间变化不断增长的数据，所述的流数据包括：

多维流数据：记一组n维时间序列流数据X＝X₁，X₂，…，X_n，则任一维度Xi＝X_i1，…，X_ij，…；其中，X_ij表示第i维数据在j时刻的值，任意一对数(X_ij，X_i(j+1))所在两个时刻之间严格递增，且Xi的长度随着新数据的流入不断增长；

多维流数据子序列：在一组n维时间序列流数据X＝X₁，X₂，…，X_n中，记长度为m的n维流数据子序列X’＝X₁’，X₂’，…，X_n’；其中，对于任一维度X_i’＝X_i1，…，X_im，|X_i’|＝m；

统计特征值：对于任一长度为m的子序列Xi’＝X_i1，…，X_im，利用不同的描述统计量公式对子序列进行计算得到的值，称为统计特征值；其中，所述的描述统计量包括均值、方差、峰度以及偏度；对于一个长度为m的子序列X_i’，其统计特征值计算公式如式(1)～式(4)所示；

均值是数据中心位置的一种度量，反映总体数据的一般水平，其计算式为：

方差反映了数据的变异程度，可以衡量一组数据离散程度，其计算式为：

偏度是统计数据分布偏斜方向和程度的度量；偏度小于0，表示当前数据分布为左偏态；反之，表示当前数据分布为右偏态；偏度的绝对值越高，表示数据分布的偏离程度越高，其计算式为

峰度是描述总体序列中数据分布形态陡缓程度的统计量；峰度越大表示序列分布越陡峭，峰度越小表示序列数据分布越平坦，其计算式为

设备状态向量：设任一统计特征值的计算函数为f(X)，其中X为序列数据；对于一组多维流数据子序列X’＝X₁’，X₂’，…，X_n’，称多维流数据子序列的统计向量stat(X’)＝f(X₁’)，f(X₂’)，…，f(X_n’)为设备在子序列所属时间段的设备状态向量。

2.根据权利要求1所述的基于孤立森林算法的铝型材挤压过程流数据异常检测方法，其特征在于，在步骤S20中，异常检测过程包括以下步骤：

S201：切割多维流数据子序列；

S202：对切割后的子序列数据进行统计特征值的提取；

S203：构建MHSIF异常检测模型；

S204：采用MHSIF异常检测模型对步骤S202中提取后数据进行异常检测；

S205：合并检测结果并记录周期异常数；

S206：输出检测结果。

3.根据权利要求2所述的基于孤立森林算法的铝型材挤压过程流数据异常检测方法，其特征在于，步骤S201的具体过程为：在子树的构造阶段，得到数据各维度的取值边界，随机选择某一维度，以该维度的中点作为划分点切割子空间。