[发明专利]一种时序数据非预期故障检测方法

摘要

本发明提供了一种时序数据非预期故障检测方法，本方法通过已知数据对参数呈现的不同态势进行学习，建立起参数信息库和事件特征库；然后，分析出不同样本的组合特征与时序系统故障状况的关系；该方法包括数据预处理模块、TK‑Means聚类模块、特征库生成模块、检测判定模块；该方法将各参数值进行多特征提取、聚类等数据挖掘操作后，把各个参数在同一时间上的特征字符组合起来建立起事件特征库；当在实时数据中观测到事件特征库中没有出现过的特征组合时，即判定为发生了非预期事件，非预期事件就是潜在的非预期故障。

主权项

一种时序数据非预期故障检测方法，其特征在于：实现该方法的系统包括数据预处理模块(1‑1)、TK‑Means聚类模块(1‑2)、特征库生成模块(1‑3)、检测判定模块(1‑4)，其具体步骤是；1)首先，采用数据预处理模块(1‑1)对原始数据进行去野值、等间隔处理文件以及归一化处理，获取标准化的数据，并且提取相关多特征向量；2)其次，采用TK‑Means聚类模块(1‑2)对特征向量进行聚类，然后基于聚类结果，将原始数据表示成特征字符串；3)然后，采用特征库生成模块(1‑3)对每个参数在数据预处理和聚类过程中的基本数据记录到参数信息库中，包括每个参数的最大值、最小值、簇中心向量和特征字符对应情况，然后生成一个用于记录所有参数组合特征的出现次数与频率的事件特征库；4)最后，通过检测判定模块(1‑4)对新数据实时获得其特征向量，并对同一时刻多个参数特征的组合与特征库中数据进行对比，如果该组合特征在特征库中已有记录，那么就是已知模式，否则就是检测到非预期模式，非预期模式就是潜在的非预期故障。