徐守坤，瞿诗齐，石 林，王 斌

（常州大学信息科学与工程学院，江苏常州 213000）

基于多维状态参量和时间序列对电机的异常检测

徐守坤，瞿诗齐，石 林，王 斌

（常州大学信息科学与工程学院，江苏常州 213000）

针对传统对电机的异常检测常常出现误判或滞后的情况，采用基于时间序列对电机单一状态参量用AR拟合，同时利用SOM神经网络无监督的方式量化电机数据；然后，利用得到的量化序列结合AR曲线得到序列的转移概率，及早发现某种状态参量的异常变化；之后，DBSCAN算法挖掘多维参数之间特征关系来确定电机是否出现异常；最后结合实例说明该方法的检测过程，并对比验证了该方法的优越性。

异常检测；时间序列；AR拟合；SOM神经网络；DBSCAN算法

0 引言

现在对于电机故障发生前的异常检测成为了必然的研究趋势，对设备进行异常检测大多是根据经验对电机部分状态参量设置的阈值，或者利用神经网络训练等人工智能的方式来检测异常［1］。这些传统的检测方式，不仅存在着数据分析片面性的问题，而且由于异常数据少，数据之间的相关性复杂等问题不能很好的建立比较完善的异常检测模型。近年，大数据技术中时间序列分析法［2］、隐马尔科夫算法［3］、聚类算法［4］等也被引入了设备异常检测领域，为电机的异常检测提供了新的思路［5］。但是，这些单一的方法对电机异常的检测，容易出现误判或者判断滞后的情况，不能及时高效地进行异常判定。

本文考虑电机运行时状态参量与时间序列的相关性，提出通过时间序列分析和无监督学习的方式，来对电机进行异常检测。……