吴英友，胡刚义，唐静，严谨，许腾腾

(1.广东海洋大学，广东 湛江 524005；2.中国舰船研究设计中心，湖北 武汉 430064；3.北京石油化工学院，北京 102617；4.远光软件股份有限公司，广东 珠海 519085)

0 引言

为保障运行及作业，大型船舶与海洋工程平台的机舱装备了由数以百计的机电设备构成的大型装备系统。由于海上运行环境恶劣，高温、高湿、高盐，因此船舶与海洋工程平台机舱的设备、系统的故障率远远高于陆上。如果无法及时检测并诊断设备异常，将造成系统无法正常运行，可靠性降低，严重时整船停止运行或出现严重的生产安全事故，带来巨大经济损失。因此，设备异常检测方法的研究对于及时发现异常、降低设备故障损失具有积极的实际意义。

异常检测是指检测给定数据集中不符合已建立的健康状态模式的过程[1]。异常检测技术已经成为数据挖掘领域中的研究热点。一般异常检测方法包括基于统计学方法[2]、基于分类方法(如支持向量机、神经网络)[3–4]、基于距离的方法[5]、基于密度的方法[6]、基于聚类分析的方法[7]等。

目前国内对于机械系统的异常检测主要从以下2 个方面进行：1）针对局部设备进行异常检测和故障诊断；2）通过整理大量的设备故障经验数据建立知识库，开展基于机器学习等方法的异常检测。该方法对于实际应用场景下的设备异常检测，存在一定的局限性。首先，该方法针对局部设备的异常，对系统的运行缺乏整体性把握，且不易扩展应用；机械系统的故障类型众多且故障重复频率低，较难构建完备的故障数据知识库。……