[發明專利]一種異常檢測方法及系統

在審

• 申請號: 201711226190.9
• 申請日: 2017-11-29
• 公開（公告）號: CN107967489A
• 公開（公告）日: 2018-04-27
• 發明（設計）人: 宋磊;郭麗麗;王會平;李葉;金山;饒駿;閻鎮;段江永;許樂樂
• 申請（專利權）人: 中國科學院空間應用工程與技術中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 北京輕創知識產權代理有限公司11212
• 代理人: 楊立,王灝增

技術領域

本發明涉及檢測領域，尤其涉及一種異常檢測方法及系統。

背景技術

近些年，國內外科研機構對航天設備異常檢測相關技術開展了大量的研究，例如，NASA(National Aeronautics and Space Administration，美國國家航空航天局)開發的Orca工具以及IMS工具。Orca是面向多元數據挖掘的工具，主要通過計算相鄰點距離對航天設備進行異常檢測，而IMS采用聚類方法對狀態檢測正常的數據進行聚類，以識別后續異常數據，兩者均被應用于對地觀測衛星等航天設備的未知異常挖掘。

然而上述兩種工具都存在一定的缺點。航天設備的空間有效載荷由于上行指令控制、部件性能衰退及外界工況擾動等因素的影響，數據在局部范圍內呈現出明顯的波動性特點，一方面，空間有效載荷數據屬于多分類復雜跳變數據，基于距離計算的Orca難以處理復雜跳變數據的異常檢測問題；另一方面，空間有效載荷數據異常一般不屬于單點異常問題，數據各類別間難以明確正負樣本邊界，利用IMS難以有效實現異常狀態的準確檢測。

也就是說，空間有效載荷工作模式設定以及參數間的關聯性較為復雜，參數異常通常不屬于簡單的單點異常問題，正負樣本之間的邊界難以準確設定，導致現有的檢測算法在解決多分類復雜跳變數據的異常檢測時具有較高的誤檢率。

發明內容

本發明所要解決的技術問題是針對現有技術的不足，提供一種能有效解決空間有效載荷復雜跳變數據異常檢測誤檢率高的問題的異常檢測方法及系統。

本發明解決上述技術問題的技術方案如下：

一種異常檢測方法，包括：

獲取用于表示待檢測物的正常狀態的多維時間序列矩陣；

建立二維自組織映射特征網絡結構，通過所述二維自組織映射特征網絡結構對所述多維時間序列矩陣進行迭代訓練，得到多變量狀態估計記憶矩陣；

根據所述多變量狀態估計記憶矩陣對所述待檢測物的待檢測數據進行異常檢測。

本發明的有益效果是：本發明提供的一種異常檢測方法，采用基于多維時間序列分析的異常檢測方法，充分挖掘復雜跳變數據間的相關性和前后關系，提高了對復雜跳變數據的異常檢測的精準度，能夠有效解決對復雜跳變數據的異常檢測誤檢率高的問題。

并且，本發明通過二維自組織映射特征網絡結構對多變量狀態估計記憶矩陣的構建方法進行優化，保證得到的異常檢測模型能夠覆蓋所有正常運行狀態，同時實現了正常狀態記憶矩陣的簡約表達，有助于提高異常檢測的準確性和時效性。

本發明提供的異常檢測方法，除了可以用于航空航天領域的空間有效載荷的異常檢測，還可以推廣到復雜機電設備的異常檢測領域，在對復雜機電設備進行檢測時，通過對復雜機電設備的實時檢測數據進行在線分析，實時評價復雜機電設備的運行狀態，挖掘和檢測復雜機電設備的潛在異常并及時采取處理措施，能夠有效避免嚴重故障或事故的發生。

在上述技術方案的基礎上，本發明還可以做如下改進。

進一步地，所述獲取用于表示待檢測物的正常狀態的多維時間序列矩陣，具體包括：

確定影響待檢測物的多個因素，分別獲取各所述因素的全部影響因子；

根據各所述因素的全部影響因子，生成維度與所述因素的數量相同的多個初始多維時間序列；

從全部的所述初始多維時間序列中選取表示所述待檢測物正常狀態的全部的正常多維時間序列；

根據全部的所述正常多維時間序列建立用于表示待檢測物的正常狀態的多維時間序列矩陣。

采用上述進一步方案的有益效果是：通過獲取能夠影響待檢測物的全部影響因素，并以此建立用于表示待檢測物的正常狀態的多維時間序列矩陣，能夠保證得到的異常檢測模型覆蓋所有正常運行狀態，同時實現了正常狀態記憶矩陣的簡約表達，有助于提高異常檢測的準確性和時效性。

進一步地，所述通過所述二維自組織映射特征網絡結構對所述多維時間序列矩陣進行迭代訓練，得到多變量狀態估計記憶矩陣，具體包括：

獲取所述二維自組織映射特征網絡結構中，輸入層神經元到映射層神經元連接的全部的第一權值向量；

分別計算每個所述正常多維時間序列與映射層各所述第一權值向量的第一距離值，并從中選出最小第一距離值所對應的映射層神經元作為所述正常多維時間序列的獲勝神經元，并將獲勝神經元相同的正常多維時間序列分為一類；

根據預設的迭代算法，對每個所述獲勝神經元及各所述獲勝神經元的鄰域神經元的第一權值向量進行迭代訓練，當滿足預設條件時，停止迭代訓練，得到第二權值向量；