面向多源传感事件序列的时序依赖关联挖掘方法

何逸茹，刘 晨，杨中国

(北方工业大学 大规模流数据集成与分析技术北京市重点实验室，北京 100144)

(北方工业大学 信息学院，北京 100144)

1 引 言

预测性维护的目的是预测设备故障，提前安排纠正性维护，提高工业设备的可靠性.随着物联网的飞速发展，工业设备上部署了大量传感器来监控其健康状况.异常检测技术是预测性维护的重要手段，能够监视来自多变量时间序列的传感器数据或异常事件[1].

单个变量的异常检测被称为“单变量异常”，近些年来，已经有学者进行了广泛的研究[2，3].但是，在实际应用中，挖掘和分析“单变量异常”事件之间的时序依赖关系是一个更值得研究的问题.因为可以从事件间的依赖关系中发现新的异常类型或找到异常发生的根本原因[4，5].

第2节展示了一个“单变量异常”事件中的时序依赖关系的简单示例.实际上，在复杂的工业系统中，异常或故障并不总是独立存在的.由于物理相互作用的模糊性，微小的异常会在不同的传感器和设备之间传播，并逐渐演变为某些设备中的严重故障[6].挖掘此类问题的时序依赖关系非常有价值，它可以帮助提前预测未来的异常或者故障，并识别设备异常和故障的原因.

本文提出一种新的预测异常的方法.首先，从多源传感器数据中检测“单变量异常”事件，并输出异常事件序列.然后，通过识别异常事件序列之间的频繁共现模式，提出一种新的时序依赖挖掘算法.最后在实验中……