基于卷积自编码器的综合传动异常检测研究

摘要

针对特种车辆工作过程中综合传动装置的数据复杂性、正常与异常数据不平衡、传统统计学方法对综合传动传感器监测数据异常波动的漏报率和误报率较高等问题，提出一种基于注意力机制卷积自编码器（attention mechanism convolutional autoencoder,ACA）与支持向量机（support vector machine,SVM）耦合的ACA-SVM异常数据检测方法.根据履带装甲实车运行数据，对传感器监测进行数据预处理，采用注意力机制识别并聚焦检测数据中的核心元素，利用卷积自编码器（convolutional autoencoder,CAE）将原始数据降维提取特征，实现数据检测并得到重构误差和特征值.通过支持向量机进行分类和计算训练集数据样本的异常分数并与传统异常检测模型进行检测效果对比实验.实验结果表明，所提ACA-SVM方法在特种车辆综合传动数据上比CAE、门控循环单元（gated recurrent unit,GRU）等模型检测效果更优异，异常检测准确率为97.2%,F₁值为0.976.

关键词

异常检测 / 传动装置 / 漏油故障 / 卷积自编码器 / 注意力机制