CN116181635B 基于孤立森林的地铁空调压缩机的异常检测方法与系统 （中车青岛四方车辆研究所有限公司）

司基于孤立森林的地铁空调压缩机的异常检本发明公开了一种基于孤立森林的地铁空调压缩机的异常检测方法与系统，上述方法包计算得到样本矩阵；构造孤立森林异常检测模2数据获取步骤：获取地铁列车中空调压缩机的排气温度数据并进行特征计算步骤：对每组排气温度数据进行统计特征计算得到路径长度获得步骤：构造孤立森林异常检测模型，将所述样本矩异常检测步骤：根据每一所述样本的平均路径长度获得样本的第一归一化步骤：根据所述孤立森林异常检测模型的树第二归一化步骤：根据所述样本矩阵的分数中的最小值与最大模型构造步骤：根据空调压缩机的排气温度数据的组数设置所述孤立森样本分割步骤：选择所述样本矩阵中的一个特征，并在所述特征的最循环步骤：将所述左子节点样本和所述右子节点样本分5.一种基于孤立森林的地铁空调压缩机的异常检测系统，用于实现上述权利要求1_4数据获取单元：获取地铁列车中空调压缩机的排气温度数据并进行特征计算单元：对每组排气温度数据进行统计特征计算得到3路径长度获得单元：构造孤立森林异常检测模型，将所述样本矩异常检测单元：根据每一所述样本的平均路径长度获得样本的模型构造模块：根据空调压缩机的排气温度数据的组数设置所述孤立森样本分割模块：选择所述样本矩阵中的一个特征，并在所述特征的最循环模块：将所述左子节点样本和所述右子节点样本分4冷剂液体在蒸发器中气化制冷和在冷凝器中常温液化的条件。因此它是整个空调装置的[0004]目前对空调压缩机异常的检测多基于一些传统的检查方法，通过日常检查来排5[0024]数据筛选步骤：筛选出列车速度大于0且站台号数据等于车辆段编号的地铁列车6[0040]数据筛选模块：筛选出列车速度大于0且站台号数据等于车辆段编号的地铁列车[0046]图1为本发明提供的基于孤立森林的地铁空调压缩机的异常检测方法的步骤示意[0051]图6为本发明提供的基于孤立森林的地铁空调压缩机的异常检测方法的一实施例[0057]图12为本发明提供的基于孤立森林的地铁空调压缩机的异常检测系统的结构示7列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单8[0066]如图1所示，本实施例揭示了一种基于孤立森林的地铁空调压缩机的异常检测方[0075]具体的，对每组排气温征分别为压缩机排气温度数据的均值(mean)，标准差(std)，最小值(min),(outlier％)，最大5％样本数据的均值(top5％mean)和最小5％样本的均值(bottom5%[0078]步骤S31：根据空调压缩机的排气温度数据的组数设置所述孤立森林异常检测模选取分割点，根据所述分割点对所述样本矩阵进行分割得到左子节点样本和右子节点样[0080]步骤S33：将所述左子节点样本和所述右子节点样本分别作为输入数据重复所述9[0098]具体的，计算X中每个样本x根节点开始到包含样本x所经历的边的个数得到h(x),计算T棵树的路径长度后，就[0105]与现有技术相比，本发明通过对采集到的压缩机温度等[0113]如图11所示，图11为某辆列车的检测结果图，明显观察到算法在2021.6.2到[0115]1、本发明采用的孤立森林异常检测算法可以在传统人工检测之前就可以检测出[0122]数据筛选模块11：筛选出列车速度大于0且站台号数据等于车辆段编号的地铁列[0135]第一归一化模块411：根据所述孤立森林异常检测模型的树的平均路径长度对所[0136]第二归一化模块412：根据所述样本矩阵的分数中的最小值与最大值对所述样本[0139]本实施例所揭示的一种基于孤立森林的地铁空调压缩机的异常检测系统与实施例一所揭示的一种基于孤立森林的地铁空调压缩机的异常检测方法中其余相同部分的技