卷积自编码器异常检测模型

液压支架早期预警

该模型通过压缩时间序列并学习正常操作模式，在苛刻煤矿条件下实现液压支架异常的早期检测。

郑西贵 · Wang, Cong · Chao, Kong · 刘灿灿 · Kai, Zhan · Rui, Xu

Rock Mechanics and Rock Engineering 2024

参数信息

重建误差（MSE）

0.001

检测阈值

0.0041

异常点数量众数

8

异常点数量平均值

10

技术优势

压缩时序，聚焦关键特征

编码器通过三层卷积和两层池化将序列长度压缩至原始的四分之一，提取代表性特征，使解码器能够专注于重构正常模式。

阈值有据，误报可控

检测阈值取验证集重建误差的均值与标准差之和（0.0041），将正常波动纳入考量，减少误报。

应用场景

• 矿山设备监测：对液压支架压力进行实时监测，及时捕捉异常压力波动。
• 时序异常检测：为时序数据提供基于重构误差的异常判定，无需人工标注。
• 液压系统健康管理：识别液压系统压力异常的早期迹象，辅助制定维护策略。
• 设备预测维护：在故障发生前发现异常模式，实现预测性维护。