Тема: ОБНАРУЖЕНИЯ АНОМАЛИЙ В ТЕХНОЛОГИЧЕСКИХ СИГНАЛАХ НА ОСНОВЕ СКРЫТЫХ МАРКОВСКИХ МОДЕЛЕЙ

Современные технологии в XXI веке помогают не только усовершенствовать технологии на производстве, но и значительно облегчить её деятельность. Так, для получения наиболее высоких результатов своей деятельности предприятия применяют автоматизацию технологических процессов. Автоматизация технологического процесса создаётся при помощи АСУТП. Как правило, АСУТП имеет единую систему операторского управления технологическим процессом в виде одного или нескольких пультов управления, средства обработки и архивирования информации о ходе процесса, типовые элементы автоматики: датчики, контроллеры, исполнительные устройства [ 1].
При обслуживании и эксплуатации систем АСУТП одной из важных задач является обнаружение неполадок в механизмах по показаниям датчиков.
Задача обнаружения аномалий в технологических сигналах решается путем анализа временных рядов датчиков (например, температуры или давления). С помощью анализа можно классифицировать временной ряд на периоды нормальной работы агрегата и различные состояния неполадок.
Большинство подходов в детектировании аномалий базируются на предположении, что объекты обучающей и тестовой выборок независимы. Временные ряды отличаются тем, что в них данное условие может нарушаться. В частности, при обнаружении аномалий во временных рядах зачастую нельзя игнорировать их временной аспект, что не предусмотрено в большинстве подходов по поиску аномалий.
В данной работе рассматривается проблема недостаточной изученности подходов и методов к обнаружению аномалий во временных рядах. Объектом исследования является процесс обнаружения аномальных показаний датчиков технологического оборудования. Предметом исследования являются подходы обнаружения аномалий на основе скрытых Марковских моделей (СММ).
Таким образом целью данного исследования является разработка алгоритма обнаружения аномалий в технологических сигналах с использованием СММ.
Для достижения цели исследования необходимо решить следующие задачи:
1. изучение научных статей и литературы, посвящённых обнаружению аномалий в технологических сигналах; изучить подходы применения скрытых Марковских моделей в схожих задачах;
2. собрать (сгенерировать) и провести первичный анализ данных;
3. спроектировать модель для обнаружения аномалий в технологических сигналах;
4. провести эксперименты с различными видами аномалий на различных данных, сравнить качество результатов; оценить полученные результаты.
При выполнении работы использовались следующие методы исследования:
1. Анализ источников, описывающих существующие подходы к решению
задачи обнаружению аномалий в последовательных данных на основе СММ.
2. Проведение экспериментов по генерации данных, построению и обучению модели, и детектированию аномалий.
3. Расчёт, визуализация и интерпретация полученных результатов
Работа обладает следующей научной новизной:
• Предложены подходы к генерации данных, и наложению аномалий на технологические сигналы, позволяющие решить проблему недостатка подходящих данных.
• Предложена СММ для выполнения классификации участков сигналов на аномальные и не аномальные.
• Предложена методика оценки качества обнаружения аномалий.
Практическая значимость исследования: предложенный подход использования СММ для детектирования аномалий в технологических сигналах позволяет определять аномалии, связанные с временным аспектом (когда само по себе значение показаний датчика не является аномальным, но существует аномально долгое время).
Магистерская диссертация состоит из трёх разделов: в первом разделе рассматривается обзор задачи обнаружения аномалий в технологических сигналах; во втором даётся описание предлагаемой модели обнаружения аномалий в технологических сигналах; в третьем разделе описываются экспериментальные исследования, проведённые с целью оценки эффективности предлагаемого подхода обнаружения аномалий с применением СММ.

Купить

В работе рассмотрены вопросы применения скрытых марковских моделей для обнаружения аномалий как в одномерных, так и в многомерных технологических сигналах. Предложен подход к применению СММ для обнаружения аномалий. Рассмотрен алгоритм генерации временных рядов с непрерывным наблюдением на основе СММ с заданными параметрами. Продемонстрирована работоспособность алгоритма обучения СММ с гауссовскими смесями распределений на основе модифицированного алгоритма Баума-Вельша с градиентным спуском. Произведено тестирование обученной СММ и алгоритма обнаружения аномалий на двух наборах данных (одномерных и многомерных временных рядах). Исследованы зависимости гиперпараметров алгоритма детектирования для разных видов аномалий. Предложен алгоритм оценки точности распознавания аномалий. Произведено сравнение качества распознавания аномалий с двумя другими походами. Даны рекомендации по использованию данного подхода в реальных системах.
Полученные результаты исследования подтверждают работоспособность и адекватность предложенного подхода обнаружения аномалий в технологических сигналах. Основным преимуществом настоящего метода детектирования является его способность обнаруживать аномалии, связанные с временным аспектом (когда само по себе значение показаний датчика не является аномальным, но существует аномально долгое время).

Купить