本章小结

本章围绕机械监测大数据的异常数据监测与缺失数据恢复，研究了数据质量保障方法，为机械装备智能故障诊断与剩余寿命预测夯实了数据基础。首先，针对在线监测流数据，提出了基于UKF的流数据异常检测方法，采用滤波递归的方式对机械监测流数据进行滤波估计，实现了流数据中异常数据的快速高效检测。然后，围绕离线历史数据，提出了基于KLOF的异常数据检测方法，通过引入Nadaraya-Watson回归对传统LOF进行了加权估计，解决了传统方法无法准确描述复杂特征数据异常程度的问题，实现了离线历史数据中异常数据的筛除。最后，提出了基于张量Tucker分解的缺失数据恢复方法，通过“转速×时窗×小波尺度×时间”的四维张量，建立了不同转速下监测数据在高维空间的联系，重新构建出完整张量，进而恢复了缺失数据，保障了智能运维的数据质量。