Signal Validation Service - 基础知识
检查
范围检查
Assets 通常具有由设计预定义的固有技术边界。这些边界为可接受的测量数据值设定了限值。可以使用范围检查为可接受的测量数据值定义上限和下限。如果测量数据超出这些边界之外，范围检查即会检测到。
数据差距分析
由于以下多种原因，时间序列数据可能不完整：
- 数据可能存在时间差距
- 数据点可能包含时间戳但不包含值
- 到达的数据可能不具有或具有不一致的单位
- 数据可能使用了错误格式。
许多数据分析算法无法处理这些差距。例如，规则要求数据没有差距。对于不同信号通道的相关性分析，需要将数据映射到不同的时间戳。
数据差距分析可以报告差距并执行线性内插。
报警
峰值报警
峰值报警应用三标准差范围来检测异常值：该算法使用由用户自定义大小的滑动窗口。当滑动窗口的大小有足够的值可用时，每次新数据点到达时窗口都会向前移动。在每个步骤中，使用窗口内的所有数据点计算平均值和标准差（西格玛）。
如果最新数据点，也就是窗口中的最后一个点，与均值的偏差超过标准差3倍，则返回报警。
噪声报警
测量过程中的意外误差可能引起测量噪声。在数据分析任务中使用噪声数据可能会导致各种问题，例如错误的统计信息或不良模型。
噪声报警算法使用由用户自定义大小的滑动窗口。当滑动窗口的大小有足够的值可用时，每次新数据点到达时窗口都会向前移动。为了检测噪声，将在滑动窗口中计算到均值的绝对距离 (ADTM) 和标准差（西格玛）。
如果 ADTM 的标准差（西格玛）超过用户自定义的阈值，则将输入信号视为噪声。
下图显示了使用噪声报警分析的数据示例。绿色数据点是没有噪声的数据，蓝绿色数据点是被噪声报警正确检测到的噪声数据。红色数据点是误报，被错误地标记为噪声，仅在机器行为从正常变为有噪声的短过渡期内发生。
跳跃报警
跳跃，即信号序列突然发生较大变化，可能是工业过程中某些严重错误的前兆。因此，需要一种机制来识别这种行为并触发报警。
跳跃报警算法使用具有用户定义大小的滑动窗口。当滑动窗口的大小有足够的值可用时，每次新数据点到达时窗口都会向前移动。为了检测峰值，将在滑动窗口中计算到均值的绝对距离 (ADTM) 和标准差（西格玛）。
如果三个连续信号值中有两个超过标准差的 2 倍，则触发报警。
偏差报警
信号值不应偏离在特定环境中表示 assets 正常行为的预期模式太多。模式可以是常数或由线性或非线性函数给出，例如正弦或甚至更多函数。
偏差报警检测模式和趋势的变化，例如，当信号值连续超过线性偏差阈值时。
偏差报警使用两个用户自定义的具有相同大小的滑动窗口。当有足够的值可以填充两个滑动窗口而不会重叠时，每次新数据点到达时窗口都会向前移动。在每个步骤中，将通过使用快速傅里叶变换 (FFT) 将每个窗口的数据点变换到频率空间。然后，在频率空间中计算它们的余弦相似度。
如果相似度未达到用户自定义的阈值，则会触发偏差报警。
还有问题?
除非另行声明，该网站内容遵循MindSphere开发许可协议.