📚 课程目录第3章异常检测概述

3、异常检测概述：异常检测的定义、类型（点异常、上下文异常、集合异常）及在设备状态监测中的价值

在TinyML的工程语境中，异常检测并非一个宽泛的“找不同”游戏，而是一种在资源受限的端侧设备上，通过建模“正常行为”的边界，从而识别出偏离该边界的数据模式的系统性方法。与传统的分类任务不同，异常检测的核心挑战在于：我们往往无法预知所有故障形态，且异常样本极其稀少甚至完全缺失。因此，异常检测本质上是一个半监督或非监督学习问题——我们主要利用大量易获取的“正常”数据来构建基准，任何显著偏离基准的模式都被视为潜在异常。本章将深入剖析异常检测的定义、三种核心类型（点异常、上下文异常、集合异常），并结合工业设备状态监测场景，阐述其不可替代的工程价值。

上图清晰地展示了异常检测的三种类型与设备监测价值之间的逻辑关系。在实际的TinyML部署中，我们往往需要同时考虑这三种异常类型，因为它们分别对应着不同的物理故障机理和信号特征。下面我们将逐一深入剖析。

3.1 核心原理：什么是异常检测？

异常检测（Anomaly Detection）的核心原理是建立正常行为的概率分布或特征空间边界。在设备状态监测中，“正常”意味着设备在健康工况下的传感器读数模式，例如振动频谱的稳定包络、温度曲线的周期性波动、电流波形的谐波结构等。异常检测算法并不学习“故障长什么样”，而是学习“正常是什么样”。

从数学角度看，异常检测通常涉及以下几个关键步骤：

特征提取：从原始传感器时序数据中提取有意义的特征，如均方根值（RMS）、峰值因子、频谱重心、小波包能量等。
正常模型构建：利用仅包含正常数据的训练集，构建一个描述正常行为边界的模型。常见方法包括：基于距离的（如K近邻）、基于统计的（如高斯分布）、基于重构误差的（如自编码器Autoencoder）。
异常评分：对于新输入的样本，计算其与正常模型的偏离程度，输出一个异常分数（Anomaly Score）。
阈值判定：设定一个合理的阈值，当异常分数超过该阈值时，触发告警。

在TinyML环境中，这种原理的实现受到内存（通常小于512KB）、算力（MCU主频通常低于200MHz）和功耗的严格约束。因此，端侧异常检测模型往往采用轻量级的算法，如基于距离的孤立森林（Isolation Forest）的简化版、微型自编码器或基于统计过程控制（SPC）的阈值法。

关键认知：异常检测不是分类任务。分类任务需要预先定义“正常”和“故障”两类标签，而异常检测只需要“正常”数据。这意味着在设备部署初期，即使我们从未见过某种故障，只要它偏离了正常模式，系统就能将其捕获。这是异常检测在工业场景中极具吸引力的根本原因。

3.2 异常检测的三种类型及判断方法

根据异常数据的存在形式，异常检测被划分为三种基本类型。理解这些类型有助于我们选择合适的特征工程和算法策略。

3.2.1 点异常（Point Anomaly）

定义：单个数据实例相对于整体数据分布而言是异常的。这是最直观的异常类型。

判断方法：通常采用基于密度或距离的方法。例如，在振动加速度数据中，某个采样点的幅值突然超过正常范围的6个标准差（6σ），即可视为点异常。在TinyML中，这可以通过简单的滑动窗口Z-score算法实现。

// 伪代码示例：基于Z-score的点异常检测
float mean = 0.0, std = 0.0;
// 假设已从正常数据中计算出mean和std
float new_sample = read_sensor();
float z_score = (new_sample - mean) / std;
if (fabs(z_score) > 6.0) {
    trigger_alarm();
}

适用场景：轴承点蚀产生的瞬时冲击脉冲、电源电压的瞬间跌落、通信链路的偶发数据丢包。

3.2.2 上下文异常（Contextual Anomaly）

定义：一个数据实例在全局范围内可能处于正常区间，但在特定的上下文（如时间、季节、工况）中却是异常的。在设备监测中，最常见的上下文是时间上下文和工况上下文。

判断方法：需要引入上下文属性。例如，电机在低速运转时（如300 RPM），其振动速度值（mm/s）为2.0是正常的；但在高速运转时（如3000 RPM），同样的振动值则严重超标。因此，必须将转速作为上下文特征，构建“转速-振动”的二维正常区域。

上下文类型	示例	TinyML实现要点
时间上下文	夜间环境噪声低，设备待机功耗应低于5W；若夜间功耗达到20W，则异常	需要维护一个时间特征（小时/分钟），或使用循环神经网络（RNN）的轻量变体
工况上下文	泵的出口压力与流量存在物理约束关系；若流量大但压力极低，则可能空转或泄漏	需引入工况参数（如转速、设定值）作为输入特征，构建多变量高斯模型

3.2.3 集合异常（Collective Anomaly）

定义：单个数据点本身正常，但一组数据点的组合出现模式是异常的。这种异常往往揭示了系统组件之间的协同关系被破坏。

判断方法：需要分析序列的关联性。例如，在齿轮箱中，啮合频率及其谐波成分的幅值比例关系是固定的。如果基频幅值正常，但二阶谐波幅值突然增大到与基频相当，虽然每个频率点的幅值都在历史范围内，但它们的比值关系发生了异常。这属于集合异常。

典型应用：多传感器融合场景。例如，监测电机时，电流信号和振动信号应具有某种相关性。当电流平稳但振动剧烈时，可能发生了机械松动；当振动平稳但电流飙升时，可能发生了负载突变。通过分析两个信号序列的联合分布，可以捕捉到单点分析无法发现的故障。

易混淆点提示：集合异常与上下文异常的区别在于：上下文异常强调“个体值在特定条件下异常”，而集合异常强调“多个个体值的组合模式异常”。例如，环境温度30°C（正常），电机温度80°C（正常），但“环境温度30°C且电机温度80°C”在冬季工况下可能意味着散热系统故障——这更偏向集合异常，因为它依赖于两个变量之间的关联性，而非单一变量的上下文。

3.3 在设备状态监测中的工程价值

异常检测在设备状态监测中的价值不仅体现在“发现问题”，更体现在预测性维护（PdM）的落地。其核心价值可归纳为以下四点：

降低非计划停机时间：通过早期异常预警，维护团队可以在设备完全失效前安排维修，避免生产中断。据统计，有效的预测性维护可减少30%-50%的停机时间。
减少误报与漏报：结合上下文异常和集合异常分析，可以过滤掉因工况变化引起的“伪异常”，同时捕捉到微弱的早期故障信号。
边缘实时决策：在TinyML设备上直接运行异常检测模型，数据无需上传云端，延迟可控制在毫秒级，且保障了数据隐私和安全性。
降低数据存储与带宽成本：端侧设备只上传异常事件及其上下文片段，而非连续的高频波形数据，可减少90%以上的数据传输量。

3.4 案例拆解：离心泵的早期故障预警

为了更具体地说明三种异常类型在实战中的综合应用，我们拆解一个离心泵监测的案例。

背景与约束：某化工厂的冷却循环泵，转速为2900 RPM，配备一个三轴加速度传感器（采样率12.8 kHz）和一个压力传感器（采样率100 Hz）。TinyML设备基于ARM Cortex-M4内核，拥有256KB RAM。目标是提前48小时预警轴承磨损和汽蚀故障。

初始现象与目标：泵在运行初期表现正常。团队的目标是建立一套仅基于正常数据训练的异常检测模型，能够捕捉到轴承磨损初期的微弱振动变化。

关键输入数据与特征：

时域特征：振动加速度的RMS值、峰值因子（Crest Factor）。
频域特征：通过256点FFT计算出的1倍频（48.3 Hz）、2倍频（96.6 Hz）及轴承故障特征频率（BPFO、BPFI）处的幅值。
工况参数：泵出口压力。

分析判断过程：

点异常检测：对RMS值应用Z-score算法。在运行第20天时，RMS值出现单次尖峰，超过7σ，系统触发点异常告警。但现场检查未发现明显问题，判断为瞬时扰动（如管道水锤），属于误报。
上下文异常检测：引入压力作为上下文。发现当压力低于0.4 MPa时，振动RMS值在2.0-2.5 mm/s之间波动，属于正常；但当压力高于0.6 MPa时，同样的RMS值则异常。通过构建“压力-RMS”的二维密度图，成功过滤了因工况切换导致的误报。
集合异常检测：在第35天，虽然RMS值仍在正常范围内（2.8 mm/s），但BPFO频段的幅值与1倍频幅值的比值从0.05上升至0.15。单看每个频点幅值均未超限，但比值关系已严重偏离正常模型。系统判定为集合异常，发出预警。

实际操作与结果：维护团队根据集合异常预警，在48小时内安排了停机检查。拆解后发现轴承外圈出现轻微点蚀，与BPFO特征频率计算一致。更换轴承后，比值恢复至0.05。该案例中，集合异常提供了最早的故障线索，比传统RMS阈值法提前了约30小时。

风险与代价：集合异常模型需要精确的频谱幅值计算，对FFT的加窗处理和频率分辨率要求较高。若频率分辨率不足（如仅256点FFT），可能导致特征频率幅值泄漏，造成误判。此外，该模型对转速波动敏感，若转速变化超过±5%，需进行阶比跟踪处理。

复盘经验：在TinyML端侧实现异常检测时，不要试图用一个万能模型解决所有问题。更稳健的策略是构建一个级联检测器：第一级用计算量最小的点异常检测（如Z-score）进行粗筛；第二级用上下文异常检测（如查表法）过滤工况干扰；第三级用集合异常检测（如轻量级相关性分析）捕捉深层故障。这种分层设计既保证了实时性，又提高了准确率。

3.5 常见误区与总结复盘

在设计和部署异常检测系统时，工程师常陷入以下误区：

误区一：忽略数据的非平稳性。设备在启动、停机、变载过程中，传感器数据天然是非平稳的。若直接用全局统计量（如全局均值和方差）进行Z-score计算，会导致大量误报。解决方法是使用滑动窗口内的局部统计量，或先进行工况分段。
误区二：阈值设置过于静态。设备随着运行时间增加，正常磨损会导致振动基线缓慢上升。静态阈值会导致后期漏报。建议采用自适应阈值，如指数加权移动平均（EWMA）控制图。
误区三：仅关注单一传感器。设备故障往往是多物理量的综合体现。仅依赖振动信号可能无法区分“轴承故障”和“不对中”。融合电流、温度、压力等多源信息，可以显著提升异常检测的区分度。

总结：异常检测是TinyML在工业设备状态监测中最具落地价值的应用之一。理解点异常、上下文异常和集合异常的本质区别，有助于我们针对不同的故障机理设计高效的特征提取和模型策略。在资源受限的端侧设备上，我们应优先采用轻量级、可解释性强的算法，并通过级联架构平衡计算负载与检测精度。记住，异常检测的目标不是“零误报”，而是在有限的资源下，实现故障召回率与误报率的最佳平衡，从而为预测性维护提供可靠的数据支撑。