4. 实验状态感知与异常检测机制

自动化实验一旦进入无人值守或长周期运行阶段，实验状态感知就成为异常恢复的“第一道眼睛”。如果系统无法准确判断当前实验处于正常运行、参数漂移、设备异常还是流程卡死，后续的恢复动作就无从谈起。本节围绕日志、指标、事件和传感器数据四类感知源，设计一套可落地的异常检测方案，覆盖阈值检测、模式识别与实时监控告警三个层次。

四类感知源的分工与采集方式

实验状态感知不是单一数据源能完成的。日志记录离散事件与错误堆栈，指标反映连续变化的数值趋势，事件描述状态跃迁与外部触发，传感器数据则提供物理量的原始观测。四者互补：日志告诉你“发生了什么”，指标告诉你“偏离了多少”，事件告诉你“何时切换”，传感器告诉你“真实世界怎样”。

以典型的自动化材料实验平台为例，采集层可做如下约定：日志通过结构化输出（JSON Lines）写入本地缓冲文件，字段包括时间戳、模块名、级别、消息、实验批次号；指标由采集代理每 2 秒抓取一次，包括温度、压力、流量、电机电流、通信延迟等；事件由状态机在状态切换时主动上报，如“升温完成”“进样开始”“清洗触发”；传感器数据经 Modbus TCP 或串口以 10 Hz 频率读取，保留原始值与校准后值。所有数据统一打上 run_id 与 step_id，便于按实验阶段切片分析。

阈值检测：静态与动态结合

阈值检测是最直接的一层。静态阈值适合物理边界明确的量，例如反应釜温度上限 180 ℃、压力上限 1.2 MPa、电机电流上限 8 A。但静态阈值容易在正常工况波动时误报，因此需要引入动态阈值。动态阈值基于滑动窗口统计：对每个指标维护最近 N 个采样点的均值 μ 和标准差 σ，当当前值超出 μ ± kσ 时触发告警。k 的取值需按指标特性调整，温度类可取 3，流量类可取 2.5，通信延迟类可取 4。

下面是一段简化的动态阈值检测伪代码，可直接映射到实际采集脚本中：

window = deque(maxlen=60)          # 最近 60 个采样点，约 2 分钟
def check(metric, value):
    window.append(value)
    if len(window) < 30:
        return "WARMUP"
    mu = mean(window)
    sigma = std(window)
    if sigma < 1e-6:
        return "STABLE"
    z = (value - mu) / sigma
    if abs(z) > 3.0:
        return "ALERT"
    return "NORMAL"

实际部署时，还需为每个指标配置“告警抑制窗口”，例如同一指标 30 秒内只上报一次，避免告警风暴。对于温度这类惯性大的量，可先做一阶低通滤波再计算 z 值，减少噪声引起的误报。

模式识别：从单点越限到序列异常

阈值检测只能发现“点异常”，而实验中最危险的往往是“模式异常”：数值没有越限，但变化形态不对。例如升温曲线本应单调上升，却出现平台或回落；进样流量本应稳定，却出现周期性抖动；通信延迟本应平稳，却出现逐渐增大的趋势。这些需要模式识别来捕捉。

工程上可先用轻量方法：对关键指标提取滑动窗口内的斜率、方差、过零率、自相关峰值等特征，再用规则或简单分类器判断。例如升温阶段，若窗口内斜率持续小于 0.1 ℃/s 超过 20 秒，判定为“升温停滞”；若流量窗口方差超过基线方差的 3 倍，判定为“流量振荡”。更复杂的场景可引入孤立森林或 LSTM 自编码器，但对多数实验平台而言，特征加规则已能覆盖 80% 以上的异常模式。

模式识别的输出不是单一告警，而是带标签的异常事件，例如 {"type":"TEMP_PLATEAU","step":"heating","severity":"high"}。这些标签直接决定后续恢复策略：升温停滞可能需要检查加热器或传感器，流量振荡可能需要排气或检查管路。

实时监控告警：从检测到可行动

检测到异常只是开始，告警必须可行动。一个完整的告警链路包括：检测规则触发 → 告警去重与分级 → 通知与记录 → 关联恢复动作。分级建议按影响范围划分：P1 为安全或设备风险，立即停机并通知；P2 为实验质量风险，暂停当前步骤并等待确认；P3 为可自恢复异常，记录并尝试重试；P4 为提示信息，仅记录。

告警通知应携带足够上下文：run_id、step_id、指标名、当前值、阈值、持续时间、最近 10 个采样点。这样值班人员无需登录平台即可初步判断。同时，告警应写入事件总线，供恢复引擎订阅。例如当 TEMP_PLATEAU 告警产生时，恢复引擎可自动执行“检查加热器输出 → 若输出正常则切换备用传感器 → 若仍异常则暂停实验并通知”。

感知与检测的整体数据流

下图展示了四类感知源从采集、预处理、检测到告警与恢复触发的完整链路。图中同时标出了阈值检测与模式识别两条并行路径，以及它们如何汇入统一的告警分级与恢复决策。

参数配置与调优建议

检测方案的效果高度依赖参数。以下是一组可直接参考的初始配置，实际使用时需根据设备特性和实验阶段调整：

调优时建议先跑一轮正常实验，收集各指标的基线分布，再设定 k 值和窗口长度。若误报率偏高，优先增大 k 或延长窗口；若漏报明显，则减小 k 或缩短窗口，并补充模式识别规则。所有参数应版本化管理，与实验配方绑定，避免不同批次之间互相干扰。

最后需要强调：状态感知与异常检测的目标不是“零告警”，而是“告警可解释、可行动、可追溯”。每一条告警都应能回答三个问题——发生了什么、影响哪个实验阶段、建议采取什么动作。做到这一点，异常恢复才有可靠的前提。