技术特征：
1.一种设备异常检测方法，包括：获取待检测设备的状态数据，其中，所述获取数据包括多次采集的状态参数；对获取数据进行预处理，得到时序分类的时序状态参数，根据时序状态参数及异常检测算法得到时序状态特征参数，其中，同类的所述时序状态参数对应同一时间节点；获取预定时间段的各时间节点的所述时序状态特征参数，以预设算法对获取的各时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常，其中，所述预定时间段以当前时间点为结束节点；根据判断结果判定所述待检测设备是否处于异常状态。2.根据权利要求1所述的方法，其特征在于，所述对获取数据进行预处理包括：对获取数据进行归一化处理、降噪处理和时间校正处理；以时间为分类标准对处理后的获取数据进行时序分类。3.根据权利要求2所述的方法，其特征在于，所述时间校正处理包括：将同次采集的状态参数的记录采集时间以预设规则校正至相同值。4.根据权利要求1所述的方法，其特征在于，所述以预设算法对获取的各时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常包括：根据各时间节点的所述时序状态特征参数得到对应时间节点的时序评价指标，其中，所述时序评价指标用于表征所述时序状态特征参数与预设的正常状态特征参数均值的差异度；根据各时间节点的所述时序评价指标判断对应的时序状态特征参数是否异常。5.根据权利要求4所述的方法，其特征在于，所述根据各时间节点的所述时序状态特征参数得到对应时间节点的时序评价指标的公式为：其中，e表示所述时序评价指标，y
j
表示所述时序状态特征参数，表示所述正常状态特征参数均值，j表示所述时序状态特征参数的维度。6.根据权利要求3所述的方法，其特征在于，所述根据各时间节点的所述时序评价指标判断对应的时序状态特征参数是否异常包括：判断各时间节点的所述时序评价指标是否大于预设的异常阈值，若大于所述异常阈值，则判定所述时序评价指标对应的时序状态特征参数异常。7.根据权利要求1至6任一项所述的方法，其特征在于，所述根据判断结果判定所述待检测设备是否处于异常状态包括：获取所述时序状态特征参数异常的时间节点，记为异常时间节点；判断所述预定时间段内所述异常时间节点数与总时间节点数的比值是否大于预设阈值，若是，判定所述待检测设备处于异常状态。8.一种设备异常检测装置，其特征在于，包括：获取模块，用于获取待检测设备的状态数据，其中，所述获取数据包括多次采集的状态参数；处理模块，用于对获取数据进行预处理，得到时序分类的时序状态参数，根据时序状态
参数及异常检测算法得到时序状态特征参数，其中，同类的所述时序状态参数对应同一时间节点；判断模块，用于获取预定时间段的各时间节点的所述时序状态特征参数，以预设算法对获取的各时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常，其中，所述预定时间段以当前时间点为结束节点；判定模块，用于根据判断结果判定所述待检测设备是否处于异常状态。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
技术总结
本申请涉及一种设备异常检测方法、装置、计算机设备和存储介质。所述方法包括：获取待检测设备的状态数据；对获取数据进行预处理，得到时序分类的时序状态参数，根据时序状态参数及异常检测算法得到时序状态特征参数；获取预定时间段的各时间节点的时序状态特征参数，以预设算法对获取的各时间节点的时序状态特征参数进行分析，判断各时间节点的时序状态特征参数是否异常，其中，预定时间段以当前时间点为结束节点；根据判断结果判定待检测设备是否处于异常状态。通过上述方法自动实现对待检测设备的异常检测，避免了人工检测随检测时间增加而出现的错检概率和漏检概率上升的问题，稳定性和准确性较高，并降低了工作人员的工作量。量。量。
技术研发人员：许翔 倪健 薛聪
受保护的技术使用者：迪希埃（北京）半导体技术有限公司
技术研发日：2021.09.07
技术公布日：2021/12/30