航空发动机异常检测对于准确了解飞机健康状态、支持维修决策、保障飞行安全具有重要意义。针对航空发动机气路部件的长期退化行为,提出一种基于慢特征分析和局部离群因子的动态阈值异常检测方法。首先,充分利用慢特征分析的优势提取气路参数随时间缓慢退化的有效特征。然后,计算特征空间样本的局部离群因子来构造监控统计量,定量表征发动机的健康状态。考虑固定阈值对气路状态时变特性的适应性差,利用基于局部分布差异的自适应窗口调整

为了在没有任何历史故障信息的情况下定位真正的故障变量，研究了KNN在化工生产过程故障定位中的应用。首先利用局部离群因子（LOF）算法剔除原始数据中的离群点，将剩余数据作为训练数据建立KNN模型；然后计算待检测数据的检测指标，将其与控制限对比进行故障检测。最后，对检测出的故障计算训练数据基于KNN的变量贡献，利用核密度估计确定定位指标的控制限。对测试数据计算变量对定位指标的贡献，对所求的贡献矩阵进行量化，画出故障定位图。将该方法用于数值例子和TE过程，仿真结果说明该方法可以对故障进行准确定位，证明了其有效性。