为了减少深度孤立森林算法相较于普通孤立森林算法和其他异常检测算法所增加的时间开销,提出将孤立森林算法并行化来提升深度孤立森林算法在级联森林阶段的训练效率,结果表明,相较于普通的深度孤立森林算法,并行化后的深度孤立森林算法节省了一定的时间开销,能够满足水质异常数据检测所需要的实时性和准确性。

液压柱塞泵出口压力脉动信号近似于周期信号,有比较明确的物理含义,携带着丰富的泵的健康状态信息,是柱塞泵健康管理比较理想的信号源。利用柱塞泵出口压力上的脉动成分,提出一种基于随机卷积核的柱塞泵异常检测方法,只需柱塞泵在正常工况下的压力脉动数据即可具备检测异常压力脉动数据的能力。该方法包括波形划分、异常数据段检测2个阶段:采用基于动态时间规整(Dynamic Time Warping, DTW)数据划分算法对柱塞泵压力脉动原始数据进行分割,获取压力