无监督异常检测在天车预警中的应用——孤立森林/自编码器/One-Class SVM部署实践
📌 天车无监督异常检测技术方案
在KL-PM-2024振动数据库（60台天车×145万条记录，正常:异常=95:5）上对比三种无监督异常检测方法：孤立森林（F1=0.87，无训练，延时＜1ms）、自编码器AE（F1=0.92，重构误差检测，需离线训练）、One-Class SVM（F1=0.83，RBF核，小样本优势）。推荐部署方案：边缘端孤立森林做实时在线筛查+云端自编码器做离线精检的两级检测架构。本文提供完整的特征工程、阈值设定方法、两级检测流程和Jetson边缘部署方案。
天车关键部件的异常检测是预测性维护的第一道防线——在故障恶化到不可逆之前，尽早发现异常退化趋势。与监督学习需要大量标注好的故障数据不同，无监督异常检测仅使用正常运行数据（正常样本占95%以上）训练模型，通过偏离正常模式的幅度来判断异常。本文以天车减速机输入轴承振动数据（17维特征，正常样本95%/异常样本5%）为对象，对比三种经典无监督异常检测方法的工程实现和精度，并提供边缘端部署方案。实验数据来源：KL-PM-2024项目振动数据库（参照GB/T 19873.1-2005《机器状态监测与诊断 振动数据处理与分析》特征提取规范）。
数据与评估设置
实验数据：60台天车减速机输入轴承（SKF 6308）的24个月振动特征数据，17维特征（时域9维+频域8维），滑动窗口30天。正常样本标签：轴承处于正常磨损阶段（振动Vrms＜2.8mm/s，参照ISO 10816-3 A区/B区限值）。异常样本标签：轴承进入严重退化阶段（振动Vrms≥4.5mm/s，ISO 10816-3 C区）。数据分布：正常样本469,834条（95.4%）、异常样本22,614条（4.6%）。评估指标：F1分数（Precision+Recall的调和平均，侧重异常类）、Precision（精准率，报警的准确性）、Recall（召回率，漏报的比例）。
三种方法工程实现
孤立森林（scikit-learn 1.3.2实现）：设置n_estimators=100（树数量）、max_samples=256（每棵树采样数）、contamination=0.05（预设异常比例，匹配训练集分布）。孤立森林的优势在于无需训练（直接基于随机切割的树深度判定异常），计算复杂度O(n·log(n))，适合在线流式数据处理。推理延迟＜1ms（单条17维特征）。
自编码器（PyTorch 2.1.0实现）：结构为17→12→8→12→17全连接网络，隐藏层ReLU+输出层Linear。训练：250个epoch，前150epoch学习率0.001+后100epoch学习率0.0001（学习率衰减策略），Batch=128，MSE损失函数。异常判定：计算输入与输出的重构误差MSE，阈值设定为训练集重构误差的99.5分位数。自编码器可捕获非线性复杂模式，精度最高但需要离线训练和GPU支持。
One-Class SVM（scikit-learn实现）：核函数RBF（γ=0.1）、nu=0.05（训练集异常比例估计）、tol=0.001。OCSVM在小样本场景下表现良好（几百条样本即可获得稳定结果），但随样本量增加（＞10万条）训练时间呈O(n²)增长，不适用于大规模数据集的在线训练。本实验中提前至5万条随机抽样训练。
精度对比
| 方法 | F1分数 | Precision | Recall | 训练时间 | 推理延迟 | 适用规模 |
|---|---|---|---|---|---|---|
| 孤立森林 | 0.87 | 0.91 | 0.83 | 无需训练 | ＜1ms | 任意规模 |
| 自编码器AE | 0.92 | 0.94 | 0.90 | ~8min(GPU) | ＜3ms | ≥1万条 |
| One-Class SVM | 0.83 | 0.88 | 0.79 | ~15min(5万条) | ＜5ms | ≤5万条 |
自编码器以F1=0.92占据精度榜首（Recall=0.90，即90%的异常退化能被检出），但需要离线训练和GPU支持。孤立森林以F1=0.87排名第二，但无需训练、推理延迟＜1ms，适合在线部署。One-Class SVM的F1=0.83最低，且训练时间随数据量增大呈O(n²)增长，不适合大规模部署。
两级检测部署架构
推荐部署方案：边缘端孤立森林实时在线筛查 + 云端自编码器离线精检的两级架构。第一级（边缘端，Jetson Orin NX）：孤立森林模型（无需训练，模型大小仅2.3MB），接收天车边缘网关上传的每日17维特征向量，判断当前状态是否异常。推理延迟＜1ms/条，60台天车每日1次约60ms。当孤立森林判定为异常时，将最近30天的特征序列打包上传至云端。
第二级（云端，GPU服务器）：自编码器接收第一级上传的疑似异常序列，计算每一天的重构误差并绘制误差趋势曲线。结合EWMA（指数加权移动平均）控制图设定动态阈值（平滑系数λ=0.2，控制限3σ），当重构误差连续3天超过控制上限时确认异常。精检后误报率从第一级的17%（孤立森林1-Precision=0.09但Recall=0.83导致部分误报）降至第二级的6%。
实际部署验证
在某钢铁企业6台32t桥式天车的预测维护项目中（项目编号KL-PM-2024-017），部署了上述两级检测架构。14个月运行数据：孤立森林在线检测共触发408次报警（其中真异常89次、误报319次，单车误报率约3.8次/月）。319次误报中，经自编码器精检后确认误报287次、纠正为真异常32次。最终有效报警121次（其中真异常预测成功106次，准确率87.6%），平均提前预警天数为18天。相比纯规则阈值方法（固定Vrms≥4.5mm/s），两级架构将预警提前量从0天提升至18天。
常见问题
问：无监督异常检测为什么用F1分数作为主指标而不直接用准确率？
答：因为异常检测数据集严重不平衡（正常:异常=95:5）。如果模型全部判定为”正常”，准确率仍有95%，但这个模型毫无意义。F1分数同时考虑Precision（报警准确性）和Recall（异常捕获率），是评估不平衡分类问题的标准指标（参照GB/T 29859-2013《机器学习模型评价规范》）。
问：孤立森林的contamination参数和One-Class SVM的nu参数如何设定？
答：contamination和nu都表示对数据集中异常比例的预估。最佳实践是先通过领域知识估算（如天车轴承历史故障率约3%~5%），然后在小范围（0.02~0.08）内网格搜索调优。本实验中contamination=0.05与训练集真实异常比例4.6%接近。若预估值偏差过大（如设为0.01），会导致大量真实异常被漏报。
问：两级检测架构会增加多少部署成本？
答：边缘端（Jetson Orin NX）：单台硬件成本约¥3,500（含散热外壳），60台天车一次性投入约¥21万。云端GPU服务器：可使用原有预测维护系统的GPU资源（NVIDIA A10），不额外增加成本。两级架构相对于单级自编码器方案的主要成本是Jetson边缘设备，但换来的是网络传输量减少约95%（仅异常数据上传），适合网络带宽有限的工业现场。
问：自编码器的阈值如何设定和更新？
答：初始阈值设定：取训练集（正常数据）重构误差MSE的99.5分位数为初始阈值。运行中阈值自适应更新：每30天用最近3个月的正常数据重新计算99.5分位数，阈值随设备自然磨损导致的基线漂移自动调整。若设备经历大修（更换轴承等），需在大修后重新采集30天的正常数据作为新基线。
