一种基于健康分层及混合自编码器模型的倍捻机锭速异常检测方法

本申请公开了一种基于健康分层及混合自编码器模型的倍捻机锭速异常检测方法，涉及纱线加捻技术领域，解决了工业现场标注数据稀缺导致的训练数据污染的问题，该方法包括：利用设备共同驱动的物理特性，通过挖掘锭子群体的长时程统计特征进行健康分层，自动筛选出代表理想状态的健康核心数据子集用于模型训练。在此基础上，构建了一个融合一维卷积神经网络与长短期记忆网络的混合自编码器模型，该混合自编码器模型仅在提纯后的健康数据上进行无监督训练，通过将真正的单锭局部异常从复杂的全局系统波动中剥离出来，从而实现对各类未知异常的灵敏、准确的检测。