基于慢特征分解与库普曼高维空间预测的非平稳工业过程异常检测方法

本发明涉及一种基于慢特征分解与库普曼高维空间预测的非平稳工业过程异常检测方法，属于工业过程时序异常检测技术领域，包括：采用慢特征分析方法对工业时序数据进行特征分解，划分为快慢变化部分；基于库普曼理论分别将快慢特征映射至线性可观测的库普曼高维空间，构建深度预测模型以实现对特征序列的逐步预测；结合预测结果与实际值之间的偏差，构造近似服从加权卡方分布的SPE统计量，并据此设定异常检测的SPE控制限；引入KL散度度量当前工况与正常工况之间的分布差异，根据其大小自适应更新SPE控制限；在模型在线部署阶段，通过实时计算SPE值并与控制限进行比对，实现非平稳工况下的异常快速识别与动态预警。