伴随着信息化时代的到来,技术飞速发展,传感器开始广泛地应用于工业环境。通过处理分析传感器采集的设备的各项运行状态数据,可以进行设备的异常检测。工业环境对异常检测方法的准确性和实时性要求较高,力求能够及时发现设备异常,尽量减少甚至避免异常引起的损失。但传统的设备异常检测方法大多适用于静态数据集,难以在实际工业环境中产生的传感流数据上取得理想的效果。本文通过对多源传感流数据的分析,挖掘异常事件之间的频繁共现关系,提出了设备异常的在线检测方法,并研究了异常检测准确性和即时性的保障方法,以满足工业设备异常检测的需求。主要研究工作和贡献如下:1.针对在多源事件流中关联关系的发现问题,提出了一种基于频繁共现模式挖掘的多源事件流事件关联即时发现方法。该方法基于滑动窗口模型,通过对多源事件流中事件的计数统计,提出带有时序特征的频繁共现模式挖掘方法,从而准确、高效的发现事件关联。2.针对工业设备的异常检测问题,提出了基于事件关联的异常在线检测方法。该方法能够实时接入传感流数据,基于挖掘的事件关联关系,预测概率最大的后续异常事件,进行异常的实时检测。3.基于某火电厂真实采集到的传感数据,对本文所提出的方法进行了大量的实验,验证了本文所提出的基于多源事件流事件关联的设备异常检测方法的准确性和性能。4.基于本文所提出的事件关联即时发现方法和异常检测方法,设计并实现了设备健康状态诊断原型系统。该系统能够实时监控电厂设备的运行情况,支持设备的在线异常检测,对设备的运行状态进行诊断。