我需要根据时间上的温度传感器读数验证加热/冷却循环的正确性。

正确的时间序列具有一定的形状（上升和下降的次数），持续时间大致相同，并且在循环期间需要达到一定的最高温度。

通常，当过程在时间上被压缩或拉伸时，就会出现故障。峰值温度过低，或者总体上的加热/冷却包络被破坏。在上面的图片中，我发布了一个过程正确和错误循环的简化示例。

您会推荐什么分类器用于监督学习模型？对于这种情况，是否有可能开发无监督模型？

我目前使用的是温度的最大值计算和1个主典型正确循环与测试循环的交叉相关，但我怀疑是否有更好的、更通用的方法来解决这个问题。

回答：

恕我直言，使用机器学习来解决这个问题有些过于复杂了，我认为一些带状处理和峰值计数似乎是更简单的方法。

尽管如此，如果你想要使用机器学习，我会建议使用自编码器进行异常检测，可以在这里找到例子 这里 或 这里。

简而言之：自编码器的想法是通过一个非常小的瓶颈（例如一个值，可能是一个相位）重建输入，因此任何当前点都会构建一个看起来不错的曲线。然后将其与实际曲线进行比较。如果吻合，一切正常；如果不吻合，你就知道有些地方不对劲了。