基于 ModernTCN 的电动汽车时间序列异常检测系统，用于识别电动汽车运行数据中的故障模式。

• 数据处理: 自动处理 CSV 格式的电动汽车数据，支持多通道时间序列
• 模型训练: 使用 ModernTCN 进行时间序列分类任务
• 异常检测: 基于样本预测结果进行文件级异常判断
• 结果导出: 自动生成预测结果、混淆矩阵和异常文件列表

pip install -r requirements.txt

将 CSV 格式的用于训练的电动汽车数据放入 ./all_datasets/train_datasets 文件夹
将 txt 格式的记录训练数据中故障的电动汽车数据文件名目录写为 ./all_datasets/abnormal_list.txt
如:

JBGS25000000620
JBGS25000007612
JBGS25000005692
JBGS25000008795

将 CSV 格式的待预测电动汽车数据放入 ./all_datasets/predict_datasets 文件夹
系统支持以下通道(若其他数据完整可做拓展)：

• SUM_MILE_AGE：里程数
• SPEED：速度
• SUM_VOLTAGE: 总电压
• SUM_CURRENT: 总电流
• SOC: 电池荷电状态
• MAX_TEMP：最高温度
• MIN_TEMP：最低温度
• U_SD: 单体电压标准差（自动计算）
• T_SD: 温度标准差（自动计算）
• U_diff: 单体电压步差（自动计算）
• T_diff: 温度步差（自动计算）

cd ./EVAbnormalDetect
sh scripts/data_process.sh

或直接运行./run_data.py，内含三种任务可选：

• --fft:使用快速傅里叶变换进行数据扰动，用以扩充故障数据解决分类不平衡问题
• --denoise:进行平滑，处理原数据中出现的异常时间点
• --transform:将原文件csv池化、分段为UEA数据集标准格式EV_xx.ts，用于模型训练

cd ./EVAbnormalDetect
sh scripts/run_classification.sh

或直接运行./run.py，参数可调

cd ./EVAbnormalDetect
sh scripts/predict.sh

将根据实验中已训练的模型进行预测并输出

训练完成后，系统会生成：

• file_level_predictions_test.csv：样本预测结果
• plots/{setting}/training_curves.png: 训练曲线
• plots/{setting}/confusion_matrix.png: 混淆矩阵
• plots/{setting}/file_level_predictions_test_abnormal_files.txt：文件级验证结果 训练完成后，系统会生成：
• predict_results/{setting}/predictions.csv: 样本预测结果
• predict_results/{setting}/file_level_predictions_test.png: 文件级预测结果图片
• predict_results/{setting}/file_level_predictions_test_abnormal_files.txt: 异常文件列表

• --threshold: 异常判断阈值
• --train_epochs: 训练轮数
• --batch_size: 批次大小
• --learning_rate: 学习率
• --dropout: Dropout 率
• --patience: 早停耐心轮数
• --random_seed: 随机种子

• --seq_len: 输入序列长度
• --c_out: 输出维度

• --patch_size: 补丁大小
• --patch_stride: 补丁步长
• --ffn_ratio: 前馈网络比例
• --dims: 各阶段维度
• --num_blocks: 各阶段块数
• --large_size: 大卷积核尺寸
• --small_size: 小卷积核尺寸
• --use_multi_scale: 是否使用多尺度融合

• --is_training: 训练模式
• --do_predict: 是否执行预测
• --itr: 实验重复次数
• --use_gpu: 是否使用GPU
• --gpu: GPU设备ID

ModernTCN-classification/
├── data_transform/             # 数据转换模块
│   └── data_transform.py
├── exp/                        # 实验模块
│   ├── exp_basic.py       
│   └── exp_classification.py  
├── data_provider/              # 数据提供者模块
│   └── ...
├── models/                     # 模型定义
│   └── ModernTCN.py       
├── layers/                     # 网络层定义
│   └── ...
├── utils/                      # 工具函数
│   └── ...
├── scripts/                    # 运行脚本
│   ├── predict.sh              # 预测脚本
│   ├── data_process.sh         # 数据处理脚本
│   └── run_classification.sh   # 分类训练脚本
├── all_datasets/EV/            # 数据集目录及样本映射
│   └── ...
├── checkpoints/                # 模型检查点
│   └── {setting}/
│       └── checkpoint.pth
├── predict_results/            # 预测结果
│   └── {setting}/
│       └── ...
├── plots/                      # 可视化结果
│   └── {setting}/
│       └── ...
├── run_data.py                 # 数据处理脚本
├── run.py                      # 模型运行脚本
└── requirements.txt            # 依赖包列表

本项目基于 ICLR 2024 论文: ModernTCN: A Modern Pure Convolution Structure for General Time Series Analysis [OpenReview]