由于传感器的大量增加和物联网（IoT）的快速发展，复杂技术系统中的罕见事件预测一直是许多工业和商业领域非常有趣和关键的问题。为了在正常运行期间检测异常和预测机器故障，研究了各种类型的预测性维护（PdM）技术。在这些技术中，针对多维数据集的无监督异常检测方法将在许多实际情况中引起人们的兴趣。因此，在本演示中，我选择了以下三种典型方法。
1.赫泰林T平方法
2.高斯混合模型
3.一类支持向量机
为了模拟现实情况，在本演示中，我将使用C-MAPSST（商用模块化航空推进系统仿真）提供的数据集[1,2]。
[1] A.Saxena，K.Goebel，D.Simon和N.Eklund，“飞机发动机运行至故障模拟的损伤传播建模”，国际预测和健康管理会议（2008年）。
[2] 涡扇发动机退化模拟数据集，https://ti.arc.nasa.gov/tech/dash/groups/pcoe/prognostic-data-repository/#turbofan