为了从包含多种异常模式的动态数据流中检测和识别每个异常模式，本文提出了一种基于平稳小波变换和神经网络的质量异常诊断方法。 首先，选择平稳小波变换分解动态数据流。 其次，我们提出了一种改进的模极大值方法，并从动态数据流中找到了奇异点的位置。 最后，根据找到的位置提取特征数据，并将其输入到神经网络中进行分类。 我们的想法是选择平稳小波变换并找到最适合分解动态数据流的小波。 此外，模量最大值直接从对应于大尺度的分解级别中提取。 实验结果表明，该方法不仅可以快速，准确地从动态数据流中识别质量异常模式，而
