1.一种自动化检定流水线表位在线异常的检测方法，其特征是，包括以下步骤：1)确定特征指标：提取描述检定表位误差试验数据分布的特征指标，并形成异常检测方法中待处理的特征向量；所述检定表位有60个检定表位，即60个数据样本，每个样本包含6个指标；所述特征指标包括最大值、最小值、期望、方差、偏度和峰度；2)进行特征缩放：采用Yeo-Johnson转换法对提取的特征向量进行缩放；3)计算异常因子数值：采用局部异常因子算法，对缩放后的特征向量进行分析处理，得到异常因子数值；4)形成检测结果：采用格拉布斯准则对异常因子数值进行异常判定，得到检测结果；计算异常因子数值的具体过程为：选取集合X中的样本点p，计算点p与其他数据点间的欧式距离，找出相距点p最近的k个点，形成点p的k邻域N k (p)；对于给定点p，集合X中的任一点o距离点p的欧式距离记为d(p,o)，距离点p第k近的点到点p间的距离记为d k (p)，计算点p的第k可达距离reach_dist k (p,o)为：reach_dist k (p，o)＝max{d k (o)，d(p，o)} (2)基于可达距离，计算点p的局部可达密度lrd k (p)为：式中|N k (p)|表示第k邻域包含的点的个数；基于局部可达密度，计算点p的局部异常因子LOF k (p)为：调整k邻域，k的取值范围为10≤k≤50，计算LOF k (p)最大值；对异常因子数值进行异常判定的具体过程为：将LOF k (p)以x＝1为对称轴扩展为双侧分布；以{LOF(p 1 ),LOF(p 2 ),LOF(p 3 ),…,LOF(p n )}表示扩展后的LOF数值序列，将上述序列从小到大进行排列得到序列{x 1 ,x 2 ,x 3 ,…,x n }，计算该序列均值 和标准差S，然后取序列中的最大值x n 计算G值，G值计算公式如下：将G n 与格拉布斯临界值G(α,n)进行比较，若G n >G(α,n)，则其标记为异常值，G(α,n)的大小与置信度α和样本数量n有关；当检测出x n 为异常值时，将其从原序列剔除，得到新序列{x 1 ,x 2 ,x 3 ,…,x n-1 }，对新序列重复上述步骤，直至检测不到异常值为止。
2.根据权利要求1所述的一种自动化检定流水线表位在线异常的检测方法，其特征是，在进行特征缩放过程中，采用Yeo-Johnson转换法对分布特征进行缩放，进行特征缩放转换公式为：式中，y为待处理数据，λ为幂变换参数。
3.一种自动化检定流水线表位在线异常的检测系统，其特征是，包括：特征指标确定模块，用于提取描述检定表位误差试验数据分布的特征指标，并形成异常检测方法中待处理的特征向量；所述检定表位有60个检定表位，即60个数据样本，每个样本包含6个指标；所述特征指标包括最大值、最小值、期望、方差、偏度和峰度；特征缩放模块，用于采用Yeo-Johnson转换法对提取的特征向量进行缩放；异常因子数值计算模块，用于采用局部异常因子算法，对缩放后的特征向量进行分析处理，得到异常因子数值；检测结果形成模块，用于采用格拉布斯准则对异常因子数值进行异常判定，得到检测结果；所述异常因子数值计算模块计算异常因子数值的具体过程为：选取集合X中的样本点p，计算点p与其他数据点间的欧式距离，找出相距点p最近的k个点，形成点p的k邻域N k (p)；对于给定点p，集合X中的任一点o距离点p的欧式距离记为d(p,o)，距离点p第k近的点到点p间的距离记为d k (p)，计算点p的第k可达距离reach_dist k (p,o)为：reach_dist k (p，o)＝max{d k (o)，d(p，o)} (2)基于可达距离，计算点p的局部可达密度lrd k (p)为：式中|N k (p)|表示第k邻域包含的点的个数；基于局部可达密度，计算点p的局部异常因子LOF k (p)为：调整k邻域，k的取值范围为10≤k≤50，计算LOF k (p)最大值；所述检测结果形成模块对异常因子数值进行异常判定的具体过程为：将LOF k (p)以x＝1为对称轴扩展为双侧分布；以{LOF(p 1 ),LOF(p 2 ),LOF(p 3 ),…,LOF(p n )}表示扩展后的LOF数值序列，将上述序列从小到大进行排列得到序列{x 1 ,x 2 ,x 3 ,…,x n }，计算该序列均值 和标准差S，然后取序列中的最大值x n 计算G值，G值计算公式如下：将G n 与格拉布斯临界值G(α,n)进行比较，若G n >G(α,n)，则其标记为异常值，G(α,n)的大小与置信度α和样本数量n有关；当检测出x n 为异常值时，将其从原序列剔除，得到新序列{x 1 ,x 2 ,x 3 ,…,x n-1 }，对新序列重复上述步骤，直至检测不到异常值为止。
4.根据权利要求3所述的一种自动化检定流水线表位在线异常的检测系统，其特征是，所述特征缩放模块采用Yeo-Johnson转换法对分布特征进行缩放，进行特征缩放转换公式为：式中，y为待处理数据，λ为幂变换参数。
