在工业生产、智能交通、航空航天等众多领域，多传感器系统已成为关键基础设施。这类系统通常包含成百上千个传感器，随着时间推移，每个传感器都会产生海量参数数据。这些数据相互关联，任何一个传感器参数状态分布的细微变化，都可能引发连锁反应，致使其他参数异常，甚至导致整个系统瘫痪，进而造成巨大的经济损失与安全风险。因此，精准、实时的多传感器系统异常检测技术迫在眉睫。本项目聚焦于多传感器系统异常检测，构建了基于 Bi-LSTM 的 AutoEncoder 预警系统。该系统能实时、全面地监测系统内所有传感器的参数状态。通过双向长短时记忆网络（Bi-LSTM）捕捉时间序列数据的前后依赖关系，结合自动编码器（AutoEncoder）对正常数据特征进行学习与重构，一旦监测到参数特征偏离正常范围，该系统便会立即触发报警机制，及时通知相关人员进行维修。该系统具备实时检测能力，能够在异常发生的第一时间发出警报，最大程度减少异常情况对系统运行的影响。