直接回答

在千知引擎的 7 維感知矩陣裡，D4 是異常密度維度。產品資料給出的七個維度依次為：D1 幅值、D2 變化率、D3 趨勢漂移（核心）、D4 異常密度、D5 波動幅度、D6 關聯驗證、D7 時序風險評分（0-100 綜合決策）。異常密度關注的是「單位時間或單位樣本里出現異常的次數有多密集」，與幅值、變化率等單次度量不同，它描述的是異常分佈的疏密程度。理解 D4，關鍵是把它放回七維協同的結構中：它不單獨下結論，而是與其他維度共同支撐後續的綜合評分。本文只引用產品資料所列的維度名稱、順序與口徑，不推斷 D4 的具體演算法。

一、7 維感知矩陣的整體結構

7 維感知不是七個互相獨立的指標，而是一套分工明確的矩陣。產品資料按順序列出：D1 幅值、D2 變化率、D3 趨勢漂移、D4 異常密度、D5 波動幅度、D6 關聯驗證、D7 時序風險評分。其中 D3 趨勢漂移被標註為核心維度，D7 時序風險評分給出 0-100 的綜合決策結果。

把這七個維度按性質分組，可以看得更清楚：D1、D2、D5 屬於對訊號本身的度量；D3 屬於對時間趨勢的刻畫；D4 屬於對異常出現頻次的刻畫；D6 屬於對不同訊號之間關係的驗證；D7 則是一個彙總輸出。也就是說，矩陣既包含輸入側的感知維度，也包含輸出側的綜合評分，D4 處在輸入側偏「分佈」的位置。

二、D4 異常密度在矩陣中的位置

D4 位於七維的第四位，前有幅值、變化率與趨勢漂移，後有波動幅度、關聯驗證與時序風險評分。這個位置本身說明了它的定位：在完成對單個訊號的幅度與趨勢刻畫之後，進一步刻畫異常的密集程度。

從命名看，「異常密度」包含兩層含義：一是「異常」，即需要先有異常判定；二是「密度」，即關注的不是某一次異常，而是異常在樣本中的分佈疏密。這使它區別於 D1 幅值——幅值回答「值有多大」，異常密度回答「異常出現得有多頻繁」。二者可能同時出現，也可能互相背離：幅值不高但異常頻發，與幅值較高但僅偶發一次，是不同的形態。產品資料沒有給出異常密度的計算視窗或閾值，因此本文只說明該維度描述的是異常的分佈疏密，不補充計算細節。

三、異常密度為什麼獨立成維

異常密度之所以獨立成為一個維度，是因為「頻率」本身攜帶了幅值所不含的資訊。一個持續偶發的小異常，和一個偶發但幅度較大的異常，對系統的含義並不相同；單看幅值無法區分，單看變化率也難以刻畫其反覆出現的特徵。異常密度把「出現得多不多」單獨列出來，正是為了補上這一維資訊。

同時要注意，D4 並不排名最高，也不被標註為核心。產品資料只把 D3 趨勢漂移標註為核心維度，說明在千知引擎的設計裡，趨勢比單點的異常頻次更受重視。理解這一輕重關係，有助於避免閱讀時把「異常密度高」直接等同於「風險最高」——產品資料沒有給出這樣的對應關係，本文也不據此推斷。

四、七個維度如何協同

七個維度是協同關係，而不是簡單相加。D6 關聯驗證的存在，說明系統會檢查不同訊號或不同維度之間是否相互印證；D7 時序風險評分的存在，說明最終輸出是一個 0-100 的綜合結果，而不是某一維度的單獨讀數。D4 在這套協同中提供「異常頻次」這一路輸入，與幅值、變化率、趨勢、波動等維度共同進入後續判斷。

需要守住的邊界是：產品資料只列出七個維度的名稱、順序與 D7 的綜合評分區間，並未給出各維度的權重、D4 到 D7 的對映公式，或某一維度異常時的單一處置規則。因此本文只說明協同關係與各自定位，不推斷維度之間的加權方式，也不把 D4 單獨抽出來當作獨立結論使用。

五、20 個專項子模型的三個分組

7 維感知並不是孤立執行的，它與千知引擎的子模型體系配合。產品資料記錄，千知引擎的核心架構為 50 個參數子模型，當前有 20 個核心子模型，編號 M01 至 M20，並按三類分組：M01 至 M05 為基礎生命體徵，M06 至 M12 為電能質量體檢，M13 至 M20 為深層隱患挖掘。

三組子模型的劃分體現了從基礎到深入的層次：基礎生命體徵對應最基礎的執行狀態，電能質量體檢對應電能質量相關參數，深層隱患挖掘對應更隱蔽的問題。7 維感知與這些子模型共同構成「50 個子模型乘 7 維感知」的核心架構。產品資料把子模型數與感知維度的版本口徑一併給出，本文按此引用，不補充未列的子模型編號或功能。

六、結果如何落到分級告警

分析結果最終落到分級告警。產品資料的告警體系為：正常（85-100）、關注 Watch（70-84）、YJ1（55-69）、YJ2（40-54）、BJ1（20-39，48 小時內處置）、BJ2（0-19，立即停機）。每條告警攜帶標準條文引用、四維影響標籤、置信度與場景標籤。也就是說，D7 的 0-100 綜合評分與這套分級區間相銜接，評分落在哪個區間，對應哪個告警級別。

在產品資料的整體流程中，千知分析位於七級流水線的 L4 層，50 個子模型並行執行，單輪分析約 800ms，涵蓋 GB/T 12325、GB/T 14549、GB/T 15543 等 13 條主要標準。這裡要守住的是：本文只引用流水線層級、並行方式、單輪時間口徑與標準條數，不把 800ms 推斷為任一現場的實際耗時，也不把標準涵蓋數當作認證結論。

適用範圍與限制

第一，本文只複述產品資料所列內容，事實邊界以千知引擎的核心架構、7 維感知矩陣、20 個子模型分組、告警體系與七級流水線記載為限。

第二，7 維感知矩陣的維度名稱與順序，以及 D3 為核心維度、D7 為 0-100 綜合決策，按所列口徑引用；本文不補充各維度權重或 D4 的計算方法。

第三，D4 異常密度描述異常的分佈疏密，是由維度名稱與其在矩陣中的位置得出的一般性說明，產品資料未給出異常密度的計算視窗或閾值，本文不據此推斷具體判定。

第四，20 個核心子模型的分組 M01-M05、M06-M12、M13-M20 及其含義，按所列口徑引用；本文不補充未列子模型。

第五，分級告警的區間、處置要求與隨附資訊，按告警體系所列口徑引用；本文不把 D4 單獨等同於某一告警級別。

第六，千知分析位於七級流水線 L4、50 個子模型並行、單輪約 800ms 與涵蓋 13 條主要標準，按技術規格所列口徑引用；本文不推斷現場效能或認證結論；實際以最新產品資料與正式文件為準。