基于AR自相关峰态值的一类轴承故障检测方法

针对轴承故障检测系统中异常样本数据不易收集以及异常样本数据分布不均导致传统分类算法出现过适应现象等现实应用问题,提出了一种基于自回归(AR)模型自相关系数峰态特征的一类故障检测方法。该方法利用正常样本生成AR模型参数,其他样本在该模型的投影形成残差序列,计算残差序列的自相关系数并取其峰态特征作为相似性的度量。实验结果表明该方法能有效地克服以AR模型参数为特征计算复杂度高且检测性能易受样本大小影响的不足。同时,文章给出了单一故障诊断模型并提出基于粒子群优化算法的阈值设定决策方法。实验中将本方法同其他以AR模型为特征的多层感知机(MLP)及自组织映射(SOM)方法进行比较,实验结果验证了本文建议方法的正确性和有效性。