SPCA和OCHD相结合的旋转机械早期微弱故障检测方法

针对旋转机械早期微弱故障难以被及时准确检测的问题,提出了一种基于辛主成分分析(SPCA)和单分类超圆盘(OCHD)的智能检测方法。首先,采用SPCA将振动信号映射到辛空间,并提取最能表征信号主要能量和有效信息的辛特征值作为旋转机械故障特征。然后,将超圆盘模型引入单分类领域,提出了OCHD模型,该模型采用超圆盘模型评估已知样本的类别分布,并通过寻找几何模型上距离原点最近的点来构建最优单分类超平面,从而实现早期微弱故障的智能检测。最后,采用辛辛那提大学轴承全寿命周期数据验证所提方法的有效性,实验结果表明:SPCA能够有效提取轴承的敏感故障信息,且OCHD的故障检测性能明显优于其他单分类模型。