基于孤立森林-控制图与多特征联合的滚动轴承异常状态检测

为保证滚动轴承异常状态检测的及时性并降低虚警率,提出了一种基于孤立森林的多指标改进CUSUM异常检测方法(IF-CUSUM)。首先,对轴承原始振动序列进行小波去噪;然后,基于孤立森林算法去除振动序列的离群点;最后,结合RMS和峭度等指标设计阈值分配方案,给出异常状态检测判定依据。通过60组不同振动演化规律、脉冲强度和噪声等级的滚动轴承故障仿真数据以及FEMTO-ST轴承数据集进行算法验证,结果表明,与基于单一RMS指标、峭度指标的异常检测算法相比,IF-CUSUM算法能较早地检测出滚动轴承运行过程中的异常点,虚警率较低,整体性能和鲁棒性较好。