摘要
进行压缩机组转子异常检测能有效提高设备运行的安全性与可靠性,但在工业应用中,压缩机组转子故障数据匮乏,不利于对设备进行异常检测.文章针对仅有正常数据的压缩机组转子提出一种基于时域与频域特征的支持向量数据描述(support vector data description,SVDD)的异常检测方法.该方法利用正常数据的时域与频域特征训练支持向量数据描述模型,确定超球体半径阈值,并将其与测试过程中样本到超球体中心的距离进行比较,完成异常检测.与基于傅里叶变换的SVDD异常检测方法相比,该方法具有更高的异常检测精度,使压缩机组转子异常检测具有良好的灵敏性与鲁棒性.
NETL
NSTL
万方数据