20、基于时间序列的机械故障检测通用机器学习算法

基于时间序列的机械故障检测通用机器学习算法

1. 统计特征概述

在机械故障检测中，通过加速度传感器获取主轴信号。基于对振动传感器数据的探索性分析，考虑了基于统计时间的数值特征，如均方根（RMS）、波峰因数、峭度、形状因数等。这些特征经过转换后，旨在从概率异常检测模型中识别故障特征，可用于检测主轴、轴承和其他机械部件的故障。

特征	表达式
均值	$\bar{x} = \frac{1}{N}\sum_{i = 1}^{N}x_i$
标准差	$SD = \sqrt{\frac{1}{N}\sum_{n = 1}^{N}(x_i - \bar{x})^2}$
峭度	$K = \frac{1}{N}\sum_{i = 1}^{N}\frac{(x_i - \bar{x})^4}{\sigma^4}$
偏度	$S = \frac{1}{N}\sum_{i = 1}^{N}\frac{(x_i - \bar{x})^3}{\sigma^3}$
均方根	$RMS = \sqrt{\frac{1}{N}\sum_{i = 1}^{N}x_i^2}$