滚动轴承高维随机矩阵状态异常检测算法

为解决运行状态监测数据量不断增大、传统降维方法会造成部分有用信息损失的问题,提出了一种滚动轴承高维随机矩阵的状态异常检测算法。对滚动轴承健康监测数据进行多域特征提取和归一化,并通过增广、拼接、随机化等运算构造高维随机矩阵;计算高维随机矩阵的样本协方差矩阵,利用该矩阵的最大与最小特征值之比作为滚动轴承状态异常检测指标;基于随机矩阵谱理论M-P律、Tracy-Widom第一分布,给出了异常检测阈值的数学表达式和决策规则。采用美国辛辛那提大学实验中心轴承试验数据开展了应用研究,分析了高维随机矩阵行列数之比c分别取0.4、0.5、0.6、0.75,误警率分别取0、0.05、0.1、0.2等情况下对检测阈值的影响,并给出了误警率取0.05、矩阵行列数之比c为上述4种情况下滚动轴承早期异常检测结果。试验结果表明,与峭度指标检测算法相比,该算法提前11 h就能检测出滚动轴承的异常状态,可为设备预知维护提供理论指导。