风机振动数据无监督异常检测实验进展

数据分析实验室近期围绕旋转设备开展无监督异常检测实验，探索在缺乏故障标签的条件下，能否通过数据驱动方法提前识别设备状态劣化，为预测性维护积累方法论。实验选取某工厂6台风机约三个月的高频振动波形及温度、电流数据，先提取时域特征（均值、峰值、峭度）与频域特征（包络谱能量），再对比孤立森林与自编码器两种模型的检测效果。阶段性结果显示：其一，自编码器对轴承早期异常的召回率约82%，误报约每台每周1.2次，优于孤立森林的71%；其二，包络谱在故障特征频段的能量占比对异常最敏感，将作为后续建模的核心输入特征。下一步计划有二：一是引入转速、负载等工况变量作为模型条件输入，降低变工况运行带来的误报；二是将异常评分与现场点检记录对齐，验证评分与实际劣化过程的一致性，为预警阈值设定提供依据。实验室将按阶段持续更新实验进展。