一种基于自适应异常检测的电机复合故障识别方法

本发明公开了一种基于自适应异常检测的电机复合故障识别方法，该方法包括采集电机高频电流数据进行预处理后形成样本数据集；针对小样本数据，基于星雀优化算法学习高斯分布关键参数，建立高斯分布异常识别模型，采用k‑sigma法学习阈值，筛选异常数据；针对大样本数据，用正常数据训练乌鸦搜索优化堆叠自编码器，通过能否重构原始数据筛选异常数据；针对异常数据，基于源域和目标域样本采用协同配合的多源域自适应方法提取故障样本域不变特征实现故障分类；针对正常数据，进行分段线性拟合，根据拼接的趋势拟合线参数预测亚健康设备发生故障的时间。本发明能够识别多重故障并发的复杂情况，并实现精准的故障预测。