【论文荐读|EAAI】基于高斯混合模型的轴承早期故障无监督健康指数估计新方法
提出了一种基于高斯混合模型(GMM)的新型无监督健康指标(GMM-HI)方法,用于早期故障检测。这种方法利用GMM来估计初始正常数据的分布,并使用Wasserstein距离来测量当前数据分布与初始分布的差异,从而对轴承的退化过程进行可视化。
采用保序回归的方法来校正监测信号中存在的虚假波动,提高了HI的准确性。
通过在3个轴承数据集上的实验验证,结果表明GMM-HI能够有效检测轴承的早期故障,并可用于对轴承健康状态进行分级,同时还可以为余寿预测设置统一的失效阈值,优于其他常用的HI方法。