关键词：故障检测;故障诊断;孤立森林;可解读人工智能;无监督检测
摘 要：为实现标签数据不可用情况下对机械故障的早期准确检测和诊断，提出了基于孤立森林(Isolation forest, IF)模型和可解读人工智能工具Shapley加法解释(Shapley additive explanation, SHAP)的无监督旋转机械故障检测方法。提取出时域和频域中的振动特征。在故障检测阶段，以无监督方式基于IF模型检测到早期机械故障。在故障诊断中，使用SHAP对IF模型的预测结果进行解读，通过特征重要性排序得到故障成因，并根据特征与故障位置的对应关系执行故障分类或根因分析。在轴承故障数据集上的试验结果表明，所提方法能够准确及时地检测到早期机械故障的发生，并给出故障发生的原因和位置，所提方法可有效提高机械设备运行和维护的稳定性和自动化。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取