煤矿防爆电气设备在运行过程中产生的振动会损害其机械完整性，导致紧固件松动、零部件磨损，并改变设备的结构与振动模态，进而引发信号特征的复杂变化，使得正常振动频率与故障引发的新频率成分相互混淆，模糊了正常信号与故障信号之间的界限，从而降低了传统检测方法在故障检测中的准确性。针对上述问题，提出一种基于单分类支持向量机（OCSVM）的煤矿防爆电气设备振动故障自动检测方法。首先，构造设备的正常状态特征和振动故障状态特征，根据OCSVM的特性，将正常状态特征序列设定为OCSVM核函数的决策边界学习目标。由于煤矿防爆电气设备振动故障呈现非线性和高维特征，经综合考量选定多项式核作为OCSVM的核函数。然后，采用网格搜索和K -交叉验证相结合的方式对OCSVM进行参数调优，以使OCSVM达到更好的性能。最后，通过求取OCSVM目标函数的最优解，确定最优决策边界，以此实现煤矿防爆电气设备振动故障的自动检测。实验结果显示：① 在迭代次数为20次时，OCSVM算法能够在较短时间内收敛并达到稳定。② 基于OCSVM的电气设备信号划分实验，借助多项式核函数能精准划分样本实现检测。③ 振动故障自动检测性能分析中，所提方法在各样本量下准确率均显著高于红外热成像技术检测方法、基于灰狼优化支持向量机模型检测方法，小样本量时准确率达98.25%且稳定性好。

0引言
1方法原理
1.1防爆电气设备信号特征划分
1.2防爆电气设备振动故障自动检测
2实例验证
2.1实验准备
2.2 OCSVM性能验证
2.3基于OCSVM的电气设备信号划分
2.4振动故障自动检测性能分析
3结论

郑铁华,王飞,赵格兰,等.基于单分类支持向量机的煤矿防爆电气设备振动故障自动检测[J/OL].工矿自动化,1-8[2025-02-19].https://doi.org/10.13272/j.issn.1671-251x.2024090053.