编辑推荐：
为解决轴承早期退化状态变化弱且不明显、传统分析方法在非平稳信号中效果受限等问题，研究人员开展基于可见性图建模的轴承状态监测研究，引入 LPVG 模型，结合 MMD 提取差异。结果表明该方法有效，提升计算效率与模型性能。
在工业设备运行中，轴承作为核心部件，其健康状态直接关系到整个机械系统的安全与稳定。然而，轴承退化早期往往表现出微弱且不明显的状态变化，传统的时域分析方法在面对非线性、非平稳的振动信号时，容易因随机噪声和共振干扰导致特征提取不准确，而频谱分析虽能提取故障信息，但如何在保证信息有效性的同时提升计算效率仍是难题。此外，现有图模型中完整图存在信息冗余和计算复杂度高的问题，稀疏图又需在灵敏度与鲁棒性之间寻找平衡，这些挑战使得轴承早期故障的精准识别成为工业界和学术界亟待解决的关键问题。
为攻克上述难题，国内研究机构的研究人员开展了基于可见性图建模的轴承退化过程变点识别研究。该团队提出将有限穿透可见性图（LPVG）应用于轴承动态行为建模，通过引入穿透限制参数优化图的稀疏性，并结合最大均值差异（MMD）方法提取当前图与历史图序列的差异，以实现轴承退化早期变点的有效检测。研究成果发表在《Engineering Applications of Artificial Intelligence》，为轴承状态监测提供了新的思路与方法。
研究中采用的主要关键技术方法包括：一是基于 LPVG 的动态建模技术，通过将振动信号转换为功率谱并构建可见性图，利用穿透参数控制图的稀疏性，将计算复杂度从完整图的 O (N2) 降至稀疏图的 O (N)；二是结合 MMD 的回顾性分析方法，用于衡量模型健康指标的相异性，以支持基于零假设检验的变点决策，该方法不依赖数据分布假设，提升了系统在不同工况下的适应性。研究使用了 Case Western Reserve University（CWRU）数据库和西安交通大学（XJTU）的轴承振动数据集作为样本来源。
实验结果与结论
动态建模性能验证
通过构建 LPVG 模型，研究发现该模型能够有效过滤低振幅干扰，保留关键频率成分的连接关系。与完整图相比，LPVG 在保证模型对轴承状态变化灵敏度的同时，显著降低了计算复杂度，验证了其在动态建模中的高效性。
变点检测效果分析
利用 MMD 方法对不同阶段的图模型进行差异分析，结果表明该方法能够敏感捕捉轴承从健康状态到故障状态的早期变化。在 CWRU 和 XJTU 数据集上的实验显示，所提方法可有效识别退化过程中的变点，为及时采取维护措施提供了依据。
与现有方法对比
通过与传统频谱分析方法及其他图模型方法对比，LPVG 结合 MMD 的方法在计算效率、抗噪声能力和早期故障检测灵敏度方面均表现出明显优势，展现了其在实际工程应用中的潜力。
研究结论表明，基于可见性图建模的回顾性分析方法为轴承早期故障检测提供了一种高效、可靠的解决方案。LPVG 模型通过穿透参数实现了灵敏度与鲁棒性的平衡，MMD 方法则增强了系统对不同工况的适应性，两者的结合显著提升了轴承退化过程变点识别的准确性和效率。该研究不仅在理论上拓展了可见性图模型在机械故障诊断中的应用，更在工程实践中为旋转机械的状态监测和预知性维护提供了重要的技术支撑，有助于减少因轴承故障引发的灾难性事故和经济损失，对提升工业系统的安全性和可靠性具有重要意义。
