轴承尺寸检测数据的异常值检测与数据处理研究*

何高清，肖 健

(合肥工业大学 机械工程学院，安徽 合肥 230009)

0 引 言

在轴承形廓质量检测中，尺寸检测是重要的检测环节。本文采用多激光传感器并行高速自动化轴承检测设备，在连续尺寸检测过程中，其采样检测点数量众多，检测数据存在异常值与数据波动是不可避免的。正确地识别与处理异常值、降低数据的波动性，对轴承检测结果的准确性与稳定性有重要意义。检测数据发生波动与产生异常值有以下几个主要原因：

(1)由于选用激光传感器进行检测，其检测灵敏度高，外界易对其造成干扰，造成检测数据不稳定；

(2)由于采用类三爪卡盘式固定轴承，当检测到卡盘处时，超出传感器检测量程，会产生异常数据点；

(3)由伺服电机带动卡盘高速旋转，进而对轴承进行检测，高速旋转所带来的振动也会影响检测结果。

异常检测也叫异常挖掘，是指从大量数据中找出其行为明显不同于预期对象的过程[1]。目前，异常数据检测的方法大体可分为基于统计的异常检测方法[2]、基于距离的异常检测方法[3]、基于密度的异常检测方法[4]和基于聚类的异常检测方法[5]等几种。各方法的优缺点分述如下：

(1)基于统计的异常检测方法，通过统计学理论，确定数据的分布模型，分析数据的离散程度和相应模型的评价指标来确定数据的异常程度，这种方法用于分析只包含单种属性的数据；

(2)基于距离的异常检测方法，通过设定距离阈值，计算各数据点与数据集的距离，将大于距离阈值的数据确定为异常数据。……