故障检测算法

Question

我正在尝试实现算法来检测和区分不同的故障模式。数据是当前值。不同的状态是： 好：测量值平稳，数据没有剧烈波动。 错误 1：数据中的周期性模式以峰值形式出现。 故障二：信号变化大 这个想法是进行状态监测，以在一周内（168 个测量点）（良好、故障 1 或故障 2）对单元的状况进行评估和分类。

我可以用什么来解决 Python 中信号处理方法的这个问题？

到目前为止，我已经完成了韦尔奇变换（FFT）并分析了它和频谱的分布，我注意到在正常情况下，频谱就像一个 1/f 噪声并且没有季节性迹象。 在故障 2 中，它也类似于 1/f 噪声，但具有可识别的离散谐波（季节性）。 故障 3 就像白噪声，没有离散的谐波，噪声很大。

我想用峰的数量和线性回归曲线的斜率作为指标，但我不知道具体在哪里设置极限。 如何将我的识别转换为算法并自动检测不同的情况？ 非常感谢您的回答