针对往复压缩机异常检测不及时、漏报、误报的问题,提出一种多特征融合的相空间LDA（Latent Dirichlet Allocation）模型的异常检测方法。为了全面描述波形特征,提取往复压缩机正常运行数据和实时运行数据的特征集,对特征集进行预处理后,运用LDA方法计算正常状态和当前状态相空间分布模型,并用JS（Jensen Shannon divergence）距离计算两者差异度,若差异度超过设定值则认为发生故障。实验验证了该方法能有效实现往复压缩机异常检测,并能大幅提前往复压缩机典型故障异常检测报警时间点。