目前柱塞泵的故障诊断普遍采用监督式机器学习,但实际工程应用中难以收集到大量带有标签的故障训练集。提出一种无监督式机器学习的柱塞泵异常检测方法,在训练阶段仅需要柱塞泵健康状态下的振动数据。同时,为了提升在不同工况下柱塞泵的异常检测性能,对柱塞泵壳体上多个方向的振动信号进行融合,将其时频图合成为RGB图像。通过变分自编码器重建图像,根据输入输出图像的差异度确定柱塞泵异常检测的阈值。通过故障模拟试验台所采集的柱塞泵典