非线性特征提取的流形学习应用，推荐一篇挺有意思的论文：《基于非线性流形学习的喘振监测技术研究》。用的不是传统那套统计，而是上来就构造高维空间，再通过局部切空间排列提取一维主流形。通俗点说，就是它能比老办法提前 1 秒发现压缩机出问题，还减少误报，挺适合搞设备监测的场景。
高维空间的构建靠的是多元统计，通过类似LLE这类流形降维方法来提取核心变化趋势。和你常见的相关积分那种方法比，这个方案更偏向“提前预警 + 智能识别”，不是靠阈值，而是靠结构变形。
论文看着虽然是 2009 年的，但内容还蛮有启发，尤其是你要在MATLAB里做流形降维，可以顺着看下这篇配套的资源：流形学习 MATLAB 应用与论文资源，还有一些挺实用的源码。
如果你做过Golang或者Simulink里的状态建模，那种需要提前预测压缩机失效的需求，也可以看看这篇相关应用：压缩机状态预知检修技术研究与应用。
要注意的一点是，虽然文中用的不是现在最火的深度学习，但思路值得借鉴——尤其是系统复杂、信号变化又不规律的场景，直接用流形变化趋势搞预测，反而更稳定。
如果你最近在研究设备异常检测、流形学习降维、或者想在MATLAB中跑一些监测模型的原型，可以试着跑一跑里头提到的方法，理解一下那种“非线性+结构”的监测逻辑。