摘要
本发明提出了一种针对数据不平衡情况下的风机故障诊断方法,该方法通过振动加速度传感器收集风机轴承的振动信号并转换为电信号,对数据进行数据清洗和快速傅里叶变换以优化数据质量,采用改进的SMOTE算法对少数故障样本进行过采样,以平衡数据集类别分布,利用CNN‑GRU模型进行故障诊断,验证了改进SMOTE算法的有效性,该方法显著提升了风机故障诊断的准确性和效率,有效解决了工业风机在运行过程中遇到的样本不平衡问题。
技术关键词
风机故障诊断方法
振动加速度传感器
SMOTE算法
故障诊断模型
压电加速度传感器
门控循环单元网络
风机轴承
噪声样本
构建卷积神经网络
数据生成模型
时间序列信息
GRU模型
K近邻算法
工业风机
高斯核函数