一种基于多通道特征和KNN-MTD的离心泵故障诊断方法和系统

AITNT
正文
推荐专利
一种基于多通道特征和KNN-MTD的离心泵故障诊断方法和系统
申请号:CN202510681613
申请日期:2025-05-26
公开号:CN120197081A
公开日期:2025-06-24
类型:发明专利
摘要
本申请属于机械故障诊断领域,具体公开了一种基于多通道特征和KNN‑MTD的离心泵故障诊断方法和系统。本申请通过处理离心泵多通道数据,弥补单一传感信号特征提取能力不足的局限性,能够更全面地表征离心泵的运行状态;考虑到实际工程中样本不平衡,采用基于k近邻算法改进的趋势扩散模型(MTD)生成故障特征样本,通过数据增强和样本平衡策略,有效缓解了因样本不平衡导致的诊断性能下降问题,并提高了模型对少数类故障样本的识别能力。
技术关键词
离心泵故障诊断 样本 多通道特征 故障特征 故障诊断方法 时域特征 频域特征 机械故障诊断 信号特征提取 频率 KNN算法 数据 分类边界 可读存储介质 近邻算法 采样点 粒子群算法
系统为您推荐了相关专利信息
1
一种基于自适应周期划分与深度学习的泡排时机预测方法
阶段 样本 深度学习模型 周期 曲线
2
一种水声目标识别方法、装置及计算机可读存储介质
卷积神经网络模块 样本 信号 识别方法 预测类别
3
心脏按压监测方法、装置、设备及介质
按压设备 图像识别模型 体外膜肺氧合 超声设备 对象
4
一种用于测定树木端粒长度的引物、方法、测定树木树龄的方法及应用
引物 分子遗传技术 核苷酸 序列 数学模型
5
一种面向FSAC赛道场景的端到端感知方法
图像 序列 编码器模块 锥桶 编码特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号