摘要
本发明涉及数据处理技术领域,更具体地,本发明涉及一种用于波纹管机械密封检测的数据分析方法,包括:将任一历史时刻记为目标时刻,将波纹管机械密封处在目标时刻与之前若干历史时刻的压力值的序列作为目标时刻的数据特征向量;确定目标时刻的数据特征向量的变化特征值;确定目标时刻的数据特征向量的失衡度;确定目标时刻的数据特征向量的异常程度;基于所述异常程度,实现用于波纹管机械密封检测的数据分析。本发明通过结合压力数据的标准差、峭度以及基于层次聚类的失衡度分析,不再单纯依赖单点压力值和简单统计指标,能够更全面、更细致地捕捉压力数据的异常波动,避免异常波动仅因阈值判断失误而被错误分类。
技术关键词
波纹管机械密封
数据分析方法
层次聚类算法
神经网络模型
特征值
压力
直线
异常状态
GRU模型
自定义参数
LSTM模型
KNN算法
数据处理技术
统计方法
样本
序列
系统为您推荐了相关专利信息
金融数据分析方法
支持向量机算法
GARCH模型
强化学习算法
卷积滤波器
数据
指标评价体系
内容分类
电力交易市场
电力营销技术
智慧矿山管理系统
物联网技术
特征值
物联网传感器网络
拓扑网络
数据处理中心
视觉识别方法
卷积神经网络模块
卷积神经网络模型
智慧园区管理系统
工业设备故障预测方法
深度神经网络模型
多模态
融合特征
动态融合机制