申请/专利权人：贵州大学

申请日：2024-04-22

公开（公告）日：2024-07-05

公开（公告）号：CN118070138B

主分类号：G06F18/2411

分类号：G06F18/2411;G06F18/231;G06F18/27;G06F18/214;G06F18/21

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.06.11#实质审查的生效;2024.05.24#公开

摘要：本发明公开了不平衡样本下汽轮机转子故障诊断方法、存储介质和设备，包括如下步骤：使用凝聚层次聚类算法AHC对少数样本进行聚类；计算出每个子集群与多数类的中心距，比较其中心距，选出候选子集群并使用k‑NN去噪；根据子集群的大小和子集群的错分代价，确定每个子集群的过采样大小；使用MWMOTE在每个少数子集群中合成新的实例；采用IMWMOTE与LS‑SVM结合在一起进行小样本糅杂不平衡故障诊断，增加模型的可解释性。本发明巧妙地解决了涡轮转子系统等高端设备中不平衡、异构数据采样建模的难题，提供了一种具有出色可解释性的采样模型。

主权项：1.一种不平衡样本下汽轮机转子故障诊断方法，其特征在于，至少包括如下步骤：步骤1.获取数据，使用凝聚层次聚类算法AHC对少数样本进行聚类；步骤2.计算出每个子集群与多数类的中心距，比较其中心距，选出候选子集群并使用k-NN去噪；步骤3.根据子集群的大小和子集群的错分代价，确定每个子集群的过采样大小；步骤4.使用MWMOTE在每个少数子集群中合成新的实例；步骤5.采用IMWMOTE与LS-SVM结合在一起进行小样本糅杂不平衡故障诊断，增加模型的可解释性；在步骤3中，包括计算出子集群的大小和子集群的错分代价，将总采样数平均分，总采样数的二分之一以每个子集群的误分代价为权重，另外二分之一以每个子集群的样本数量为权重，分别计算出每个子集群的采样数；所述计算出子集群的大小和子集群的错分代价的计算公式如下所示： ；所述将总采样数平均分，总采样数的二分之一以每个子集群的误分代价为权重，另外二分之一以每个子集群的样本数量为权重，分别计算出每个子集群的采样数，具体公式为： ；其中，为聚类后每个子集群的采样数，为多数类的样本数量，为少数类的样本数量，n为子集群数，为子集群的样本数量；为第i个子集群的误分代价；为所有子集群的误分代价；为第i个子集群的真阳性；为第i个子集群的真阴性；为第i个子集群的假阳性；为第i个子集群的假阴性。

全文数据：

权利要求：

百度查询： 贵州大学 不平衡样本下汽轮机转子故障诊断方法、存储介质和设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD