买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江中控技术股份有限公司申请的专利一种基于改进ReliefF加权的k近邻离心泵故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116244622B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211642619.3，技术领域涉及：G06F18/24；该发明授权一种基于改进ReliefF加权的k近邻离心泵故障诊断方法是由申川川;何伟挺;汪抑非;何城炽设计研发完成，并于2022-12-20向国家知识产权局提交的专利申请。

本一种基于改进ReliefF加权的k近邻离心泵故障诊断方法在说明书摘要公布了：本发明公开了一种本专利提供了一种基于改进ReliefF加权的k近邻离心泵故障诊断方法，通过采集不同运行状态下的离心泵振动信号并对其切片后，再计算时域和频域特征参数，并利用极端森林模型进行特征选择，利用改进的ReliefF算法计算特征参数的权重，进而利用高斯距离加权的k近邻算法预测待测样本的故障类型。本发明提出的基于改进ReliefF加权的k近邻离心泵故障诊断方法能够很好实现离心泵及其组成的系统的多种故障诊断和分类，提高了算法的运行效率，保证了诊断结果的可靠性和稳定性。

本发明授权一种基于改进ReliefF加权的k近邻离心泵故障诊断方法在权利要求书中公布了：1.一种基于改进ReliefF加权的k近邻离心泵故障诊断方法，应用于至少包括离心泵的旋转机械系统，其特征在于，包括： S1，获取旋转机械系统不同工作状态下离心泵的振动信号，其中工作状态包括正常工作状态和若干故障工作状态； S2，对采集的振动信号进行切片处理后分组并分配故障类别标签； S3，对采集的振动信号进行计算得到时域特征参数和频域特征参数，并基于时域特征参数和频域特征参数得到离心泵振动信号特征矩阵； S4，基于极端森林模型对时域特征参数和频域特征参数进行特征选择，并基于降维后的特征参数组成的特征矩阵划分待测样本和训练样本； S5，基于改进的ReilefF计算降维后的特征参数对应的特征权重； S6，基于特征权重和k近邻算法对待测样本进行分类，从而获得待测样本的故障类型; 所述对采集的振动信号进行切片处理后分组，具体包括：基于离心泵转频Fr和采样频率Fs对采集的振动信号进行切片处理得到若干组数据，其中，每n个采样点作为一组数据，其中n≥FsFr; 所述离心泵振动信号特征矩阵为a×b矩阵，a为每种工作状态数据的分组个数，b为时域特征参数和频域特征参数的特征总数; 所述极端森林模型中树的数目n_estimatorss小于等于特征总数b、单个决策树使用的最大特征数max_features为特征总数b的开方，评价指标为熵entropy; 步骤S4具体包括：基于极端森林模型计算特征参数的基尼重要性水平并排序； 保留重要性水平高的若干个特征参数对特征参数进行降维； 基于降维后的特征参数组成特征矩阵； 并将特征矩阵划分为训练样本和待测样本; 所述基于改进的ReilefF计算降维后的特征参数对应的特征权重，具体包括： S51，初始化特征权重向量w为零向量； S52，训练样本中随机抽取一个样本R，从与样本R同类的样本集中找出k个近邻样本Hj，从与R不同类的每类样本中均找出k个近邻样本Mj，从而基于公式1得到样本R中每个特征参数的特征权重wA： 1 式中，MjC表示样本CclassR中第j个最近邻样本，m表示抽样次数，p表示该类样本在样本集中的比例，函数diffA,R1,R2表示样本R1和R2在特征A上的差，其计算公式如2所示， 2 S53，m次抽样后计算特征权重向量w的平均值，并将计算过程中特征权重向量均值中小于0的特征权重置为0，以及对特征权重向量w进行归一化处理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江中控技术股份有限公司，其通讯地址为：310053 浙江省杭州市滨江区六和路309号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。