電磁脈沖閥的故障診斷方法研究（如何判斷電磁脈沖閥的故障）

機(jī)器學(xué)習(xí)是人工智能的一個重要組成部分，因其具備故障診斷要求的準(zhǔn)確性和高效性，逐步受到了研究者的青睞。機(jī)器學(xué)習(xí)不依賴于被診斷系統(tǒng)復(fù)雜的數(shù)學(xué)模型，主要是運用某些算法，指導(dǎo)計算機(jī)利用已獲得的數(shù)據(jù)構(gòu)建出規(guī)律模型，并利用此模型對新數(shù)據(jù)做出判斷的過程。K最近鄰(KNN)算法的核心思想就是所有樣本的預(yù)測類型將根據(jù)其K個相鄰樣本類型來確定。

本節(jié)根據(jù)選取的電磁脈沖閥的故障特征的分布特點，驗證加權(quán)KNN算法識別電磁脈沖閥多種故障的有效性。應(yīng)用上一節(jié)中電磁脈沖閥不同故障類型的電開關(guān)信號，提取大膜片組件打開反應(yīng)時間和大膜片組件的打開狀態(tài)保持時間，將其預(yù)處理后輸入到加權(quán)KNN分類器中，從而構(gòu)建加權(quán)KNN故障診斷模型，并對其進(jìn)行故障診斷，具體流程如圖4所示。