基于多样性特征与多源信息方法下分子泵的故障诊断数据集
收藏国家基础学科公共科学数据中心2026-01-30 收录
下载链接：
https://nbsdc.cn/general/dataDetail?id=67d50eac195d260905af9957&type=1
下载链接
链接失效反馈官方服务：
资源简介：
分子泵采用一种基于多样性特性和多源信息的方法，采集多个测点的振动信号，用多种不同的自编码器从多路信号FFT结果中提取具有多样性的特征，用提取的特征训练支持向量机分类器实现故障诊断。分子泵故障诊断实验结果都表面这种方法不仅正确率较高，而且性能十分稳定，受背景噪音和训练集不平衡的影响较小。即，基于多样性特征与多源信息方法下分子泵的故障诊断数据集。
为了实现准确可靠的分子泵故障诊断,提出了一种基于多样性特征和多源信息的分子泵故障诊断方法，在分子泵实验台上采集到分子泵不同故障下多个测点的振动信号,经过预处理后随机分为训练集和测试集.首先通过改变激活函数形成多个去噪自编码器,之后利用生成的深度自编码器对数据集进行多样性特征提取,最后将提取到的特征用于训练支持向量机(SVM)进行故障分类.实验结果表明该方法可以实现分子泵的准确故障诊断,准确率达到98.9％,而且在训练集不平衡或高背景噪声情况下依旧表现良好。
本数据集的承担单位具有相应的资质的实验室，承担相应课题的研究、实验等相关生产条件。各项研究实验在可控环境下开展，针对原始实验数据，建立数据采集流程，包括认真检查、记录和处理，以及进一步核对和复核，确保实验结果的稳定可重复性。数据1.5MB.
提供机构：
中科九微科技股份有限公司
