压力容器本体变形识别技术研究.ppt

机器学习在变形识别中的应用08训练数据集构建方法多源数据融合通过整合压力容器的应变传感器数据、三维扫描点云数据以及历史检测报告，构建具有时空关联性的多维训练数据集，确保数据覆盖不同工况和变形模式。采用基于统计分布和聚类分析的方法识别并剔除传感器漂移、环境噪声等干扰数据，同时通过插值或生成对抗网络（GAN）补充缺失数据段，提升数据集质量。针对压力容器变形样本稀缺问题，采用SMOTE过采样技术或基于有限元仿真的合成数据生成方法，解决类别不平衡对模型训练的负面影响。异常数据清洗样本平衡处理从应变信号中提取均方根值、峭度因子等时域特征，结合快速傅里叶变换（FFT）获取频域能量分布特征