一种基于机器学习的医疗设备故障预警方法

本发明公开一种基于机器学习的医疗设备故障预警方法，涉及异常检测技术领域。方法包括以下步骤：获取电磁线圈周期内温度、电压与负载扰动数据，提取首尾段趋势生成特征集，识别磁体振动与电流峰值片段，分类扰动事件，追踪冷却泵效率与信噪比变化归类漂移行为，统计周期内方向一致组合频率，标记同步偏移与扰动共存周期生成故障预警结果。本发明中，通过分段采集温度、电压与负载扰动数据并比对趋势，提升了特征提取精度，通过振动频率与电流峰值的时序归类，增强了扰动识别能力，结合冷却效率与信噪比的动态追踪，实现运行状态变化的敏感判断，波动序列中一致性组合统计揭示协同关系，强化了故障预判效果。