10.16081/j.issn.1006-6047.2019.01.011
XGBoost算法在风机主轴承故障预测中的应用
针对传统机器学习算法处理海量风机数据采集与监视控制(SCADA)监测数据效率低和准确度差的问题,提出利用极端梯度提升(XGBoost)算法预测风机主轴承故障.首先,对风机主轴承SCADA数据开展特征分析,挖掘和发现特征与故障之间的关联关系,并评估各特征的重要性;然后利用XGBoost算法构建主轴承故障预测模型,进行模型评估;最后,依据SCADA系统收集的实测数据对模型进行训练和测试,并调整XGBoost模型的主要参数,提高预测准确率.通过与经典梯度提升决策树(GBDT)算法诊断结果相对比,结果表明XGBoost在风机主轴承故障预测的效率和准确度方面均优于GBDT算法,是处理SCADA大规模数据集的有效工具.
XGBoost、数据采集与监视控制、主轴承、故障预测、大数据
39
TM315(电机)
国家科技支撑计划资助项目2015BAA06B03;国家自然科学基金资助项目51677072
2019-02-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
73-77,83