[發明專利]一種基于XGBoost算法模型的風機主軸承故障監測與診斷方法在審
| 申請號： | 202010337698.1 | 申請日： | 2020-04-26 |
| 公開（公告）號： | CN111380686A | 公開（公告）日： | 2020-07-07 |
| 發明（設計）人： | 黃文廣;劉廣臣;陳文;孫濤 | 申請（專利權）人： | 華風數據（深圳）有限公司 |
| 主分類號： | G01M13/04 | 分類號： | G01M13/04 |
| 代理公司： | 深圳市凱博企服專利代理事務所(特殊普通合伙) 44482 | 代理人： | 李紹飛 |
| 地址： | 518000 廣東省深圳市龍華新區*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 xgboost 算法 模型 風機 主軸 故障 監測 診斷 方法 | ||
1.一種基于XGBoost算法模型的風機主軸承故障監測與診斷方法，其特征在于，所述方法包含下述步驟：
步驟一，從SCADA系統的數據庫提取以一分鐘為時間間隔的數據作為原始數據集；
步驟二，運用Pearson相關系數、XGBoost算法、CatBoost算法和隨機森林算法對原始數據集中的特征變量進行綜合打分，從提取的原始數據中得到建立模型所需要的排名靠前的特征變量；
步驟三，根據系統故障記錄表刪去故障時間段以及其前后各一天的所有數據，并且篩選在并網狀態下的特征變量作為訓練模型的總數據，并對總數據進行訓練集和檢驗集的劃分；
步驟四，利用機器學習常用調參方法網格搜索的方式檢索最優的參數組合，確定模型參數建立基于XGBoost算法故障監測模型；
步驟五，將步驟三的檢驗集帶入步驟四的基于XGBoost算法故障監測模型，得到測試樣本對應的實際曲線與預測曲線對比圖、殘差圖和評價指標的計算結果；
步驟六，在基于XGBoost算法故障監測模型，發現異常后，將排名靠前的特征變量用作風機檢修過程中故障原因診斷與定位的參照。
2.根據權利要求1所述的基于XGBoost算法模型的風機主軸承故障監測與診斷方法，其特征在于：所述步驟一通過刪除日期時間列，刪除控制狀態列的列處理方式把數據處理成以一分鐘為時間間隔。
3.根據權利要求1所述的基于XGBoost算法模型的風機主軸承故障監測與診斷方法，其特征在于：所述SCADA系統的數據庫提取了2018-2019年以10秒鐘為時間間隔的數據。
4.根據權利要求1所述的基于XGBoost算法模型的風機主軸承故障監測與診斷方法，其特征在于：所述以10秒鐘為時間間隔的數據的數量為310萬條。
5.根據權利要求1所述的基于XGBoost算法模型的風機主軸承故障監測與診斷方法，其特征在于：所述總數據進行劃分的方式為80％作為訓練集，20％作為檢驗集。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華風數據（深圳）有限公司，未經華風數據（深圳）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010337698.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種丁腈橡膠專用烷基苯磺酸鈉及其制備方法
- 下一篇：焊接電極結構
