欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021105327630
申请人: 桂林电子科技大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于滑窗特征的风机主轴故障预测方法,所述方法包括以下步骤:(1)对预处理后的风机样本数据,分别采用XGBoost、GBDT、CatBoost和LightGBM四种算法计算,最后选择特征重要度得分大于0的数据,构成特征数据集;

(2)通过滑动窗口在特征数据集上的滑动,生成滑窗特征向量;

(3)设计滑窗特征向量的构造方式,并将新生成的滑窗特征向量拼接到原始特征向量,用于XGBoost、GBDT、CatBoost和LightGBM模型的拟合;

所述滑窗特征向量的构造方式包括:对滑窗内的数值型状态特征与布尔型主轴状态特征的频度统计,保留两位有效数字;再针对滑窗内的数值型状态特征进行频度统计,统计方式为滑窗内该类别特征值出现的次数,从而获得滑窗特征,完成滑窗内的风机信息抽取;

(4)加载风机数据集Pt,Pt={Zt+1,Zt+2,…,Zt+n},并将其切分为多个窗口,窗口大小用window_size表示,风机样本总量用L表示,以初始风机样本作为滑动起始,然后进行窗口滑动,b为滑窗移动次数,b=L‑window_size+1;

(5)使用XGBoost、GBDT、CatBoost和LightGBM四种算法对滑窗内的风机信息特征进行统计运算,分别构造四种算法所对应的滑窗特征集合Ph,Ph={Zh+1,Zh+2,…,Zh+n},最后融合Pt和Ph得到最终的训练序列Pj={Zt+1+Zh+1,Zt+2+Zh+2,…,Zt+n+Zh+n};

(6)将融合得到的训练序列Pj作为模型的输入进行训练,选择XGBoost、GBDT、CatBoost和LightGBM四种算法作为基分类器;

(7)对XGBoost、LightGBM、GBDT和CatBoost模型的预测结果进行堆叠,四种基分类器权重初始值均为0.25,加权输出最后故障概率结果。