申请/专利权人：浙大城市学院

申请日：2022-09-07

公开（公告）日：2023-02-03

公开（公告）号：CN115687864A

主分类号：G06F17/15

分类号：G06F17/15;F03D17/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.02.21#实质审查的生效;2023.02.03#公开

摘要：本发明公开了基于XGBoost‑KDE的风机主轴承故障预警方法，应用于机电系统故障诊断技术领域，包括：获取风机运行数据集，并进行数据预处理、特征工程处理以及归一化处理，得到训练集；构建XGBoost模型，并将训练集输入至XGBoost模型进行训练，直至模型收敛，得到最优XGBoost模型；通过最优XGBoost模型，预测风机主轴承温度，得到预测温度值与正常温度值的残差；应用非参数核密度估计法KDE确定残差的预警阈值，并通过滑动窗口分析法进行风机主轴承故障预警。本发明实现了对风机主轴承及时精确的故障诊断和分析，减少了停机时间，降低了风机运维成本，对于提高风力发电机可靠性和可用性具有重要意义。

主权项：1.基于XGBoost-KDE的风机主轴承故障预警方法，其特征在于，包括：步骤1：获取风机运行数据集，并进行数据预处理、特征工程处理以及归一化处理，得到训练集；步骤2：构建XGBoost模型，并将所述训练集输入至所述XGBoost模型进行训练，直至模型收敛，得到最优XGBoost模型；步骤3：通过所述最优XGBoost模型，预测风机主轴承温度，得到所述预测温度值与正常温度值的残差；步骤4：应用非参数核密度估计法KDE确定所述残差的预警阈值，并通过滑动窗口分析法进行风机主轴承故障预警。

全文数据：

权利要求：

百度查询： 浙大城市学院 基于XGBoost-KDE的风机主轴承故障预警方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD