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。