一种基于XGBoost算法模型的风机主轴承故障监测与诊断方法技术

本发明专利技术公开了一种基于XGBoost算法模型的风机主轴承故障监测与诊断方法，从SCADA系统的数据库提取以一分钟为时间间隔的数据作为原始数据集；从提取的原始数据中得到建立模型所需要的排名靠前的特征变量；根据系统故障记录表删去故障时间段以及其前后各一天的所有数据，并且筛选特征变量作为训练模型的总数据，对总数据进行训练集和检验集的划分；确定模型参数建立基于XGBoost算法故障监测模型；将检验集带入基于XGBoost算法故障监测模型，得到测试样本对应的实际曲线与预测曲线对比图、残差图和评价指标的计算结果；在基于XGBoost算法故障监测模型，发现异常后，将排名靠前的特征变量用作风机检修过程中故障原因诊断与定位的参照。

【技术实现步骤摘要】
一种基于XGBoost算法模型的风机主轴承故障监测与诊断方法
本专利技术涉及一种基于XGBoost算法模型的风机主轴承故障监测与诊断方法，主涉及风机的主轴承的故障监测与故障诊断

技术介绍
目前深度学习网络在风电机组主轴承状态分析运用广泛，深度网络在主轴承变量间提取重要特征；利用指数加权移动平均法提取其特征变化，判断其趋势是否偏离正常状态。其中，对振动信号的研究常作为风机主轴承故障诊断的方案之一，利用小波包分解作为信号分析、图像处理的方法，即分析树表示小波包，多次迭代小波转换输入细节信息，对高频带信号的分辨率处理精细，根据分析信号引入最佳基函数与信号匹配。以及，在风机主轴承故障预测中，使用XGBoost算法的特征选取工具，对输入变量特征的重要性进行排序，筛选出与被解释变量最相关的特征变量，确定关联程度，判断其可作为主轴承故障的指标。然而现有技术在实际使用中：(1)深度学习网络优化存在梯度消失问题，很难进行优化，深度学习网络大多缺乏时效性，时间成本过大。(2)小波包分析常用于振动信号的研究，对数据类型更有要求。...

【技术保护点】
1.一种基于XGBoost算法模型的风机主轴承故障监测与诊断方法，其特征在于，所述方法包含下述步骤：/n步骤一，从SCADA系统的数据库提取以一分钟为时间间隔的数据作为原始数据集；/n步骤二，运用Pearson相关系数、XGBoost算法、CatBoost算法和随机森林算法对原始数据集中的特征变量进行综合打分，从提取的原始数据中得到建立模型所需要的排名靠前的特征变量；/n步骤三，根据系统故障记录表删去故障时间段以及其前后各一天的所有数据，并且筛选在并网状态下的特征变量作为训练模型的总数据，并对总数据进行训练集和检验集的划分；/n步骤四，利用机器学习常用调参方法网格搜索的方式检索最优的参数组合，...

【技术特征摘要】
1.一种基于XGBoost算法模型的风机主轴承故障监测与诊断方法，其特征在于，所述方法包含下述步骤：
步骤一，从SCADA系统的数据库提取以一分钟为时间间隔的数据作为原始数据集；
步骤二，运用Pearson相关系数、XGBoost算法、CatBoost算法和随机森林算法对原始数据集中的特征变量进行综合打分，从提取的原始数据中得到建立模型所需要的排名靠前的特征变量；
步骤三，根据系统故障记录表删去故障时间段以及其前后各一天的所有数据，并且筛选在并网状态下的特征变量作为训练模型的总数据，并对总数据进行训练集和检验集的划分；
步骤四，利用机器学习常用调参方法网格搜索的方式检索最优的参数组合，确定模型参数建立基于XGBoost算法故障监测模型；
步骤五，将步骤三的检验集带入步骤四的基于XGBoost算法故障监测模型，得到测试样本对应的实际曲线与预测曲线对比图、残差图和评价指标的计算结果；
步骤六，在基于XGBo...

【专利技术属性】
技术研发人员：黄文广，刘广臣，陈文，孙涛，
申请(专利权)人：华风数据深圳有限公司，
类型：发明
国别省市：广东;44