一种基于集成学习算法的镀锌钢腐蚀预测方法技术

本发明专利技术涉及一种基于集成学习算法的镀锌钢腐蚀预测方法，具体步骤包括：通过传感器采集目标监测部件与镀锌钢腐蚀相关的影响因素的样本数据，并对样本数据进行预处理；对预处理后的样本数据进行相关性分析，获取与镀锌钢腐蚀相关性高的影响因素作为参考因素，将对应的参考因素数据及腐蚀程度标签数据作为一组训练样本放入训练样本集中；通过训练样本集进行Stacking集成学习模型的预训练，将训练好的Stacking集成学习模型用于预测目标监测部件的腐蚀趋势。的腐蚀趋势。的腐蚀趋势。

【技术实现步骤摘要】
一种基于集成学习算法的镀锌钢腐蚀预测方法


[0001]本专利技术涉及材料腐蚀失效监测
，具体为一种基于集成学习算法的镀锌钢腐蚀预测方法。

技术介绍

[0002]镀锌钢腐蚀的会严重影响电网塔架的服役安全。目前，实施腐蚀状态监测最常见方法是人工巡检或者无人机拍照。镀锌钢的腐蚀发生与大气环境中的温湿度及氯离子等强相关，同时所监测部件处腐蚀的影响会导致一定程度质量损失及腐蚀产物附着，腐蚀程度与部件振动加速度、振幅会存在潜在关联。因此亟需对镀锌钢设备的腐蚀安全状态进行持续监测和未来腐蚀趋势预判。
[0003]在现有技术CN115165725A一种基于数据驱动的海上装备腐蚀监测与安全预警系统中，采用多传感器融合技术，将传感器信号编译为腐蚀损失量的同时基于卷积神经网络和注意力机制，使海上装备重要部件处腐蚀情况得到数字化展示并对腐蚀数据库加以积累，提高了腐蚀安全监测预警的准确性，在影响因素的选择上过于主观，对未来腐蚀趋势的预判会造成误差。

技术实现思路

[0004]为了解决上述现有技术中存在的问题，本专利技术提出了一种基于集成学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集成学习算法的镀锌钢腐蚀预测方法，其特征在于，包括以下步骤：通过传感器采集目标监测部件与镀锌钢腐蚀相关的影响因素的样本数据，并对样本数据进行预处理；对预处理后的样本数据进行相关性分析，获取与镀锌钢腐蚀相关性高的影响因素作为参考因素，将对应的参考因素数据及腐蚀程度标签数据作为一组训练样本放入训练样本集中；通过训练样本集进行Stacking集成学习模型的预训练，将训练好的Stacking集成学习模型用于预测目标监测部件的腐蚀趋势。2.根据权利要求1所述的一种基于集成学习算法的镀锌钢腐蚀预测方法，其特征在于，所述传感器包括腐蚀传感器和振动传感器；所述腐蚀传感器包括腐蚀双电极探测器、环境温湿度探测器和风速风向探测器；所述腐蚀双电极探测器用于探测目标监测部件的腐蚀程度，所述环境温湿度探测器和风速风向探测器用于探测目标监测部件所处环境的温湿度，风向和风速；所述振动传感器用于探测目标监测部件的振动频率，振动幅度，振动加速度。3.根据权利要求1所述的一种基于集成学习算法的镀锌钢腐蚀预测方法，其特征在于，对数据集进行预处理的步骤包括：采集若干各影响因素的实际数据组成数据集，并通过拉依达准则进行异常值检测，剔除掉异常数据后通过向前填充法对数据集中异常数据缺失的位置进行补充，获得预处理后的样本数据。4.根据权利要求1所述的一种基于集成学习算法的镀锌钢腐蚀预测方法，其特征在于，所述根据各影响因素的预处理的数据集进行相关性分析，获取与镀锌钢腐蚀相关性高的影响因素作为参考因素的具体步骤为：引入Copula函数，基于各影响因素的样本数据，分别从备选Copula函数中选出与各影响因素的样本数据最接近的最优Copula函数；计算与各影响因素对应的最优Copula函数的Spearman秩相关系数；根据各影响因素对应的Spearman秩相关系数确定各影响因素相对于镀锌钢腐蚀的相关性，并选取若干相关性高的影响因素作为参考因素。5.根据权利要求4所述的一种基于集成学习算法的镀锌钢腐蚀预测方法，其特征在于，所述引入Copula函数，基于各影响因素的样本数据，分别从备选Copula函数中选出与各影响因素的样本数据最接近的最优Copula函数的具体步骤为：输入各影响因素和镀锌钢腐蚀的实际数据，再调用MATLAB中的ksdensity函数获得每一组影响因素和镀锌钢腐蚀的边缘分布函数；基于每一组影响因素和镀锌钢腐蚀的边缘分布函数，利用最大似然估计法得到每一组印象因素和镀锌钢腐蚀对应的备选Copula函数的参数估计值，进而得到每一组影响因素和镀锌钢腐蚀对应的备选Copula函数；输入各影响因素和镀锌钢腐蚀的实际数据，...

【专利技术属性】
技术研发人员：林德源，夏晓健，万芯瑗，洪毅成，陈云翔，韩纪层，严康骅，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：