【技术实现步骤摘要】
一种基于LightGBM算法的工业失效分析方法
[0001]本专利技术属于工业失效分析
,涉及一种工业失效分析方法,尤其涉及一种基于
LightGBM
算法的工业失效分析方法
。
技术介绍
[0002]失效分析,是工业领域中针对器械元件等设备失效进行的故障分析检测
。
通常需要工程师依托故障树逐步进行分析验证,过程中可能包含多种量测
、
拆解等操作,直至最终找到故障元件,然后再对故障元件进行维修
。
[0003]这种检修方式,需要依托相关专业知识以及耗费大量的人力和时间,人工检测涉及到一些针对故障元件的拆解
、
量测等操作,在此过程中,可能会使故障单元其他元件受损或者出现操作失误等,从而导致检测结果不准确,且部分故障树自身检测准确率并不高
。
[0004]因此,针对上述现有技术中存在的缺陷,需要研发一种新型的工业失效分析方法
。
技术实现思路
[0005]为了克服现有技术的缺陷,本专利技术提出一种基于
LightGBM
的工业失效分析方法,其是一种可替代故障树分析法的多分类检测方式,依托失效元件的工业失效分析模型,无需人工参与,无需量测拆除等操作,即可完成失效分析
。
[0006]为了实现上述目的,本专利技术提供如下技术方案:
[0007]一种基于
LightGBM
算法的工业失效分析方法,其特征在于,包括以下步骤:
[0 ...
【技术保护点】
【技术特征摘要】
1.
一种基于
LightGBM
算法的工业失效分析方法,其特征在于,包括以下步骤:
1)、
对工业失效数据进行采集与处理,并将处理后的数据分成训练集和验证集;
2)、
构建
LightGBM
模型作为工业失效分析模型;
3)、
使用训练集对所述工业失效分析模型进行训练;
4)、
对所述工业失效分析模型进行参数优化,得到最优工业失效分析模型;
5)、
使用验证集对最优工业失效分析模型进行验证;
6)、
使用验证后的最优工业失效分析模型对元件故障进行预测;
7)、
输出元件故障预测结果
。2.
根据权利要求1所述的基于
LightGBM
算法的工业失效分析方法,其特征在于,所述步骤
1)
中的对工业失效数据进行采集与处理具体包括:
1.1)、
采集工业失效数据;
1.2)、
缺失值填充:对所述工业失效数据中存在的缺失值进行填补;
1.3)、
离散列映射:对缺失值填充后的所述工业失效数据的离散列进行映射,以将字符串类型映射到数值类型,从而构建数值字典;
1.4)、
小样本合并:将所述工业失效数据中样本数量小于
10
的低频率故障类型的所有样本合并为一类,且样本标签以逗号分隔拼接;
1.5)、
数据采样:采用
Borderline
‑
Somte
算法对低频率故障类型的样本数量进行数据采样
。3.
根据权利要求2所述的基于
LightGBM
算法的工业失效分析方法,其特征在于,所述步骤
1.2)
中,在进行缺失值填充时,将所述工业失效数据中的离散列中的缺失...
【专利技术属性】
技术研发人员:胡浩江,刘丁枭,肖东宝,吴浩,
申请(专利权)人:北京智谱华章科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。