金属矿山

作者：顾清华,孙文静,李学现

单位：1. 西安建筑科技大学资源工程学院, 陕西 西安 710055;2. 西安市智慧工业感知计算与决策重点实验室, 陕西 西安 710055;3. 西安建筑科技大学管理学院,陕西 西安 710055

关键词：矿用挖掘机发动机,故障诊断,旋转森林,LightGBM,FOA,

基金：国家自然科学基金项目(编号:52074205);陕西省自然科学基础研究计划项目(编号:2020JC-44)。

针对矿山挖掘机发动机工作机理复杂、故障诊断效率低且精度不高的问题,提出了一种基于 IFOA 优化RotGBM 的矿用挖掘机发动机故障诊断方法。 首先利用随机森林-递归特征消除法(RF-RFE)对采集的挖掘机发动机故障数据进行特征提取,剔除冗余不相关特征;其次提出了一种改进的果蝇优化算法(IFOA)对 LightGBM 进行超参数寻优;然后融合旋转森林和 LightGBM 生成 RotGBM,构建了新的故障诊断模型;最后利用某矿山挖掘机发动机故障数据对模型进行了验证,并与其他常用方法进行了性能对比分析。 仿真结果表明:所提方法的诊断性能优于其他诊断方法,能达到 98. 31%的诊断精度,0. 22%的误报率和 2. 5%的漏检率,满足矿山挖掘机发动机的故障诊断要求。

来源：2023年第09期

《金属矿山》期刊编辑部

查看金属矿山杂志2023年第09期