基于多模型融合的工业工件剩余寿命预测

• 作者: 王建成 蔡延光
• 来源期刊: 自动化与信息工程
• 学科: 工学
• 关键词: Light GBM ridge GBDT XGBoost 模型融合 工件剩余寿命预测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 开发设计
• 页码范围: 30-38
• 页数: 9页
• 分类号: TP18
• 字数: 4739字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-2605.2020.01.007

摘要

针对工业设备系统或者核心部件在较恶劣的环境中,传感器收集数据不准确的问题,提出基于LightGBM模型、XGBoost模型和GBDT模型两两融合的方法,实现工业工件剩余寿命预测.对比传统ridge模型、GBDT模型、LightGBM模型和XGBoost模型进行实验仿真分析,得出GBDT模型、LightGBM模型和XGBoost模型的预测精度比传统ridge模型更高,基于GBDT模型、LightGBM模型和XGBosot模型的两两加权融合相比于各自模型的预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡延光	广东工业大学自动化学院	181	812	14.0	20.0
2	王建成	广东工业大学自动化学院	5	0	0.0	0.0