基于IFA-XGBoost的燃气轮机故障诊断

• 作者: 方继辉 李阳
• 来源期刊: 上海电力大学学报
• 关键词: 燃气轮机 故障诊断 萤火虫算法 XGBoost
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 清洁安全发电
• 页码范围: 367-372,384
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.2096-8299.2021.04.010

摘要

涡轮叶片是燃气轮机中工作环境最恶劣的部件,叶片状态的实时监测与诊断至关重要.针对XGBoost(eXtreme gradient boosting)易受其超参数的影响,提出了一种改进萤火虫算法(IFA)优化XGBoost的故障诊断方法.将种群多样性的位置更新策略和动态步长更新措施引入萤火虫算法(FA)中,解决其收敛速度慢、易陷入局部最优等问题,使其能够更好地确定模型参数.实验结果表明,与未优化的XGBoost模型和FA-XGBoost模型相比,建立的IFA-XGBoost模型具有很好的识别效果,准确率达到96.87％,能更好地应用于叶片故障诊断.