基于XGBoost的采煤机健康状态评估方法研究

• 作者: 曹现刚 陈瑞昊 李彦川 伍宇泽 岳东
• 来源期刊: 煤炭工程
• 学科: 工学
• 关键词: 采煤机 相关系数 XGBoost 状态评估
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 装备技术|Equipment Technology
• 页码范围: 175-181
• 页数: 7页
• 分类号: TD421.6
• 语种: 中文
• DOI: 10.11799/ce202205032

摘要

针对采煤机状态监测参数存在冗余性和数据类别不平衡等问题,在选取采煤机状态指标数据的基础上引入XGBoost集成学习算法对采煤机健康状态进行评估.首先,选择综合相关系数,即Spearman相关系数和Person相关系数进行综合用于表征采煤机状态数据变量间的相关关系,通过计算状态参数间的相关系数筛选出采煤机健康状态评估指标;根据专家经验对采煤机状态量进行等级划分,建立训练样本.整个样本采用XGBoost集成学习算法训练,通过交叉验证法选择合适参数,建立最优模型.最后,根据采煤机实例数据集进行模型验证和分析.实验结果表明:基于XGBoost的采煤机健康状态评估方法平均准确率可达98.50％,能有效解决数据集的不平衡问题和状态评估难题.