基于IWOA-stacking集成学习模型的抽油机故障诊断方法

扫码查看

原文链接

万方数据
维普

中文摘要：针对抽油机故障诊断问题,提出一种基于振动特征和IWOA-stacking集成模型的抽油机故障诊断方法.首先,基于stacking算法构建了两层集成模型,模型第一层采用最小二乘支持向量机、随机森林、梯度提升模型和XGBoost模型作为基学习器,第二层采用多元线性回归作为元学习器;其次,基于改进鲸鱼优化算法对四个基学习器的超参数进行优化;最后,针对采集的振动数据优选用于故障诊断的时域特征指标,用超参数优化后的集成模型进行学习和诊断,并与4种基模型进行对比.实验结果表明,所提模型具有更高的识别效果且具有很好的泛化能力.

作者：

张涵钰、王亚辉、曾昭虎、赵建慧

展开 >

作者单位：

大庆油田有限责任公司第五采油厂数字化运维中心黑龙江大庆 163318

关键词：

集成模型鲸鱼优化算法抽油机故障诊断振动分析

基金：

黑龙江省自然科学基金

项目编号：

LH2022F008

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.02.044

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(2)

参考文献量17