10.3969/j.issn.1674-2605.2023.04.003
基于机器学习的工业机械设备故障预测方法
为提高工业生产效率和安全性,研究基于机器学习的工业机械设备故障预测方法.首先,利用斯皮尔曼等级相关系数分析工业机械设备故障特征之间的相关性,并过滤冗余特征;然后,采用随机森林算法筛选影响工业机械设备故障的3个核心特征;最后,基于逻辑回归、朴素贝叶斯、XGBoost、决策树等机器学习算法分别建立工业机械设备的故障预测模型和故障类型预测模型.经实验验证,基于XGBoost算法构建的工业机械设备故障预测模型和决策树训练出来的工业机械设备故障类型预测模型具有较高的准确性.该方法具有实际的应用价值,可有效地预测不同工业机械设备的故障类型,为工业安全生产提供技术支持.
机器学习、工业机械设备、故障预测、斯皮尔曼相关性分析、随机森林算法、预测模型
44
TP399(计算技术、计算机技术)
2023-09-19（万方平台首次上网日期，不代表论文的发表时间）
共7页
13-18,50
