10.11857/j.issn.1674-5124.2022030007
基于XGBoost的回归-分类-回归寿命预测模型
针对现有使用单个模型的剩余寿命预测方法存在精度较低的问题,提出一种基于XGBoost(极端梯度提升)的回归-分类-回归参数优化算法的预测模型.首先对涡扇发动机数据进行预处理,观察各特征与剩余寿命的相关性,筛选出初步的可用特征.然后根据故障预测与健康管理协会制定的有效剩余寿命预测值标准对连续寿命值进行离散标定,以信息增益法筛选出最终特征集.最后利用XGBoost算法分别建立离散标定后的多分类寿命预测模型和各个类别的寿命回归模型,并采用遗传算法优化各模型的参数,通过集成方式得出寿命的预测值.结果表明,基于XGBoost的回归-分类-回归算法预测模型明显优于XGBoost,其中均方根误差(RMSE)降低了 27.5%,准确度(accuracy)提高了30%.
涡扇发动机、剩余寿命预测、有效预测值、XGBoost
49
TP183(自动化基础理论)
国家重点研发计划2019YFB1705803
2023-09-15（万方平台首次上网日期，不代表论文的发表时间）
共6页
104-109
