申请/专利权人：沈阳翰熙机械设备有限公司;沈阳工业大学

申请日：2024-04-16

公开（公告）日：2024-07-05

公开（公告）号：CN118296433A

主分类号：G06F18/24

分类号：G06F18/24;G06N3/126

优先权：

专利状态码：在审-公开

法律状态：2024.07.05#公开

摘要：本发明涉及矿山中重型装备故障诊断技术领域，公开一种改进遗传算法优化LightGBM矿山重型装备故障诊断方法，包括：S1：获取矿山中重型装备的工业数据样本；S2：对数据样本进行基于KPCA算法的降维处理；S3：将FocalLoss损失函数对LightGBM算法的损失函数进行替换改进；S4：通过柯西变异优化遗传算法对改进的LightGBM损失函数进行变异处理得到全局最优的FL‑LightGBM超参数组合；S5：构建改进遗传算法的FL‑LightGBM的最优超参数故障诊断模型；S6：将测试数据输入模型中，对矿山中重型装备进行故障诊断。本发明解决了LightGBM处理少数类故障样本能力差的问题；针对遗传算法易陷入局部最优的问题，提出了基于柯西变异的遗传算法，解决了遗传算法在进行交叉和变异操作导致种群陷入局部最优的问题。

主权项：1.一种改进遗传算法优化LightGBM矿山重型装备故障诊断方法，其特征在于，包括以下步骤：S1：获取矿山中重型装备的工业数据样本x，数量为n，包括正常样本和故障样本；S2：对数据样本进行基于KPCA算法的降维处理，得到模型输入数据集，将模型输入数据集分为测试数据集和训练数据集；S3：对于训练数据集，将FocalLoss损失函数对LightGBM算法的损失函数进行替换改进，改进的LightGBM损失函数FL-LightGBM提高对故障样本的分类能力，解决正常样本和故障样本的不平衡问题；S4：通过柯西变异优化遗传算法对改进的LightGBM损失函数FL-LightGBM进行变异处理，增加种群的多样性，提高遗传算法的全局搜索能力，得到全局最优的FL-LightGBM超参数组合；S5：构建改进遗传算法的FL-LightGBM的最优超参数故障诊断模型；S6：将测试数据集输入到改进遗传算法的FL-LightGBM的最优超参数故障诊断模型中，对矿山中重型装备进行故障诊断。

全文数据：

权利要求：

百度查询： 沈阳翰熙机械设备有限公司 沈阳工业大学 一种改进遗传算法优化LightGBM矿山重型装备故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD