买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国能神华九江发电有限责任公司;上海长庚信息技术股份有限公司

摘要：本申请公开了一种基于优化LightGBM算法的磨煤机故障预警方法，包括从SIS系统采集磨煤机参数的历史运行数据；对原始数据进行数据预处理，并通过皮尔逊系数法进行数据降维；构建磨煤机正常状态下优化LightGBM参数预测模型；计算预警参数预测值及其残差平均值作为预警阈值基准值，在基准值的基础上根据各类边界条件设定预警阈值范围；将实际运行数据定期采集并输入训练好的优化LightGBM参数预测模型中，得到实际运行状态下预警参数残差平均值，判断其是否超过预警阈值范围，一旦超过即刻发出预警信号。本申请具有训练速度快、占用内存低、准确率高的特点；本申请同时采用SSA‑PSO优化算法对LightGBM模型的主要超参数自动寻优，避免人为调参的麻烦，提高模型处理大量数据时的效率。

主权项：1.一种基于优化LightGBM算法的磨煤机故障预警方法，其特征在于，包括：步骤S1，从SIS系统中采集磨煤机在正常运行状态下的运行参数的原始历史运行数据；步骤S2，对所述原始历史运行数据进行预处理，并通过皮尔逊系数对进行预处理后得到的历史运行数据进行数据降维；步骤S3，在进行数据降维后得到的历史运行数据中按照预先设定的数目选取数据，并将选取的数据作为训练集输入到LightGBM模型中，训练得到磨煤机正常运行状态下的LightGBM参数预测模型；利用SSA-PSO算法对所述LightGBM参数预测模型进行优化，得到优化LightGBM参数预测模型；步骤S4，利用所述优化LightGBM参数预测模型计算得到预警参数预测值，并计算得到所述预警参数预测值的残差平均值；将所述预警参数预测值的残差平均值作为预警阈值基准值，并根据所述预警阈值基准值和各类边界条件设定预警阈值范围；步骤S5，定期采集磨煤机的实际运行数据，进行数据降维后将所述实际运行数据输入到所述优化LightGBM参数预测模型中，计算得到实际运行状态下的预警参数残差平均值，并判断所述预警参数残差平均值是否超过所述预警阈值范围；当判定所述预警参数残差平均值超过所述预警阈值范围时，输出预警提示；所述步骤S3具体包括：步骤S301，在进行数据降维后得到的历史运行数据中，选取300-600个样本作为训练集输入到LightGBM模型中，训练得到磨煤机正常运行状态下的LightGBM参数预测模型；步骤S302，初始化所述LightGBM参数预测模型，并初始化各超参数；所述超参数包括学习率、树深度、叶子节点数和叶子上最小数据数；步骤S303，设置SSA-PSO算法的参数；所述SSA-PSO算法的参数包括种群规模N、维度d、最大迭代次数itermax、加速因子c1和加速因子c2；步骤S304，将待优化超参数作为初始粒子，设定粒子最大位置和最小位置，初始化各粒子初始位置和速度，构建当前搜索区域；步骤S305，计算各粒子适应度，设Xb为种群中位置最好的个体，并将所述种群中位置最好的个体作为侦察者；设Xw为种群中位置最差的个体，并将所述种群中位置最差的个体作为加入者；步骤S306，更新侦察者和加入者的个体；步骤S307，计算最优个体位置；步骤S308，判断是否满足当前搜索区域的迭代终止条件，若满足则执行步骤S309，若不满足则返回至步骤S305；步骤S309，判断是否满足完整算法的迭代终止条件，若满足则执行步骤S310，若不满足则返回至步骤S304；步骤S310，输出超参数最优组合，并将所述超参数最优组合作为所述LightGBM参数预测模型的参数，得到优化LightGBM参数预测模型；所述当前搜索区域的迭代终止条件为达到最大迭代次数；所述完整算法的迭代终止条件为达到最大迭代次数或最优解不再变化；所述最大迭代次数为50次。

全文数据：

权利要求：

百度查询： 国能神华九江发电有限责任公司 上海长庚信息技术股份有限公司 基于优化LightGBM算法的磨煤机故障预警方法