[发明专利]一种基于TPE-XGBoost的旋转机械多参数健康状态评估方法在审
| 申请号： | 202110590308.6 | 申请日： | 2021-05-28 |
| 公开（公告）号： | CN113505639A | 公开（公告）日： | 2021-10-15 |
| 发明（设计）人： | 冯坤;杨李平;李周正;江志农 | 申请（专利权）人： | 北京化工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 重庆宏知亿知识产权代理事务所(特殊普通合伙) 50260 | 代理人： | 梁山丹 |
| 地址： | 100029 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 tpe xgboost 旋转 机械 参数 健康 状态 评估 方法 | ||
1.一种基于TPE-XGBoost的旋转机械多参数健康状态评估方法，主要包括多参数提取、样本均衡、及TPE-XGBoost模型的设备健康状态评估，其特征在于：所说多参数提取方法包括高低通滤波后得到的五种振动敏感参数，所说样本均衡是使用SMOTE-ENN方法对训练样本进行平衡，所说TPE-XGBoost模型是指先使用TPE算法对指定参数空间进行超参数寻优，后训练具有最佳超参数结构的XGBoost模型完成设备健康状态评估。
2.如权利要求1所述的多参数提取方法，其特征在于：先使用巴特沃斯滤波器对波形进行滤波得到高于1KHz与低于1KHz两部分，再提取有效值、峭度因子、峰值因子、歪度因子、裕度因子五个振动敏感参数。
3.如权力要求1所述的样本均衡方法，其特征在于：先使用SMOTE过采样方法对少数类样本进行生成，再使用ENN(Edited KNN)方法对生成样本进行判断，若预测结果和实际类别标签不同则剔除该样本，得到均衡后的样本。
4.如权力要求1所述的TPE-XGBoost方法，其特征在于：先指定XGBoost(eXtremeGradient Boosting,极值梯度提升树)模型的超参数空间，后使用TPE(Tree-structuredParzen Estimator,树状Parzen估计)优化算法对模型超参数进行优化，在最优超参数情况下进行模型训练。
5.一种采用如权利要求1所述方法的设备健康状态评估方法，其特征在于：该方法包括多参数提取、样本均衡和采用TPE优化算法对XGBoost模型超参数进行自动寻优。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京化工大学，未经北京化工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110590308.6/1.html，转载请声明来源钻瓜专利网。
