基于机器学习的风机叶片开裂预测研究

基于机器学习的风机叶片开裂预测研究 

曹可乐 严良文 黄 闪 余 越 董旭东 

（上海大学 机电工程与自动化学院，上海 ２００４４４） 

摘 要：为了预测风机叶片开裂的状态，使用机器学习的方法对风机叶片状态进行分类预测。首先对 ＳＣＡＤＡ采集的原始数据进行预处理，然 后采用逻辑回归与 ＸＧＢｏｏｓｔ集成学习算法对预处理后的数据进行建模，并通过性能度量的评价指标比较两种算法的效果与泛化能力。结果表 明，ＸＧＢｏｏｓｔ在风机叶片开裂的分类预测上有更好的效果，其预测准确率达到了 ９７３１％，而逻辑回归预测的准确率只为 ６９０５％，从而将 ＸＧ Ｂｏｏｓｔ集成学习算法用于精准预测风机叶片开裂的状态，为风电场对风机叶片状态检测提供了参考依据。另外为了提高模型训练的效率，使用 嵌入式特征选择方法将 ４３０维数据降到 １００维，训练时间从 ６７０６ｓ降到 １３５０ｓ，准确度从 ９７０４％提升到 ９７６５％。 

关键词：机器学习；逻辑回归；ＸＧＢｏｏｓｔ；性能度量