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 9731%,而逻辑回归预测的准确率只为 6905%,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 6706s降到 1350s,准确度从 9704%提升到 9765%。
关键词:机器学习;逻辑回归;XGBoost;性能度量