基于PSO＿RF双向特征选择和LightGBM设备故障检测

发布时间：2021-12-01 19:42

　　仪器共享平台的发展提高了各高校的仪器设备的使用率.但是在设备的使用过程中,对设备的故障检测方面还没有得到改善.针对上述问题,本文收集了医用影像设备的相关数据,采用PSO_RF的双向特征选择方法进行特征选择,然后构建了基于LightGBM （Light Gradient Boosting Machine）的故障检测模型,并将其应用于医用影像设备的故障检测中.通过标准评价体系的建立及不同模型对故障诊断结果的对比,相对于传统的机器学习算法,该模型在故障检测的精确率、召回率、F1值等评价指标上有较好的表现,对于加快仪器故障点的发现以及提高仪器利用率具有积极推进作用. 

【文章来源】：计算机系统应用. 2020,29(07)

【文章页数】：5 页

【参考文献】：
期刊论文
[1]改进粒子群算法优化SVM的故障诊断方法研究[J]. 苗玉.  机械工程与自动化. 2019(06)
[2]基于PCA-SVM的轴承故障诊断研究[J]. 吉敏.  电子设计工程. 2019(17)
[3]基于LightGBM算法的信用风险评估模型研究[J]. 王思宇,陈建平.  软件导刊. 2019(10)
[4]粒子群优化的SVM提升钢丝绳故障诊断[J]. 黄帅,吴娟,李琳琳,李鑫鑫.  机械科学与技术. 2020(02)
[5]基于XGBOOST算法的变压器故障诊断[J]. 孙琛,田晓声.  佳木斯大学学报(自然科学版). 2019(03)
[6]Screen efficiency comparisons of decision tree and neural network algorithms in machine learning assisted drug design[J]. Qiumei Pu,Yinghao Li,Hong Zhang,Haodong Yao,Bo Zhang,Bingji Hou,Lin Li,Yuliang Zhao,Lina Zhao.  Science China（Chemistry）. 2019(04)
[7]基于随机森林的特征选择算法[J]. 姚登举,杨静,詹晓娟.  吉林大学学报(工学版). 2014(01)
[8]基于贝叶斯网络的电子设备故障诊断技术研究[J]. 樊宁,高凤岐.  仪表技术. 2010(09)
[9]基于贝叶斯网络分类器的电容型电流互感器绝缘故障诊断[J]. 刘柱,朱永利,郝宁.  电气时代. 2010(09)



本文编号：3526941