《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于极端梯度提升回归模型的电梯钢丝绳磨损预测方法

作者：陈向俊,傅军平,陈栋栋,等日期：2022-06-16/span> 浏览：1509 查看PDF文档

基于极端梯度提升回归模型的电梯

钢丝绳磨损预测方法*

陈向俊1,2,傅军平1,2,陈栋栋1,2,李科1,2,李黎苹1,2,吕林锋1,2

(1.浙江省特种设备科学研究院,浙江杭州 310020;2.浙江省特种设备检验技术研究重点实验室,浙江杭州 310053)

摘要:目前对电梯钢丝绳磨损量预测的研究还存在不足,针对这一问题,采用基于极端梯度提升(XGBoost)算法的机器学习方法,对电梯钢丝绳磨损率的预测进行了理论分析、数据采集和实验测试研究。首先,在目标损失函数中增加了额外的正则化项,并使用了贝叶斯超参数优化,提出了优化后的算法BO-XGBoost;然后,用自制的电梯钢丝绳疲劳试验机对曳引轮直径、载荷力、频率和包角这4个因素进行了试验,得到了用于预测钢丝绳磨损率的数据;最后，用BO-XGBoost算法对钢丝绳磨损率进行了预测分析,同时与多元线性回归(MLR)、随机森林(RF)以及支持向量机(SVM)等机器学习算法进行了比较。研究结果表明:BO-XGBoost算法的建模效果和回归效果最好,其泛化能力也最高,能适应不同工况的实验,在预测钢丝绳磨损率方面优于其他几个模型,预测值与试验值达到了99.1%的准确率,证明了该方法的有效性。

关键词:电梯;钢丝绳;磨损预测;极端梯度提升;回归模型

本文引用格式:

陈向俊,傅军平,陈栋栋,等.基于极端梯度提升回归模型的电梯钢丝绳磨损预测方法［J］.机电工程,2022,39(4):554-560.

CHEN Xiang-jun, FU Jun-ping, CHEN Dong-dong, et al. Elevator wire rope wear prediction method based on extreme gradient lifting regression model［J］.Journal of Mechanical & Electrical Engineering, 2022,39(4):554-560.