《机电工程》杂志,浙江大学与浙江省机电集团联合主办。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
主编赵 群
副 主 编唐任仲、罗向阳
执行董事兼总经理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址浙江省杭州市大学路高官弄9号
电话Tel+86-571-87239525
E-mailmeem_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:42 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.

友情链接

浙江机械信息网