面向袋式除尘器的大数据挖掘XGBoost优化算法研究

作     者：王梦雅 刘丽冰 熊桂龙 赵丹琳 王宇 Wang Mengya;Liu Libing;Xiong Guilong;Zhao Danlin;Wang Yu

作者机构：河北工业大学机械工程学院天津300130 南昌大学资源环境与化工学院南昌330031 鄱阳湖环境与资源利用教育部重点实验室南昌330031 

基　　金：国家自然科学基金(51666011) 江西省自然科学基金(20171ACB21008)资助项目 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2020年第32卷第7期

页      码：159-167页

摘      要：袋式除尘器在产品生命周期不同阶段,包括设计、仿真、制造、测试实验以及运维等阶段都会产生大量数据,挖掘产品大数据与其运行特性之间复杂、非线性、耦合的内在关联,为解决袋式除尘器行业设计创新、运维优化等关键共性技术提供新思路。针对袋式除尘器大数据特点,提出了一种用于袋式除尘器滤袋破损在线监测的大数据挖掘XGBoost模型,研究了基于蚁群算法的XGBoost模型参数优化方法。研究结果表明,与随机森林、BP网络挖掘模型相比,XGBoost优化模型方法准确度高,识别速度快,可解释性强。

主 题 词：袋式除尘器 大数据挖掘 XGBoost模型 蚁群算法优化 破袋监测 

学科分类：080801[080801] 080901[080901] 0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 

核心收录：

D　O　I：10.13382/j.jemi.B1902787

馆 藏 号：203968345...