[发明专利]基于集成学习的强鲁棒采煤机故障诊断系统

权利要求书

1.一种基于集成学习的强鲁棒采煤机故障诊断系统，其特征在于：包括输入数据预处理模块、采煤机故障诊断模型建模模块、采煤机故障诊断预测模块以及模型在线矫正模块。

2.根据权利要求1所述基于集成学习的强鲁棒采煤机故障诊断系统，其特征在于：所述输入数据预处理模块的输入为现场数据采集传感器采集到的采煤机轴承温度、传动箱油温及油位、辅助系统压力、冷却水压力、液压系统进液流量及出液流量、冷却水流量、摇臂升起时间、电机电流及温度信息这11种工作信号数据X＝(x_i1，x_i2，...，x_i11)，由于每个变量都有不同的取值与量纲，先对所有数据进行归一化处理，归一化的公式为：

其中，min x为x_i的最小值，max x为x_i的最大值。

3.根据权利要求1所述基于集成学习的强鲁棒采煤机故障诊断系统，其特征在于：所述采煤机故障诊断模型建模模块，根据采煤机采集到的工作信号数据与运行模式之间关系建立基于Xgboost的模型，来诊断采煤机运行模型并判断是否发生故障，采用如下过程完成：

(1)从数据库中采集N_s个采煤机工作信号X_s及其所对应的采煤机运行模型标签Y_s作为训练集，采集N_v个采煤机工作信号X_v及其所对应的采煤机运行模型标签Y_v作为测试集。

(2)采用上面得到的训练集进行监督训练，并得到采煤机故障诊断模型：

Y＝f(X) (2)

其中，Y为采煤机运行模型标签，X为输入的采煤机工作信号。

4.根据权利要求1所述基于集成学习的强鲁棒采煤机故障诊断系统，其特征在于：所述采煤机故障诊断预测模块，利用训练好的采煤机故障诊断模型，结合历史采煤机工作信号数据对现场数据采集传感器新采集的采煤机数据进行实时故障预测诊断。采用如下过程完成：

(1)对新采集到的采煤机工作信号X_t进行归一化处理得到

其中，min X_t为X_t的最小值，max X_t为X_t的最大值。

(2)利用训练好的采煤机故障诊断模型对采煤机当前新加入的工作信号进行故障诊断：

其中，f_opt为训练好的模型，为预测的未知采煤机运行模型。

5.根据权利要求1所述基于集成学习的强鲁棒采煤机故障诊断系统，其特征在于：所述在线校正模块采用在线校正策略对预报模型模块的参数进行实时校正，通过将预报误差较大的预报数据作为新的训练数据加入训练数据集，来实时修正模型误差。采用如下过程完成：

(1)时刻t采集得到的采煤机故障诊断的标签可能在未来的t+n时刻得到，由此可以判断模型预报值的准确性。将预报错误的采煤机工作信号数据作为“难”样本点加入训练集。

(2)采煤机故障诊断模型建模模块在新的训练集上建模进行模型参数更新得到更新过的采煤机故障诊断模型，以解决恶劣工作环境下的模型失配问题，提高模型的普适性和鲁棒性。