[发明专利]一种风电齿轮箱异常数据分类方法

摘要

本发明涉及一种风电齿轮箱异常数据分类方法，首先将采集到的风场中各风电齿轮箱的振动数据放入数据集中并划分为训练集、测试集和预测集，将数据集内数据分段，计算各段各参数值，然后初始化多目标粒子群算法，用训练集来训练各粒子对应参数的XGboost算法，对测试集进行预测，记录准确率与耗时，并生成精英集，通过迭代改变粒子群的位置与速度，并更新精英集，在精英集中选择合适的一个粒子，将学习率和树的个数输入算法中，得到优化好的MOPSO‑XGboost算法，最后利用优化好的MOPSO‑XGboost算法对预测集进行分类，从而区分出正常与各类异常的风电齿轮箱数据。本发明具有高分类准确率和低模型算法耗时等优点。