基于改进Jaya-RUSBoost模型的设备故障预测
李响1
徐照光1
吴建国2
1.大连理工大学 经济管理学院,辽宁 大连 1160242.北京大学 工学院,北京 100871
摘要：针对焊枪故障预测中产生的数据不平衡问题,提出一种基于Jaya-RUSBoost改进模型的焊枪故障预测方法,通过结合欠采样、集成学习和参数设置优化,实现数据的平衡和故障预测精度的提升.构建RUSBoost故障预测模型,设计实验评估超参数值对模型性能的影响,确定模型参数的较优取值范围;设计Jaya元启发式算法对RUSBoost模型参数进行迭代,从而寻求最优故障预测参数模型.案例研究表明,相较于传统的RUSBoost算法,Jaya-RUSBoost算法在 5个焊枪上的故障预测准确率和F1值分别提升了 9.43%和 8.41%,且与多种机器学习模型相比,准确性等指标也得到显著的提升.本文提出的焊枪故障预测方法,具有较高的实际应用价值和推广前景,能够为焊接设备的智能维护提供有力支持.
关键词：故障预测焊枪数据不平衡Jaya-RUSBoost智能制造
分类号：TP277(自动化技术及设备)TP18(自动化基础理论)F403.6(工业经济理论)
资助基金：国家自然科学基金(72571042)国家自然科学基金(72001034)辽宁省自然科学基金博士科研启动基金资助项目(2022-BS-088)中央高校基本科研业务费资助项目(DUT23RC(3)037)大连理工大学经济管理学院研究生科研基金重点项目(DUTSEMPRFK02)
论文发表日期：2025-08-30
在线出版日期：2025-09-22（本平台首次上网日期，不代表文献的发表时间）
页数：12( 77-88 )
英文信息