典型文献
基于极端梯度提升算法的空调系统故障诊断自适应模型
文献摘要：
本文提出了一种基于极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法的数据中心空调系统的故障诊断自适应模型.首先构建了串联式集成学习的XGBoost诊断模型,考虑到实际诊断中会出现跨工况、跨故障程度和种类的新数据,提出了利用数据价值评定函数对数据集进行更新,在此基础上只需更新模型的相应局部分支就能实现模型的更新.结果表明:XGBoost模型对验证集的准确率高达99.83％,但对跨工况和跨故障的新数据诊断效果较差;通过数据价值评定函数对数据集和模型更新后,新模型的诊断准确率提升至99％.因此本文提出的故障诊断方法具有较强的自适应特性,能够实现数据集自主更新和模型迭代更新.
文献关键词：
故障诊断;极端梯度提升算法;自适应;模型更新
中图分类号：
作者姓名：
何金凝;徐廷喜;黄巍;晋欣桥;杜志敏
作者机构：
上海交通大学机械与动力工程学院,上海 200240
文献出处：
引用格式：
[1]何金凝;徐廷喜;黄巍;晋欣桥;杜志敏-.基于极端梯度提升算法的空调系统故障诊断自适应模型)[J].制冷技术,2022(02):25-31,38
A类：
B类：
极端梯度提升算法,系统故障,适应模型,eXtreme,Gradient,Boosting,XGBoost,数据中心空调系统,串联式,集成学习,诊断模型,故障程度,新数据,数据价值,更新模型,验证集,数据诊断,诊断效果,模型更新,诊断准确率,准确率提升,故障诊断方法,自主更新,模型迭代,迭代更新
AB值：
0.383596
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
