近年來(lái),隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、傳感器等信息技術(shù)與通信技術(shù)的迅猛發(fā)展,數(shù)據(jù)量的急速增長(zhǎng)成了許多行業(yè)共同面對(duì)的嚴(yán)峻挑戰(zhàn)和寶貴機(jī)遇。而工業(yè)中信息技術(shù)的進(jìn)步和現(xiàn)代化管理理念的發(fā)展與普及,企業(yè)的運(yùn)營(yíng)越來(lái)越依賴信息技術(shù)。在現(xiàn)階段的工業(yè)中,已經(jīng)存儲(chǔ)了海量的設(shè)備工況數(shù)據(jù),呈現(xiàn)出了大數(shù)據(jù)的諸多特征,但是絕大部分企業(yè)并沒(méi)有挖掘出這些數(shù)據(jù)應(yīng)有的價(jià)值�，F(xiàn)在先進(jìn)的信息通信技術(shù)不斷地融入工業(yè)設(shè)備中并不斷更新,推動(dòng)工業(yè)設(shè)備向自動(dòng)化、數(shù)字化、智能化方向發(fā)展。中國(guó)政府更是基于以上發(fā)展趨勢(shì)提出了“工業(yè)大數(shù)據(jù)”的概念。具體而言,在設(shè)備、生產(chǎn)線中配備各種傳感器,抓取數(shù)據(jù),然后通過(guò)無(wú)線通信連接互聯(lián)網(wǎng),傳輸、存儲(chǔ)數(shù)據(jù),對(duì)設(shè)備運(yùn)行或生產(chǎn)過(guò)程進(jìn)行點(diǎn)對(duì)點(diǎn)的實(shí)時(shí)狀態(tài)監(jiān)控。在設(shè)備運(yùn)行過(guò)程中,外部環(huán)境或者意外事件會(huì)使設(shè)備的性能發(fā)生一定的變化,會(huì)出現(xiàn)故障�，F(xiàn)在可通過(guò)傳感技術(shù)感知數(shù)據(jù),通過(guò)對(duì)設(shè)備運(yùn)行過(guò)程中的各個(gè)因素精確感知并利用統(tǒng)計(jì)學(xué)習(xí)的知識(shí)來(lái)實(shí)現(xiàn)設(shè)備的故障診斷。為了充分利用工業(yè)中海量數(shù)據(jù)并且保證診斷的準(zhǔn)確性和高效性,本文將基于數(shù)據(jù)驅(qū)動(dòng)的方法,運(yùn)用統(tǒng)計(jì)學(xué)習(xí)模型,對(duì)風(fēng)機(jī)葉片結(jié)冰情況進(jìn)行預(yù)測(cè)。本文在對(duì)風(fēng)機(jī)運(yùn)行狀態(tài)數(shù)據(jù)劃分不同時(shí)間窗的基礎(chǔ)上,運(yùn)用模型L... 

【文章來(lái)源】：上海師范大學(xué)上海市

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究目的和意義
    1.3 研究?jī)?nèi)容、方法和技術(shù)路線背景
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究方法和技術(shù)路線
    1.4 本文的主要貢獻(xiàn)
第二章 文獻(xiàn)綜述和相關(guān)理論
    2.1 國(guó)內(nèi)外文獻(xiàn)綜述
        2.1.1 國(guó)外研究現(xiàn)狀
        2.1.2 國(guó)內(nèi)研究現(xiàn)狀
    2.2 相關(guān)理論
        2.2.1 XGBoost
        2.2.2 LightGBM
            2.2.2.1 GOSS
            2.2.2.2 EFB
        2.2.3 ERT
        2.2.4 基于時(shí)間窗口的模型融合
第三章 數(shù)據(jù)來(lái)源和特征工程
    3.1 數(shù)據(jù)來(lái)源
        3.1.1 數(shù)據(jù)說(shuō)明
        3.1.2 選擇該數(shù)據(jù)的原因
    3.2 特征工程
        3.2.1 數(shù)據(jù)表基本分析
        3.2.2 特征工程基本框架
        3.2.3 缺失值處理和數(shù)據(jù)標(biāo)準(zhǔn)化
第四章 風(fēng)機(jī)葉片結(jié)冰預(yù)測(cè)模型實(shí)證結(jié)果分析與比較
    4.1 模型評(píng)價(jià)指標(biāo)
        4.1.1 準(zhǔn)確率
        4.1.2 平均準(zhǔn)確率
        4.1.3 精確率、召回率、F值
        4.1.4 AUC評(píng)價(jià)指標(biāo)
    4.2 基于單模型的風(fēng)機(jī)葉片結(jié)冰預(yù)測(cè)
        4.2.1 基于XGBoost的葉片結(jié)冰預(yù)測(cè)模型
        4.2.2 基于LightGBM的葉片結(jié)冰預(yù)測(cè)模型
        4.2.3 基于ERT的葉片結(jié)冰預(yù)測(cè)模型
    4.3 基于混合模型的風(fēng)機(jī)葉片結(jié)冰預(yù)測(cè)
        4.3.1 時(shí)間窗口為半小時(shí)下,基于LightGBM的模型實(shí)證
        4.3.2 時(shí)間窗口為十分鐘下,基于XGBoost的模型實(shí)證
        4.3.3 時(shí)間窗口為十分鐘下,基于ERT的模型實(shí)證
        4.3.4 時(shí)間窗口為十分鐘下,基于混合模型的模型實(shí)證
    4.4 模型對(duì)比研究
第五章 總結(jié)和后續(xù)研究建議
    5.1 總結(jié)
    5.2 后續(xù)研究建議
參考文獻(xiàn)
附錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]風(fēng)電機(jī)組狀態(tài)檢測(cè)技術(shù)研究現(xiàn)狀及發(fā)展趨勢(shì)[J]. 丁顯,徐進(jìn),滕偉,柳亦兵.  可再生能源. 2017(10)
[2]神經(jīng)網(wǎng)絡(luò)技術(shù)在風(fēng)電機(jī)組SCADA數(shù)據(jù)分析中的應(yīng)用研究[J]. 杜勉,易俊,郭劍波,程林,馬士聰,賀慶.  電網(wǎng)技術(shù). 2018(07)
[3]結(jié)合鏈路預(yù)測(cè)和ET機(jī)器學(xué)習(xí)的科研合作推薦方法研究[J]. 呂偉民,王小梅,韓濤.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2017(04)
[4]基于隨機(jī)森林的風(fēng)機(jī)狀態(tài)監(jiān)測(cè)數(shù)據(jù)可視化研究[J]. 郭曉利,溫延立.  電測(cè)與儀表. 2016(22)
[5]基于證據(jù)理論和支持向量機(jī)的風(fēng)機(jī)故障智能診斷[J]. 李家偉.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2016(03)
[6]淺談風(fēng)力發(fā)電技術(shù)的問(wèn)題與探討[J]. 楊寅越.  河南科技. 2015(23)
[7]風(fēng)力機(jī)結(jié)冰問(wèn)題研究綜述[J]. 東喬天,金哲巖,楊志剛.  機(jī)械設(shè)計(jì)與制造. 2014(10)
[8]葉片覆冰對(duì)風(fēng)電機(jī)組的影響[J]. 孫少華,徐洪雷,符鵬程,蔡繼峰.  風(fēng)能. 2014(09)
[9]風(fēng)電機(jī)組葉片結(jié)冰研究現(xiàn)狀與進(jìn)展[J]. 王聰,黃潔亭,張勇,韓爽.  電力建設(shè). 2014(02)
[10]基于人工智能的煤礦風(fēng)機(jī)故障診斷方法[J]. 李晶,劉國(guó)華.  煤礦機(jī)械. 2013(12)

碩士論文
[1]基于超聲導(dǎo)波方法的風(fēng)機(jī)葉片覆冰檢測(cè)[D]. 王鵬.哈爾濱工業(yè)大學(xué) 2016
[2]基于Xgboost方法的實(shí)體零售業(yè)銷售額預(yù)測(cè)研究[D]. 葉倩怡.南昌大學(xué) 2016
[3]監(jiān)督學(xué)習(xí)算法在預(yù)測(cè)太陽(yáng)能生產(chǎn)中的應(yīng)用[D]. 戴衛(wèi)特.中南大學(xué) 2014



本文編號(hào)：3188895