基于CNN-XGBoost的采煤机健康状态评估

作者：曹现刚; 陈瑞昊^*; 伍宇泽; 孟伟

来源：煤炭技术, 2022, 41(11): 173-176.

DOI：10.13301/j.cnki.ct.2022.11.040

• 采煤机
• 卷积神经网络
• 极端梯度提升
• 状态评估

针对采煤机数据集类别数据不平衡导致评估准确率不高和单一评估算法局部搜索能力较弱等问题，提出一种基于卷积神经网络（CNN）和极端梯度提升算法（XGBoost）的采煤机健康状态评估方法。根据采煤机结构及工作原理构建健康状态评估指标体系，将预处理后的采煤机状态数据集输入CNN模型提取特征信息，利用XGBoost模型进行状态评估。实验结果表明：基于CNN-XGBoost的采煤机健康状态评估方法平均准确率可达95.4%，能有效解决数据集的不平衡问题和状态评估难题。

• 单位
  西安科技大学