科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文提出了一种基于极端梯度提升（e Xtreme 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。
- 单位
