基于改进XGBoost的螺栓状态异常检测与分类
Anomaly detection and classification method of bolt state based on improved XGBoost作者机构：青岛科技大学信息科学技术学院山东青岛266061
出 版 物：《电子设计工程》 (Electronic Design Engineering)
年 卷 期：2023年第31卷第16期
页 面：86-90页
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：山东省产教融合研究生联合培养示范基地项目(2020-19)
主 题：螺栓异常 状态曲线 XGBoost优化 异常检测 多级分类
摘 要：针对螺栓装配过程出现的各类异常,提出一种基于改进XGBoost算法的扭矩角度变化曲线分类方法。针对经过预处理后的数据形成特征曲线,并根据其分布规则建立二分类模型,筛选出异常曲线。通过扭矩和角度曲线的变化关系优化传统的特征提取过程,进而形成螺栓异常状态曲线的特征工程方法,并通过主成分分析法降低了数据冗余。建立基于权值共享矩阵的多级异常状态XGBoost分类模型。实验结果表明,与传统方法相比,依据特征工程方法所建立的多级分类模型在精度方面提高了8%。
维普期刊数据库
同方期刊数据库