基于级联分类与在线预测能力指标的转子部件飞脱预后
系统与控制
2022-11-09 v1 机器学习
系统与控制
摘要
大型旋转机械，例如压缩机、蒸汽轮机、燃气轮机，是能源、化工和发电等许多过程工业中的关键设备。由于转子转速高、动量巨大，离心力可能导致转子部件飞脱，给运行安全带来巨大威胁。对潜在故障的早期检测与预测可避免灾难性的工厂停机与经济损失。本文中，我们根据距故障时刻的时间将旋转机械的运行状态划分为正常、风险和高风险三类。随后提出一种级联分类算法分两步预测状态：首先判断机器处于正常还是异常状况；对于被预测为异常的时间段，进一步将其分类为风险或高风险状态。此外，传统的分类模型评价指标（如混淆矩阵、真假准确率）是静态的，且忽略了在线预测动态性与误预测代价的不均衡性。我们提出一种在线预测能力指标（OPAI）来筛选具有一致在线预测且接近停机时刻预测误差更小的预测模型。真实世界数据集与计算实验被用于验证所提方法的有效性。
引用
@article{arxiv.2203.16006,
title = {Prognosis of Rotor Parts Fly-off Based on Cascade Classification and Online Prediction Ability Index},
author = {Yingjun Shen and Zhe Song and Andrew Kusiak},
journal= {arXiv preprint arXiv:2203.16006},
year = {2022}
}