基于随机森林算法的矿用卡车发动机缸温预警方法与流程

1.本发明涉及一种基于随机森林算法的矿用卡车发动机缸温预警方法。


背景技术：

2.随机森林算法是一种监督学习算法，通过集成学习的思想将多棵树集成，具有灵活性高，适应性强，不容易陷入过拟合的特点，由于矿用卡车发动机缸温带有滞后效应，即缸温会受到自身及其它解释变量过去值的影响，所以需要对变量做时间滞后处理，是亟需解决的问题。


技术实现要素：

3.本发明的目的是提供一种基于随机森林算法的矿用卡车发动机缸温预警方法，该方法主要根据相关参数预测出实时缸温与实际缸温进行对比，提前发现缸温异常，减少矿用卡车设备的维修成本。
4.上述的目的通过以下的技术方案实现：一种基于随机森林算法的矿用卡车发动机缸温预警方法，该方法包括如下步骤：首先是根据与缸温有关的特征值以及其滚动窗口值和统计特征值基于随机森林算法对缸温进行预测，然后根据其预测值和实际值之差结合对大量缸温数据统计分析得到的阈值范围，计算流程图如下：（1）收集数据，处理缺失值和异常值：首先构建数据集，需要对环境温度、环境压力、风速、车速、马力、发动机转速、加速踏板百分比、制动踏板百分比、k#缸温、k 1#缸温进行测点采样，采样频率为2s；（2）特征值处理，构建数据集：用箱型图对特征值逐个进行统计分析，确定每个特征值的最大、最小范围，超出范围的可认定为异常值，若缺失值和异常值的数量较少，可用前后数据的平均值替代或删除；（3）搭建随机森林算法模型，增加新变量：a、增加时间滞后变量，分别对自变量x1—x9做时间滞后处理，滞后间隔为-1，-2，-3，-4，对应的新变量的时间间隔为-2s，-4s，-6s，-8s，如环境温度为x1t=f(x,t)，滞后间隔为-1时，x1t-1=f(x,t-1)，其余变量也做类似处理；b、增加滚动窗口统计值，分别对自变量x1—x9增加滚动窗口统计值，即滚动标准差，滚动梯度，滚动均值，滚动最大值和滚动最小值，窗口大小设置为5，如此时环境温度的滚动标准差为：此时环境温度的滚动梯度为：
此时环境温度的滚动均值为：此时环境温度的滚动最大值为：此时环境温度的滚动最小值为：其余变量也做类似处理；c、将步骤a、b和步骤（2）得到的数据合并为一个数据集，并按照7：3的比例划分为训练集和测试集；（4）训练模型，调参，预测缸温：利用随机森林算法对因变量x10进行预测，参数配置为：决策树个数n_estimators=18，决策树最大深度max_depth=18，限制分枝时考虑的特征个数max_features=’auto’，即max_features=sqrt(n_features)，衡量树分割质量的函数选择默认值均方误差criterion=’mse’，在决策树中均方误差可以表示为：其中xm为当前节点的样本集合，y为当前节点样本目标变量，为当前节点样本目标变量的平均值，其余参数设为默认值。
5.有益效果：1.本发明是一种基于随机森林算法的矿用卡车发动机缸温预警方法，该方法根据相关参数预测出实时缸温与实际缸温进行对比，提前发现缸温异常，减少矿用卡车设备的维修成本，此外还增加了滚动窗口统计变量如滚动方差、滚动梯度、滚动平均值、滚动最大值、滚动最小值，能够使预测更加精准。
6.本发明根据与缸温有关的特征值以及其滚动窗口值和统计特征值基于随机森林算法对缸温进行预测，根据其预测值和实际值之差结合对大量缸温数据统计分析得到的阈值范围，在矿用卡车发动机发生故障时进行预警，保证了设备的安全运行。
7.本发明当矿用卡车发动机发生故障时，会首先体现在缸温上，根据本发明中的方法可提前预警，减少设备维护费用，节省了成本，提高了工作效率。
8.附图说明：
附图1是本发明的计算流程图。
9.附图2是本发明的缸温预测误差统计图。
10.具体实施方式：实施例1：一种基于随机森林算法的矿用卡车发动机缸温预警方法，该方法包括如下步骤：首先是根据与缸温有关的特征值以及其滚动窗口值和统计特征值基于随机森林算法对缸温进行预测，然后根据其预测值和实际值之差结合对大量缸温数据统计分析得到的阈值范围，计算流程图如下：（1）收集数据，处理缺失值和异常值：首先构建数据集，需要对环境温度、环境压力、风速、车速、马力、发动机转速、加速踏板百分比、制动踏板百分比、k#缸温、k 1#缸温进行测点采样，采样频率为2s；（2）特征值处理，构建数据集：用箱型图对特征值逐个进行统计分析，确定每个特征值的最大、最小范围，超出范围的可认定为异常值，若缺失值和异常值的数量较少，可用前后数据的平均值替代或删除；（3）搭建随机森林算法模型，增加新变量：a、增加时间滞后变量，分别对自变量x1—x9做时间滞后处理，滞后间隔为-1，-2，-3，-4，对应的新变量的时间间隔为-2s，-4s，-6s，-8s，如环境温度为x1t=f(x,t)，滞后间隔为-1时，x1t-1=f(x,t-1)，其余变量也做类似处理；b、增加滚动窗口统计值，分别对自变量x1—x9增加滚动窗口统计值，即滚动标准差，滚动梯度，滚动均值，滚动最大值和滚动最小值，窗口大小设置为5，如此时环境温度的滚动标准差为：此时环境温度的滚动梯度为：此时环境温度的滚动均值为：此时环境温度的滚动最大值为：此时环境温度的滚动最小值为：
其余变量也做类似处理；c、将步骤a、b和步骤（2）得到的数据合并为一个数据集，并按照7：3的比例划分为训练集和测试集；（4）训练模型，调参，预测缸温：利用随机森林算法对因变量x10进行预测，参数配置为：决策树个数n_estimators=18，决策树最大深度max_depth=18，限制分枝时考虑的特征个数max_features=’auto’，即max_features=sqrt(n_features)，衡量树分割质量的函数选择默认值均方误差criterion=’mse’，在决策树中均方误差可以表示为：其中xm为当前节点的样本集合，y为当前节点样本目标变量，为当前节点样本目标变量的平均值，其余参数设为默认值。
11.实例如下：本次实验以矿用卡车发动机的缸温预警为例，按表1中的测点采样，采样频率为5s，训练数据总供384个小时的样本数据（即训练样本点数量为276480），测试数据总供48个小时的数据（即测试集的样本数量为34560），经过箱型图分析确定缸温超过650℃或小于130℃时（此时认为卡车熄火，数据停止上传）为异常数据，如果连续1分钟超出范围则发出警报，如果不足1分钟，则认为是系统跳变可忽略；根据以上数据，采用本发明的方法对矿用卡车发动机缸温进行预测，得到表2和附图2的测试结果。
12.通过对附图2的分析，可以发现本发明的预测值和实际值绝对值值差90%以上都小于15℃，为了减少误报率，可以将误差绝对值设为25℃，当实际值与预测值之差绝对值超过25℃并持续1分钟时，可认为发动机发生故障，发出警报；表1：测点数据
表2：测试结果 。


技术特征：
1.一种基于随机森林算法的矿用卡车发动机缸温预警方法，其特征是：该方法包括如下步骤：首先是根据与缸温有关的特征值以及其滚动窗口值和统计特征值基于随机森林算法对缸温进行预测，然后根据其预测值和实际值之差结合对大量缸温数据统计分析得到的阈值范围，计算流程图如下：（1）收集数据，处理缺失值和异常值：首先构建数据集，需要对环境温度、环境压力、风速、车速、马力、发动机转速、加速踏板百分比、制动踏板百分比、k#缸温、k 1#缸温进行测点采样，采样频率为2s；（2）特征值处理，构建数据集：用箱型图对特征值逐个进行统计分析，确定每个特征值的最大、最小范围，超出范围的可认定为异常值，若缺失值和异常值的数量较少，可用前后数据的平均值替代或删除；（3）搭建随机森林算法模型，增加新变量：a、增加时间滞后变量，分别对自变量x1—x9做时间滞后处理，滞后间隔为-1，-2，-3，-4，对应的新变量的时间间隔为-2s，-4s，-6s，-8s，如环境温度为x1t=f(x,t)，滞后间隔为-1时，x1t-1=f(x,t-1)，其余变量也做类似处理；b、增加滚动窗口统计值，分别对自变量x1—x9增加滚动窗口统计值，即滚动标准差，滚动梯度，滚动均值，滚动最大值和滚动最小值，窗口大小设置为5，如此时环境温度的滚动标准差为：此时环境温度的滚动梯度为：此时环境温度的滚动均值为：此时环境温度的滚动最大值为：此时环境温度的滚动最小值为：其余变量也做类似处理；c、将步骤a、b和步骤（2）得到的数据合并为一个数据集，并按照7：3的比例划分为训练集和测试集；（4）训练模型，调参，预测缸温：
利用随机森林算法对因变量x10进行预测，参数配置为：决策树个数n_estimators=18，决策树最大深度max_depth=18，限制分枝时考虑的特征个数max_features=’auto’，即max_features=sqrt(n_features)，衡量树分割质量的函数选择默认值均方误差criterion=’mse’，在决策树中均方误差可以表示为：,其中xm为当前节点的样本集合，y为当前节点样本目标变量，为当前节点样本目标变量的平均值，其余参数设为默认值。

技术总结
本发明涉及一种基于随机森林算法的矿用卡车发动机缸温预警方法。由于矿用卡车发动机缸温带有滞后效应，即缸温会受到自身及其它解释变量过去值的影响，所以需要对变量做时间滞后处理是亟需解决的问题。本发明其步骤与方法是：首先是根据与缸温有关的特征值以及其滚动窗口值和统计特征值基于随机森林算法对缸温进行预测，然后根据其预测值和实际值之差结合对大量缸温数据统计分析得到的阈值范围，计算流程图如下：（1）收集数据，处理缺失值和异常值，（2）特征值处理，构建数据集，（3）搭建随机森林算法模型，增加新变量，（4）训练模型，调参，预测缸温。本发明用于基于随机森林算法的矿用卡车发动机缸温预警方法。车发动机缸温预警方法。车发动机缸温预警方法。


技术研发人员：刘跃 吴涛 李树学 赵耀忠 咸金龙 马广玉 刘强 田文明 曹鋆程 刘金龙 赵晋松 刘聪睿 赖菲 徐创学 薛晗光 吴智群 何新
受保护的技术使用者：华能伊敏煤电有限责任公司
技术研发日：2021.09.24
技术公布日：2022/2/7