-
主管
中国煤炭科工集团有限公司
-
主办
煤炭科学研究总院有限公司
煤炭工业洁净煤工
程技术研究中心 -
主编
解强
-
刊期
月刊
-
ISSN
1006-6772
-
CN
11-3676/TD
当前位置： 首页 > 2024年 第S2期
2024年 第S2期
55
35
作者：
- 李星
- 宋岩斌
- 李召辉
单位：
- 国能神东煤炭集团公司保德煤矿
摘要：
对矿用机械设备进行故障监测可以保证煤矿生产顺利进行。基于数据的故障监测算法需要大量故障数据，在实际煤矿生产中难以获得。本文针对设备故障监测中存在的数据不平衡问题，利用TOMEKLINKS的数据筛选功能改进随机过采样算法(SMOTE),提高设备故障监测准确率。利用TOMEK链可以确定边界样本的特点，与Borderline-SMOTE算法进行结合，从少数类样本k近邻和样本最近邻居两个角度确定边界样本，对不同样本赋予不同采样倍数，提高机器学习算法对故障数据分类边界的识别能力在矿用脱介筛上进行的实验，验证了本文算法比经典算法提高了故障监测精度，是一种解决矿用设备故障监测的有效方法。
关键词：
- 故障监测
- 数据筛选
- Borderline-SMOTE
- 脱介筛
图表：
--
相关文章：
--
引用格式：
[1]李星,宋岩斌,李召辉.基于Tomek改进的合成过采样算法及在矿用机械故障监测中的应用[J].洁净煤技术,2024,30(S2):82-85.
在线投稿
专家审稿
编辑办公
当期目录
过刊浏览
专题/专栏
