信息与控制

作者：张强, 李青, 薛冰, 胡月

关键词：Stacking集成学习模型, 沙猫群优化算法, 振动分析, 故障诊断, 游梁式抽油机, 超参数优化

针对游梁式抽油机的故障诊断问题，提出了一种基于振动分析和改进集成学习模型的游梁式抽油机故障诊断方法。采用Stacking集成学习模型将随机森林(Random Forest，RF)、支持向量机(Support Vector Machine，SVM)、梯度提升(Gradient Boosting，GB)和极端梯度提升(Extreme Gradient Boosting，XGboost)作为基学习器，多元线性回归作为元学习器，以提高单一模型的准确性和泛化能力。同时，提出了改进的沙猫群优化算法(improved sand cat swarm optimization algorithm，ISCSO)，用于对模型超参数进行优化，解决手工调参难度大的问题。通过实验对比ISCSO-Stacking模型与其他模型的预测结果发现，ISCSO-Stacking模型的预测准确率达到了97%，优化后的超参数显著提升了模型性能，并降低了过拟合风险。

来源：2025年第5期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第5期