基于改进Jaya-RUSBoost模型的设备故障预测

摘要

针对焊枪故障预测中产生的数据不平衡问题，提出一种基于Jaya-RUSBoost改进模型的焊枪故障预测方法，通过结合欠采样、集成学习和参数设置优化，实现数据的平衡和故障预测精度的提升。构建RUSBoost故障预测模型，设计实验评估超参数值对模型性能的影响，确定模型参数的较优取值范围；设计Jaya元启发式算法对RUSBoost模型参数进行迭代，从而寻求最优故障预测参数模型。案例研究表明，相较于传统的RUSBoost算法，Jaya-RUSBoost算法在5个焊枪上的故障预测准确率和F1值分别提升了9.43%和8.41%，且与多种机器学习模型相比，准确性等指标也得到显著的提升。本文提出的焊枪故障预测方法，具有较高的实际应用价值和推广前景，能够为焊接设备的智能维护提供有力支持。

关键词

故障预测 / 焊枪 / 数据不平衡 / Jaya-RUSBoost / 智能制造