关键词：故障诊断;;ReliefF;;梯度提升决策树;;城轨塞拉门
摘 要：为了提高城轨塞拉门系统的智能化水平，增强城轨塞拉门运行的安全性、可靠性，提出一种基于ReliefF优化梯度提升决策树的塞拉门早期故障诊断方法，对塞拉门故障隐患进行实时有效监测和排查.在不同早期故障类型下进行城轨塞拉门早期故障试验，利用传感器采集塞拉门电机转速、转矩以及电流，通过特征工程建立数据集；运用ReliefF多分类特征筛选并从中提取故障特征，与主成分分析法、线性判别分析相比，ReliefF特征筛选表现最优；使用梯度提升决策树算法进行模型训练与早期故障类型识别，采取网格调参与五折交叉验证法进行超参数寻优，缩短运算时间.采用集中学习投票机制，得出最终分类结果，模型精度达到90%以上，具有鲁棒性.
内 容：原文可通过湖北省科技信息共享服务平台（http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取