基于IWOA-stacking集成学习模型的抽油机故障诊断方法

针对抽油机故障诊断问题,提出一种基于振动特征和IWOA-stacking集成模型的抽油机故障诊断方法。首先,基于stacking算法构建了两层集成模型,模型第一层采用最小二乘支持向量机、随机森林、梯度提升模型和XGBoost模型作为基学习器,第二层采用多元线性回归作为元学习器;其次,基于改进鲸鱼优化算法对四个基学习器的超参数进行优化;最后,针对采集的振动数据优选用于故障诊断的时域特征指标,用超参数优化后的集成模型进行学习和诊断,并与4种基模型进行对比。实验结果表明,所提模型具有更高的识别效果且具有很好的泛化能力。