基于PSO-XGBoost的风电叶片缺陷分类算法

针对风电叶片缺陷回波信号分类效率低的问题,提出粒子群-极限梯度提升(PSO-XGBoost)算法。首先采用变分模态分解(VMD)结合模糊熵的方法对缺陷回波数据进行特征提取,建立XGBoost多分类模型,在此基础上采用PSO算法对XGBoost超参数进行寻优,建立PSO-XGBoost多分类模型。这种PSO、XGBoost相结合的算法可提高风电叶片缺陷的预测精度、减少缺陷分类的误差。通过仿真,对PSO-XGBoost、XGBoost及其他几种机器学习算法进行对比,结果表明PSO-XGBoost算法准确度最高,其缺陷分类准确率可达98%。由此可见,采用PSO-XGBoost算法可有效提高风电叶片缺陷分类的准确率。