基于特征选择的半潜式平台故障信号探究

“蓝鲸2号”第七代深水半潜式钻井平台,其工作环境恶劣且远离港岸,故保障平台的平稳运行和安全是重中之重。该平台电力系统警报信号特征种类众多、特征重要程度模糊,仅利用单分类器方法无法准确划分故障警报信号,因此,引入集成学习算法并结合特征选择技术,提出基于支持向量机递归特征消除(SVM-RFE)的Bagging-AdaBoost分类模型(SRBA),用于解决多特征分类问题。结果显示提出的SRBA集成学习算法综合分类正确率达96%,在分类精度上优于Bag⁃ging、AdaBoost、Bagging-AdaBoost分类器对比模型,该方法具有较高的稳定性和分类准确度,是一种更为有效的分类手段。