邵凯文, 赵芝芸, 王梦灵, 易树平, 王理
控制工程. 2025, 32(1): 166-175.
在智能制造产业的设备缺陷与故障诊断中,欠采样容易丢失重要的样本信息,而过采样容易引入冗杂信息。针对这些问题,将带精英策略的非支配排序遗传算法(non- dominated sorting genetic algorithm II, NSGAII)融入随机森林(random forest, RF)算法中,用多目标遗传算法代替传统RF算法中的自助采样法和特征选取方法,产生多样化的、性能优良的特征子集和样本子集,从而生成多样性强、准确性高的决策树,同时确定最优的决策树数量,达到优化RF算法的性能并提高分类精度的目的。基于多类别和高度不平衡的设备故障数据集进行故障诊断实验,并将所提算法与结合了合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)的集成学习算法等进行比较,实验结果表明,所提算法的故障诊断准确率优于对比算法。