基于抗噪优化的XGBoost算法在数控车床故障预测中的应用  

Application of XGBoost Algorithm Based on Antinoise Optimization in Fault Prediction of CNC Lathe

作　　者：张征荣 金皓轩 陆云鹏 吴旭 HANG Zhengrong;JIN Haoxuan;LU Yunpeng

机构地区：[1]上海三菱电梯有限公司,上海200245

出　　处：《电世界》2025年第2期1-7,共7页Electrical World

摘　　要：极端梯度提升(extreme gradient boosting, XGBoost)算法在故障预测领域具有显著优势和广阔应用前景。针对数控车床轴传动系统故障预测难题,提出基于抗噪性能优化的XGBoost算法,通过针对性的参数调整、特征选择及抗噪优化,显著提升了预测精度与模型性能。实验结果显示,该算法相较传统梯度提升决策树算法,预测准确性更高,为企业设备维修管理提供了可靠依据。未来,随着算法的不断优化和数据的持续积累,XGBoost算法在故障预测领域的应用将更加广泛和深入。

关 键 词：故障预测 XGBoost算法 数控机床 

分 类 号：TG659[金属学及工艺—金属切削加工及机床]