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。