科氏流量计故障检测数据清洗方法研究

科里奥利质量流量计(简称科氏流量计)是一种直接式质量流量测量仪表，可以同时测量流体的质量流量、密度等参数。科氏流量计在使用过程中易出现挂壁故障，影响测量精度，因此，需要对挂壁故障进行定期检测。检测所采集的数据质量会影响科氏流量计挂壁故障检测的精度，针对此问题，必须对脏数据进行清洗，进一步提高科氏流量计挂壁故障检测的准确率，提出了一种基于强化学习的数据清洗算法。将数据与后端机器学习模型相结合，使用Q-Learning算法对数据清洗流程进行搜索，寻找能够使后端机器学习模型达到最佳性能的数据清洗策略。最后对科氏流量计挂壁实验数据进行清洗，对算法进行了验证，检测准确率达92%。实验结果表明，该算法在提高数据清洗效率的同时可以有效提高机器学习模型的性能，使挂壁故障检测准确率得到提高。