基于IAOA-XGBoost的车体陀螺仪组故障预测方法

本发明涉及人工智能故障诊断技术领域，公开一种基于IAOA‑XGBoost的车体陀螺仪组故障预测方法，通过KPCA算法对采集的数据进行降维和归一化预处理，在AOA初始化阶段引入lterative混沌映射策略扩大初始候选解位置的范围，对AOA的数学函数加速器引入非惯性控制因子进行改进，并根据改进后的数学函数加速器判断在当前是在AOA的探索阶段还是开发阶段，对候选解位置进行更新；采用改进的算术优化算法IAOA对极端梯度提升树XGBoost进行参数寻优，构建IAOA‑XGBoost故障诊断模型，将测试数据集输入到IAOA‑XGBoost故障诊断模型中，对车体速度陀螺仪进行故障诊断，输出预测结果。本发明弥补了在训练过程中参数选择的盲目性的缺陷，提高了回归预测模型的预测精度，具有更高的预测精度和实用性。