基于概率分布和XGBoost决策算法的织机异常数据处理方法

来源：计算机集成制造系统杂志2025年第6期北京时间：

作者：徐开心, 戴宁, 汝欣, 胡旭东

单位：1.浙江理工大学浙江省现代纺织装备技术重点实验室2.浙江理工大学纺织科学与工程学院(国际丝绸学院)

摘要：为了解决对织机设备进行数据采集时出现异常数据导致数据质量低下、可用率低的问题,提出一种基于概率分布和XGBoost决策算法的织机异常数据处理方法。首先,获取织机各参数相邻数据点的时序变化差值,得到反映各参数近似变化趋势的可信区间;其次,基于织机参数间的相关性程度,利用贝叶斯网络对织机正常数据点、偏离异常点和不活跃异常点3类数据类型的概率分布进行推理,定位异常数据发生的时刻点和异常类型;再次,基于XGBoost决策算法对织机异常数据造成的数据缺失位进行修复。最后,以某纺织企业织机设备的采集数据为例进行分析表明,与决策树和K最近邻算法相比,所提织机异常数据识别方法的平均异常识别率分别提升13.80%,19.09%;所提织机缺失数据修复模型能提升修复准确度,对织机织布产量、打纬次数、运行效率和运行车速的拟合系数分别为0.9646,0.9563,0.9832,0.9736。

关键词：喷气织机,异常数据,概率分布,XGBoost,数据修复

基金资助：浙江省教育厅资助项目(Y202455953);浙江省科技计划资助项目(2022C01202);浙江理工大学科研启动基金资助项目(23242083-Y)。