一个集体学习模型,用于评估的老化,考虑多功能组综合分析
Kun Zhang1, Chuyan Zhang1, Zhenan Zhou1
1School of Artificial Intelligence, China University of Geosciences, Beijing 100190, China.
Polymers
|November 27, 2025
概括
这项研究引入了一种使用富里埃变换红外光谱 (FTIR) 和集体学习的新方法,以定量评估复合材料绝缘体中的老化. 开发的框架为电力系统的基于条件的维护提供了一个可靠的工具.
科学领域:
- 电气工程 电气工程
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
背景情况:
- 复合材料绝缘体对于高压输电线路至关重要.
- 由于缺乏定量评估方法,中的材料老化阻碍了基于条件的维护.
研究的目的:
- 开发一种新的定量框架,用于评估复合绝缘体中的降解.
- 解决电气绝缘系统目前基于条件的维护策略的局限性.
主要方法:
- 福利埃变换红外光谱 (FTIR) 的集成用于定量光谱分析.
- 应用面向测量的集体学习模型 (KNN,SVM,RF,GBDT) 与动态重量分配.
- 利用信息理论特征选择和数据增强来提高模型性能和概括性.
主要成果:
- 在老化评估中获得了96.17%的准确性.
- 对噪声和异常有很强的模型稳定性,通过SHAP分析证实了超抗性.
- 建立了一个可扩展和可靠的定量衰老评估框架.
结论:
- 拟议的FTIR光谱学和集体学习框架为评估老化提供了一种可靠的方法.
- 这有助于为电气绝缘系统开发智能,数据驱动的诊断工具.
- 允许对电力基础设施进行改进的基于条件的维护策略.


