25年钉钉杯大数据挑战赛金奖作品A2025071738488.pdfVIP

2025年第四届“创新杯”大学生

大数据挑战赛论文

工业设备故障分类与剩余寿命预测的双任务建模研究

摘要

本研究旨在面向智慧工厂机床设备运行状态监测任务，构建高精度预测模型，提升

设备故障预警与剩余寿命评估能力，为工业系统的智能维护与管理优化提供决策支持。

研究聚焦于两个核心子任务，分别基于改进型智能优化算法结合主流机器学习模型展开

预测分析。

针对设备是否在未来7天内发生故障的分类预测问题（任务A），本文提出一种基

RIMEXGBoost

于改进霜冰优化算法（）的模型，通过引入扰动控制、分布更新与动态

权重机制增强RIME全局搜索与局部开发能力，结合五折交叉验证进行模型调优，以

F1-score与AUC作为核心优化目标。为缓解训练数据中正负样本高度不均衡的问题，

设计三组不同的欠采样与过采样融合策略进行数据重构，实验证明，最终模型在测试集

中各项指标（Accuracy、Recall、F1-score、Specificity）均达到最优