颜诗旋，朱 平，刘 钊

（1.上海交通大学，机械系统与振动国家重点实验室，上海 200240； 2.上海市复杂薄板结构数字化制造重点实验室，上海 200240；3.上海交通大学设计学院，上海 200240）

前言

机器学习、大数据等人工智能技术与汽车行业的联系日益紧密，一个典型的应用场景［1］是对采集的汽车故障数据集建立机器学习模型，以数据驱动的方式，预测汽车是否发生故障，从而及时对发生故障的车辆进行维修。使用机器学习模型预测汽车故障的发生，对于降低安全事故风险、保障生命财产安全等具有重要意义。

随着汽车故障数据的采集与存储能力的提升，汽车故障数据集逐步向大样本、高维度发展，XGBoost、LightGBM等最新的机器学习模型开始应用于故障预测中。李卫星等［2］使用XGBoost模型，对4种工况下柴油机失火故障的平均预测准确率达90%以上。杨正森［3］使用 XGBoost和LightGBM模型对包含100多万个样本的工业产品数据集进行故障预测，结果优于经典的随机森林模型。Ke等［4］基于多个案例测试的结果，推荐在大规模数据集上使用训练速度快、预测能力好的LightGBM模型。然而，实际收集到的汽车故障数据普遍存在类别不平衡［5］的特点：无故障的样本数量多于有故障的样本数量，前者所能提供的信息量更多，使模型偏向于预测新的样本为无故障，导致故障查全率较低。针对类别不平衡的特点，Costa等［6］在模型损失函数中加入类别权重，将故障样本的类别权重设置为不平衡比（无故障样本数与有故障样本数的比值），降低了类别不平衡对故障查全率的影响，但其人为指定了类别权重，并未考虑其他可能的取值。……