"针对矿用挖掘机发动机故障类别不均衡,导致故障诊断精度不高的问题,提出了一种改进的鲸鱼算法(WOA)优化轻量级梯度提升机(LightGBM)的矿用挖掘机发动机智能故障诊断方法.首先,利用递归特征交叉验证消除法(RFECV)对采集的挖掘机发动机故障数据的特征进行提取,删除不相关的特征.其次,采用Focal-Loss改进LightGBM 的损失函数,提出一种改进的WOA对LightGBM 的超参数寻优,构建新的诊断模型.最后,利用某矿山挖掘机发动机故障数据进行验证,并与常见的集成模型、调优框架和诊断算法进行对比分析.结果表明:所提出的矿用挖掘机发动机故障诊断模型IWOA-LightGBM 的准确率和F1分数分别为98.08％和98.53％,诊断性能较好,可为矿山机械设备的智能诊断提供参考."