原文传递
基于深度极限学习机的船舶柴油机故障诊断研究
| 论文题名： | 基于深度极限学习机的船舶柴油机故障诊断研究 |
| 关键词： | 船舶柴油机;故障诊断;极限学习机;参数设置;仿真模型 |
| 摘要： | 随着对船舶自动化与智能化程度的要求越来越高，智能机舱技术得到越来越多的重视，故障诊断技术作为机舱智能运维技术的重要组成部分受到研究人员的关注。船舶柴油机作为船舶重要的动力源，它安全可靠的运行对船舶营运和人员安全非常重要，因而成为故障诊断技术重要的应用对象。传统的船舶柴油机故障诊断技术对专家经验依赖性强，可靠性低。深度学习可以学习到数据层次化的特征表示，能够实现对故障特征的挖掘而成为船舶柴油机故障诊断研究的热点。深度极限学习机作为深度学习框架下的一种算法，它训练简单，计算效率高，对数据量的要求较小。因此，本文针对深度极限学习机在船舶柴油机故障诊断上的应用展开研究，本文的主要研究内容如下： 首先，针对实际获得船舶柴油机故障样本存在成本高、对设备带有一定的破坏性以及数据类型单一的问题，利用AVLBOOST软件建立了MAN8L/5160DF船舶柴油机仿真模型，在完成模型校准后，对四种常见故障进行了故障模拟实验，采集相关参数得到了船舶柴油机故障数据集。 其次，针对人工生态系统优化算法对故障诊断模型参数寻优时容易陷入局部最优，探索能力差的缺点，给出了四种改进策略，在基准函数和核极限学习机参数寻优上与其他算法进行了对比实验，结果显示改进人工生态系统优化算法具有更好的寻优能力。 最后，针对利用单一核函数的核极限学习机不能很好的平衡学习能力和泛化能力的问题，构建了混合核极限学习机并用于船舶柴油机故障诊断，仿真实验结果显示优化的混合核极限学习机具有很高的故障诊断正确率。为进一步提高故障诊断的正确率，将深度极限学习机与混合核极限学习机结合并利用改进人工生态系统优化算法对模型参数进行优化，实验结果表明深度混合核极限学习机故障诊断准确率更高，泛化性更好。利用MATLABAPPDesignerUI设计了船舶柴油机故障诊断软件,实现了算法参数设置、故障诊断模型选择与训练以及诊断结果输出功能。 |
| 作者： | 卢佳音 |
| 专业： | 轮机工程 |
| 导师： | 林叶锦 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
