论文全文 - 设计与智能制造2025学术年会 数字化设计与仿真技术
基于发动机气缸压力信号特征甄别的失火诊断存在特征提取繁琐、判据各机型通用性差等缺点,无法满足船舶机舱智能化与无人化的发展需求,开发快速、高效、准确与普适性强的算法模型进行诊断优势越发凸显。本文提出基于图像识别技术对多缸发动机气缸压力异常进行识别,实现发动机单缸失火故障的快速、准确失火诊断。采集某船用发动机的气缸压力信号,并处理形成规范化正常态和故障态气缸压力图片,构建气缸压力图像数据库;划分训练集和测试集,分别使用SVM、CNN和VGG-16构建气缸压力图像识别模型,并对发动机单缸失火故障的诊断性能进行比较。结果表明:所有图像识别算法均能实现专家级的快速失火诊断与定位,单缸失火诊断准确率达100%。SVM和CNN模型实现了完美的精度/召回率/F1分数(1.0),然而,VGG-16模型表现较差(F1分数:0.13)。此外,CNN 模型的大小最小,SVM 模型训练时间最短。
查看