【作者】

王聪; 丁宇; 李兵权; 刘国政; 刘嘉诚

【单位】

哈尔滨工程大学

【摘要】

传统故障诊断方法受限于测取手段，且船舶柴油机故障特征与故障原因映射关系存在复杂性和不确定性，因此在准确性和实用性等方面有各种不足，本文引入机器学习方法，提出一种基于支持向量机(SVM)的船用柴油机故障诊断方法。首先根据实船数据对WinGD 5X52型船用低速机建立仿真模型并验证其有效性；然后运用支持向量机算法对故障模拟生成的故障数据进行故障分类诊断，并对模型的泛发性进行验证。结果表明：SVM对训练样本集和测试样本集的故障识别率分别为95.7%和96.7％，具有较高的故障识别准确率，数据扰动对模型最终的分类结果影响较小，模型具有很强的泛化性。

【关键词】

船用柴油机;故障模拟;支持向量机;故障诊断

【论文编号】

P0265

【论文集名称】

控制与测试

【会议名称】

第二届世界内燃机大会

【会议地点】

山东济南

【下载次数】

5

返回