多信息融合技术在船舶动力装置故障诊断中的应用

作者：叶树璞; 孙俊

来源：中国修船, 2022, 35(01): 45-48.

DOI：10.13352/j.issn.1001-8328.2022.01.012

• K-均值聚类算法
• 数据挖掘
• 主成分分析法
• BP神经网络
• 故障诊断

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题。文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化。结果显示,2种算法都能有效降低网络诊断时长,而且经PCA优化的算法更能有效地提升神经网络诊断的收敛速度和准确性。说明PCA能为智能故障诊断算法提供可行的优化方案。

• 单位
  武汉理工大学