| 基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究 |
| |
| 作者姓名： | 杨奕飞 冯静 |
| |
| 作者单位： | 江苏科技大学电子信息学院,江苏镇江212003;南京理工大学自动化学院,南京210094;江苏科技大学电子信息学院,江苏镇江,212003 |
| |
| 基金项目： | 飞行器海上测量与控制联合实验室开放基金项目（FOM2016OF001）; 江苏高校高技术船舶协同创新中心资助项目（1174871701-4）。 |
| |
| 摘 要： | 船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。
|
| 关 键 词： | 船舶动力设备 隐马尔科夫模型 支持向量回归模型 遗传算法 故障模式识别 状态预测 |
| 收稿时间： | 2017-09-28 |
| 修稿时间： | 2018-03-20 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《船舶工程》浏览原始摘要信息 |
|
点击此处可从《船舶工程》下载全文 |
|
