基于机器学习算法的船舶电气故障分类与诊断方法 |
| |
引用本文: | 洪祥,房淑华,王学永.基于机器学习算法的船舶电气故障分类与诊断方法[J].舰船科学技术,2023(15):143-146. |
| |
作者姓名: | 洪祥 房淑华 王学永 |
| |
作者单位: | 1. 大全集团有限公司;2. 南京大全电气研究院有限公司;3. 东南大学电气工程学院 |
| |
摘 要: | 为实现船舶电气故障的早发现、早解决,设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号,利用小波包分析方法提取增强后的电气设备振动信号特征,将电气设备振动信号特征输入卷积神经网络中进行训练,得出最佳的故障分类与诊断模型,并利用该模型实现船舶电气设备的故障分类与诊断。实验表明:采用Teager能量算子可以快速准确地将传感器采集的信号放大,且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%,可能够准确诊断出船舶电气设备是否存在故障,并获取对应的电气故障类型。
|
关 键 词: | 机器学习 电气设备 故障诊断 Teager能量算子 小波包分析 卷积神经网络 |
|
|