基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题，设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号，经小波变换降噪后，通过EMD经验模态分解提取舰船轮机设备振动信号特征，将其作为孤立森林算法输入进行异常信号检测，以异常信号检测结果为依据，构建决策二叉树支持向量机故障信号分类模型识别故障信号，实现舰船轮机设备多发故障信号监测，实验表明，该方法可以高效、准确地检测并识别舰船轮机设备的故障信号，而且适应性广泛，在舰船轮机设备的各种工况下，监测性能都十分良好。