不平衡数据下船舶主机在线故障诊断研究

目的]针对传统船舶主机的故障诊断模型难以采用实时数据及时更新，且船舶主机还存在监测点多但故障样本少的问题，提出一种能够处理不平衡数据并可以在线更新模型的故障诊断方法。方法]首先，采用主成分分析法（PCA）对监测样本进行降维和特征提取，降低训练模型的复杂度；然后，通过SMOTETomek构造故障样本以平衡训练集；接着，针对诊断模型难以实时更新的问题，引入结合正则化方法且具备在线更新功能的在线贯序极限学习机（OSELM）模型；最后，以主机燃油系统为例验证OSRELM模型的可行性，并采用不平衡船舶主机数据进行消融实验以验证整体模型的有效性。结果]结果显示，所提方法在原始模型的基础上可使诊断精度提升29.73%。结论]研究表明所提方法较其他同类方法具有更高的诊断精度，波动幅度较小，具有较好的稳定性；且在样本不平衡的情况下，对于故障类样本仍具备较强的识别能力，适用于船舶主机故障诊断方面的研究。