基于LSTM-PSO-SVM的船用LNG双燃料发动机故障预测

针对船用LNG双燃料发动机设备复杂，故障预测效率低、准确度差的问题，提出一种长短期记忆网络与改进粒子群优化算法优化支持向量机融合的预测模型。利用LSTM模型时间序列变化的能力对设备未来的运行状态进行预测，然后采用非线性自适应惯性权重改进PSO算法对SVM参数进行寻优，以提高其寻优能力和收敛速度；改进的LSTM-PSO-SVM融合模型可实现对设备故障状态的快速、准确预测。通过对某船用LNG双燃料发动机的故障预测仿真，结果表明上述模型具有更高的故障识别准确率和更快的识别速度，能够准确预测船用LNG双燃料发动机潜在故障。