基于优化栈式自编码器的船舶柴油机故障诊断

针对目前数据驱动的故障诊断方法在船舶柴油机应用中存在故障识别率不高的问题，提出一种基于麻雀搜索算法(Sparrow Search Algorithm, SSA)优化栈式自编码器(Stacked Auto-Encoder, SAE)的诊断方法，实现高精度故障诊断。利用SAE的重构误差作为状态监测量，实时监测柴油机故障的发生。将监测到的异常样本输入SAE进行数据分类，实现对故障类型的精确识别。针对SAE在故障类型识别中超参数设置过多、依赖人工经验的问题，采用SSA对SAE多个超参数进行联合寻优，提高故障识别率和稳定性。基于AVL BOOST船舶柴油机仿真数据的试验表明：所提出SSA-SAE诊断方法的故障识别率为96.71%,比SAE、支持向量机(Support Vector Machine, SVM)和极限学习机(Extreme Learning Machine, ELM)具有更高的故障识别率和更优的泛化能力。