基于DPC-GMM算法的船舶燃油系统故障诊断

• 作者: 张跃文 李斌 魏一
• 来源期刊: 中国舰船研究
• 学科: 交通运输
• 关键词: 故障诊断 高斯混合模型 期望最大化 密度峰值聚类
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 机电与控制
• 页码范围: 147-153,165
• 页数: 8页
• 分类号: U664.121
• 字数: 4529字
• 语种: 中文
• DOI: 10.19693/j.issn.1673-3185.01262

摘要

[目的]传统的高斯混合模型(GMM)算法存在收敛速度较慢的固有缺陷,容易产生过拟合现象,导致参数计算陷入局部最优,不能很好地用于船舶燃油系统的故障诊断.[方法]首先,分析GMM算法及参数估计算法,结合密度峰值聚类(DPC)算法,提出一种基于DPC-GMM算法的船舶燃油系统故障诊断方法;然后,通过训练船舶燃油系统状态所对应的高斯混合模型参数,实现对船舶燃油系统故障的无监督诊断;最后,基于获取的船舶燃油系统故障数据,验证该方法的有效性.[结果]实验结果表明,采用基于DPC-GMM算法的故障辨识准确率高、识别速度快,优于传统的反向传播(BP)神经网络和支持向量机(SVM)诊断算法.[结论]研究结果对船舶燃油系统的故障诊断有重要的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李斌	大连海事大学轮机工程学院	30	237	10.0	14.0
2	张跃文	大连海事大学轮机工程学院	38	141	7.0	10.0
3	魏一	大连海事大学轮机工程学院	12	50	3.0	7.0