基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

• 作者: 冯静 杨奕飞
• 来源期刊: 船舶工程
• 学科: 交通运输
• 关键词: 船舶动力设备 隐马尔科夫模型 支持向量回归模型 遗传算法 故障模式识别 状态预测
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 船舶电气、导航、观通设备及自动控制
• 页码范围: 68-72,97
• 页数: 6页
• 分类号: U672.3
• 语种: 中文
• DOI: 10.13788/j.cnki.cbgc.2018.03.068

摘要

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难.鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别.在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测.对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯静		5	0	0.0	0.0
2	杨奕飞		32	67	4.0	5.0