基于极限学习机的船舶柴油机故障诊断

• 作者: 吴建波 方伟 洪华军 王春艳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 极限学习机 多属性特征 故障诊断
• 年，卷（期）: 2019,（15）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 147-152
• 页数: 6页
• 分类号: TP183
• 字数: 4845字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1902-0098

摘要

针对传统深度核极限学习机网络仅利用端层特征进行分类导致特征不全面,以及故障诊断分类器中核函数选择不恰当等问题,提出基于多层特征表达和多核极限学习机的船舶柴油机故障诊断方法.利用深度极限学习机网络提取故障数据的多层特征;将提取出的各层特征级联为一个具有多属性特征的故障数据特征向量;使用多核极限学习机分类器准确地实现柴油机的故障诊断.在标准分类数据集和船舶柴油机仿真故障数据集上的实验结果表明,与其他极限学习机算法相比,该方法能够有效提高故障诊断的准确率和稳定性,且具有较好的泛化性能,是柴油机故障诊断一个更为优秀实用的工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方伟	江南大学物联网工程学院	19	328	7.0	18.0
2	洪华军	中国船舶科学研究中心软件工程中心	5	47	2.0	5.0
3	吴建波	江南大学物联网工程学院	2	4	1.0	2.0
4	王春艳	中国船舶科学研究中心软件工程中心	1	1	1.0	1.0