基于粗糙集和优化DAG-SVM的船舶主机故障诊断方法

• 作者: 刘国强 庞水 张志政 林叶锦
• 来源期刊: 中国舰船研究
• 学科: 交通运输
• 关键词: 粗糙集属性约简 支持向量机 有向无环图—支持向量机 船舶主机 故障诊断
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能船舶专题
• 页码范围: 68-73
• 页数: 6页
• 分类号: U664.13
• 字数: 4056字
• 语种: 中文
• DOI: 10.19693/j.issn.1673-3185.01650

摘要

[目的]船舶主机各子系统之间是复杂的非线性关系,对于监测点在短时间内采集的大量数据,传统的故障诊断方法难以高效地完成任务.以船舶主机的燃油系统为研究对象,提出一种基于粗糙集理论和优化有向无环图—支持向量机(DAG-SVM)的故障诊断方法.[方法]首先,将数据挖掘中的粗糙集理论引入传统的支持向量机(SVM)诊断模型,并通过差别矩阵对离散化数据进行降维,在每2种故障之间建立支持向量机分类器,从而构建DAG-SVM拓扑网络;然后,以类间的分类精度为依据,优化有向无环图中根节点和其他叶节点的位置,从而有效避免"误差累积";最后,基于某超大型油轮模拟器,开展数值实验分析.[结果]实验结果表明,粗糙集与优化DAG-SVM相结合的故障诊断方法可以对船舶主机故障进行有效的诊断决策,其分类精度比传统的DAG-SVM方法提高了3.38％,而时间消耗也降低了2.42 s.[结论]该诊断方法对船舶主机的故障诊断研究具有一定的参考价值,也可为SVM在其他小样本分类中的应用提供数据支撑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林叶锦	大连海事大学轮机工程学院	32	422	9.0	20.0
2	张志政	大连海事大学轮机工程学院	3	6	1.0	2.0
3	庞水	大连海事大学轮机工程学院	3	0	0.0	0.0
4	刘国强	大连海事大学轮机工程学院	2	0	0.0	0.0