基于深度信念网络的船舶柴油机智能故障诊断

• 作者: 仲国强 王怀宇 肖峰 贾宝柱
• 来源期刊: 中国舰船研究
• 学科: 交通运输
• 关键词: 船舶柴油机 故障分析 深度信念网络 深度学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 机电与控制
• 页码范围: 136-142,184
• 页数: 8页
• 分类号: U664.121
• 字数: 5607字
• 语种: 中文
• DOI: 10.19693/j.issn.1673-3185.01551

摘要

[目的]为了提高船舶柴油机智能故障诊断的精度,引入深度学习方法,提出一种基于深度信念网络(DBN)的船用柴油机智能故障诊断方法.[方法]采用多层限制性玻尔兹曼机(RBM)堆叠成DBN,并采用对比散度方法对模型参数进行求解.通过无监督预训练和有监督微调的训练方法,从故障样本数据中提取深层次的隐性特征并获得较好的初始化参数.[结果]基于AVL BOOST船舶柴油机故障仿真实验进行样本数据分析,结果表明:DBN对训练样本集和测试样本集的故障识别率分别为98.26％和98.61％,比BP神经网络(BPNN)和支持向量机(SVM)具有更高的故障识别准确率和更好的泛化性能,可以避免浅层神经网络因随机初始化权值而陷入局部最小值和精度较低等问题.[结论]与BPNN和SVM相比,DBN更适用于船舶柴油机的智能故障诊断应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾宝柱	广东海洋大学海运学院	8	1	1.0	1.0
2	王怀宇	大连海事大学轮机工程学院	2	0	0.0	0.0
3	仲国强	大连海事大学轮机工程学院	1	0	0.0	0.0
4	肖峰	大连海事大学轮机工程学院	1	0	0.0	0.0