基于优化孤立森林的船舶柴油机故障监测

• 作者: 操江能 尚前明 杨安声 杨闽松
• 来源期刊: 船舶工程
• 学科: 工学
• 关键词: 船舶柴油机 故障监测 孤立森林 流形学习 聚类算法
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 船舶电气、探通导设备及自动控制
• 页码范围: 125-132
• 页数: 8页
• 分类号: TK428|TH17
• 语种: 中文
• DOI: 10.13788/j.cnki.cbgc.2021.11.22

摘要

针对船舶柴油机日常运行状态数据中故障样本较少且获取成本较高,不能准确建立故障诊断模型的问题,引入基于孤立森林算法的异常检测模型.基于柴油机正常工况下的样本数据建立故障监测模型,实现对船舶柴油机异常状态的监测.针对孤立森林不适于处理高维数据和没有阈值的缺点,引入流形学习和聚类算法改进传统的孤立森林算法.通过t-分布领域嵌入算法对原始高维数据进行特征重组,降低数据维度;基于k-means聚类算法计算正常工况和故障工况的样本中心,设计故障监测模型的阈值,方便进一步分析状态信息数据.所提出的故障监测模型的性能可以通过设计柴油机试验和在Matlab/Simulink环境下的仿真模型来验证.结果 表明,经流形学习和聚类算法优化的孤立森林故障监测模型具有更高的诊断准确率和稳定性,更适用于船舶柴油机的实际运行.