基于机器学习的船舶柴油机异常点检测技术研究

• 作者: 吴德阳 都劲松
• 来源期刊: 内燃机与配件
• 学科: 交通运输
• 关键词: 长短时记忆网络 孤立森林 异常点检测
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 质量与检修|Quality and Maintenance
• 页码范围: 81-85
• 页数: 5页
• 分类号: U672.2
• 语种: 中文
• DOI: 10.3969/j.issn.1674-957X.2022.08.026

摘要

本文结合某船历史航行数据提出基于孤立森林和长短时记忆网络(LSTM)算法的柴油机异常点检测方法.运用孤立森林算法对柴油机气缸排气温度数据进行异常点检测;针对缺乏异常数据的船舶柴油机热工压力参数根据其和柴油机转速的强相关性提出基于LSTM算法的异常点检测方法,再通过实船数据验证两种算法异常点检测效果.研究表明基于LSTM和孤立森林算法的柴油机异常点检测算法具备可行性.