基于相对混乱度特征选择的船舶风机智能状态监测与故障诊断

• 作者: 蒋佳炜 胡以怀 丁梦豪 高雨颀 周辉 上海海事大学商船学院
• 来源期刊: 上海海事大学学报
• 关键词: 智能故障诊断 特征选择 支持向量机 状态监测 智能机舱
• 年，卷（期）: 2023,（3）
• 页码范围: 90-96
• 页数: 7页
• 语种: 中文
• DOI: 10.13340/j.jsmu.2023.01.013

摘要

为提高船舶机舱状态监测的实时性和故障诊断的准确性，提出一种由数据获取、特征提取、特征选择和故障识别组成的智能状态监测和故障诊断框架，以及基于相对混乱度的特征选择方法和基于特征选择的支持向量机训练方法。该方法相比传统方法在故障识别准确率上有所提升，可达到94.46%,并且可有效缩短分类器计算耗时，最快可将其缩短77.8%。文中提出的算法框架、特征选择方法、基于特征选择的支持向量机训练方法和智能故障诊断方法相比现有方法有一定的优势，对机舱中回转机械设备的状态监测和故障诊断有一定的参考价值。