摘要
通过故障诊断可监测船舶运行时发动机的状态,并捕捉出现故障信号,确保故障能被及时发现并消除。传统诊断方法有一定的局限性,无法减少维修人员工作量和高效处理大量数据。以船舶发动机为研究对象,提出一种算法与故障诊断相结合的方法,用算法研究推断出船舶发动机发生故障的原因。采用属性约简对正常工况、中冷器效率降低、压气机效率降低、燃烧持续期延长、喷油量减少此5种工况的数据进行分析和对比研究,通过数据离散化、数据约简处理,减少数据冗余;基于matlab的BP神经网络,结合约简后的数据,得出不同故障状况的诊断概率。5种工况的诊断平均识别率均在85.00%以上,总识别率达到了90.22%。所得结果具有一定的参考价值,可作为船舶发动机故障诊断研究的依据,为船舶发动机高效智能故障诊断提供一种新途径。
出处
《船舶物资与市场》
2022年第7期68-70,共3页
Marine Equipment/Materials & Marketing
基金
2021年广东海洋大学本科生创新团队(CXTD2021021)
大学生创新创业训练计划项目(CXXL2021305)
湛江市非资助科技攻关专题项目(2021B01075)
国家自然科学基金资助项目(52071090)
大学生创新创业训练计划项目(CXXL2022198)。
