基于机器学习的舰船轮机设备多发故障信号监测.pdf
《基于机器学习的舰船轮机设备多发故障信号监测.pdf》由会员分享,可在线阅读,更多相关《基于机器学习的舰船轮机设备多发故障信号监测.pdf(4页珍藏版)》请在咨信网上搜索。
1、第45卷第16 期2023年8 月舰船科学技术SHIP SCIENCEAND TECHNOLOGYVol.45,No.16Aug.,2023基于机器学习的舰船轮机设备多发故障信号监测杨双齐(武汉船舶职业技术学院交通运输工程学院,湖北武汉430 0 50)摘要:针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建
2、决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。关键词:舰船轮机设备;故障信号监测;机器学习;经验模态分解;孤立森林算法中图分类号:U676.4+2文章编号:16 7 2-7 6 49(2 0 2 3)16-0 10 0-0 4Machine learning based monitoring of multiple fault signals in marine engine equipment(College of Trans
3、portation Engineering,Wuhan Institute of Shipbuilding Technology,Wuhan 430050,China)Abstract:In response to the problems of high computational complexity,lack of fault data,complex model training,low detection efficiency,and low accuracy in the monitoring of fault signals of ship turbine equipment,a
4、 machine learningbased monitoring method for multiple fault signals of ship turbine equipment is studied.The vibration signal of marine en-gine equipment is collected through a variety of sensors.After denoising by wavelet transform,the characteristics of the vi-bration signal of marine engine equip
5、ment are extracted by EMD empirical mode decomposition,which is used as the inputof the isolated forest algorithm for abnormal signal detection.Based on the abnormal signal detection results,a decision Bin-ary tree support vector machine fault signal classification model is constructed to identify f
6、ault signals,so as to monitor mul-tiple fault signals of marine engine equipment.The experiment shows that this method can efficiently and accurately detectand identify fault signals of ship engine equipment,and has wide adaptability.The monitoring performance is very good invarious working conditio
7、ns of ship engine equipment.Key words:ship engine equipment;fault signal monitoring;machine learning;EMD empirical mode decomposi-tion;isolated forest algorithm0引言在智能背景下,舰船轮机设备状态监测所需数据量剧增,舰船在不同工况下进行多发故障信号监测的难度加大,传统故障监测方法已无法满足新的需求 。在舰船轮机设备故障诊断领域,国内外学者研究了各种机器学习算法的应用。余永华等2 通过随机森林算法,构建船用柴油机气缸故障检测模型,实现船舶
8、发动机健康状态的实时监控。彭道刚等3 将采集到收稿日期:2 0 2 3-0 3-2 4作者简介:杨双齐(19 8 3),男,实验师/工程师,研究方向为船舶轮机工程技术。文献标识码:AYANG Shuang-qi的故障信号进行变分模态分解,提取故障信号特征,通过贝叶斯算法优化超参数后,构建轻量型梯度提升机模型进行故障检测。但在故障信号的检测过程中依然存在运算量大、缺少故障数据、模型训练复杂、检测效率低,准确度低等问题。为了减少采集故障信号对舰船轮机设备的伤害,引进异常数据检测技术,只需要采集正常状态的信号样本,并与过去的故障样本进行对比,即可检测异常数据4。因此,本文提出基于机器学习的舰船轮机设
9、doi:10.3404/j.issn.1672-7649.2023.16.020第45卷备多发故障信号监测方法,结合EMD经验模态分解、孤立森林算法以及决策二叉树支持向量机,实现了精确、高效、稳定的故障信号监测。1舰船轮机设备多发故障信号监测1.1采集舰船轮机设备振动信号振动和声音传感器是舰船轮机设备信号采集的主要装置,能够采集各种轮机设备的振动信号和噪声信号。在现实应用中,为了增强信号采集的质量和效果,需要根据舰船所处的不同工况,选择相应的传感器类型,如表1所示。舰船在锚泊和靠岸的时候可以使用声音传感器和振动传感器同时进行信号采集,因为此时舰船受到的冲击振动波很小,不会给传感器带来太大的干扰
10、,而且选择多路信号源可以提高故障信号监测的准确度。舰船在巡航和战斗工况下,轮机设备会产生较大的振荡,干扰振动传感器的信号采集,使数据采集精度大幅度下降。因此这2 个阶段适合声音传感器的信号采集,声音传感器在采集过程中无需进行实际接触,所以可以避免大部分振荡产生的影响,保证信号采集的精度。为了合理地设计传感器的测量点位,提高信号采集的质量和精度,需要根据舰船不同轮机装备的结构机理和属性设置传感器的放置位置,这样可以使得到的数据信号具有更显著的特点。表1舰船不同工况对应的传感器类型Tab.1 Sensor types corresponding to different operatingcond
11、itions of ships舰船工况靠岸、锚泊巡航、战斗1.2振动信号特征提取在进行特征提取之前,需要将采集到的振动噪声信号进行小波变换降噪5,滤除多余的噪声。本文通过EMD经验模态分解法进行降噪后信号特征提取,该方法属于平稳化处理,可以将非平稳数据进行拆分,划分为若干个IMF函数。EMD属于时频分析法,可以准确地分析时间变化的频率和变化中的信号,同时定位时间和频率,并通过时间和频率的数据将信号的特性进行联合表征,适用于分析舰船轮机设备振动噪声这类非平稳信号。采集的舰船轮机设备振动信号在进行降噪后,通过EMD分解能够获取一定量的子信号,这些子信号的中心频率都是降序排列,也就是IMF分量。提取
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 学习 舰船 轮机 设备 多发 故障 信号 监测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。