-
题名基于优化灰色模型的柴油机状态分析及故障预测
被引量：3
- 1
-
-
作者
韩冰
尹振杰
王岘昕
-
机构
上海船舶运输科学研究所航运技术与安全国家重点实验室
-
出处
《中国航海》
CSCD
北大核心
2016年第4期38-42,共5页
-
基金
上海市青年科技启明星计划资助项目(15OB1400800)
-
文摘
针对柴油机状态分析及故障预测问题,提出一种基于神经网络优化的灰色模型预测方法。在建立多维GM(1,5)模型的基础上,利用遗传算法优化的神经网络构建误差补偿器,进而构建GBPGA预测模型,实现对柴油机的状态分析及故障预测。以柴油机故障仿真试验数据为样本对该模型进行验证,结果表明构建的GBPGA预测模型能有效地对柴油机潜在的故障进行预测。
-
关键词
船舶工程
故障预测
神经网络
GM(1
5)
遗传算法
GBPGA
-
Keywords
ship engineering
fault prediction
neural network
GM（1
5）
genetic algorithm
GBPGA
-
分类号
U664.121
[交通运输工程—船舶及航道工程]
-
-
题名基于随机森林和支持向量机的船舶柴油机故障诊断
被引量：21
- 2
-
-
作者
贺立敏
王岘昕
韩冰
-
机构
中远海运发展股份有限公司
上海船舶运输科学研究所航运技术与安全国家重点实验室
-
出处
《中国航海》
CSCD
北大核心
2017年第2期29-33,共5页
-
基金
上海市青年科技启明星计划资助项目(15QB1400800)
-
文摘
针对船舶低速二冲程柴油机故障的分析问题,提出基于随机森林和支持向量机的船舶柴油机故障诊断方法。对船舶低速二冲程柴油机MAN B&W 6S50MC-C建立故障仿真模型并验证其有效性;在此基础上,通过故障仿真模型生成故障样本。运用基于随机森林的VarSelRF特征选择算法对故障数据进行降维,提出运用支持向量机对降维后的故障数据进行分类的方法。通过仿真试验验证并分析该方法的有效性。
-
关键词
船舶工程
船舶柴油机
故障诊断
随机森林
特征选择
支持向量机
-
Keywords
ship engineering
marine diesel engine
fault diagnosis
random forest
feature selection
support vector machine
-
分类号
U664.121.1
[交通运输工程—船舶及航道工程]
-
