[發(fā)明專(zhuān)利]一種基于集成學(xué)習(xí)的船舶動(dòng)力系統(tǒng)故障診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810682258.2
• 申請(qǐng)日: 2018-06-27
• 公開(kāi)（公告）號(hào): CN108961468B
• 公開(kāi)（公告）日: 2020-12-08
• 發(fā)明（設(shè)計(jì)）人: 賈寶柱;仲?lài)?guó)強(qiáng);肖峰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣東海洋大學(xué)
• 主分類(lèi)號(hào): G07C5/08
• 分類(lèi)號(hào): G07C5/08;G06K9/62
• 代理公司: 北京盛詢(xún)知識(shí)產(chǎn)權(quán)代理有限公司 11901
• 代理人: 陳巍

1.一種基于集成學(xué)習(xí)的船舶動(dòng)力系統(tǒng)故障診斷方法，其特征在于，包括以下步驟：

步驟S01：采集樣本，每一個(gè)樣本包括船舶動(dòng)力系統(tǒng)的參數(shù)向量x_i、船舶故障類(lèi)型代碼y_i，并對(duì)參數(shù)向量x_i進(jìn)行歸一化處理，共采集n個(gè)樣本，形成樣本集S＝{(x₁,y₁),(x₂,y₂),…(x_n,y_n)}，其中船舶動(dòng)力系統(tǒng)的參數(shù)向量長(zhǎng)度為L(zhǎng)_p，共有L_f種船舶故障類(lèi)型；

步驟S02：針對(duì)每一船舶故障類(lèi)型，在保持同樣比例的情況下，將樣本集S按照一定的比例劃分訓(xùn)練樣本集Strain和測(cè)試樣本集Stest，訓(xùn)練樣本集的樣本個(gè)數(shù)為n_strain，測(cè)試樣本集的樣本個(gè)數(shù)為n_test；

步驟S03：針對(duì)每一船舶故障類(lèi)型，建立一個(gè)強(qiáng)分類(lèi)器H_j(x)，j＝1～L_f，共建立L_f個(gè)強(qiáng)分類(lèi)器；

步驟S04：利用以上建立的多個(gè)類(lèi)別的強(qiáng)分類(lèi)器H_j(x)，j＝1～L_f，分別對(duì)測(cè)試樣本集中的測(cè)試樣本進(jìn)行故障判斷，最后采用投票的方式確定最終的故障類(lèi)別；

所述步驟S01中所述的船舶動(dòng)力系統(tǒng)的參數(shù)向量x_i，長(zhǎng)度為13，即L_p＝13，具體包括：(1)缸內(nèi)壓力、(2)氣缸進(jìn)氣溫度、(3)氣缸排氣溫度、(4)氣缸進(jìn)氣壓力、(5)氣缸排氣壓力、(6)中冷器進(jìn)口溫度、(7)中冷器出口溫度、(8)中冷器進(jìn)口壓力、(9)中冷器出口壓力、(10)增壓器進(jìn)口溫度、(11)增壓器出口溫度、(12)增壓器進(jìn)口壓力、(13)增壓器出口壓力；

所述步驟S01中所述的船舶動(dòng)力系統(tǒng)的故障類(lèi)型共包括10種，即L_f＝10，船舶故障類(lèi)型代碼y_i包括：A-各缸供油量減少、B-噴油正時(shí)故障、C-壓縮比變化、D-曲軸箱竄氣、E-中冷器效率故障、F-渦輪流道污堵、G-排氣閥提前關(guān)閉、H-排氣閥延遲關(guān)閉、I-增壓器效率故障，J-正常狀態(tài)；

所述步驟S03中所述的強(qiáng)分類(lèi)器建立方法包括

步驟S31：設(shè)置訓(xùn)練的次數(shù)T，并對(duì)訓(xùn)練樣本集Strain的各樣本賦以初始化權(quán)值w_1,r， r是訓(xùn)練樣本集中樣本的序號(hào)，r＝1～n_strain，n_strain是訓(xùn)練樣本集中樣本的個(gè)數(shù)，樣本集的初始權(quán)值分布為一個(gè)長(zhǎng)度為n_strain的向量

步驟S32：按照訓(xùn)練樣本的權(quán)值分布，從訓(xùn)練樣本集Strain隨機(jī)抽取部分樣本組成訓(xùn)練集L；

步驟S33：使用基學(xué)習(xí)算法對(duì)訓(xùn)練集L進(jìn)行訓(xùn)練，生成弱分類(lèi)器h_k，k為當(dāng)前訓(xùn)練的次數(shù)；

步驟S34：使用步驟S33中生成的弱分類(lèi)器h_k對(duì)訓(xùn)練樣本集Strain的樣本進(jìn)行預(yù)測(cè)，計(jì)算該弱分類(lèi)器h_k的錯(cuò)誤率ε_k

ε_k＝P{h_k(x_r)≠y_r(x_r)}

其中y_r(x_r)是訓(xùn)練樣本集Strain中的樣本，h_k(x_r)是使用弱分類(lèi)器h_k得到的預(yù)測(cè)結(jié)果，r＝1～n_strain；

如果該弱分類(lèi)器h_k的錯(cuò)誤率ε_k＞0.5，該弱分類(lèi)器失效，返回步驟S32；

如果該弱分類(lèi)器h_k的錯(cuò)誤率ε_k≤0.5，進(jìn)入步驟S35；

步驟S35：計(jì)算該弱分類(lèi)器h_k的權(quán)重

并更新訓(xùn)練樣本集的權(quán)重分布

其中Z_k是歸一化因子

增加循環(huán)次數(shù)k＝k+1，如果k＜T，進(jìn)入步驟S32，如果k＝T，進(jìn)入步驟S36；

步驟S36：上述步驟S31～S35中共生成了T個(gè)弱分類(lèi)器，每個(gè)弱分類(lèi)器具有權(quán)重組成強(qiáng)分類(lèi)器H(x)