[發(fā)明專利]一種船舶輔鍋爐故障診斷方法和裝置

在審

• 申請?zhí)枺?/td>: 202110736853.1
• 申請日: 2021-06-30
• 公開（公告）號: CN113361016A
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計）人: 甘輝兵;王世威;胡國彤;魯?shù)酪?/a>;張均東;何治斌
• 申請（專利權(quán)）人: 大連海事大學(xué)
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/25;G06F30/27;G06K9/62;G06N3/00;G06N3/04;G06N3/08;G06F119/08;G06F119/14
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 修睿;李洪福

1.一種船舶輔鍋爐故障診斷方法，其特征在于，包括如下步驟：

步驟1、獲取船舶輔鍋爐運行數(shù)據(jù)，對輔鍋爐運行數(shù)據(jù)進行相關(guān)系數(shù)的驗證，判斷每一種故障診斷特征參數(shù)是否至少與其中一種故障相關(guān)，并得到相關(guān)系數(shù)表；

步驟2、對所述輔鍋爐運行數(shù)據(jù)進行歸一化處理，并加入隨機噪音，消除各診斷參數(shù)數(shù)量級和量綱的影響，模擬真實的船舶采集環(huán)境，得到第一運行數(shù)據(jù)；

步驟3、對所述第一運行數(shù)據(jù)進行主成分分析，生成第二運行數(shù)據(jù)，所述第二運行數(shù)據(jù)的維度小于所述第一運行數(shù)據(jù)；

步驟4、通過訓(xùn)練好的故障診斷模型對所述第二運行數(shù)據(jù)進行故障診斷，得到故障診斷結(jié)果，所述故障診斷模型為BP神經(jīng)網(wǎng)絡(luò)和SOM神經(jīng)網(wǎng)絡(luò)組成的混合神經(jīng)網(wǎng)絡(luò)模型，所述故障診斷模型用于對所述第二運行數(shù)據(jù)進行分類，所述故障診斷結(jié)果包括所述第二運行數(shù)據(jù)所屬類別對應(yīng)的故障名稱；

所述步驟4中，采用粒子群優(yōu)化算法對混合神經(jīng)網(wǎng)絡(luò)模型的初始連接權(quán)值和閾值進行優(yōu)化。

2.根據(jù)權(quán)利要求1所述的船舶輔鍋爐故障診斷方法，其特征在于，所述混合神經(jīng)網(wǎng)絡(luò)診斷模型包括：

將采集的船舶輔鍋爐運行數(shù)據(jù)經(jīng)過加噪，歸一化和主成分分析后得到的第二運行數(shù)據(jù)輸入作為一級神經(jīng)網(wǎng)絡(luò)的SOM神經(jīng)網(wǎng)絡(luò)得到獲勝神經(jīng)元；

對所述一級神經(jīng)網(wǎng)絡(luò)的輸出作為一維向量與第二運行數(shù)據(jù)共同輸入次級BP神經(jīng)網(wǎng)絡(luò)得到診斷結(jié)果。

3.根據(jù)權(quán)利要求1或2所述的船舶輔鍋爐故障診斷方法，其特征在于，混合神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值和節(jié)點閾值尋優(yōu)過程包括：

將所述混合神經(jīng)網(wǎng)絡(luò)待優(yōu)化的初始連接權(quán)值和節(jié)點閾值采用向量編碼的形式，組成粒子群中的粒子；

將所述混合神經(jīng)網(wǎng)絡(luò)的診斷均方誤差作為粒子的適應(yīng)度函數(shù)，所述診斷均方誤差為所述混合神經(jīng)網(wǎng)絡(luò)診斷模型對船舶輔鍋爐系統(tǒng)的歷史數(shù)據(jù)進行故障識別，實際輸出與期望輸出的均方誤差；

基于粒子群優(yōu)化算法對混合神經(jīng)網(wǎng)絡(luò)診斷模型進行優(yōu)化，根據(jù)適應(yīng)度函數(shù)優(yōu)化連接權(quán)值和節(jié)點閾值，并保存尋優(yōu)后的優(yōu)秀粒子。

4.一種船舶輔鍋爐故障診斷裝置，其特征在于，包括：

數(shù)據(jù)采集單元，用于采集船舶輔鍋爐各狀態(tài)運行數(shù)據(jù)，得到輔鍋爐運行數(shù)據(jù)；

處理單元，用于對所述輔鍋爐運行數(shù)據(jù)進行歸一化處理，并加入隨機噪音，消除各診斷參數(shù)數(shù)量級和量綱的影響，模擬真實的船舶采集環(huán)境，生成第一運行數(shù)據(jù)；

降維單元，用于對所述第一運行數(shù)據(jù)進行主成分分析，生成第二運行數(shù)據(jù)，所述第二運行數(shù)據(jù)的維度小于所述第一運行數(shù)據(jù)；

故障診斷單元，用于通過訓(xùn)練后的故障診斷模型對所述第二運行數(shù)據(jù)的故障狀態(tài)進行識別，得到故障診斷結(jié)果；所述故障診斷模型，用于對所述第二運行數(shù)據(jù)進行分類，得到所述第二運行數(shù)據(jù)類別對應(yīng)的故障名稱，故障診斷結(jié)果包括與第二運行數(shù)據(jù)的類別相對應(yīng)的故障名稱。

5.根據(jù)權(quán)利要求4所述的船舶輔鍋爐故障診斷裝置，其特征在于，所述故障診斷模型是一種混合神經(jīng)網(wǎng)絡(luò)模型，通過粒子群優(yōu)化算法尋優(yōu)得到混合神經(jīng)網(wǎng)絡(luò)模型的初始連接權(quán)值和節(jié)點閾值。

6.根據(jù)權(quán)利要求4所述的船舶輔鍋爐故障診斷裝置，其特征在于，混合神經(jīng)網(wǎng)絡(luò)模型的初始連接權(quán)值和節(jié)點閾值的尋優(yōu)過程包括：

將所述混合神經(jīng)網(wǎng)絡(luò)模型的初始連接權(quán)值及節(jié)點閾值組成粒子；

將所述混合神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練均方誤差作為粒子的適應(yīng)度函數(shù)，所述均方誤差為所述診斷模型對船舶輔鍋爐系統(tǒng)歷史數(shù)據(jù)的故障識別的均方誤差；

粒子群優(yōu)化的混合神經(jīng)網(wǎng)絡(luò)診斷模型，根據(jù)適應(yīng)度函數(shù)對初始連接權(quán)值及閾值進行尋優(yōu)，并保存優(yōu)秀粒子作為混合神經(jīng)網(wǎng)絡(luò)診斷模型的初始連接權(quán)值和閾值。