[發明專利]一種船舶輔鍋爐故障診斷方法和裝置

在審

• 申請號: 202110736853.1
• 申請日: 2021-06-30
• 公開（公告）號: CN113361016A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 甘輝兵;王世威;胡國彤;魯道毅;張均東;何治斌
• 申請（專利權）人: 大連海事大學
• 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任公司 21212
• 代理人: 修睿;李洪福

本發明提供一種船舶輔鍋爐故障診斷方法和裝置。本發明包括如下步驟：獲取船舶輔鍋爐運行數據，對輔鍋爐運行數據進行相關系數的驗證，得到相關系數表；對輔鍋爐運行數據進行歸一化處理，并加入隨機噪音，得到第一運行數據；對第一運行數據進行主成分分析，生成第二運行數據；通過訓練好的故障診斷模型對第二運行數據進行故障診斷，得到故障診斷結果，所述故障診斷模型為BP神經網絡和SOM神經網絡組成的混合神經網絡模型。本發明采用歸一化方法消除不同診斷參數的量綱和數量級之間的影響，采用加噪處理方法模擬真實船舶數據采集環境，提高了真實性。采用主成分分析方法消除冗余的數據特征和數據相關性的影響，簡化模型的結構，提高了模型收斂效率。

技術領域

本發明涉及船舶輪機工程技術領域，尤其涉及一種船舶輔鍋爐故障診斷方法和裝置。

背景技術

船舶輔鍋爐主要用于產生飽和蒸汽加熱燃油、預熱機械設備和滿足船舶上各類生活工作的需求，是船舶正常營運的重要組成部分。然而，由于船舶輔鍋爐結構的復雜性以及運行環境的惡劣性，對于船舶輔鍋爐的可靠性有很大的要求。當船舶輔鍋爐發生故障時，若無法及時發現故障或找出故障原因，輕則造成船舶營運的經濟損失，重則威脅船舶管理人員的生命財產安全。因此，為適應船舶智能化的新要求，保障海上人員的生命財產安全，有必要研究一種適合船舶輔鍋爐的故障診斷方法。

隨著人工智能的不斷興起，神經網絡以其強大的非線性擬合和學習能力在故障診斷中得到了廣泛的應用。探索和研究基于神經網絡的船舶輔助鍋爐故障診斷方法，將有助于保證船舶運行的安全性和經濟性。針對船舶輔鍋爐的故障診斷問題，目前對船舶輔鍋爐故障診斷的研究較少，大多研究是關于電站鍋爐，并且船舶輔鍋爐其運行環境的復雜性和數據采集的難度給故障診斷帶來了很大的挑戰。有研究者將多維BP神經網絡應用于鍋爐故障診斷建模，可以快速有效地進行鍋爐故障診斷，與此同時，許多研究者利用智能優化算法的尋優能力對神經網絡進行優化，取得了很好的診斷效果。由此可見，單一的神經網絡已經不能滿足當下船舶輔鍋爐故障診斷復雜性和多樣性的需求。因此，使用混合神經網絡或優化后的神經網絡進行模式識別和故障診斷已經成為一種趨勢。

發明內容

根據上述提出的現有船舶輔鍋爐在復雜的系統工況和惡劣的運行環境下，傳統故障診斷僅僅依靠經驗無法及時發現故障點及船舶易產生報警疲勞的問題，而提供一種船舶輔鍋爐故障診斷方法和裝置。本發明采用的技術手段如下：

一種船舶輔鍋爐故障診斷方法，包括如下步驟：

步驟1、獲取船舶輔鍋爐運行數據，對輔鍋爐運行數據進行相關系數驗證，判斷每一種故障診斷特征參數是否至少與其中一種故障相關，并得到相關系數表；

步驟2、對所述輔鍋爐運行數據進行歸一化處理，消除各診斷參數數量級和量綱的影響，并加入隨機噪音，模擬真實的船舶采集環境，得到第一運行數據；

步驟3、對所述第一運行數據進行主成分分析，減小信息冗余，簡化后續神經網絡模型結構，生成第二運行數據，所述第二運行數據的維度小于所述第一運行數據；

步驟4、通過訓練好的故障診斷模型對所述第二運行數據進行故障診斷，得到故障診斷結果，所述故障診斷模型為BP神經網絡和SOM神經網絡組成的混合神經網絡模型，所述故障診斷模型用于對所述第二運行數據進行分類，所述故障診斷結果包括所述第二運行數據所屬類別對應的故障名稱；

所述步驟4中，采用粒子群優化算法對混合神經網絡模型的初始連接權值和閾值進行優化，以提高診斷準確率、診斷精度及收斂速度。

進一步地，所述混合神經網絡診斷模型包括：

將采集的船舶輔鍋爐運行數據經過加噪，歸一化和主成分分析后得到的第二運行數據輸入作為一級神經網絡的SOM神經網絡得到獲勝神經元；

對所述一級神經網絡的輸出作為一維向量與第二運行數據共同輸入次級BP神經網絡得到診斷結果。