基于1DCNN-LSTM船舶辅锅炉故障预测方法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1000-4653.2023.02.019

基于1DCNN-LSTM船舶辅锅炉故障预测方法

引用
为适应船舶辅锅炉智能化的新要求,提高船舶辅锅炉故障预测的可靠性,采用深度学习方法对船舶辅锅炉进行故障预测研究.在长短时记忆(Long Short-Term Memory,LSTM)神经网络船舶辅锅炉故障预测模型的基础上,采用一维卷积神经网络(1-Dimensional Convolutional Neural Network,1DCNN)对船舶辅锅炉原始数据进行特征提取和初步分类,以解决LSTM模型在学习数据特征的局限性及对时序数据顺序的依赖性.选取阿法拉伐OS-TCI型船用燃油辅锅炉为研究对象,结合大连海事大学开发的DMS-CSS型轮机模拟器中的船舶辅锅炉仿真模块进行试验研究.采用实船采集的时间序列数据和模拟器采集的故障数据为试验数据来源,分别应用LSTM模型和1DCNN-LSTM模型构建船舶辅锅炉故障预测模型并进行了试验对比研究.试验结果表明:1DCNN-LSTM模型相较于LSTM模型其均方误差和均方根误差分别减小了0.007 5和0.033,同时减小了拟合误差,提高了预测的可靠性.

船舶辅锅炉、故障预测、一维卷积神经网络、长短时记忆神经网络

46

TP277;U664.86(自动化技术及设备)

辽宁省科学技术计划揭榜挂帅项目2022020637-JH1/108

2023-07-05(万方平台首次上网日期,不代表论文的发表时间)

共9页

135-143

相关文献
评论
暂无封面信息
查看本期封面目录

中国航海

1000-4653

31-1388/U

46

2023,46(2)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn