多信息融合技术在船舶动力装置故障诊断中的应用

摘要：

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊断时长,而且经PCA优化的算法更能有效地提升神经网络诊断的收敛速度和准确性.说明PCA能为智能故障诊断算法提供可行的优化方案.

关键词：K-均值聚类算法;数据挖掘;主成分分析法;BP神经网络;故障诊断

所属期刊栏目：35

分类号：U672

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：45-48