论文部分内容阅读
船舶柴油机是重要的船舶动力装置,对其进行准确的状态识别和故障诊断对于船舶安全航行有着重要意义。随着信息化技术和智能化算法研究的不断深入,利用数据驱动和智能算法对船舶柴油机进行故障诊断是智能船舶的重要一环。船舶柴油机故障诊断研究问题在于船舶柴油机故障状态运行数据难以获得,故障特征数据如何选择和故障诊断模型诊断准确率较低等。针对这些问题,本文提出主成分分析与粒子群优化梯度提升树相结合的故障诊断方案并展开研究。在船舶柴油机故障运行数据方面,以9L34DF型四冲程中速船舶柴油机为研究对象,对船舶柴油机进行AVL BOOST仿真建模。将仿真计算结果与柴油机台架试验数据对比,验证了柴油机仿真模型的可用性和准确性。设计柴油机故障仿真方案,选取了单缸供油不均、压缩比下降、空冷器效率下降和增压器效率下降4种故障,为了区别故障程度的不同,将每种故障状态区分轻度、中度和重度故障,设计故障仿真方案并进行实验计算,选取了输出扭矩、输出功率、平均有效压力、有效燃油消耗率、缸内爆发压力等25个参数作为故障诊断的特征数据,并进行对不同故障状态下的运行数据与正常状态进行对比分析。在柴油机运行数据特征融合和故障检测方面,利用主成分分析算法,建立柴油机正常运行数据的主成分模型,通过累计方差贡献度的方法确定主成分个数,从而原始数据进行特征融合。并可以通过在主成分子空间和残差子空间的统计值和计算控制量,通过对比新数据在主成分模型的统计量是否超过控制量判断数据是否属于故障数据。利用柴油机故障仿真数据进行案例分析,结果证明主成分分析可以有效的进行特征融合和故障检测。在柴油机故障诊断模型方面,利用梯度提升树算法建立故障诊断模型。针对梯度提升树的超参数优化问题,利用粒子群算法对梯度提升树的学习率和迭代次数进行超参数优化,并设计柴油机梯度提升树故障诊断模型训练测试流程。本文利用主成分分析对特征属性进行特征融合,并利用粒子群优化梯度提升树构建柴油机故障诊断模型,并通过利用柴油机AVL BOOST仿真计算的故障状态运行数据进行案例分析,结果显示较决策树模型和传统的梯度提升树模型,诊断性能有明显提升,具有较高的故障诊断精度。利用python语言设计和实现船舶柴油机梯度提升树故障诊断系统。具有一定的使用和参考意义。