摘要
一种船舶汽轮机故障诊断方法,涉及船舶汽轮机故障诊断领域。本发明是为了解决利用概率神经网络进行船舶汽轮机故障诊断时,存在平滑因子难以确定的问题。本发明采集汽轮机的故障特征数据,并将该故障特征数据输入至概率神经网络故障诊断模型,获得故障识别结果。本发明采用Min‑Max标准化方法对汽轮机数据进行处理,既能保留原始数据的分布和相对关系,又能保证不同特征的尺度一致性,能够有效确保诊断数据的可靠性。通过沙猫群智能优化算法对概率神经网络进行优化,能够得到最优的平滑因子,解决平滑因子选取问题。本发明具有训练容易、快速收敛、准确率高等优点,可以快速、有效地识别故障。
技术关键词
船舶汽轮机
故障诊断模型
故障特征
故障诊断方法
故障类别
标准化方法
数据
因子
智能优化算法
表达式
识别故障
模式
变量
关系
参数
系统为您推荐了相关专利信息
轴承故障诊断方法
LSTM模型
滚动轴承故障
卷积模块
全局特征提取
整合管理方法
故障特征
表面图像数据
机电设备运行状态
图像处理算法
交通特征
信号灯故障
监测预警方法
短时交通流预测
道路交通管理技术
分布式声波传感
皮带输送机
状态监测方法
故障特征
定位故障位置
文本编码器
故障诊断方法
特征提取器
验证算法
框架