传统故障诊断方法受限于测取手段等因素,在准确性和实用性等方面有各种不足,本文引入机器学习方法,提出一种支持向量机(SVM)的船用柴油机故障诊断方法.首先根据实船数据对WinGD5X52型船用低速机建立仿真模型并验证其有效性;然后运用支持向量机算法(SVM)对故障模拟生成的故障数据进行故障分类诊断,并利用粒子寻优算法对模型的参数进行优化,同时对模型的泛化性检验.结果表明:优化后的支持向量机(SVM)对训练样本集和测试样本集的故障识别率分别为95.7%和96.7%,具有较高的故障识别准确率,数据扰动对模型最终的分类结果影响较小,模型具有很强的泛化性.
NETL
