彭秀艷，柴艷有，滿新江
哈爾濱工程大學自動化學院，黑龍江哈爾濱

哈爾濱工程大學理學院，黑龍江哈爾濱

濰柴動力股份有限公司，山東濰坊

　

摘　　　要：為提高船舶柴油機故障診斷的準確率和深刻反映船舶柴油機的運行狀況，結合主元分析（ＰＣＡ）的特征提取優勢和模糊核聚類（ＫＦＣＭ）具有較好聚類效果的特點，提出了一種新的船舶柴油機故障診斷方法。該方法首先利用主元分析對船舶柴油機故障的訓練和測試數據集進行特征提取，消除了故障征兆之間的相關性；然后對經特征提取后的訓練樣本進行模糊核聚類，并用網格法確定其中的參數，得到聚類中心。較后通過計算測試樣本集中各樣本與聚類中心在高維特征空間中的歐氏距離，得出較終的故障診斷結果。對ＭＡＮＢ＆Ｗ １０Ｌ９０ＭＣ型船用柴油機的故障診斷結果驗證了該方法的有效性。因此，應用提出的方法對船舶柴油機進行故障診斷具有重要的實際意義。

關　鍵　詞：船舶柴油機；故障診斷；主元分析；模糊核聚類

 

１　引　言
船舶柴油機是船舶動力裝置的關鍵設備，如果發生故障，將會影響船舶營運，并可能造成巨大的經濟損失，甚至造成關鍵設備損壞，危及人身安全。因此，及時有效地發現并排除船舶柴油機的故障，對提高船舶柴油機工作時的安全性和可靠性，降低設備維修費用，減少經濟損失，避免重大事故發生具有十分重大的意義［１］。研究表明，船舶柴油機的運行狀況具有非線性和模糊性的特點［２�玻常�。因此，要提高船舶柴油機故障診斷的準確率和更深刻地反映船舶柴油機的運行狀況，必須采用非線性方法同時引入模糊邏輯的概念。實測資料和理論研究都表明，船舶柴油機的一種故障往往與多種故障征兆有關，并且各故障征兆所包含的信息是交叉的，有的甚至是冗余的。因此，本文提出了一種主元分析和模糊核聚類算法相結合的船舶柴油機故障診斷方法。

 

登錄網站后可下載文件