【技术实现步骤摘要】
计算机可读介质、发动机故障检测装置以及船舶
本专利技术属于故障检测领域，尤其涉及一种计算机可读介质、发动机故障检测装置以及船舶。
技术介绍
对于复杂的系统，对可能出现的故障进行早期检测，可以节省宝贵的时间和成本来采取补救措施，以避免危险状况的情况。近年来，故障诊断得到了广泛的研究。一般来说，故障诊断方法可以分为基于模型，基于信号，基于知识的方法。其中基于知识的方法也被称为数据驱动方法。该方法需要大量历史数据来建立系统的故障模式，无需先验的已知模型或信号模式，因此非常适合运用在难以建立显式模型或信号特征的复杂系统的故障诊断上。机器学习是处理数据驱动故障诊断数据最主要的方法之一。然而，机器学习方法依赖于原始数据的数据特征，需要先对原始数据进行特征提取之后，才能采用机器学习方法进行故障诊断，但特征提取过程是非常耗时耗力的工作，并且对最终的结果有很大的影响。
技术实现思路
本专利技术针对上述的技术问题，提出一种可以准确检测或预测发动机故障的计算机可读介质、发动机故障检测装置以及船舶。为了实现上述目的，本专利技术提供了一种计算机可读介质，储存有多层的神经网络模型以及预设程序，该...
【技术保护点】
1.一种计算机可读介质，其特征在于，储存有多层的神经网络模型以及预设程序，该预设程序被执行时能够实现以下步骤：根据输入的转速、尾气各成分的含量以及对应的故障类型，训练神经网络模型并修正神经网络模型中的各个参数。
【技术特征摘要】
1.一种计算机可读介质，其特征在于，储存有多层的神经网络模型以及预设程序，该预设程序被执行时能够实现以下步骤：根据输入的转速、尾气各成分的含量以及对应的故障类型，训练神经网络模型并修正神经网络模型中的各个参数。2.根据权利要求1所述的计算机可读介质，其特征在于，该预设程序被执行时还能够实现以下步骤：根据接收的转速、尾气各成分的含量，使用多层的神经网络模型进行计算，根据预设的故障类型进行判断。3.根据权利要求1所述的计算机可读介质，其特征在于，该预设程序被执行时能够实现以下步骤：初始化神经网络模型中每层的连接权值和阈值，神经网络模型按照预设的学习算法和学习速率进行训练。4.根据权利要求3所述的计算机可读介质，其特征在于，神经网络模型包括2层隐藏层。5.根据权利要求4所述的计算机可读介质，其特征在于，该预设程序被执行时，神经网络模型按照以下步骤进行训练：计算隐藏层每个神经元的aj、输出bj，感觉上层神经元的输出并计算下一层神经元的输入ck、输出若输出与预设的故障类型对应的yk的误差不在预设范围内，则输出层每个神经元的归一化误...
【专利技术属性】
技术研发人员：宋宪明，赵心，韩恒敏，王隶加，马超群，
申请(专利权)人：青岛海洋科学与技术国家实验室发展中心，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。