一种基于ABC-SVM的专家系统的船舶电力推进系统故障诊断方法技术方案

本发明专利技术的目的在于提供一种基于ABC‑SVM的专家系统的船舶电力推进系统故障诊断方法，将专家的知识和经验储存在知识库中，再将使用人工蜂群优化的支持向量机用于推理机中，知识库中的知识经过预处理后，用于对推理机进行分类训练，并将训练好的模型进行保存；将从船舶电力推进系统采集的实时的数据储存在动态数据库中，并进行特征值提取，输入到训练好的推理机中，判断船舶电力推进系统是否存在故障，并判断哪个设备存在故障，并解释故障产生的原因。本发明专利技术大大提高了专家系统的实用性与实时性，很大程度上克服了支持向量机局部最优解的问题，提高了故障诊断的准确性。

【技术实现步骤摘要】
一种基于ABC-SVM的专家系统的船舶电力推进系统故障诊断方法
本专利技术涉及的是一种故障诊断方法，具体地说是船舶故障诊断方法。
技术介绍
当前，船舶结构越来越复杂，船舶吨位也不断增加，需要提供的动力也越来越大，船舶电力推进系统作为船舶动力的主要提供者，具有十分重要的位置。在实际应用中，船舶电力推进系统受到多种因素的影响以及自身老化等影响，船舶电力推进系统故障发生概率日益增加。当前船舶电力推进系统发生故障后，给船舶的正常工作和航行带来不良影响，而且船舶电力推进系统各个部件之间的变化关系十分复杂，使得船舶电力推进系统故障诊断面临巨大的挑战。在故障诊断中，对故障诊断方法的选取是其中的关键技术。传统的故障诊断方法使用专家系统法，通过把专家知识输入到知识库中，再从知识库依次寻找故障发生的原因及位置。但是这种方法有以下劣势只能求解固定的专门问题，无法解决超出知识范围的问题，专家知识的获取具有瓶颈的问题，不具备自学习能力。然而船舶电力推进系统系统复杂，每个系统涉及诸多故障问题,在运行获取数据过程中，快速、及时地判断出故障类型及原因非常困难。本文档来自技高网...

【技术保护点】
1.一种基于ABC-SVM的专家系统的船舶电力推进系统故障诊断方法，其特征是：/n(1)将专家知识和经验通过知识获取模块储存到知识库中；/n(2)数据管理模块提供对动态数据库的操作接口，将船舶电力推进系统各设备的实时运行数据通过数据获取模块储存在动态数据库中；/n(3)推理机获取知识库中的知识前对其进行预处理；/n(4)选择核函数；/n(5)使用人工蜂群算法对支持向量机的惩罚参数C和核函数参数σ进行优化；/n(6)推理机对预处理后的数据根据人工蜂群算法优化后的参数C和σ进行训练并分类，生成相应的支持向量机模型；/n(7)将动态数据库中的船舶电力推进系统各模块的实时数据进行特征值提取；/n(8)...

【技术特征摘要】
1.一种基于ABC-SVM的专家系统的船舶电力推进系统故障诊断方法，其特征是：
(1)将专家知识和经验通过知识获取模块储存到知识库中；
(2)数据管理模块提供对动态数据库的操作接口，将船舶电力推进系统各设备的实时运行数据通过数据获取模块储存在动态数据库中；
(3)推理机获取知识库中的知识前对其进行预处理；
(4)选择核函数；
(5)使用人工蜂群算法对支持向量机的惩罚参数C和核函数参数σ进行优化；
(6)推理机对预处理后的数据根据人工蜂群算法优化后的参数C和σ进行训练并分类，生成相应的支持向量机模型；
(7)将动态数据库中的船舶电力推进系统各模块的实时数据进行特征值提取；
(8)推理机根据训练好的支持向量机模型对船舶电力推进系统实时的数据进行分类学习，判断故障类型；
(9)通过解释器反馈给用户所得出的故障结论；
(10)输出诊断结果。


2.根据权利要求1所述的一种基于ABC-SVM的专家系统的船舶电力推进系统故障诊断方法，其特征是：推理机采用的是基于人工蜂群优化的支持向量机，具体为：
(a)参数初始化，包括最大迭代次数M、食物源个数Np、优化参数D、模型参数[C，σ]的搜索范围、循环次数G；
(b)由下式随机产生Np个食物源：
xij＝xjmin+rand(0,1)(xjmax-xjmin)
式中，xij为第i个蜜蜂第j维对应的搜索后的位置，xjmax、xjmin分别为第j维变量的上界和下界；
根据下式适应度函数Fiti对每个食物源进行评价，找到最优食物源：



式中，yi为实际值，yi^为预测值；
(c)采蜜蜂根据下式做邻域搜索产生新...

【专利技术属性】
技术研发人员：丁宇，马生平，贲虹凯，随从标，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23