一种基于多源信息融合的船舶系统故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于多源信息融合的船舶系统故障诊断方法及装置，属于预测与健康管理领域，包括：采集包括电压、电流、振动加速度、转速、位移及噪声的监测数据；对监测数据进行预处理，将预处理后的各类型监测数据分别输入至单一参数故障诊断模型，输出单项故障诊断结果；将多个单项故障诊断结果以多源信息融合诊断规则进行分析，得出融合诊断结果；根据融合诊断结果，确定故障发生的部位和故障性质。本发明专利技术通过采集多源多维参数进行船舶关键系统及设备的故障诊断来提高检测准确性和可信度。

【技术实现步骤摘要】

本专利技术属于预测与健康管理(phm)，更具体地，涉及一种基于多源信息融合的船舶系统故障诊断方法及装置。

技术介绍

1、船舶等装备一般是由机、电、液、气组成的复杂系统，结构和工作原理复杂，通常存在故障机理复杂，现有的故障知识非常有限、获取典型故障样本不足，同时，船舶装备故障的原因和征兆不一定是确定的映射关系，往往由于诊断对象的复杂性、测试手段的局限性、知识表达的不精确，使得故障征兆与故障原因之间的映射关系表现为不确定性。要实现对故障的诊断，正确的信息获取是重要的一环。由于众多因素限制，获得的样本数据往往是不完整的、不精确的且多源异类的，因此在不确定信息条件下通过对多源异类信息的推理诊断是进行装备故障诊断的关键所在。在实际进行故障诊断与健康管理相关算法开发时，需要将这些数据融合起来才能保证复杂装备系统数据资产的充分利用。对所发生的故障做出及时、准确的判断，判明故障部位、找出故障原因和排除方法，可以大大减少修理的盲目性，提高经济性和安全性。

2、船舶系统的故障检测大多依赖于人工经验判断和单一传感器数据监测，融合分析诊断更多停留在同类多维参数层面，鲜本文档来自技高网...

【技术保护点】

1.一种基于多源信息融合的船舶系统故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述单一参数故障诊断模型包括：采用长短时记忆网络LSTM作为核心诊断模型，并结合深度学习技术构建故障诊断模型框架；对每类监测参数提取出与故障诊断相关的特征，结合历史故障数据集对深度学习模型进行训练，构建最终的单一参数故障诊断模型。

3.根据权利要求2所述的方法，其特征在于，所述将多个单项故障诊断结果以多源信息融合诊断规则进行分析，得出融合诊断结果，包括：

4.一种基于多源信息融合的船舶系统故障诊断装置，其特征在于，包括：p>

5.根据权...

【技术特征摘要】

1.一种基于多源信息融合的船舶系统故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述单一参数故障诊断模型包括：采用长短时记忆网络lstm作为核心诊断模型，并结合深度学习技术构建故障诊断模型框架；对每类监测参数提取出与故障诊断相关的特征，结合历史故障数据集对深度学习模型进行训练，构建最终的单一参数故障诊断模型。

3.根据权利要求2所述的方法，其特征在于，所述将多个单项故障诊断结果以多源信息融合诊断规则进行分析，得出融合诊断结果，包括：

【专利技术属性】
技术研发人员：周涛涛，胡翩，许文辉，刘亦敏，夏源，
申请(专利权)人：中国舰船研究设计中心，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人