文献类型：期刊文章

作　　者：董建伟[1] 曾鸿[1] 刘鑫龙[1] 杨曙光[2] 许兆鑫[3]

DONG Jian-wei;ZENG Hong;LIU Xin-long;YANG Shu-guang;XU Zhao-xin(Marine Engineering College,Dalian Maritime University,Dalian 116026,China;Tangshan Marine Safety Administration of People's Republic of China,Tangshan 063611,China;Marine Design and Research Institute of China,Shanghai 200011,China)

机构地区：[1]大连海事大学轮机工程学院,辽宁大连116026 [2]唐山海事局,河北唐山063611 [3]中国船舶及海洋工程设计研究院,上海200011

出　　处：《大连海事大学学报》

基　　金：工业和信息化部高技术船舶科研项目(CJ02N20)。

年　　份：2022

卷　　号：48

期　　号：2

起止页码：101-109

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为给船舶主机整体性能的状态监测和健康管理提供更好的技术支持,提出一种基于深度置信网络(DBN)和支持向量回归机(SVR)相结合的船舶主机排烟温度基线模型,通过计算设备运行时的状态参数测量值与基线值的偏差量,并结合偏差量的变化情况,进而判断出部件的退化或故障情况。以某轮2015年1—6月份的航行数据和试航报告中的数据作为初始样本,经异常值剔除、噪声去除和稳定点筛选等处理后,形成最终样本集;利用DBN网络对样本数据进行特征提取,随后将提取的数据特征输入SVR中,建立船舶主机排烟温度基线模型。结果表明:通过测试集验证,基于参数调优的DBN-SVR模型相比BP模型、DBN模型和SVR模型可更准确地预测状态参数,拥有优良的稳定性。

关 键 词：船舶主机 排烟系统 基线模型  深度置信网络(DBN)  支持向量回归机(SVR)  

分 类 号：U664.1] TP391]