文献类型：期刊文章

作　　者：向波[1] 甘旭升[2] 韩宝安[1] 韩宝华[2]

XIANG Bo;GAN Xusheng;HAN Baoan;HAN Baohua(Department of Warshipping Engineering,Sichuan Vocational and Technical College of Communications,Chengdu 611130,China;Air Traffic Control and Navigation College,Air Force Engineering University,Xi’an 710051,China)

机构地区：[1]四川交通职业技术学院航运工程系,成都611130 [2]空军工程大学空管领航学院,西安710051

出　　处：《火力与指挥控制》

年　　份：2022

卷　　号：47

期　　号：7

起止页码：72-77

语　　种：中文

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

摘　　要：为了提高作战舰艇柴油机的可靠性和安全性,在油液检测数据基础上,提出了一种基于粗糙集(RS)与核极限学习机(KELM)的作战舰艇柴油机磨损故障诊断方法。利用一种启发式的RS属性约简算法,对作战舰艇柴油机油液光谱和直读铁谱特征进行降维;由约简后的特征集数据构建KELM诊断模型,对作战舰艇柴油机磨损故障模式进行检测识别。仿真结果表明,通过RS属性约简,简化KELM模型结构,改善模型性能,预测结果也优于BP神经网络和ELM模型。从而验证了该方法用作战舰艇柴油机磨损故障诊断的可行性和有效性。

关 键 词：作战舰艇 柴油机 属性约简 磨损故障  粗糙集 极限学习机

分 类 号：U665]