论文部分内容阅读
【摘 要】本文以船舶柴油机为例，对基于数据融合的船舶内燃机故障诊断方法进行了介绍，采用先进的信息处理技术，可以及时的发现故障，并对故障进行综合分析，找到故障排除的方法，保证船舶内燃机可以正常的运行。基于数据融合的故障诊断方法有着较多的优点，其可以提高诊断的准确性，下面笔者对其进行简单的分析与介绍。
【关键词】数据融合；船舶；内燃机；故障诊断；方法
船舶内燃机故障诊断是一项专业性较强的工作，其需要利用专业的故障诊断方法，还需要保证检测设备的精密性。随着船舶事业的不断发展，其采用的内燃机设备越来越先进，价格也比较昂贵，技术维修人员应做好维护工作，避免内燃机出现故障或者损坏问题。柴油机是一种常见的船舶内燃机设备，本文对基于数据融合的故障诊断方法在船舶内燃机中的应用进行了研究，这项故障诊断方法有着较多的优点，可以保证故障预测与评估的精确性，还可以保证故障及时维修，使内燃机设备可以尽快恢复正常使用。
1、故障诊断技术概述
故障诊断有利于保证船舶内燃机正常运行，内燃机在运行时会出现三种情况，分别是正常、不正常与反常运行，这会引起内燃机故障，会影响船舶的正常行驶。内燃机出现故障是指内燃机无法正常运行，出现了特性偏离问题，说明内燃机系统出现了缺陷，导致了其运行状态发生改变，无法正常的维持工作。故障问题会导致内燃机的功能无法正常发挥，所以，技术维修人员需要采取有效的措施对船舶内燃机故障进行诊断。
故障诊断方法一般有三种类型，一种是基于解析冗余的方法，一种是基于信号处理的方法，还有一种是基于知识的诊断方法。在选择诊断方法时，需要了解三种诊断方法之间的区别与差异，一般建模方式不同，诊断的方法也会出现较大的差异。这三种诊断方法侧重点也不同，在传播内燃机故障诊断中，如果诊断的模型已知，则可以采用基于解析冗余的诊断方法；在诊断对象信号已知的前提下，可以采用基于信号处理的诊断方法；如果诊断对象较难确定，则可以采用基于知识的诊断方法。
2、数据融合技术概述
数据融合技术是信息时代下一项先进的技术，其是将多种先进的信息技术结合在一起，并根据需要筛选出最有用的技术，数据融合技术属于对人脑的仿生技术，有着较强的分辨性能，可以分辨出具有不同特性的事物，还可以对不同空间的信息进行提取，从而帮助技术人员找到需要的信息。在对信息进行识别时，有着较大的难度，而且过程比较复杂，采用数据融合的人工智能技术，可以更高效率的收集信息，并提高了信息处理的质量。本文对基于数据融合的船舶柴油机故障诊断方法进行了研究，由于研究对象运行工况比较复杂，工作环境也很恶劣等众多内在和外在因素的影响，当其产生故障时，对其进行诊断，往往收集的特征信息比较多，各个部件由于特性的不同，信息的表现形式也是不一样的，从而导致大量的数据产生，让诊断的难度变大。再加上收集的多种信息表现出的不确定性，以及数据的冗余性让我们对数据的处理使用传统方法很难达到我们所需要的要求。现阶段对数据的处理越来越多的选用数据融合方法。数据融合技术融合种类分为三种：
2.1数据级融合
数据级的融合是直接对传感器收集到的数据进行融合，这些数据没有经过处理。这种融合是在信息的最低层融合，虽然保留了信息的结构和特征，但是处理信息需要的时间较长，花费的代价也太高，实际中很少选用这种融合来分析处理数据。
2.2特征级融合
对传感器收集来的数据进行了预处理，保留了较基本的数据结构和特性，在进行特征级融合时处理的时间也比较短，并且融合后的数据能够最大程度的表示出我们所需要的特征信息。它是一种在数据的中层融合的处理方法。该种融合根据融合的状态可以分为两种融合方式：1）目标状态的融合；2）目标特性的融合。
2.3决策级融合
决策级融合得到的结果直接就是我们所需要的结果，该种融合使用的比较多，但是其融合的准确性与我们对数据的处理结果的准确性相关联。本文采用的对数据的处理方法是对特征级融合的方法，采用粗糙集理论来对数据进行处理融合，得到所需要的特征数据，为后面的诊断方法提供有效的属性约简数据。
3、基于融合理论的内燃机故障诊断方法
内燃机的故障诊断与维修是目前保障动力设备可靠运行于安全的一个非常重要的制约因素，由于内燃机（本文主要以船用柴油机为研究对象）结构的复杂性以及工作环境比较差等因素的影响，使其故障的产生都是连续的过程，从而导致实际中我们对其进行故障分析的难度很大。本文的融合诊断理论采用的是粗糙集与支持向量机相融合的方法。采用两种方法的融合，克服了单一诊断方法的一些缺陷，提高了诊断的准确率。该故障诊断方法的基本步骤是：
1）首先确定需要诊断的研究对象，本文的研究对象为船用柴油机。
2）对特征参数进行选取，考虑需要收集什么样的特征数据进行对故障的分析诊断，确定收集的参数后，收集数据，对其进行适当的整理。
3）利用第二章介绍的知识对特征数据进行归一化处理和离散化处理，数据的处理要遵守处理方法所规定的原则，避免数据处理后遗失其数据所携带的特性。
4）粗糙集理论中关于属性约简的算法很多，在本文的第二章中关于属性约简算法介绍了很多方法，在诊断处理中可以根据实际需要选取适合的属性约简算法。
5）对经过粗糙集理论处理后的数据进行有效的分类，选取合适的故障数据将其作为训练样本，利用SVM理论建立对以训练样本为基础的训练模型。关于训练模型的建立于SVM理论的特性与应用在本文第三章也做了很深的分析。
6）从故障数据中在选取一定的样本作为测试样本，用来检验训练模型的训练能力，将测试样本在训练模型中进行训练，由于训练模型是以支持向量机理论为基础建立的，进过训练后的测试样本会得出预测结果。
7）对6）中的训练结果进行分析总结，与实际情况进行对比，可以得出训练模型的训练精度，从而能够判断出该诊断方法对故障预测结果的准确率。
8）对结果进行对比后，进行分类、总结。
4、结语
本文对故障诊断技术进行了分析，对数据融合技术进行了介绍，以柴油机为例，研究了基于数据融合的船舶内燃机故障诊断方法，提高了船舶内燃机的故障诊断准确率，提高了故障处理的效率，可以保证船舶事业更好的发展。数据融合技术是将多种信息技术融合在要一起，是一种新型的故障诊断方法，可以对有效的信息进行筛选，信息处理的效率比较高，在船舶内燃机的诊断工作中发挥着较大的应用价值。相关技术人员应加强对数据融合故障诊断法的研究，提高故障诊断的水平。
参考文献
[1]蔡朝阳.基于数据融合的轧机液压压下系统故障诊断[D].燕山大学2014
[3]肖建昆，卢仙兰，丁立斌，鲍苏宁，陆金铭.基于时频分布图像的柴油机故障诊断[J].江苏科技大学学报（自然科学版）.2011（02）
[3]张业明.汽轮机加热器数学建模和运行故障诊断[D].浙江工业大学2011
[4]肖小勇.船舶柴油机智能诊断技术与应用研究[D].武汉理工大学2013
【关键词】数据融合；船舶；内燃机；故障诊断；方法
船舶内燃机故障诊断是一项专业性较强的工作，其需要利用专业的故障诊断方法，还需要保证检测设备的精密性。随着船舶事业的不断发展，其采用的内燃机设备越来越先进，价格也比较昂贵，技术维修人员应做好维护工作，避免内燃机出现故障或者损坏问题。柴油机是一种常见的船舶内燃机设备，本文对基于数据融合的故障诊断方法在船舶内燃机中的应用进行了研究，这项故障诊断方法有着较多的优点，可以保证故障预测与评估的精确性，还可以保证故障及时维修，使内燃机设备可以尽快恢复正常使用。
1、故障诊断技术概述
故障诊断有利于保证船舶内燃机正常运行，内燃机在运行时会出现三种情况，分别是正常、不正常与反常运行，这会引起内燃机故障，会影响船舶的正常行驶。内燃机出现故障是指内燃机无法正常运行，出现了特性偏离问题，说明内燃机系统出现了缺陷，导致了其运行状态发生改变，无法正常的维持工作。故障问题会导致内燃机的功能无法正常发挥，所以，技术维修人员需要采取有效的措施对船舶内燃机故障进行诊断。
故障诊断方法一般有三种类型，一种是基于解析冗余的方法，一种是基于信号处理的方法，还有一种是基于知识的诊断方法。在选择诊断方法时，需要了解三种诊断方法之间的区别与差异，一般建模方式不同，诊断的方法也会出现较大的差异。这三种诊断方法侧重点也不同，在传播内燃机故障诊断中，如果诊断的模型已知，则可以采用基于解析冗余的诊断方法；在诊断对象信号已知的前提下，可以采用基于信号处理的诊断方法；如果诊断对象较难确定，则可以采用基于知识的诊断方法。
2、数据融合技术概述
数据融合技术是信息时代下一项先进的技术，其是将多种先进的信息技术结合在一起，并根据需要筛选出最有用的技术，数据融合技术属于对人脑的仿生技术，有着较强的分辨性能，可以分辨出具有不同特性的事物，还可以对不同空间的信息进行提取，从而帮助技术人员找到需要的信息。在对信息进行识别时，有着较大的难度，而且过程比较复杂，采用数据融合的人工智能技术，可以更高效率的收集信息，并提高了信息处理的质量。本文对基于数据融合的船舶柴油机故障诊断方法进行了研究，由于研究对象运行工况比较复杂，工作环境也很恶劣等众多内在和外在因素的影响，当其产生故障时，对其进行诊断，往往收集的特征信息比较多，各个部件由于特性的不同，信息的表现形式也是不一样的，从而导致大量的数据产生，让诊断的难度变大。再加上收集的多种信息表现出的不确定性，以及数据的冗余性让我们对数据的处理使用传统方法很难达到我们所需要的要求。现阶段对数据的处理越来越多的选用数据融合方法。数据融合技术融合种类分为三种：
2.1数据级融合
数据级的融合是直接对传感器收集到的数据进行融合，这些数据没有经过处理。这种融合是在信息的最低层融合，虽然保留了信息的结构和特征，但是处理信息需要的时间较长，花费的代价也太高，实际中很少选用这种融合来分析处理数据。
2.2特征级融合
对传感器收集来的数据进行了预处理，保留了较基本的数据结构和特性，在进行特征级融合时处理的时间也比较短，并且融合后的数据能够最大程度的表示出我们所需要的特征信息。它是一种在数据的中层融合的处理方法。该种融合根据融合的状态可以分为两种融合方式：1）目标状态的融合；2）目标特性的融合。
2.3决策级融合
决策级融合得到的结果直接就是我们所需要的结果，该种融合使用的比较多，但是其融合的准确性与我们对数据的处理结果的准确性相关联。本文采用的对数据的处理方法是对特征级融合的方法，采用粗糙集理论来对数据进行处理融合，得到所需要的特征数据，为后面的诊断方法提供有效的属性约简数据。
3、基于融合理论的内燃机故障诊断方法
内燃机的故障诊断与维修是目前保障动力设备可靠运行于安全的一个非常重要的制约因素，由于内燃机（本文主要以船用柴油机为研究对象）结构的复杂性以及工作环境比较差等因素的影响，使其故障的产生都是连续的过程，从而导致实际中我们对其进行故障分析的难度很大。本文的融合诊断理论采用的是粗糙集与支持向量机相融合的方法。采用两种方法的融合，克服了单一诊断方法的一些缺陷，提高了诊断的准确率。该故障诊断方法的基本步骤是：
1）首先确定需要诊断的研究对象，本文的研究对象为船用柴油机。
2）对特征参数进行选取，考虑需要收集什么样的特征数据进行对故障的分析诊断，确定收集的参数后，收集数据，对其进行适当的整理。
3）利用第二章介绍的知识对特征数据进行归一化处理和离散化处理，数据的处理要遵守处理方法所规定的原则，避免数据处理后遗失其数据所携带的特性。
4）粗糙集理论中关于属性约简的算法很多，在本文的第二章中关于属性约简算法介绍了很多方法，在诊断处理中可以根据实际需要选取适合的属性约简算法。
5）对经过粗糙集理论处理后的数据进行有效的分类，选取合适的故障数据将其作为训练样本，利用SVM理论建立对以训练样本为基础的训练模型。关于训练模型的建立于SVM理论的特性与应用在本文第三章也做了很深的分析。
6）从故障数据中在选取一定的样本作为测试样本，用来检验训练模型的训练能力，将测试样本在训练模型中进行训练，由于训练模型是以支持向量机理论为基础建立的，进过训练后的测试样本会得出预测结果。
7）对6）中的训练结果进行分析总结，与实际情况进行对比，可以得出训练模型的训练精度，从而能够判断出该诊断方法对故障预测结果的准确率。
8）对结果进行对比后，进行分类、总结。
4、结语
本文对故障诊断技术进行了分析，对数据融合技术进行了介绍，以柴油机为例，研究了基于数据融合的船舶内燃机故障诊断方法，提高了船舶内燃机的故障诊断准确率，提高了故障处理的效率，可以保证船舶事业更好的发展。数据融合技术是将多种信息技术融合在要一起，是一种新型的故障诊断方法，可以对有效的信息进行筛选，信息处理的效率比较高，在船舶内燃机的诊断工作中发挥着较大的应用价值。相关技术人员应加强对数据融合故障诊断法的研究，提高故障诊断的水平。
参考文献
[1]蔡朝阳.基于数据融合的轧机液压压下系统故障诊断[D].燕山大学2014
[3]肖建昆，卢仙兰，丁立斌，鲍苏宁，陆金铭.基于时频分布图像的柴油机故障诊断[J].江苏科技大学学报（自然科学版）.2011（02）
[3]张业明.汽轮机加热器数学建模和运行故障诊断[D].浙江工业大学2011
[4]肖小勇.船舶柴油机智能诊断技术与应用研究[D].武汉理工大学2013