海洋ディーゼルエンジンの汎化マルチソース情報融合に基づく信頼性の高いインテリジェント故障診断方法

科学分野:

• 海洋工学
• 人工知能
• 信号処理

背景:

• 海洋ディーゼルエンジンは船舶の動力に不可欠ですが、従来の故障診断方法は、データが限られており、パラメータ間の相互作用が複雑であるため、苦労しています。
• 運用上の安全性と効率を確保するためには、信頼性の高いインテリジェント診断ツールの開発が不可欠です。

研究 の 目的:

• マルチソース熱パラメータ融合を用いた海洋ディーゼルエンジンのための堅牢で解釈可能なインテリジェント故障診断方法を開発すること。
• 故障サンプルの不足とパラメータと故障の連動という課題に対処することにより、診断精度と信頼性を向上させること。

主な方法:

• ピアソン相関と相互情報量を用いて主要な熱パラメータを選択しました。
• ランダムフォレストパラメータの調整のために、改良されたベイジアン最適化アルゴリズムを採用し、精度を向上させました。
• パラメータ影響の解釈と特徴選択のためにTreeSHAPを使用しました。
• シャノンエントロピーとジョウスルメ距離を用いた改良型デンプスター・シェーファー証拠融合戦略を実装し、堅牢な意思決定を行いました。

主要な成果:

• F1スコアとリコールにおいて既存モデルを上回る99.45%の診断精度を達成しました。
• インタークーラー速度、最大燃焼圧力、ブレーキ出力、排気マニホールド速度など、エンジン健全性に影響を与える重要な熱パラメータを特定しました。
• 故障診断の向上のためのマルチソース熱パラメータ融合の効果を実証しました。

結論:

• 開発された方法は、海洋ディーゼルエンジンに信頼性が高く、解釈可能で、堅牢な診断ツールを提供します。
• このインテリジェント融合アプローチは、困難な海洋環境における故障診断能力を大幅に向上させます。
• 本研究の結果は、海洋推進システムにおける高度な状態監視と予知保全の基礎となります。