海洋船舶柴油发动机的多重故障诊断基于不同的神经网络算法

科学领域:

• 海洋工程 海洋工程是指海洋工程.
• 人工智能在诊断中的应用
• 柴油发动机的技术技术

背景情况:

• 船舶航行安全依赖于可靠的船舶柴油发动机.
• 现有的故障诊断方法与复杂的,多个故障作斗争.
• 由于相关性,非线性和随机性,多个断层带来了挑战.

研究的目的:

• 开发和评估海上船舶柴油发动机的先进故障诊断方法.
• 专门应对诊断多个同时发生故障的挑战.
• 为了比较不同神经网络算法对此任务的有效性.

主要方法:

• 利用热参数分析与神经网络算法相结合.
• 实现并测试了莱文伯格·马奎特反向传播神经网络.
• 实施和测试贝叶斯规范化反向传播神经网络.
• 实现并测试了概率神经网络.

主要成果:

• 莱文伯格·马奎特反向传播在多个故障中达到88.89%的准确率,在单个故障中达到100%.
• 贝叶斯规范化在单个故障中达到100%,但在多个故障中仅达到55.56%.
• 概率神经网络提供了最快的诊断,但对单个和多个故障的准确性最低.
• 莱文伯格·马奎特 (Levenberg Marquardt) 证明了多个故障的诊断时间为0.78秒.

结论:

• 莱文伯格Marquardt神经网络在诊断船舶柴油发动机多个故障方面表现出卓越的性能.
• 不同的神经网络算法在诊断准确度和速度之间表现出不同的权衡.
• 研究结果为开发用于船舶柴油发动机的实时准确故障诊断系统提供了宝贵的见解.