【技术实现步骤摘要】
本专利技术涉及故障诊断，尤其是涉及一种船舶隔振装置载荷故障智能诊断方法。
技术介绍
1、船舶气囊隔振装置是一种重要的船舶机械设备减振技术，主要用于减少船舶主辅机等大型动力设备运行时产生的振动和噪声对船体结构及船上精密仪器的影响，从而提高船舶的舒适性、安全性和工作效率。
2、现有技术中对于船舶隔振装置的故障检测存在缺陷，具体表现为：未基于船舶隔振装置的数据信息对载荷对象进行故障预测，现有的故障预测神经网络模型在进行隔振装置载荷故障预测时，由于故障样本较少，导致预测准确性较低，从而导致了船舶主要设备的工作性能得不到充分保证，设备运维的时间和成本投入增加。
技术实现思路
1、本申请针对上述现有技术中的缺点，提供了一种船舶隔振装置载荷故障智能诊断方法，其为一种基于隔振装置数据信息对载荷对象进行故障预测的技术，大幅度提高了现有神经网络模型在故障样本基数较少情况下的预测精度。
2、本专利技术解决上述技术问题所采用的技术方案如下：
3、一种船舶隔振装置载荷故障智能诊断方法，其包括如下步骤：
4、s1、获取隔振装置载荷的工作参数；
5、s2、获取多条包含隔振装置载荷工作参数的训练样本并构建训练样本集；
6、s3、根据训练样本集，训练获取预设神经网络模型；
7、s4、根据实际工况下的故障信息预设贝叶斯网络模型，对步骤s2中的训练样本集进行更新得到新的预设神经网络模型，并获取更新后的预设神经网络模型的参数权重概率分布；
8、s5、通过mcmc算法优化更新后的预设神经网络模型的参数权重；
9、s6、通过最终的预设神经网络模型获取隔振装置载荷设备的预测故障信息。
10、进一步地，所述步骤s2中的训练样本集包括多个包含工作参数的训练样本，每个训练样本包括已标注的样本故障信息，所述样本故障信息为根据预设经验值下的设备故障分类信息以及故障等级信息得到。
11、进一步地，所述故障分类和故障等级信息包括设备故障位置、设备故障类别以及设备故障概率。
12、进一步地，所述步骤s2中训练样本集的获取方法为：首先获取初始样本集，采用预设特征工程方法对初始训练样本集进行处理，将处理后的初始训练样本集作为训练样本集。
13、进一步地，所述预设特征工程方法处理初始训练样本集的步骤依次包括：数据预处理、特征选择以及维度压缩。
14、进一步地，所述预设神经网络模型包括用于训练样本集输入的输入层、用于重复训练得到权重和偏置参数的隐藏层以及用于输出隔振装置载荷设备的预测故障信息的输出层。
15、进一步地，所述隐藏层通过梯度下降和反向传播的方法对输入数据和输出数据进行重复训练。
16、进一步地，所述步骤s5中，优化更新后的预设神经网络模型的参数权重的方法为根据贝叶斯网络统计模型，计算出预设神经网络模型参数的后验概率分布，采用mcmc算法获得服从这一分布的样本，估算出后验分布的期望与方差值，若期望与方差值在设定的范围内，则判定神经网络模型参数权重可行；否则，重复步骤s4。
17、进一步地，所述步骤s4中更新训练样本集的方法为根据实际工况下的故障信息和预设贝叶斯网络模型进行逆概运算。
18、与现有技术相比，本专利技术的有益效果如下：
19、本专利技术提供的新型船舶智能隔振装置载荷故障诊断方法通过实时自动获取隔振装置的初始工作参数样本，并分别通过预设贝叶斯网络和mcmc(马尔科夫链-蒙特卡洛)算法，优化样本数据集和神经网络模型参数权重，将更新后的数据集输入更新后的预设神经网络模型，获取隔振装置载荷设备的故障分类信息和故障等级信息；由于该预设神经网络模型是根据多个包含工作参数的训练样本训练得到的，并经由贝叶斯网络和mcmc算法完善了训练样本置信度和模型参数分布，因而经过上述方法训练出来的预设神经网络模型获取隔振装置载荷设备的故障信息，可以有效提高载荷设备的故障预测准确度和及时性。
本文档来自技高网...【技术保护点】
1.一种船舶隔振装置载荷故障智能诊断方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述步骤S2中的训练样本集包括多个包含工作参数的训练样本，每个训练样本包括已标注的样本故障信息，所述样本故障信息为根据预设经验值下的设备故障分类信息以及故障等级信息得到。
3.如权利要求2所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述故障分类和故障等级信息包括设备故障位置、设备故障类别以及设备故障概率。
4.如权利要求1所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述步骤S2中训练样本集的获取方法为：首先获取初始样本集，采用预设特征工程方法对初始训练样本集进行处理，将处理后的初始训练样本集作为训练样本集。
5.如权利要求4所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述预设特征工程方法处理初始训练样本集的步骤依次包括：数据预处理、特征选择以及维度压缩。
6.如权利要求1所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述预设神经网络模型
7.如权利要求6所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述隐藏层通过梯度下降和反向传播的方法对输入数据和输出数据进行重复训练。
8.如权利要求1所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述步骤S5中，优化更新后的预设神经网络模型的参数权重的方法为根据贝叶斯网络统计模型，计算出预设神经网络模型参数的后验概率分布，采用MCMC算法获得服从这一分布的样本，估算出后验分布的期望与方差值，若期望与方差值在设定的范围内，则判定神经网络模型参数权重可行；否则，重复步骤S4。
9.如权利要求1所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述步骤S4中更新训练样本集的方法为根据实际工况下的故障信息和预设贝叶斯网络模型进行逆概运算。
...【技术特征摘要】
1.一种船舶隔振装置载荷故障智能诊断方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述步骤s2中的训练样本集包括多个包含工作参数的训练样本，每个训练样本包括已标注的样本故障信息，所述样本故障信息为根据预设经验值下的设备故障分类信息以及故障等级信息得到。
3.如权利要求2所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述故障分类和故障等级信息包括设备故障位置、设备故障类别以及设备故障概率。
4.如权利要求1所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述步骤s2中训练样本集的获取方法为：首先获取初始样本集，采用预设特征工程方法对初始训练样本集进行处理，将处理后的初始训练样本集作为训练样本集。
5.如权利要求4所述的一种船舶隔振装置载荷故障智能诊断方法，其特征在于：所述预设特征工程方法处理初始训练样本集的步骤依次包括：数据预处理、特征选择以及维度压缩。
6.如权...
【专利技术属性】
技术研发人员：程鲲鹏，李海涛，吉承成，潘国培，陈长盛，刘新辉，陈秋，
申请(专利权)人：江苏远望仪器集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。