數據挖掘技術艦船液壓系統故障分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數據挖掘技術艦船液壓系統故障分析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:艦船應用對起錨機液壓系統的性能提出了更高要求，針對當前艦船起錨機液壓系統故障分析過程中存在的速度慢、工作過程復雜、誤差等局限性，以提高艦船起錨機液壓系統故障分析精度為目標，設計了數據挖掘技術的艦船起錨機液壓系統故障分析方法。首先采用多傳感器對艦船起錨機液壓系統故障信息進行采集，并采用主成分分析法提取艦船起錨機液壓系統故障分析特征，然后引入數據挖掘技術建立艦船起錨機液壓系統故障分析模型，最后在Matlab2018平臺上與傳統艦船起錨機液壓系統故障分析方法進行了仿真對比測試。數據挖掘技術的艦船起錨機液壓系統故障分析精度超過94%，而傳統方法的艦船起錨機液壓系統故障分析精度低于88%，同時艦船起錨機液壓系統故障分析速度也得到了改善。

關鍵詞：艦船；起錨機液壓系統；故障分析；仿真測試

引言

起錨機液壓系統廣泛應于現代艦船中，是其重要組成部分。近年來，由于艦船自動化程度不斷提高，艦船工作的環境越來越惡劣，人們對起錨機液壓系統性能要求越來越高。艦船起錨機液壓系統的各個組成部分均在密封環境中工作，相比于其它系統，故障發生有自身的特殊性，具體表現在隨機性、隱蔽性、多樣性等，使得艦船起錨機液壓系統故障診斷難度更大，因此艦船起錨機液壓系統故障分析研究已經引起了人們的廣泛關注和高度重視[1]。艦船起錨機液壓系統故障分析是一門綜合技術，集成了自動控制、人工智能、機械等理論。人們對其研究已經有了一段歷史，最早借助一些工具或者儀器以及自身的經驗對艦船起錨機液壓系統故障進行分析，發現故障產生的原因，這種方法屬于主觀診斷法，簡單，成本低，對工作人員的經驗要求高。艦船起錨機液壓系統故障分析結果的主觀性強，不能對復雜的艦船起錨機液壓系統故障進行分析，缺陷十分明顯[2]。隨后出現基于信號處理技術的艦船起錨機液壓系統故障分析方法，通過一些設備，如傳感器采集艦船起錨機液壓系統工作狀態信號，并建立相應的數據模型，然后通過數學模型分析艦船起錨機液壓系統的輸入和輸出之間的變化，掌握艦船起錨機液壓系統的信號變化情況，找到艦船起錨機液壓系統故障的位置。該類方法只適應非平穩的艦船起錨機液壓系統信號，故障信號極易被噪聲干擾，難以建立準確描述艦船起錨機液壓系統故障變化的數學模型，易出現故障誤判現象[3]。最后出現了基于人工智能技術的艦船起錨機液壓系統故障分析方法，該類方法不需要建立精確的數學模型，適合于復雜信號的艦船起錨機液壓系統故障分析，通過模擬人的大腦進行工作，主要有模糊數學法、人工神經網絡等。在實際應用中，均存在一定的不足，如模糊數學法的計算量大、學習能力差，艦船起錨機液壓系統故障分析誤差大；人工神經網絡的艦船起錨機液壓系統故障分析結果的可解釋性差，經常出現一些誤分析結果[4]。針對當前艦船起錨機液壓系統故障分析存在的速度慢、工作過程復雜、誤差等局限性，設計了數據挖掘技術的艦船起錨機液壓系統故障分析方法，Mat-lab平臺上的仿真對比測試結果表明，數據挖掘技術的艦船起錨機液壓系統故障分析精度高分析速度快。

1數據挖掘技術的艦船起錨機液壓系統故障分析方法

1.1數據挖掘技術的艦船起錨機液壓系統故障分析原理

數據挖掘技術的艦船起錨機液壓系統故障分析原理為：首先采用多傳感器對艦船起錨機液壓系統故障信息進行采集，然后采用主成分分析法提取艦船起錨機液壓系統故障分析特征，最后引入數據挖掘技術建立艦船起錨機液壓系統故障分析模型，具體如圖1所示。

1.2多傳感器采集艦船起錨機液壓系統狀態信號

艦船起錨機液壓系統狀態復雜多樣，使得艦船起錨機液壓系統故障十分復雜，當前主要采用單傳感器對艦船起錨機液壓系統的工作狀態信息進行采集，難以準確描述艦船起錨機液壓系統變化特點，為了克服單傳感器采集信息的局限性，本文采用多個傳感器同時對艦船起錨機液壓系統的工作狀態信息進行采集，并對采集后的信息進行處理和融合，得到更準確、更全面的艦船起錨機液壓系統信息，便于艦船起錨機液壓系統故障分析特征的提取。

1.3提取艦船起錨機液壓系統故障分析特征

特征提取是艦船起錨機液壓系統故障分析的重要一步，主成份分析法是一種艦船起錨機液壓系統故障分析特征提取技術，可以提取最優的艦船起錨機液壓系統故障特征，減少艦船起錨機液壓系統故障特征維數，可以降低艦船起錨機液壓系統故障分析的計算量，提升艦船起錨機液壓系統故障分析效率。x表示均值為0的m維艦船起錨機液壓系統故障信號向量，則有x向m維艦船起錨機液壓系統故障向量進行投影操作，得到根據Cx的最大特征值對應的特征向量，得到艦船起錨機液壓系統故障分析特征。

1.4建立數據挖掘技術的艦船起錨機液壓系統故障分析

模型(x1,y1),•••,(xl,yl)lH:w∗x+b=0設艦船起錨機液壓系統故障分析樣本為：，表示樣本的數量，采用數據挖掘技術中的支持向量機對樣本進行學習，建立一種輸入和輸出數據之間的映射關系，產生一個分類超平面，從而實現艦船起錨機液壓系統故障分析，分類超平面構造過程如圖2所示在圖2的分類超平面中，邊界線上的樣本點稱之為支持向量，艦船起錨機液壓系統故障分析的決策函數為：式中，S為支持向量的數量。

2艦船起錨機液壓系統故障分析方法的性能測試

2.1測試平臺

為了分析數據挖掘技術的艦船起錨機液壓系統故障分析方法的有效性，選擇RBF神經網絡、模糊數學理論的艦船起錨機液壓系統故障分析方法進行對比實驗，測試平臺如表1所示。艦船起錨機液壓系統故障類型包括：球頭松動、松靴故障、泄漏、軸承磨損共4種，分別采集它們的狀態信號，通過主成分分析法提取特征，故障類型采用“1～4”進行標記，每一種故障采集20個樣本數據。

2.2艦船起錨機液壓系統故障分析結果與分析

采用10個樣本作為艦船起錨機液壓系統故障分析的測試樣本，其它作為訓練樣本進行仿真測試，統計所有方法的艦船起錨機液壓系統故障分析精度，結果如圖3所示。從圖3可以看出，數據挖掘技術的艦船起錨機液壓系統故障分析精度超過94%，而對比方法的艦船起錨機液壓系統故障分析精度低于88%。數據挖掘技術減少了艦船起錨機液壓系統故障分析錯誤，體現了本文方法的優越性。統計所有方法的艦船起錨機液壓系統故障分析時間，具體如表2所示。從表2可以看出，相對于傳統方法，數據挖掘技術的艦船起錨機液壓系統故障分析速度得到明顯的改善。

3結語

艦船起錨機液壓系統故障分析研究具有重要的意義，為了解決艦船起錨機液壓系統故障分析過程的難題，設計了數據挖掘技術的艦船起錨機液壓系統故障分析方法。仿真對比測試結明，本文提出了一種精度高、效率高的艦船起錨機液壓系統故障分析方法，具有一定的應用前景。

參考文獻：

田文國.船舶起錨機液壓系統故障問題之探討[J].航海技術,2000(1):65–67.

[1]任鳳娟.多傳感器信息融合技術在液壓系統故障診斷中的應用[J].液壓氣動與密封,2019,39(7):52–55.

[2]張捍東,陶劉送.粒子群優化BP算法在液壓系統故障診斷中應用[J].系統仿真學報,2016,28(5):1186–1190.

[3]馮文潔,李萬莉,嘉紅霞.模糊神經網絡變幅液壓系統故障診斷[J].計算機工程與應用,2014,50(11):241–245.[4]

作者：李海濤 張良貴 單位：河北機電職業技術學院