文章标题：船舶配电设备多源数据融合故障预测研究

文章作者：张鑫, 贺斌
关 键 字：船舶配电设备；多源数据融合；故障预警；长短时记忆网络
文章摘要：船舶配电设备长期承受高湿、盐雾、振动和负荷波动耦合作用，传统定检方式难以及时识别早期退化。针对这一问题，本文构建多源传感数据融合故障预测方法，采集电流、电压、温度、振动及环境参数，经小波去噪、Z-score归一化和时频域特征提取后，采用长短时记忆网络建立时序预测模型，并利用粒子群优化算法自动寻优关键超参数。基于MATLAB/Simulink中压直流配电系统仿真数据开展验证。结果显示，PSO-LSTM融合模型预测准确率达到95%，特征提取精度为91%，故障提前告警时间由标准LSTM的2.5 h提高至5.0 h。研究表明，该方法可提升船舶配电设备早期故障识别与维护决策能力，但目前仍处于仿真验证阶段，后续需结合实船数据进一步校核与优化。