当前位置：首页 > 过刊浏览->2026年第7期
基于CNN-SVM-LSTM模型的船舶电站智能故障排查技术
- DOI:
- 10.19727/j.cnki.cbwzysc.2026.07.025
- 作者:
- 彭煦
- 作者单位:
- 上海船舶运输科学研究所有限公司，上海 200135
- 关键词:
- 船舶电站；故障排查；深度学习；智能运维；卷积神经网络
- 摘要:
- 船舶电站作为船舶动力与供电的核心系统，其可靠运行对航行安全至关重要。现有基于阈值规则的电站管理系统和基于信号处理的状态监测手段在面对复杂、复合型故障时存在识别能力不足、预警滞后等问题。本文针对上述局限，提出一种融合CNN（Convolutional Neural Network，卷积神经网络）、SVM（Support Vector Machine，支持向量机）、LSTM（Long Short-Term Memory，长短期记忆网络）的船舶电站智能故障排查技术体系，构建了涵盖数据采集、特征提取、智能分析与决策输出的四层技术架构。实验结果表明，该方法故障识别准确率达97%，可实现提前12 h以上预警，复合故障识别能力显著优于现有其他主流AI方法，可为船舶电站的智能化运维提供可靠的技术路径。
