当前位置：首页 > 过刊浏览->2026年第7期
船舶辅机设备健康管理与故障预测
- DOI:
- 10.19727/j.cnki.cbwzysc.2026.07.026
- 作者:
- 吴建锋
- 作者单位:
- 杭州航海仪器有限公司，浙江 杭州 311113
- 关键词:
- 船舶辅机设备；健康管理；故障预测；深度学习；无监督学习
- 摘要:
- 船舶辅机设备之间存在的复杂耦合关系使得模型难以充分学习设备的故障特征，导致故障预测的准确度不够理想。为此，提出了船舶辅机设备健康管理与故障预测技术。在工业互联网的支持下，为船舶辅机设备部署多类型传感器，实时感知设备运行状态。根据设备性能的退化过程，建立船舶辅机设备健康分级管理体系。对设备传感器进行标准化处理后，采用加权移动平均法将其滤波去噪，消除噪声干扰。结合无监督学习自编码网络的非线性映射过程，将输入的船舶辅机设备运行数据进行压缩，充分捕捉数据的有效特征，解耦设备关联关系，评估设备实时健康状态。利用循环神经网络深度学习模型，学习连续时间段的设备健康状态特征，实现船舶辅机设备故障的预测分析。结果表明，该项技术对于船舶辅机设备的不同故障类型均表现出了较高的预测精度，达到99.83%，有着良好的实践应用性能。
