典型文献
多信息融合技术在船舶动力装置故障诊断中的应用
文献摘要：
船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊断时长,而且经PCA优化的算法更能有效地提升神经网络诊断的收敛速度和准确性.说明PCA能为智能故障诊断算法提供可行的优化方案.
文献关键词：
K-均值聚类算法;数据挖掘;主成分分析法;BP神经网络;故障诊断
中图分类号：
作者姓名：
叶树璞;孙俊
作者机构：
武汉理工大学能源与动力工程学院,湖北武汉430063
文献出处：
引用格式：
[1]叶树璞;孙俊-.多信息融合技术在船舶动力装置故障诊断中的应用)[J].中国修船,2022(01):45-48
A类：
B类：
多信息融合,信息融合技术,船舶动力装置,多域,故障信号,联信,均值聚类,聚类算法,means,模型训练,网络诊断,收敛速度,智能故障诊断,故障诊断算法
AB值：
0.247472
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
