数据挖掘技术舰船液压系统故障分析

摘要:舰船应用对起锚机液压系统的性能提出了更高要求，针对当前舰船起锚机液压系统故障分析过程中存在的速度慢、工作过程复杂、误差等局限性，以提高舰船起锚机液压系统故障分析精度为目标，设计了数据挖掘技术的舰船起锚机液压系统故障分析方法。首先采用多传感器对舰船起锚机液压系统故障信息进行采集，并采用主成分分析法提取舰船起锚机液压系统故障分析特征，然后引入数据挖掘技术建立舰船起锚机液压系统故障分析模型，最后在Matlab2018平台上与传统舰船起锚机液压系统故障分析方法进行了仿真对比测试。数据挖掘技术的舰船起锚机液压系统故障分析精度超过94%，而传统方法的舰船起锚机液压系统故障分析精度低于88%，同时舰船起锚机液压系统故障分析速度也得到了改善。

关键词：舰船；起锚机液压系统；故障分析；仿真测试

引言

起锚机液压系统广泛应于现代舰船中，是其重要组成部分。近年来，由于舰船自动化程度不断提高，舰船工作的环境越来越恶劣，人们对起锚机液压系统性能要求越来越高。舰船起锚机液压系统的各个组成部分均在密封环境中工作，相比于其它系统，故障发生有自身的特殊性，具体表现在随机性、隐蔽性、多样性等，使得舰船起锚机液压系统故障诊断难度更大，因此舰船起锚机液压系统故障分析研究已经引起了人们的广泛关注和高度重视[1]。舰船起锚机液压系统故障分析是一门综合技术，集成了自动控制、人工智能、机械等理论。人们对其研究已经有了一段历史，最早借助一些工具或者仪器以及自身的经验对舰船起锚机液压系统故障进行分析，发现故障产生的原因，这种方法属于主观诊断法，简单，成本低，对工作人员的经验要求高。舰船起锚机液压系统故障分析结果的主观性强，不能对复杂的舰船起锚机液压系统故障进行分析，缺陷十分明显[2]。随后出现基于信号处理技术的舰船起锚机液压系统故障分析方法，通过一些设备，如传感器采集舰船起锚机液压系统工作状态信号，并建立相应的数据模型，然后通过数学模型分析舰船起锚机液压系统的输入和输出之间的变化，掌握舰船起锚机液压系统的信号变化情况，找到舰船起锚机液压系统故障的位置。该类方法只适应非平稳的舰船起锚机液压系统信号，故障信号极易被噪声干扰，难以建立准确描述舰船起锚机液压系统故障变化的数学模型，易出现故障误判现象[3]。最后出现了基于人工智能技术的舰船起锚机液压系统故障分析方法，该类方法不需要建立精确的数学模型，适合于复杂信号的舰船起锚机液压系统故障分析，通过模拟人的大脑进行工作，主要有模糊数学法、人工神经网络等。在实际应用中，均存在一定的不足，如模糊数学法的计算量大、学习能力差，舰船起锚机液压系统故障分析误差大；人工神经网络的舰船起锚机液压系统故障分析结果的可解释性差，经常出现一些误分析结果[4]。针对当前舰船起锚机液压系统故障分析存在的速度慢、工作过程复杂、误差等局限性，设计了数据挖掘技术的舰船起锚机液压系统故障分析方法，Mat-lab平台上的仿真对比测试结果表明，数据挖掘技术的舰船起锚机液压系统故障分析精度高分析速度快。

1数据挖掘技术的舰船起锚机液压系统故障分析方法

1.1数据挖掘技术的舰船起锚机液压系统故障分析原理

数据挖掘技术的舰船起锚机液压系统故障分析原理为：首先采用多传感器对舰船起锚机液压系统故障信息进行采集，然后采用主成分分析法提取舰船起锚机液压系统故障分析特征，最后引入数据挖掘技术建立舰船起锚机液压系统故障分析模型，具体如图1所示。

1.2多传感器采集舰船起锚机液压系统状态信号

舰船起锚机液压系统状态复杂多样，使得舰船起锚机液压系统故障十分复杂，当前主要采用单传感器对舰船起锚机液压系统的工作状态信息进行采集，难以准确描述舰船起锚机液压系统变化特点，为了克服单传感器采集信息的局限性，本文采用多个传感器同时对舰船起锚机液压系统的工作状态信息进行采集，并对采集后的信息进行处理和融合，得到更准确、更全面的舰船起锚机液压系统信息，便于舰船起锚机液压系统故障分析特征的提取。

1.3提取舰船起锚机液压系统故障分析特征

特征提取是舰船起锚机液压系统故障分析的重要一步，主成份分析法是一种舰船起锚机液压系统故障分析特征提取技术，可以提取最优的舰船起锚机液压系统故障特征，减少舰船起锚机液压系统故障特征维数，可以降低舰船起锚机液压系统故障分析的计算量，提升舰船起锚机液压系统故障分析效率。x表示均值为0的m维舰船起锚机液压系统故障信号向量，则有x向m维舰船起锚机液压系统故障向量进行投影操作，得到根据Cx的最大特征值对应的特征向量，得到舰船起锚机液压系统故障分析特征。

1.4建立数据挖掘技术的舰船起锚机液压系统故障分析

模型(x1,y1),•••,(xl,yl)lH:w∗x+b=0设舰船起锚机液压系统故障分析样本为：，表示样本的数量，采用数据挖掘技术中的支持向量机对样本进行学习，建立一种输入和输出数据之间的映射关系，产生一个分类超平面，从而实现舰船起锚机液压系统故障分析，分类超平面构造过程如图2所示在图2的分类超平面中，边界线上的样本点称之为支持向量，舰船起锚机液压系统故障分析的决策函数为：式中，S为支持向量的数量。

2舰船起锚机液压系统故障分析方法的性能测试

2.1测试平台

为了分析数据挖掘技术的舰船起锚机液压系统故障分析方法的有效性，选择RBF神经网络、模糊数学理论的舰船起锚机液压系统故障分析方法进行对比实验，测试平台如表1所示。舰船起锚机液压系统故障类型包括：球头松动、松靴故障、泄漏、轴承磨损共4种，分别采集它们的状态信号，通过主成分分析法提取特征，故障类型采用“1～4”进行标记，每一种故障采集20个样本数据。

2.2舰船起锚机液压系统故障分析结果与分析

采用10个样本作为舰船起锚机液压系统故障分析的测试样本，其它作为训练样本进行仿真测试，统计所有方法的舰船起锚机液压系统故障分析精度，结果如图3所示。从图3可以看出，数据挖掘技术的舰船起锚机液压系统故障分析精度超过94%，而对比方法的舰船起锚机液压系统故障分析精度低于88%。数据挖掘技术减少了舰船起锚机液压系统故障分析错误，体现了本文方法的优越性。统计所有方法的舰船起锚机液压系统故障分析时间，具体如表2所示。从表2可以看出，相对于传统方法，数据挖掘技术的舰船起锚机液压系统故障分析速度得到明显的改善。

3结语

舰船起锚机液压系统故障分析研究具有重要的意义，为了解决舰船起锚机液压系统故障分析过程的难题，设计了数据挖掘技术的舰船起锚机液压系统故障分析方法。仿真对比测试结明，本文提出了一种精度高、效率高的舰船起锚机液压系统故障分析方法，具有一定的应用前景。

参考文献：

田文国.船舶起锚机液压系统故障问题之探讨[J].航海技术,2000(1):65–67.

[1]任凤娟.多传感器信息融合技术在液压系统故障诊断中的应用[J].液压气动与密封,2019,39(7):52–55.

[2]张捍东,陶刘送.粒子群优化BP算法在液压系统故障诊断中应用[J].系统仿真学报,2016,28(5):1186–1190.

[3]冯文洁,李万莉,嘉红霞.模糊神经网络变幅液压系统故障诊断[J].计算机工程与应用,2014,50(11):241–245.[4]

作者：李海涛 张良贵 单位：河北机电职业技术学院