基于SSA-SVM的船舶低温淡水冷却系统故障诊断

作     者：尹衍楚 邹永久 杜太利 张跃文 

作者机构：大连海事大学轮机工程学院 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2023年

学科分类：08[工学] 082402[工学-轮机工程] 0824[工学-船舶与海洋工程] 

基　　金：国家自然科学基金(52101400 52101345) 

主　　题：支持向量机 麻雀搜索算法 故障诊断 算法优化 

摘      要：船舶低温淡水系统作为保障船舶动力装置安全运行的动力系统，一旦发生故障仅依靠轮机员很难及时排除故障。针对支持向量机(support vector machine，SVM)在模式识别方面受自身参数选择影响较大的问题，提出了基于麻雀搜索算法(sparrow search algorithm，SSA)优化支持向量机的故障诊断方法。利用麻雀搜索算法(SSA)优化了支持向量机的惩罚参数和核参数，建立了基于SSA-SVM的船舶低温淡水系统故障诊断模型。结果表明，SSA-SVM诊断模型比传统的支持向量机(SVM)和粒子群算法(particles warm optimization，PSO)优化的支持向量机诊断模型的准确率分别高28%和5%，且收敛速度更快。SSA-SVM算法对船舶低温淡水系统的常见故障进行有效地诊断，能为轮机设备的健康管理及轮机员的诊断决策提供一定的指导。