作戰艦艇柴油機磨損故障的RS-KELM 診斷

向 波，甘旭升，韓寶安，韓寶華

（1.四川交通職業技術學院航運工程系，成都 611130；2.空軍工程大學空管領航學院，西安 710051）

0 引言

作戰艦艇出海訓練作業會遇到各種海況，經常進行機動，導致柴油機的運行長時間處于振動、高溫等相對較差環境中，作戰艦艇柴油機還受到酸堿性物質腐蝕、海水的侵蝕以及內部各種顆粒的磨損危害。此外，作戰艦艇柴油機內部結構復雜，導致故障率較高，磨損故障總占比高達37.5%。因此，作戰艦艇柴油機磨損故障診斷研究對提升作戰艦艇作業效能意義重大。

近年來，隨著人工智能與信息處理技術的進步，學者們將神經網絡應用于作戰艦艇柴油機磨損故障診斷研究中。如喻步賢等在所提取特征基礎上，采用RBF 神經網絡構建船舶柴油機機械磨損故障模式識別模型，取得了較好的診斷效果。吳瑞莉設計了一種基于BP 神經網絡的自適應調整學習率算法，并應用于船舶柴油機磨損故障診斷中。張慶年等采用原子光譜分析法，獲取檢測船用柴油機及舵漿裝置潤滑油的機械磨損微粒信息，再通過神經網絡訓練模型獲取機械設備的磨損狀態。從以上研究成果可知，神經網絡的自組織、自學習特性為作戰艦艇柴油機磨損故障提供了全新診斷模式，并取得了一定進展。但在故障診斷研究中，神經網絡還是出現了精度不高和結構難確定等諸多問題，使其推廣應用受到了限制。極限學習機（extreme learning machine，ELM）通過隨機選擇隱含層節點，不需要進行大量迭代，直接以解析方式確定輸出層權值，相較于傳統神經網絡，其在學習效率和泛化能力上具有一定優勢。……