2026, 41(7).
摘要:
针对船舶汽轮机故障诊断问题,提出一种基于沙猫群算法(SCSO)优化概率神经网络(PNN)的船舶汽轮机故障诊断方法。首先,采用最小-最大(Min-Max)标准化方法对采集的汽轮机运行数据进行标准化处理,得到汽轮机故障特征向量;其次,将标准化的汽轮机故障特征向量分为PNN的训练集和测试集;进而,构建PNN故障诊断模型,并通过沙猫群算法对PNN故障诊断模型实施优化获取最优平滑因子;最后,输入测试集到优化后的PNN故障诊断模型,输出故障诊断结果。仿真实验结果表明,经过沙猫群算法优化的PNN故障诊断模型,训练正确率由92%提升到96%,测试正确率由80%提升到93.3%,说明所提方法能够有效提升故障诊断准确度,而且该方法结构简单、迭代次数较少、运行时间短,具有较高的运行性能和执行效率,能够较好提升船舶汽轮机故障诊断水平。