识别 问题 。 然而神经 网络是基 于经验 风险最大化原则 的学 习 算法 ， 求样本 大 ， 要 对于小样 本 问题 ， 易出现过拟合 、 局部最
优点 等难 题 ， 导致 故障诊 断准 确性较 低 ， 因此 神经 网络不适
合 于小样 本的船舶柴油机故障诊断 ¨ 。 ６ ］
收稿 日期 ：０ １ １ — ０ ２ １ — ０ １
摘要 ： 研究船舶柴油机故障诊断问题 ， 由于船舶柴油机故障样本相 当少且样本极不 平衡 ， 系统复杂 ， 统故障诊断 方法均是 传
采用 大样本 的学 习方法 ， 出现过拟合 ， 易 得到局部最优解 ， 导致船舶柴油机故障的准确率较低。为了提高船 舶柴油机故障 的
准确率 ， 采用专 门针对小样本 的支持 向量机进行船舶柴油机故 障诊断 。首先建 立船舶柴油机故 障样本集 ， 采用层 次支持 向 量机构造柴油机故 障诊断树 ， 解决样本不平衡问题 ， 最后进行船舶柴油机故障诊断。实验结果表明， 支持 向量机不仅提高 了 柴油机故 障训练 和诊断速度 ， 且提高 了故 障诊断 的准确率 ， 较好解决 船舶柴油机 故障诊断 中的过拟 合 、 小样本 等问题 ， 以 可 为船舶正 常工作提供保证 。 关键词 ： 柴油机 ； 障诊断 ： 故 支持 向量机 ； 船舶
图 １ 船舶 柴 油机 故 障诊 断 的结 构 框 图
＿ ， ＝ ｇ（ ，） ｂ 厂 ｎ ｓ ∑Ｙ０（ ＋ ） （ ） ｎ 。
这样 可 以进行故障诊断 。
３ ２ 层 次 多类 支持 向 量 分 类 机 ．
经网络是 一种性能优 异 的智能学 习方 法 ， 具有分 布式存 储 、 并行 处理 和 自组织等 特点 ． 泛应用 于故 障诊断领 域 ， 由 广 但
统故 障诊 断方法为 主观诊 断法 。 术员 通过采 用仪 器 ， 技 凭经 验对 故 障进 行判 断 ， 断结 果 主观性 比较 强 ， 确度 低 ］ 诊 精 。
ａ ｃ ｒｃ ｃ ｕ ａ ｙ，ａ ｄ ｗｅｌｓ ｌ ｅ ｈ ｒｎ ｉｓ ｌｅ ｇｎ ａ ｌ ｄａ ｎ ｓｓ ｎ ｌ ｏ ｖ ｓｔ ｅ ｍａ ｅ ｄ ｅ ｅ ｎ ｉ ｅ ｆｕ ｔ ｉｇ ｏ ｉ． ｉ
ＫＥ Ｗ ＯＲ ： ｉｓｌ ｎ ｉｅＦ ｕｔ ｉ ｎｓ ；ｕｐ ｒｖｃ ｒ ａ ｉｅ Ｓ Ｍ） Ｍａｉｅ Ｙ ＤＳ Ｄｅｅ ｅｇ ；ａｌｄａ ｏｉ Ｓ ｐ ｏ ｅｔ ｈｎ （ Ｖ ； ｒ ｎ ｇ ｓ ｔ ｏｍ ｎ
中 图分 类 号 ：Ｐ ０ ． Ｔ ２６ ３ 文 献 标 识 码 ： Ｂ
Ｓ ｕ ｎ Ｆａ ｔＤｉ ｇ ｓｓｏ ａ ｉ ｅ ｅ ｇ ｎ ｔ ｄｙ ｏ ｕｌ ａ ｎｏ ｉ ｆＭ ｒｎｅ Ｄｉｓ ｌＥｎ ｉ ｅ
Ｌ ａ 一ｗｅ Ｉ Ｘｉ０ ｉ
（ ｉｇ ｉ ｏ ｔ ｈ ｉ Ｃ ｌ ｇ ， ｉｇ ｉ ｅｅ ０ ４ ３ ， ｈｎ ） Ｘ ｎｔ ｌｅ ｎ ｏ ｅｅ Ｘｎｔ ｂｉ ５ ０ ５ Ｃ ｉａ ａＰ ｙｃ ｃ ｌ ａＨ
支 持 向 量 机 （ｕ ｐｒ ｖｃ ｒ ｃ ｉ ，Ｖ 是 一 种 基 于统 ｓｐ ｏ ｅｔ ｈｎ Ｓ Ｍ） ｔ ｏ ｍａ ｅ
一
２１ — ５
计学习理论机器学 习方法 ， 其基于结构化 风险最小 化原则 的 小样本学 习算法 ， 很好 地解 决 了神经 网络 的过拟 合 ， 维数 灾 以及局部最优等难题 ， 泛化推广能力 强 ， 人脸识别 、 在 语音识 别 、 写体识别领域得 到 了成功 应用 ， 手 将其 应用 于船 舶柴 油 机故障诊断从理论 上是 可行 的 ］ 。因此 本文 提 出一 种 支持
分析 ， 建立相应学 习机制 ， 获得 的状态监 测 信号进 行识别 对 和分类 ， 对故障进 行监 测 、 报 和诊断 。船 舶柴 油机故 障诊 预
断 包 括 以下 内容 ：
１ 采集船舶柴油机故 障相关特 征信 号。 ）

２ 从特征信号 中提 取与船 舶柴 油机 工作状 态 的有用 信 ）
ＡＢＳ ＴＲＡＣＴ ： ｅ ｅ ｅ ｇ ｎ ｓｃ ｍｐ ｓ ｄ ｏ ｎ ｆｓ ｂ ｙ ｔ ｍｓ ｎ ａ ｌ ｓ ｍｐ ｅ ｒ ｕ ｔ ｅ ａ ｄ ｔ ｅ ｓ ｍｐ ｅ ｒ Ｄｉｓ ｌ ｎ ｉ ｅ ｉ ｏ ｏ ｅ ｆｍａ ｙ ｏ ｕ ｓ ｓｅ ，ａ ｄ ｆ ｕｔ ａ ｌｓａ ｅ ｑ ｉ ｆｗ ｎ ｈ ａ ｌ ｓａ ｅ ｅ ｅ ｔ ｍｅｙ ｕ ｅ ｅ ｔ ｅ ｅｏ ｅ， ｒ ｄｔ ｎ ｌ ａ ｌ ｄ ａ ｎ ｓｓｍｅｈ ｄ ｂ ｓ ｄ ｏ ｒ ｅ ｎ ｍｂ ｒｏ ，ｓ ｍｐ ｅ ａ ｏ ｉｇ ｏ ｉ ｘｒ ｅ ｌ ｎ ｖ ｎ， ｈ ｒ ｆｒ ｔａ ｉ ｏ ａ ｆ ｕ ｔ ｉｇ ｏ ｉ ｉ ｔ ｏ ａ ｅ ｎ ａ ｌ ｇ ｕ ｅ ｆ ａ ｌｓｈ ｓｌ ｗ ｄ ａ ｎ ｓ ａ ｓ ａ ｃ ｒ ｃ ｆｅ ｇｎ ａｌ ｒ ｓ ｎ ｏ ｄ ｒｔ ｍｐ ｏ ｅ ｔ ｅ ｄａ ｎ ｓｓ ａ ｃ ｒ ｃ ，ｗｅ ｅ ｔｂ ｉｈ ｄ ｔｅ ｄ ｅ ｅ ｎ ｉ ｅ ｆｕ ｔｓ ｍ— ｃ ｕ ａ ｙ ｏ ｎ ｉ ｅ ｆｉ ｅ ．Ｉ ｒ ｅ ｏ ｉ ｒ ｖ ｈ ｉｇ ｏ ｉ ｃ ｕ ａ ｙ ｕ ｓａ ｌ ｅ ｈ ｉｓ ｌｅ ｇｎ ａ ｌ ａ ｓ ｐ ｅ ，ｕ ｅ ｅ ｈｅ ａ ｃ ｉａ ｕ ｐ ｒ ｖ ｃｏ ｏ ｓｒ ｃ ｈ ｉ ｓ ｌ ｎ ｉｅ ｆｕ ｔ ｉｇ ｏ ｉ ｔ ｅ ｏ ｖ ｄ ｔ ｅ ｓ ｍｐｅ ｉ ａ — ｉｓ ｓ ｄ ｔ ｉｒ ｒ ｈ ｃ ｌ ｐ ｏ ｔ ｅ ｔ ｒｔ ｃ ｎ ｔｕ ｔ ｅ ｄ ｅ ｅ ｇｎ ａ ｌ ｄ ａ ｎ ｓ ｒ ，ｓ ｌｅ ｈ ａ ｌ ｍｂ ｌ ｈ ｓ ｏ ｔ ｅ ｓ ｅ
１
ｍ ÷ １ ＋ ∑ ｉ ｐ Ｉ Ｃ
－
”
ｉ＝ １
ｆ （ （。 Ｙ（ ）
Ｓ ． ．Ｅ
）＋ｂ １一
ｒ１、
‘
Ｌ
０， ｉ ＝ １， … ， ２， ｎ
式 中， 表示系数 向量 ， 表示松驰 向量 ， 表示 内积 ， Ｃ表示 惩罚因子 ， 对泛 化能力和误分类率进行折衷处理 。 这样支持 向量机分类 问题转化 成一个 凸二次规划 问题 ， 有效的防止局部最优 的问题 出现 ， 能够获得全局最优解 。 最后获得支持 向量机分类机 的决策函数 ：
１ 引言
船舶柴油机是船舶 的心脏 。 其性能好 坏直接影 响着船舶 营运 的安全和效率 。随着 自动化技术 发展 ， 船舶 柴油机朝着
大 型 化 、 样 化 、 密 化 方 向发 展 ， 多 精 自动 化 程 度 越 来 越 高 ． 能
漏掉重大的元件故 障概率相 当大 Ｉ 。模糊 数学 法对船 舶柴 ４ ］
图 ２ 支 持 向量 机 结 构 图
对于一个二分类故 障诊断 问题 ， ｎ个训 练样 本 ： 有
，
Ｙ ） … ， ， ， ∈Ｒ ， ∈ ｛ ， ｝ 其 中 １表示 正常状 ， ｛ Ｙ ） Ｙ －１ １ ，
态 ，一１ 表示故 障状 态。为了找到支持 向量机 的最 优分类超
平面 ， 需要对一个二 次优问题进行求解 。
息， 即征兆 ， 这些 征兆作为柴油机工作状态的判断依据 。 ３ 采用故 障诊断方法根据 征兆建立故障诊 断器 ， 柴油 ） 对 机故障进行正确 诊断。 ４ 根据诊断结果找 出故 障的位置 、 ） 发生原 因和性质进 一 步分析 ， 并做 出相应决策 。 船舶柴油机 故障诊断的结构框架见 图 １ 。
求最优分类平面 ， 这样 计算 的复 杂度 没有增 加 。 时解 决 了 同
向量机 的船舶柴 油机 故障诊断方法 ， 通过支持 向量机建 立船 舶柴油机故 障诊 断器 ， 并采用具体实例对其性 能进 行验证
其它算法存在的“ 维数灾难 ” 问题 。支持 向量机 实际是 一种
２ 船舶 柴油 机故 障诊 断原 理
船舶柴油机故 障诊 断本质上是一个模 式识别 问题 。 对 是
船舶柴油机 的运行状 态是 否正常进行判 断 ． 当船 舶柴油 机发 生故 障后 ， 确定柴油机故障发生 的部 位和产 生故障原 因。对 于一个具体 柴油机系统 。 对该系统失 效形式和 故障机理 进行
特殊的神经 网络 ， 每个 中间节 点对 应一个 支 持 向量 ， 出是 输 中间节点的线性组合 ， 支持向量机结构如 图 ２所示 。
第２ 卷 第５ ９ 期
文章 编号 ：０ ６ ９ ４ （０ ２ ０ — ２５ ０ １０ — ３ ８ ２ １ ） ５ ０ １ — ４
计
算
机
仿
真
２２ 月 ０ 年５ １
船 舶 柴 油 机 故 障 诊 断 方 法 的 研 究
李 晓 伟
（ 台职 业 技 术 学 院汽 车 系 ， 北 邢 台 ０４ ３ 邢 河 ５ ０５）
故 障树分析 方 法根 据 船舶 柴 油机 系统 故 障 ， 立故 障 判断 建 树， 按树枝状逐级 细化 ， 后确 定故 障位置 。该 方 法理 论性 最 强， 技术 比较成 熟 ， 故 障树建 立困难 。 概率值难 以确 定 ， 但 且
于船舶柴 油机的系统 特性 。 障样本 少 ， 故 是一种 小样本模 式
３ 支持 向量 机
３ １ 支 持 向量 分 类 机 ．
船舶柴油机故障诊断是一种分 类问题 ， 因此本 文采用 支 持 向量分类机 。对于线性分类 问题 ， 持 向量分类 机就是 找 支
到一个超平面把正常 和故 障样本 分开 。对 于非线性 问题 ， 通 非线性 函数将其 映射 高维 空间中 ． 并在该 高维空 间进行线性
ａｅ ｎ ｅ，ａ ｄ ｆ ａ ｌ ｅ ｌ ｅ ｅｄ ｅ ｅ ｎ ｉｅ ｆｕ ｔ ｉｇ ｏ ｉ．Ｔ ｅｅ ｐ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｓ ｏ ａ ｕ ｐ ｒ ｖ ｃｏ ｃ ｉ ｅ ｎ ｎ ｌ ｒ ａｉ ｄ ｔ ｉｓ ｌｅ ｇｎ ｌ ｄ ａ ｎ ｓｓ ｈ ｘ ｅ ｉ ｙ ｚ ｈ ａ ｉ ｎ ａ ｓ ｌ ｈ ｗ ｔ ｔ ｐ ｏ ｔ ｅ ｔｒｍａ ｈｎ ｒ ｓ ｈ ｓ
经验 确定 模糊化值 ， 参数 需要 反复调 整 ， 导致船 舶柴 油机故 障准确性受到影 响。灰色关 联度故 障诊 断法 通过对 因素 间 关联程度进行分析 ， 研究 正常 与故 障状态 的关联性 ， 而确 从 定船舶柴油机 工作 状 况 ， 但是 其 只能 对 多参数 故 障识 别有