文章标题：多源数据融合与机器学习的舰船设备故障预警

文章作者：卫昆¹, 郭红艳²
关 键 字：多源数据融合;机器学习;舰船设备;故障预警
文章摘要：为适应舰船设备多源数据异构性与工况动态性，提出多源数据融合与机器学习的舰船设备故障预警方法。部署振动、温度、压力及转速传感器，构建分布式采集网络，考虑节点能耗实现三维空间传感器部署，采用嵌入式学习技术，通过线性判别变量调整多源数据权重，以融合多源数据，结合长短期记忆网络特征编码器与Softmax分类器，提取时序多源数据动态特征，实现舰船设备故障分类与预警。实验证明，该方法在线性判别变量取值为1时实现最优数据融合，在正常、恶劣海况及长时间运行工况下，主机、轴系、泵组设备融合数据质量分别达93.53%、95.26%、91.08%，预警时间裕度最高达52.18 s，特征分离度达91.44%，能够实现高精度、高可靠性故障预警，为船舶安全运行提供关键技术支撑。