《表6 全部负荷下柴油机状态识别效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于瞬时转速和机器学习的船用柴油机健康状态评估》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于瞬时转速的柴油机健康状态评估的工程实用性在于在线识别，即故障识别方法应与负荷无关，适用于工况的变化。为了进一步研究瞬时转速监测的实用性，选取所有工况下全部样本的3/4为训练样本，1/4为测试样本，研究数据分类效果。图6所示为全部负荷下降维样本分类图。由图6可以看出：不同负荷下特征参数表现出明显的非线性，同一标签降维后特征向量分布成4个区域，代表着4种负荷，表6为状态识别效果。从表6可以看出：进行全负荷状态识别时，在柴油机做功偏差为-8.55%的轻微故障时识别率难以达到100%，其中随机森林算法对标签为1的数据即柴油机正常状态数据识别结果相对较优。对于做功偏差为-56.55%的中等故障和做功偏差为-102.83%的严重故障，不同识别算法均可达到100%识别率。