基于TREE-LSTM算法的船舶汽轮机组变负荷故障诊断

针对船舶汽轮机组变负荷过程故障诊断中的耦合参数时序特征难以捕捉以及正常参数变动的干扰等问题,引入TREE-LSTM神经网络模型以实现复杂非线性系统动态数据分类。首先建立某船舶汽轮机组仿真模型,分析并进行故障仿真;随后进行数据预处理与特征工程;最后训练TREE-LSTM模型进行故障诊断,并与SVM、LSTM等模型进行比较。TREE-LSTM模型对于船舶汽轮机组变负荷过程的故障诊断正确率为98.7%,正确率最高。由于引入时间序列与复杂神经网络拓扑结构,TREE-LSTM在处理非线性系统动态数据分类问题时效果更好。