1.代码运行环境要求:TensorFlow版本>=2.4.0,python版本>=3.6.0
船舶推进系统是船舶的重要组成部分,其功能是提供动力以推动船舶前进。故障可能由多种因素引起,以下是船舶推进系统常见的故障类型:
-
发动机故障:船舶推进系统通常由内燃机、柴油机或蒸汽涡轮机等发动机驱动,故障可能包括燃料供应问题、点火问题、冷却系统故障等。
-
传动系统故障:传动系统将发动机的动力传输到螺旋桨或推进器上,常见问题包括传动带破损、传动轴断裂、齿轮损坏等。
-
螺旋桨或推进器故障:螺旋桨或推进器是转动的部件,可能会受到撞击损伤、腐蚀、脱落等问题。
-
舵机或操纵系统故障:船舶需要操纵舵以改变航向,舵机或操纵系统出现问题可能导致舵失控或舵位不准确。
-
润滑系统故障:润滑系统的故障可能导致摩擦增加,影响发动机和传动系统的正常运转。
-
冷却系统故障:冷却系统故障可能导致发动机过热,从而影响推进系统的性能。
-
燃油污染:燃油质量不良或燃油污染可能导致发动机性能下降,甚至引发发动机故障。
-
电气故障:现代船舶推进系统依赖于复杂的电气控制系统,电气故障可能导致舵机失灵、传动系统无法工作等问题。
-
系统泄漏:液压、燃油或冷却系统的泄漏可能导致系统压力不稳定或零部件受损。
2.数据集介绍(1种正常数据类型,5种故障数据类型)
每种类型下采集6种通道信号,这里以侧推失效故障数据文件夹为例,打开文件夹后有6个.mat文件,分别是6种不同通道下采集的信号
3.主要文件夹说明
data_creat.py是将每类下的6个通道信息合并在一起,并保存在.npy里面(例如,正常数据集的6个通道信息经过data_creat.py处理后,合并在normal.npy文件中。为CNN.py调用数据做好准备。CNN.py是故障诊断脚本,)
4.运行效果
测试集的混淆矩阵(以样本个数呈现)
运行效果视频:船舶推进系统故障诊断(Python代码,多通道信息融合)_哔哩哔哩_bilibili
代码和数据集压缩包
import numpy as np
import tensorflow as tf
from keras.utils import np_utils
from matplotlib import pyplot as plt
from keras import layers
from keras import models
#压缩包:https://mbd.pub/o/bread/ZJyTkphr