文章标题：基于SVM-BP集成学习的舰船蒸汽动力系统故障诊断

文章作者：郑鑫^1,2, 陈辉^1,2, 管聪^1,2, 王瑞涵^1,2
关 键 字：支持向量机;BP神经网络;集成学习;故障诊断;蒸汽动力系统
文章摘要：传统故障诊断算法用于舰船蒸汽动力系统非均衡类样本问题存在准确率低且误分类的情况，本文提出一种基于支持向量机-BP神经网络集成学习的故障诊断模型。使用主层次分析法降低原始数据集的特征维度以改善数据量之间的冗余问题，然后设计3个并行的支持向量机分类器进行故障诊断，将分类器的结果数据融合作为BP神经网络的输入，进行二次诊断，得到最终的结果。用仿真平台采集的样本数据进行验证并重复运行30次获取结果，最终模型平均召回率为84%、平均准确率为95.04%。对比传统诊断算法及常用集成算法，该方法的准确率以及少数类样本的召回率明显高于其他诊断方法。