本文研究基于CBR的船舶故障诊断方法。用户通过应用接口在故障诊断窗口输入船舶故障征兆，推理机采用分级检索算法从案例库内搜索与所输入船舶故障征兆相近的案例。分级检索算法选取TOPSIS方法确定目标船舶故障案例所属类别，完成第一级检索；选取最近邻法和模板检索法结合，完成第二级检索方法。分级检索算法成功匹配船舶故障案例后，依据相似度阈值获取与该故障具有最高相似度的船舶故障指导案例，实现船舶故障诊断。实验结果表明，该方法可以有效诊断船舶空调系统、发动机等船舶不同部位故障，令船舶快速恢复正常运行状态。
A ship fault diagnosis method based on CBR is studied. The user inputs the ship's fault symptoms in the fault diagnosis window through the application interface, and the inference engine uses a hierarchical retrieval algorithm to search the case database for cases similar to the input ship's fault symptoms. The hierarchical retrieval algorithm selects the TOPSIS method to determine the category of the target ship failure case, and completes the first-level retrieval; selects the combination of the nearest neighbor method and the template retrieval method to complete the second-level retrieval method. After the hierarchical retrieval algorithm successfully matches the ship fault cases, it obtains the ship fault guidance cases with the highest similarity with the fault according to the similarity threshold, so as to realize the ship fault diagnosis. The experimental results show that the method can effectively diagnose the faults of different parts of the ship such as the ship's air-conditioning system and the engine, so that the ship can quickly return to normal operation.
2022,44(9): 166-169 收稿日期：2022-01-22
DOI：10.3404/j.issn.1672-7649.2022.09.035
分类号：TP182
基金项目：江苏省教育改革项目（2017JSJG315）
作者简介：王涛(1972-)，男，硕士，副教授，研究方向为船舶与海洋工程应用
参考文献：
[1] 侍磊, 周麟坤, 陈月芳, 等. 基于CBR的叶片智能化CAPP系统研究[J]. 工具技术, 2020, 54(7): 60–64
[2] 张立鹏, 毕凤荣, 程建刚, 等. 基于注意力BiGRU的机械故障诊断方法研究[J]. 振动与冲击, 2021, 40(5): 113–118
[3] 宋志坤, 徐立成, 胡晓依, 等. 基于改进型shapelets算法的动车组轴箱轴承故障诊断方法研究[J]. 仪器仪表学报, 2021, 42(2): 66–74
[4] 黄志鸿, 吴晟, 肖剑, 等. 基于引导滤波的电力设备热故障诊断方法研究[J]. 红外技术, 2021, 43(9): 910–915
[5] 何宁辉, 丁培, 马飞越, 等. 基于优化极限学习机的变压器故障诊断方法研究[J]. 电子器件, 2021, 44(4): 897–902
[6] 张西宁, 余迪, 刘书语. 基于迁移学习的小样本轴承故障诊断方法研究[J]. 西安交通大学学报, 2021, 55(10): 30–37
[7] 刘国强, 林叶锦, 张志政, 等. 基于粗糙集和优化DAG-SVM的船舶主机故障诊断方法[J]. 中国舰船研究, 2020, 15(1): 68–73
[8] 宫文峰, 陈辉, WANG Dan-wei. 基于改进LSTM-SVM的多传感器船舶旋转机械快速故障诊断方法[J]. 船舶力学, 2021, 25(9): 1239–1250
[9] 吴晨芳, 杨世锡, 黄海舟, 等. 一种基于改进的LeNet-5模型滚动轴承故障诊断方法研究[J]. 振动与冲击, 2021, 40(12): 55–61
[10] 程建刚, 毕凤荣, 张立鹏, 等. 基于多重注意力-卷积神经网络-双向门控循环单元的机械故障诊断方法研究[J]. 内燃机工程, 2021, 42(4): 77–83+92
[11] 蔡文伟, 黄键, 李伟光, 等. 基于声音信号的微型电机故障诊断方法研究[J]. 机床与液压, 2020, 48(23): 190–195
[12] 邵翥, 华艺欣, 石佳雨. 基于多模型的舵面故障诊断方法研究[J]. 飞行力学, 2020, 38(3): 24–27
