具有工作状态转换的EIIKF船舶柴油机故障预测

船舶柴油机作为大多数船舶的动力源泉，具有十分重要的地位，其健康状态直接影响了船舶的稳定运行.由于船舶柴油机具有工作环境复杂且工况多变的特点，不利于传统故障预测方法的应用.本文提出了一种增强型间歇性未知输入卡尔曼滤波器，可以有效降低建模的复杂度，应对具有不同的工作状态的参数预测.最后本文提出并使用改进的序贯概率比检验进行残差处理，减小故障误报.仿真结果表明，该方法可以较好地对船舶柴油机系统故障进行预测.     

基于分块核主成分分析和支持向量机的故障检测

针对工业系统监测数据为非线性,且难以辨识复杂工作过程中故障位置的问题,提出一种基于分块核主成分分析(BKPCA)和最小二乘支持向量机(LS-SVM)的集成故障检测方法.首先对系统监测变量进行分块,使用KPCA对每个分块在特征空间中建立T2和平方预测误差(SPE)统计量来实时监测系统健康状态,并使用LS-SVM对上述过程检测出来的故障数据进行再次判断.随后计算出现故障后计算每一分块的故障贡献率,进而确定发生故障的分块.由于采用了并行分块算法,可以较简单的确定故障发生位置,提高计算效率,同时LS-SVM方法的应用也可以提升故障检测的精度.使用田纳西-伊斯曼化工(TE)过程数据对本文所提方法进行仿真验证,试验结果表明所提方法取得了较好效果.