论文部分内容阅读
船舶的正常运行有赖于智能缺陷故障的诊断和识别能力.此次研究提出基于关联规则算法的船舶故障智能诊断方法,利用频繁项集更新策略改进经典Apriori算法,通过时间序列模式和BP神经网络完成故障数据挖掘和分类以实现故障智能诊断.算法性能测试发现改进后的Apriori算法的运行效率提高48.26％,船舶油机排气温度过高和气门漏气两者的关系最为密切,其支持度和置信度分别为53.333 3％和94.117 6％.新的船舶故障诊断方法对故障分类的准确性提高约20％,节省故障分类时间约4分钟.