Chinese Journal of Ship Research, Volume. 17, Issue 5, 289(2022)
Fault diagnosis of marine diesel engines based on graph convolutional network under unbalanced datasets
Figures & Tables(15)
![[in Chinese]](/Images/icon/loading.gif){kind=icon}
Table 1. The technical parameters of 7K98MC two-stroke marine diesel engine
View tableView in ArticleTable 1. The technical parameters of 7K98MC two-stroke marine diesel engine
技术指标 数值 缸径/mm 980 行程/mm 2 660 活塞面积/m2 0.754 3 整机重量/t 2 100 最大功率/kW 40 055 柴油机最大额定转速/(r·min−1) 94 气缸最大平均指示压力/bar 18.2 气缸最高爆发压力/bar 140.1 涡轮增压器 3×TPL85-B11 发火顺序 1−7−2−5−4−3−6
Table 2. Simulation dataset（case-1）
View tableView in ArticleTable 2. Simulation dataset（case-1）
柴油机工况 特征个数 样本数据总量 训练样本 测试样本 正常工况（G1） 15 1 000 700 300 压缩机故障（G2） 15 300 30 270 空冷机故障（G3） 15 200 20 180 喷油定时错误（G4） 15 200 20 180
Table 3. Precision rates and recall rates of different classifiers（case-1）
View tableView in ArticleTable 3. Precision rates and recall rates of different classifiers（case-1）
分类器 精确率 召回率 G1 G2 G3 G4 G1 G2 G3 G4 SVM 0.98 0.77 0.77 0.46 0.97 0.81 0.71 0.33 BPNN 0.99 0.76 0.83 0.50 0.96 0.81 0.75 0.35 RF 1 0.77 0.87 0.51 1 0.83 0.78 0.55 SMOTE-SVM 1 0.78 0.79 0.78 1 0.77 0.78 0.73 SMOTE-BPNN 1 0.83 0.88 0.77 1 0.88 0.83 0.75 SMOTE-RF 1 0.85 0.88 0.82 1 0.87 0.81 0.81 本文GCN 1 0.92 1 1 1 1 0.96 1
Table 4. Precision rates of different classifiers（case-2）
View tableView in ArticleTable 4. Precision rates of different classifiers（case-2）
柴油机工况 训练集样本数据量 单缸失火（G1） 28 喷油时间异常（G2） 35 针阀磨损（G3） 87 活塞环磨损（G4） 102 排气阀漏气（G5） 89 空气滤清堵塞（G6） 87 正常工况（G7） 1 848
Table 5. Statistical parameters of vibration signals in time and frequency domains
View tableView in ArticleTable 5. Statistical parameters of vibration signals in time and frequency domains
序号 特征值 序号 特征值 序号 特征值 1 均值 10 波形指标 19 幅值极差 2 均方根值 11 峰值指标 20 功率谱方差指标 3 方根幅值 12 脉冲指标 21 幅值最大值 4 偏度 13 裕度指标 22 谱原点矩 5 峭度 14 偏度指标 23 功率谱重心指标 6 方差 15 峭度指标 24 平均幅值 7 最大值 16 均值频率 25 功率谱方差 8 最小值 17 频率中心 26 相关因子 9 峰值 18 幅值最小值 27 谐波因子
Table 6. The average accuracy under different activation functions
View tableView in ArticleTable 6. The average accuracy under different activation functions
序号 第1层 第2层 平均准确率 1 Sigmoid Sigmoid 0.924 2 2 Tanh Tanh 0.925 1 3 ReLU ReLU 0.945 8 4 Tanh ReLU 0.947 5 5 Sigmoid ReLU 0.935 2 6 Tanh Sigmoid 0.934 8
Table 7. Parameter setting of GCN
View tableView in ArticleTable 7. Parameter setting of GCN
网络结构参数 参数设置 隐含层层数/个 2 输入层神经元个数/个 27 隐含层神经元个数/个 {64,38} 输出层神经元个数/个 5 激活函数 {Tanh，ReLU} 随机失活 [0.25，0.25] 学习率 0.01 优化器 Adam 损失函数 交叉熵损失函数
Table 8. Classification results of different classifiers
View tableView in ArticleTable 8. Classification results of different classifiers
模型 召回率 精确率 准确率 SVM 0.522 0.417 0.413 BPNN 0.842 0.838 0.843 RF 0.893 0.889 0.886 CNN 0.783 0.782 0.775 GCN 0.952 0.945 0.947
Tools
Get Citation
Copy Citation Text
Ruihan WANG, Hui CHEN, Cong GUAN, Mengzhuo HUANG. Fault diagnosis of marine diesel engines based on graph convolutional network under unbalanced datasets[J]. Chinese Journal of Ship Research, 2022, 17(5): 289
Paper Information
Category: Marine Machinery, Electrical Equipment and Automation
Received: Apr. 17, 2022
Accepted: --
Published Online: Mar. 26, 2025
The Author Email:
© Copyright 2018-2021 | Chinese Laser Press.
All Rights Reserved 沪ICP备15018463号-20