[发明专利]一种船舶机械运行模式的判定方法

说明书

本发明提供一种船舶机械运行模式的判定方法。本发明方法，包括：获取数据集，并提取出训练集和测试集；对数据集中的数据进行预处理；采用优化后的支持向量机对预处理后的训练集数据进行训练，得到训练模型；采用得到的训练模型来预测测试集的分类标签，如果测试集的预测效果达到预期则用于实船，如果效果不理想则增加优化算法的迭代次数，直到效果达到预期。本发明方法可以有效的判定船舶机械当前的运行模式，方便船上人员进行操作，提高船舶机械设备管理效率，延长船舶机械的寿命，降低管理成本。

技术领域

本发明涉及船舶机械设备监控技术领域，具体而言，尤其涉及一种船舶机械运行模式的判定方法。

背景技术

随着船舶智能化和无人化的发展，远程及岸基遥控船舶的机械将成为热点和难点。在不同的海况和航线规划条件下，船舶及其设备的运行模式也不同，在实施遥控操作前，感知和判别船舶机械设备的运行模式，才能实现对船舶机械的可靠操作。但目前没有船舶机械运行模式精准的判定方法，所以设计一种能精准判定船舶机械运行模式的方法尤为重要。

现有的解决方法有使用BP神经网络进行分类、使用未优化的支持向量机进行分类等。然而BP神经网络虽然泛化能力以及容错能力较强，但存在局部极小化、收敛速度慢、应用实例与网络规模的矛盾以及BP神经网络结构选择不一等问题。而未优化的支持向量机的预测准确率较低。

发明内容

根据上述提出的技术问题，而提供一种船舶机械运行模式的判定方法。本发明首先需要从已有的船舶机械设备的每个运行状态中的参数里把训练集以及测试集提取出来，之后进行一定的预处理，之后用优化之后的支持向量机对其进行训练，使用最后得到的模型来预测测试集的分类标签，如果测试集的预测效果达到预期则用于实船，如果效果不理想则增加优化算法的迭代次数，直到效果达到预期。

本发明采用的技术手段如下：

一种船舶机械运行模式的判定方法，包括如下步骤：

S1、获取数据集，并提取出训练集和测试集；

S2、对数据集中的数据进行预处理；

S3、采用优化后的支持向量机对预处理后的训练集数据进行训练，得到训练模型；

S4、采用得到的训练模型来预测测试集的分类标签，如果测试集的预测效果达到预期则用于实船，如果效果不理想则增加优化算法的迭代次数，直到效果达到预期。

进一步地，所述步骤S1中，获取数据集，并提取出训练集和测试集，具体为：

获取已有的船舶机械设备的每个运行状态中的参数；

在所述参数中提取训练集以及测试集。

进一步地，所述步骤S2中，对数据集中的数据进行预处理，具体为：

对训练集和测试集进行归一化预处理，将数据映射到0～1范围之内处理；其中，采用的归一化映射如下：

上式中，y、x分别表示数据归一化前后的值，x_min、x_max分别表示数据集中的最小、最大值。

进一步地，所述步骤S3中，采用优化后的支持向量机对预处理后的训练集数据进行训练，得到训练模型，具体为：

S31、构建麻雀种群，如下：

其中，d表示待优化问题的维数，n表示麻雀种群的数量；

S32、将所有麻雀种群的适应度函数表示成如下形式：

其中，f表示适应度值；