本发明涉及故障诊断领域，尤其涉及一种基于优化深度混合核极限学习机的船舶柴油机故障诊断方法、装置、设备和介质。
背景技术：
1、目前，针对船舶柴油机故障诊断的方法主要有基于专家系统的故障诊断方法、油液分析法、振动分析法、基于神经网络的故障诊断方法。
2、其中，基于专家系统的故障诊断方法是人们根据长期的实践经验和大量故障信息知识设计出的智能计算机系统，内部整合了大量的船舶柴油机领域专家的故障诊断知识与经验，能够利用已有的专家的故障诊断知识进行故障分析定位；其中，油液分析法是综合利用油品化验、铁谱分析、含铁量检查,通过对润滑油中磨粒浓度、磨粒形状及大小的变化、油质的变化、含铁量的变化进行整体磨损状态分析，来判断柴油机的磨损状态及故障状态；其中，振动分析法是利用船舶柴油机在工作时产生的振动信号，经测试、数据分析及处理，对内部零部件的状态进行诊断的方法。通过机体表面振动信号来识别柴油机气缸内的压力示功图，用瞬时转速推算缸内压力变化，利用时频分析、小波分析等新的信号分析与处理方法来处理柴油机表面振动信号；其中，基于神经网络的故障诊断技术,就是通过对故障实例和诊断经验的训练学习，用分布在网络内部的连接权值来表达所学习的故障诊断知识的技术,它具有对故障模式的联想记忆、模式匹配和相似归纳能力,从而实现故障与征兆之间复杂的非线性映射关系。
3、但是，基于专家经验的故障诊断方法的有效性和可靠性下降。专家知识获取困难；缺乏有效的不确定性推理方法；且自学能力差；对于复杂系统，其知识库的构成复杂，推理效率低。油液分析法和振动分析法是传统的故障诊断方法，油液分析法所用到光谱分析和铁谱分析技术存在速度慢，分析判断和识别依赖经验的问题，不能够实时在线监测。振动分析法能够诊断的故障类型有限。基于神经网络的故障诊断方法相较于上述方法诊断效果更好，但是在当利用浅层网络进行故障诊断时，对故障数据特征的发掘能力有限，往往需要借助其他方法来完成特征提取，增加了算法的复杂度，降低了算法的整体性。尤其是传统的深度学习算法参数选取困难、训练速度慢。深度学习中网络层数的增加导致算法需要训练调整的参数也随之增加，选择合适的参数对深度学习算法的性能影响很大，传统的训练方法存在速度慢的缺点。
技术实现思路
1、本发明提供一种基于优化深度混合核极限学习机的船舶柴油机故障诊断方法、装置、设备和介质。
2、第一方面，本发明提供了一种基于优化深度混合核极限学习机的船舶柴油机故障诊断方法，利用深度混合核极限学习机进行船舶柴油机故障诊断，所述深度混合核极限学习机包括深度极限学习机和混合核极限学习机，所述诊断方法包括：步骤110，将待检测数据输入所述深度极限学习机进行特征提取，得到特征矩阵；步骤120，将所述特征矩阵输入混合核极限学习机进行分类，得到船舶柴油机状态。
3、进一步地，所述待检测数据包括船舶柴油机的柴油机功率、平均有效压力、最高爆发压力、耗油率、增压器出口压力、增压器出口温度、空冷器出口压力、空冷器出口温度、排气总管压力、排气总管温度、涡轮后排气温度和压力升高率。
4、进一步地，所述深度混合核极限学习机的训练过程：步骤210，采集船舶柴油机运行数据；步骤220，对采集的数据进行归一化处理，得到数据集；步骤230，利用改进的人工生态系统优化算法进行第一超参数寻优，根据所述第一超参数、随机选的第二超参数和数据集训练深度混合核极限学习机，得到训练好的深度混合核极限学习机。
5、进一步地，所述深度极限学习机中的第一超参数包括正则化，所述混合核极限学习机中的第一超参数包括多项式系数d、核参数σ、系数λ。
6、进一步地，所述第二超参数包括深度极限学习机每层的权值w和偏置b。
7、进一步地，步骤230包括：步骤231，初始化第一超参数，根据所述初始化第一超参数、随机选的第二超参数和所述数据集训练深度混合核极限学习机，根据训练结果和预设的适应度函数计算对应初始化第一超参数的适应度值和/或第二超参数的适应度值，根据适应度值记录所述初始化第一超参数的最优解和/或第二超参数的最优解；步骤232，对所述初始化第一超参数进行爆炸和高斯变异操作，得到更新后的第一超参数，根据更新后的第一超参数、随机选的第二超参数和数据集训练深度混合核极限学习机，根据训练结果和预设的适应度函数再次确定对应更新后的第一超参数的适应度值和/或第二超参数的适应度值，并根据适应度值记录当前第一超参数的最优解和/或第二超参数的最优解；步骤233，迭代循环步骤232到预设的最大迭代次数，根据当前记录的第一超参数的最优解和/或第二超参数的最优解设置深度混合核极限学习机，得到训练好的深度混合核极限学习机。
8、进一步地，步骤231还包括：设置爆炸火花的最大和最小个数、高斯火花个数、火花数、爆炸半径常数、高斯变异概率、初始化个体数和最大迭代次数，用于对第一超参数进行爆炸和高斯变异操作，和/或，根据预设约束条件初始化第一超参数，所述约束条件包括：正则化系数c和核参数σ的搜索范围设为[0.01,100]，多项式系数d的搜索范围为[1,10]，系数λ的搜索范围为[0.01,1]。
9、第二方面，本发明还提供了一种基于优化深度混合核极限学习机的船舶柴油机故障诊断装置，利用深度混合核极限学习机进行船舶柴油机故障诊断，所述深度混合核极限学习机包括深度极限学习机和混合核极限学习机，包括：第一处理装置，用于将待检测数据输入所述深度极限学习机进行特征提取，得到特征矩阵；第二处理装置，用于将所述特征矩阵输入混合核极限学习机进行分类，得到船舶柴油机状态。
10、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于优化深度混合核极限学习机的船舶柴油机故障诊断方法的步骤。
11、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于优化深度混合核极限学习机的船舶柴油机故障诊断方法的步骤。
12、第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于优化深度混合核极限学习机的船舶柴油机故障诊断方法的步骤。
13、本发明提供的一种基于优化深度混合核极限学习机的船舶柴油机故障诊断方法、装置、设备和介质，具有以下有益效果：
14、1、解决故障诊断模型计算复杂度高及分类泛化能力差的问题；
15、2、提高到船舶柴油机状态的检测效率和检测准确性；
16、3、在线实现船舶柴油机喷油提前、喷油滞后、增压器效率下降、空冷器效率下降的分类监测。
1.一种基于优化深度混合核极限学习机的船舶柴油机故障诊断方法，其特征在于，所述诊断方法利用深度混合核极限学习机进行船舶柴油机故障诊断，所述深度混合核极限学习机包括深度极限学习机和混合核极限学习机，所述诊断方法包括：
2.根据权利要求1所述的基于优化深度混合核极限学习机的船舶柴油机故障诊断方法，其特征在于，所述待检测数据包括船舶柴油机的柴油机功率、平均有效压力、最高爆发压力、耗油率、增压器出口压力、增压器出口温度、空冷器出口压力、空冷器出口温度、排气总管压力、排气总管温度、涡轮后排气温度和压力升高率。
3.根据权利要求1所述的基于优化深度混合核极限学习机的船舶柴油机故障诊断方法，其特征在于，所述深度混合核极限学习机的训练过程：
4.根据权利要求3所述的基于优化深度混合核极限学习机的船舶柴油机故障诊断方法，其特征在于，所述深度极限学习机中的第一超参数包括正则化系数c，所述混合核极限学习机中的第一超参数包括多项式系数d、核参数σ、系数λ。
5.根据权利要求4所述的基于优化深度混合核极限学习机的船舶柴油机故障诊断方法，其特征在于，所述第二超参数包括深度极限学习机每层的权值w和偏置b。
6.根据权利要求4所述的基于优化深度混合核极限学习机的船舶柴油机故障诊断方法，其特征在于，步骤230包括：
7.根据权利要求6所述的基于优化深度混合核极限学习机的船舶柴油机故障诊断方法，其特征在于，步骤231还包括：
8.一种基于优化深度混合核极限学习机的船舶柴油机故障诊断装置，其特征在于，利用深度混合核极限学习机进行船舶柴油机故障诊断，所述深度混合核极限学习机包括深度极限学习机和混合核极限学习机，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的基于优化深度混合核极限学习机的船舶柴油机故障诊断方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于优化深度混合核极限学习机的船舶柴油机故障诊断方法的步骤。
