基于ARIMA-KF模型的船舶系统设备状态参数预测

摘要：

针对目前大多数预测模型在船舶智能运维领域应用过程中存在的预测精度偏低、模型不易构建等问题,提出了自回归积分滑动平均模型(auto-regressive integrated moving-average model,ARIMA)和卡尔曼滤波(Kalman filter,KF)相结合的船舶系统设备状态参数组合预测模型——ARIMA-KF模型.该模型首先构建了ARIMA单步和多步预测模型;然后利用KF算法对ARIMA预测模型参数值进行寻优,得到ARIMA-KF组合预测模型;最后,基于组合模型对船舶海水冷却系统状态参数进行预测,将预测值与实船获取的实际值进行对比及误差分析.结果表明,采用基于ARIMA-KF组合模型比单一的ARIMA模型预测精度提高3％左右.研究结果对船舶系统设备的健康管理和视情维修具有一定的指导意义.

关键词：智能运维;组合模型;状态参数预测;卡尔曼滤波

所属期刊栏目：21

分类号：U664.81(船舶工程)

资助基金：高技术船舶科研资助项目;国家重点研发计划;中央高校基本科研业务费专项

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：15255-15261