船用离心泵故障SOM网络诊断方法

为了实现对船用离心泵的实时在线智能故障诊断,进行了基于SOM网络(自组织特征映射神经网络)的船用离心泵故障诊断方法研究.在分析船用离心泵典型故障及特征的基础上,建立故障模型,提取故障特征向量并建立学习样本;设计和组建了SOM神经网络,将SOM网络的抽取输入信号模式特征的能力应用于故障诊断;通过网络训练建立了 SOM网络输入与输出属性间良好的非线性映射,实现了将特征向量输入网络来诊断故障.经实验验证,该方法具有良好的准确度和适应性.     

基于小波SOM神经网络和多Agent系统的微电网故障诊断方法

针对利用传统神经网络对具有运行方式灵活、拓扑结构多样等特点的微电网系统进行故障诊断存在适应性差、需要大量的训练样本的问题,提出了一种将多Agent系统与小波SOM神经网络相结合的故障诊断方法。该方法利用小波SOM神经网络判断故障原因,通过多Agent系统判断故障位置,可以在较少的训练样本的基础上实现故障的准确诊断。仿真测试结构验证了论文所述微电网故障诊断方法的有效性,以及具有需要典型的故障样本少以及对微电网系统拓扑结构的变化具有很好的适应性的优点。     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

基于SOM神经网络的船舶分油机故障诊断研究

为了实现对船舶分油机故障的智能诊断,提出一种基于SOM神经网络的诊断方法。首先,在分析分油机典型故障及特征参数的基础上,提取故障特征向量并建立学习样本。其次,建立了SOM网络模型,通过样本数据集进行训练,获取了输入与输出间的非线性映射。最后将建立的SOM网络应用于分油机的故障分类和诊断。实验验证表明:该方法诊断准确度高和对不同故障识别的适应性强,是一种可行有效的分油机故障智能诊断方法。     

舰船电力推进系统故障诊断技术研究

本文阐述了舰船电力推进系统故障诊断技术研究的工作,建立了电力推进系统故障诊断基础模型,运用仿真技术为系统设计提供了参考和试验环境,采用神经网络算法获取新知识以提高对未知故障的诊断能力,并设计了基于专家系统的电力推进系统的故障诊断系统,它能使故障诊断更准确和快速。通过故障诊断技术的引入,可以很大程度地提升电力推进系统的可靠性,使系统维修更加方便。     

燃气轮机混合智能故障诊断专家系统

该文针对燃气轮机的状态监测和故障诊断问题。在单一故障诊断方法无法获得较为满意的诊断结果的情况下,提出了综合利用算法诊断、规则诊断和模型诊断等方法的混合智能诊断方法,根据系统故障诊断过程在不同状态下所具有的特点和任务,利用神经网络、规则推理和建立诊断数学模型等方法来有效的完成诊断任务。     

基于模糊神经网络的船舶机电故障诊断分析

船舶机电故障诊断影响着船舶航行安全,关系着人类的生命财产安全。文章提出应用模糊神经网络对船舶机电故障进行诊断。模糊神经网络融合了模糊理论和神经网络的优点,可自适应从学习样本数据中提取故障模型,根据采集的样本训练出模糊神经网络的连接矩阵,再合成单个联想记忆网络,最终实现实时故障诊断。以某船舶发电机转子系统的监测数据为例,证明了此法的有效性,可广泛推广。     

基于FNN的船舶舵伺服系统故障诊断研究

分析某型船舶舵伺服系统的故障信息,建立了模糊神经网络故障诊断模型.利用模糊逻辑处理数据以便于充分利用经验知识;利用神经网络诊断,避免了复杂故障树诊断系统的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,并采用改进的BP算法训练神经网络,解决了收敛速度和收敛振荡的问题.诊断实例结果表明:该故障诊断系统具有较强的鲁棒性和泛化能力;该算法采用无模型化诊断,容易实现自学习,可不断完善系统性能,具有一定的理论和工程应用价值.     

船舶电力系统的模糊故障诊断

人工神经网络被广泛应用于故障诊断与分析过程,然而在船舶电力系统的应用环境中,通常会出现多种故障并发的情况,因此单一的神经网络无法完成复杂的、多种类的故障分析与诊断,难以应用于船舶电力系统。同时,采用单神经网络时,多种电力系统故障的数据训练也会造成较大的工作量,从而进一步降低可用性。为了解决以上问题,本文提出一种多层模糊神经网络方法对船舶电力系统进行诊断和分析。该方法采用多层人工神经网络,不但扩展了故障诊断系统适用的故障类型,更提高了数据处理的效率,提升故障诊断的准确性。仿真和实验表明,本文提出的方法具有较好的实用性。     

船舶柴油机机械磨损故障诊断方法

柴油机是船舶运行最重要的动力装置之一,经过长年累月的运转,磨损故障经常发生,影响船舶的正常行驶。针对上述问题,提出一种神经网络机械磨损故障诊断方法。设计了与之相适应的BP网络结构,在此基础上建立了一个BP神经网络模型,并给出了一种BP神经网络学习算法,用来调整网络学习速率。柴油机机械磨损故障诊断实例结果表明:利用BP神经网络诊断出船舶柴油机磨损故障与实际诊断结果一致,准确率高达80%以上。     

船舶柴油机故障远程诊断系统研究

为解决船舶柴油机运行中故障诊断与处理问题,在分析系统总体结构的基础上,提出了用RBF神经网络作为本地故障诊断系统,用IEEE802．3方案组网作为远程诊断中心局域网,用Internet中TCP/IP作为系统网络传输协议,用JAVA技术作为通讯接口的方法,建立了船舶柴油机远程故障诊断系统。结果表明,该系统技术成熟,具有广泛应用前景。     

船舶动力装置凝给水系统故障诊断半实物仿真试验系统研究

讨论了船舶动力装置凝给水系统的故障机理、故障模式和故障诊断方法,着重介绍了故障诊断半实物仿真试验系统的软、硬件设计.该仿真试验系统采用神经网络和规则诊断相结合的复合诊断方法,软件采用VC6.0与MATLAB6.5混合编程,通过半实物故障仿真平台,实现在线仿真和试验.     

船舶柴油机故障诊断系统知识库柔性设计

介绍了船舶柴油机故障诊断系统实现知识库柔性设计的一种解决方案.系统采用船舶综合监控系统服务器基础数据库上的热工参数,通过神经网络技术实现对柴油机的运行状态进行自动实时诊断.诊断所用的故障知识保存在客户端知识库上,对用户开放,当故障模型发生变化时,只需做简单的知识库更新,而无需对主程序做任何修改,便于系统功能扩展.另外,诊断软件提供了灵活的界面用于处理神经网络的权值阈值.实际应用表明,诊断系统具有很大柔性,能处理不同的故障模型,针对不同诊断对象适应性强.     

基于模糊神经网络的船用锂电池故障诊断的研究

本文针对锂电池组成的船舶储能系统,分析锂电池的故障模式和表现特征,建立基于模糊神经网络锂电池组故障诊断模型,通过实验数据进行模型训练并进行仿真。仿真结果证明所提出的模型的正确性,实现锂电池的故障预警,提高系统运行稳定性。     

基于数据挖掘的船舶主机故障远程诊断系统设计

如果船舶的主发动机不能正常的工作,船舶的安全航行就难以保证。传统的故障诊断系统主要依靠船员的经验来分析每台设备的参数并推断出故障的类型。该方法精度低,成本高,无实时性。为解决这一问题,基于数据挖掘技术设计了一种新型船用柴油机故障诊断优化系统。本文将数据挖掘技术应用故障诊断,利用算法上的高效,包括VSM算法和关联规则,建立远程船舶主机故障诊断系统,对主机的运营进行实时动态的仿真。对发动机各子系统运行状态的实时监控可以与整个船用柴油机的故障特征相结合。     

利用复合神经网络进行柴油机故障诊断

在对ART-2和并行BP人工神经网络模型进行分析的基础上,提出了一种针对大型复杂设备进行故障诊断的复合神经网络诊断策略:先运用ART-2识別单一类故障,再使用并行BP网络实现并发故障和新故障的分离,解决了对复杂设备并发故障诊断和新故障都能有效识別的问题。该模型利用柴油机缸盖振动数据进行诊断验证,能够有效识別并发故障和新故障等复杂故障类型。     

基于分布式模糊神经网络的船舶机电故障诊断

为了更好地保障船舶航行安全,及时准确地对船舶机电设备进行监测分析,修理出现的故障,提出了一种基于分布式模糊神经网络的船舶大型机电设备故障诊断的方法.该方法融合了模糊理论和神经网络各自的优点,能自适应从学习样本数据中提取故障模型,能实时地进行故障诊断,且网络结构简单,训练速度快,准确率高.通过对某船转子系统的故障诊断实验,证明了此法的有效性和优越性.对于大型的复杂设备,基于分布式模糊神经网络的故障诊断方法优势明显,具有很好的应用前景.     

分形技术与概率神经网络在船舶柴油机故障诊断中的应用

船舶自动化程度的提高对能源的需求也日益增长,而船舶的柴油机系统作为能源的主要来源,其重要性也越来越明显。为提高柴油机的稳定性能,降低故障发生率,本文提出一种基于分形技术和神经网络算法的故障诊断模型。该模型中的分形理论能够甄别出故障的非线性特征,精确锁定故障的来源;然后利用神经网络算法对柴油机故障的诊断进行深度训练。最后利用LabVIEW仿真平台和Matlab软件进行故障诊断能力仿真验证,本文提出的综合诊断方法能够有效识别故障来源和类型。     

神经网络在船舶电力推进系统故障诊断中的应用

船舶电力推进系统目前成为船舶推进系统的主流选择,电力推进系统对于保障船舶的安全稳定运行具有重要意义。因此,对采用电力推进系统的船舶进行电力推进系统故障诊断,成为船舶日常维护的一项重要工作。本文对船舶电力推进系统故障诊断系统进行研究,在Simulink环境下搭建故障诊断模型,并将BP神经网络应用于诊断系统,对电力推进系统的故障学习和诊断能力进行仿真。结果表明,该故障诊断系统可以提高网络的学习速度和诊断效果,具有很好的故障诊断能力,可以满足船舶电力推进系统的性能要求。     

基于随机森林算法的船舶电站故障诊断

针对船舶电站故障诊断中常用的BP神经网络算法存在的收敛速度慢和诊断准确率不高等问题,提出一种基于随机森林算法的船舶电站诊断模型。在Simulink软件中搭建船舶电站故障模型,通过在Simulink中仿真得到船舶电站故障数据,分析基于随机森林算法的船舶电站故障诊断原理。在MATLAB软件中分别建立基于随机森林算法和BP神经网络算法的船舶电站故障诊断模型,并对二者的故障诊断结果进行对比分析。结果表明,基于随机森林算法的诊断模型相比基于BP神经网络的诊断模型,能显著提高船舶电站故障诊断的效率和准确率。