基于BP神经网络的复杂布局管道泄漏检测研究

对基于BP神经网络的复杂布局管道泄漏检测与定位进行研究,确定实验方案和研究内容,介绍BP神经网络的输入参数、训练目标和隐含层节点个数,阐述基于BP神经网络的复杂管道泄漏检测研究。研究表明：用BP神经网络来预测复杂管道发生泄漏后的泄漏量大小是完全可行的;用其对是否发生泄漏进行状态辨识,则还要进行数据的二次处理;由于训练样本过少,用BP网络进行泄漏定位时会产生较大的误差,建议增加训练样本数,从而提高泄漏定位精度。     

基于DAE-iForest的燃气轮机排气温度异常检测

通过燃气轮机排气温度对燃烧室及涡轮前几级叶片等高温部件开展异常检测,早期可靠的检测异常对确保燃气轮机高效运行至关重要。随着机器学习的广泛应用,数据驱动的状态监测方法已经越来越流行。针对故障数据缺失场景下的的燃气轮机排气温度分布异常检测问题,使用深度自编码器（Deep Autoencoder,DAE）学习特征,并采用隔离森林（isolated Forset,iForset）学习特征数据的正常信息,从而实现异常检测。与其他单分类的异常检测方法对比,该方法具有最佳的检测性能指标,能实现有效灵敏的燃气轮机排气温度异常检测。     

船用抗性排气熄火消声器的声学特性

采用Actran Vibroacoustic振动声学软件为消声器创建有限元仿真模型,以排气噪声的实际测量声压值作为输入激励,更准确地仿真排气消声的声学特性,并分析排气流速、温度对噪声衰减的影响,阐述气流速度、温度和声源类型对消声器消声性能和压力损失的影响。依据仿真模拟结果获取排气消声器内部的主要声共振频率,分析比较不同几何参数消声器的声压值和插入损失,进一步优化消声器的几何参数及方案。通过试验测量来评估验证排气消声器的消声性能。研究表明：这种抗性排气熄火消声器可有效减小发动机的噪声排放,降低油耗,提高船舶的行驶安全,其分析方法及验证方法稳健可靠。     

热电偶在船舶上的使用与维护

排气温度是衡量主机运行的可靠性和经济性的重要参数之一。在工程实践中，通常采用热电偶来检测主机的排气温度。     

关于船舶主机排气温度高的几个主要原因

柴油机的排气温度是其运行的一个极其重要的参数.排气温度各缸普遍偏高或单缸排气温度偏高的原因较多,其主要原因有如下几项,望同行共同探讨.     

基于神经元网络的钻杆热处理温度信号校正

神经网络是非线性系统建模的重要方法。反向传播（BP）算法常常用于神经网络的权值训练中，但是BP算法收敛慢。为此，将非线性最小二乘法用于前馈神经网络的权值学习。采用这一建模方法对石油钻杆在热处理中的温度测量偏差进行校正。研究结果表明，该方法具有很快的收敛速度和很好的拟合精度，适用于工业过程中测量信号的在线校正。     

BP神经网络对船舶远程监控系统的改进分析

为了满足公司对于远洋船舶更加有效监控的要求,应用BP神经网络对监控系统加以改进,使船舶远程监控系统发出预警信号,并能在船舶上报警.此时,相应参数识别码也能够第一时间到达岸上公司,岸上公司即能在最佳时间协助船舶对设备进行维修.BP神经网络在远程监控系统的应用分析过程中,以6缸柴油主机排气温度变化趋势为模型,利用BP神经网络良好的学习特性,建立了排气温度变化的持续升高预警模型及其他非预警模型.分析表明,此种方法适用于远洋船舶的远程故障监测及船舶系统故障预测.     

基于油耗率的船用低速柴油机燃烧故障诊断

以BW 6S35ME-B9型船用低速二冲程柴油机为研究对象,在已搭建柴油机试验平台上展开试验并在线监控采集其状态特征参数,如缸内压力、扭矩、排气温度、缸套冷却水温度、油耗总量和油耗率等,为故障的诊断排除提供有效依据。研究结果表明:基于多个柴油机状态特征参数诊断6号缸高压油泵出口燃油泄漏,有效地提高诊断工作的效率,尤其是船舶柴油机燃油消耗率监控在船上的应用,有效简化诊断过程以提高故障诊断和排除效率。研究内容对未来船舶智能故障诊断有着重要的指导意义。     

航标灯闪光状态下的有效光强测量

精准测量航标灯节奏光的有效光强,是航标灯技术管理的重要内容.概述了航标灯闪光有效光强检测的现状及其存在的问题,论述了航标灯在闪光状态下检测其有效光强的必要性,提出了在闪光状态下直接对航标灯闪光光强进行测量的方法,分析了所涉及的关键技术问题,逐一进行研究,并给出技术结论.这一方法对于提高我国航标灯闪光有效光强检测能力具有...     

两相流排气压力脉动的实验研究分析

本文对特种发动机一摆盘式发动机排气管内气液相流脉动状态进行了实验研究，概述了其实验过程，并对试验结果，典型图谱作了分析。其中，着重讨论了摆盘机排气系统的特点，冷却水对排气状态的影响，以及排气压力脉动与发动机振动和水下排气噪声的关系。     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法,本文较为系统地介绍了其测量、故障参数提取及分析方法,并在诊断分析中使用了进化RBF神经网络,此网络的训练采用遗传算法,优化了径向基神经网络的结构和参数,加强了网络的实用性.最后用神经网络对所模拟的故障进行辨识,证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性.     

一种船舶吃水深度检测系统的设计

船舶吃水深度是一个重要的测量参数,对于防止超吃水,保证船舶正常行驶和船舶上人员的生命安全有着重要的意义。传统的人工检测方法有很多弊端,为了克服传统检测方法的缺点,自动检测方法得到应用。本文分析4种应用最为广泛的船舶吃水深度检测方法,重点对多点激光测量系统进行研究和设计,采用DSP数字控制器作为主控芯片,结合多点测量技术和斜射测量技术,取得了良好的测量效果。船舶可通过该系统实时监测和调节吃水深度,保证船舶在正确的状态下航行,减少航行阻力,起到一定的节能效果。     

船舶状态检测技术与评估方法探讨

本文对国内外船舶状态检测评估技术发展现状进行了研究分析,列举出一些最常用的船舶状态检测技术与综合评判方法,并着重探讨了模糊神经网络评估方法在船舶状态评估方法中的应用,并对船舶状态评估技术未来发展做出展望．     

基于BP神经网络的船舶网络安全状态评价

船舶网络是一种特殊的移动网络,面临巨大的安全隐患,传统线性船舶网络安全状态评价的偏差大,结果极不科学。为改善船舶网络安全状态评价效果,设计了基于BP神经网络的船舶网络安全状态评价方法。该方法首先分析船舶网络安全状态评价影响因素,采集船舶网络安全状态评价数据,然后将影响因素和船舶网络安全状态评价分别作为BP神经网络的输入和输出,通过BP神经网络学习,对船舶网络安全状态进行评价,最后采用VC编程实现了船舶网络安全状态评价仿真实验,结果显示BP神经网络可以区分各种船舶网络安全状态,评价准确性得到大幅度改善,同时提升了船舶网络安全状态评价效率,可以有效保证船舶网络安全。     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法，本文较为系统地介绍了其测量、故障参数提取及分析方法，并在诊断分析中使用了进化RBF神经网络，此网络的训练采用遗传算法，优化了径向基神经网络的结构和参数，加强了网络的实用性。最后用神经网络对所模拟的故障进行辨识，证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性。     

基于卷积神经网络的舰船图像边缘检测算法

为合理分布舰船行驶图像卷基层结构中的边缘化网络参数,设计基于卷积神经网络的舰船图像边缘检测算法。按照图像数据特征可视化处理依据,设定必要的神经动量值,完成基础卷积神经网络设计。在此基础上,命名舰船图像节点,再以基本边缘数据结构连接原理为参照,配置检测链接库,实现舰船图像边缘检测算法的顺利应用。对比实验结果,与理论检测手段相比,应用舰船图像边缘检测算法后,最大化网络参数值达到9.0×1015 T,图像边缘化检测覆盖率超过80%,舰船行驶图像卷基层结构中的边缘化网络参数达到理想化分布状态。     

柴油机微粒捕集器捕集特性影响因素分析与性能评价

运用层次分析法完成微粒捕集器的微孔直径、壁厚、过滤体长度、孔隙率、通道密度、排气量、排气温度对其压降、捕集效率和壁面捕集质量等捕集性能的权重分析;结合模糊数学与神经网络建立微粒捕集器捕集特性的模糊神经网络评价模型,仿真结果表明,神经网络评价模型评价结果与模糊综合评价结果基本吻合,所建立的模糊神经网络评价模型可以根据微孔直径、壁厚、孔隙率、排气量等因素取值来评价微粒捕集器捕集特性。     

船用柴油机排气温度监测系统设计

本文设计了一个柴油机排气温度的实时监测系统。测量元件采用带电桥补偿的热电偶,信号处理电路采用了基于LM324的仪用放大电路,选择ATmega8作为系统的数字处理芯片。     

一种基于改进GoogLeNet的油井故障识别方法

油井功图是油井工作状态分析和故障诊断的重要依据,深度学习为油井功图的识别提供了有效手段,针对合理的深度神经网络架构的选择问题,构建了一个用于油井故障诊断的大型功图数据集,提出一种基于改进GoogLeNet网络结构的油井故障识别方法,并对深度神经网络的结构、激活函数、归一化层、训练方法、学习率等重要参数对识别精度和训练时...     

RBF神经网络模型在遥感目标检测中的应用

光学遥感成像是一种常见的船舶目标图像获取方法,对其图像中的船舶目标检测正逐渐成为研究热点。本文利用RBF神经网络模型对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种常见船舶光学遥感图像进行检测,首先结合kmeans和区域增长法对遥感图像进行分割,接着对船舶区域提取灰度一致性矢量和距离直方图2个特征。最后用聚类方法对RBF网络训练,并用其对船舶目标进行训练和检测。检测结果表明,本文的RBF神经网络模型对船舶目标的检测准确率为86%左右,有效实现了常见船舶目标的检测。