基于小波包振动谱图的柴油机在线故障诊断方法

柴油机是舰船的主要动力装置,针对传统故障诊断方法不能有效提取柴油机故障特征和实现在线诊断的缺点,提出一种基于小波包振动谱图像的柴油机在线故障诊断新方法.该方法首先用小波包对采集到的柴油机振动信号进行分析生成小波包振动谱图;然后利用双线性内插值方法对生成的振动谱图进行数据降维,对降维后的振动谱图进行灰度共生矩阵纹理特征参数提取;最后用分类器对特征参数进行识别,完成故障诊断.将该方法应用于柴油机气门间隙的故障诊断实例中,结果表明,基于小波包振动谱图像的柴油机在线故障诊断方法能快速高效的诊断出气门间隙故障,识别准确率高达99.17％,仅耗时0.24 s,为内燃机故障在线诊断探索了一条新途径.     

基于小波包振动谱图的柴油机在线故障诊断方法

柴油机是舰船的主要动力装置,针对传统故障诊断方法不能有效提取柴油机故障特征和实现在线诊断的缺点,提出一种基于小波包振动谱图像的柴油机在线故障诊断新方法.该方法首先用小波包对采集到的柴油机振动信号进行分析生成小波包振动谱图;然后利用双线性内插值方法对生成的振动谱图进行数据降维,对降维后的振动谱图进行灰度共生矩阵纹理特征参数提取;最后用分类器对特征参数进行识别,完成故障诊断。将该方法应用于柴油机气门间隙的故障诊断实例中,结果表明,基于小波包振动谱图像的柴油机在线故障诊断方法能快速高效的诊断出气门间隙故障,识别准确率高达99.17%,仅耗时0.24 s,为内燃机故障在线诊断探索了一条新途径。     

基于瞬时转速和遗传算法的内燃机故障诊断方法

内燃机瞬时转速信号中蕴含着大量有关机器运行的信息,非常适合用于内燃机的故障诊断.但瞬时转速中蕴藏的故障信息比较微弱,加上测量的随机性影响,必须提取多个故障特征进行综合诊断,而如何从中构造理想的特征参数,是一项非常困难的工作.对此,本文使用遗传算法对故障特征进行组合优化,构造最佳特征参数.以6-135型柴油机单缸少量减油故障为例,从多个瞬时转速数据样本的时域、频域和波形参数中提取了6个原始特征,利用遗传算法使这些参数在各种运算组合的过程中优胜劣汰,最后进化成为一个综合了几个原始特征的综合诊断参数,使用该参数进行故障状态的判别,提高了诊断的正确率,并简化了诊断过程.     

基于GA-BP的船舶同步发电机定转子绕组匝间短路故障诊断研究

为诊断与分析船舶同步发电机定转子绕组匝间短路故障,文章采用基于主成分分析法(PCA)和遗传算法(GA)优化BP神经网络(GA-BP神经网络)的故障诊断方法。首先利用Maxwell软件平台故障仿真得到的定子三相电流作为特征信号,通过小波包分解重构以及PCA降维的处理方式,生成15维的样本数据,降低了网络规模以及处理计算时间,并针对传统BP神经网络收敛速度慢以及易陷入局部极小值的特点,利用GA算法对BP神经网络权值与阈值进行优化。通过样本数据对GA-BP神经网络进行训练测试,验证了PCA和GA-BP神经网络对于船舶同步发电机定转子匝间短路故障诊断具有可行性以及准确性。     

大型船舶发电机短路故障分析与诊断方法探讨

深入地分析了大型船舶发电机转子线圈匝间短路故障时的机械特征和电磁特征,发现了转子匝间短路时电磁电流和无功功率的变化规律,进而提出分析和诊断匝间短路故障的方法.     

基于小波包频带包络分析的船用锚机电动机转子断条在线检测方法

船用三速锚机工作条件恶劣,电动机转子故障是电动锚机系统的常见故障之一.转子故障在线分析中必须考虑电动机实际运行和检测条件.文章在理论分析、仿真的基础上,提出了基于小波包分解和希尔伯特包络频谱分析的电动机转子断条在线检测方法.仿真和诊断实例表明该方法不仅可以抑制干扰因素的影响,有效提取故障特征量并实现故障准确诊断,而且能够反映负载波动的时刻和频率波动的范围,是一种切实可行的在线诊断方法.     

某船用燃气轮机故障的动力学分析

针对某船用燃气轮机的压气机转子叶片与机匣碰摩故障、转子叶片叶尖磨损故障、转子轴承故障,依次分析了故障机理和振动特征,建立了燃气轮机典型故障模拟实验器,模拟了以上三种故障,采集、分析了振动信号,研制了新型的舰船旋转机械状态监测仪,为下一步的在线监测与诊断奠定了基础.     

遗传神经网络在导航传感器故障诊断中的应用

对船用组合导航系统中占主要地位的惯导系统进行故障诊断研究,提出了基于遗传算法优化的神经网络故障诊断模型.利用改进的遗传算法对BP神经网络的权值和阈值进行遗传操作,获得具有一定遍历性的初始权值和周值,然后再利用神经网络的L-M训练方法进行训练,克服了BP神经网络搜索速度慢和容易陷入局部极值的缺点,保证了训练过程收敛.对采集到的传感器故障信号进行预处理,故障特征信号作为改进遗传神经网络的输入信号来检测故障.采用惯导系统陀螺仪故障信号进行仿真研究,结果表明此方法可有效地检测故障且提高了系统精度.     

基于舰船发动机转子热应力的快速启动优化

热应力是制约舰船发动机转子快速启动的重要因素。为研究快速启动过程对发动机转子热应力的影响规律,文章针对舰船发动机转子的最大热应力采用了遗传算法对发动机快速启动过程进行优化。以发动机转子快速启动过程中的热应力为目标函数,将快速启动过程非单调性参数化,基于遗传算法和结构力学分析,搜索最优解。研究表明,优化后的快速启动过程可使发动机转子的最大热应力值降低11%,该优化方法对快速启动过程中发动机转子的热应力控制具有指导作用。     

优化的BP网络在船舶故障诊断中的应用

船舶各种设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶上设备繁多,运行环境特殊,因此,各种设备的故障症状与故障原因之间关系十分复杂,使用传统诊断方法在实际应用中效果不理想。BP神经网络在故障诊断中有广泛的应用,但由于BP网络采用的是沿梯度下降的搜索求解算法,存在收敛速度慢,且容易陷入局部极小等问题。而遗传算法具有全局搜索速度快的优点。为此,采用自适应遗传算法来优化BP神经网络,并以船舶主机轴系的故障诊断为实例,证明遗传算法优化的BP网络方法非常适用于对船舶各种设备故障的早期诊断和预测。     

基于免疫遗传算法的核动力船舶设备故障诊断

针对传统遗传算法收敛速度慢且容易未成熟收敛引起的核动力船舶设备故障诊断响应延迟、误诊、漏诊问题,提出一种基于信息熵的免疫遗传算法用于核动力船舶设备的故障诊断:利用已知船舶设备故障征兆集合,选用概率因果模型,引入信息熵免疫遗传算法,求解具有最大后验概率的故障集合.某船用核动力蒸汽发生器与液压泵故障仿真结果表明,基于信息熵免疫遗传算法优化的概率因果模型不受故障样本的限制,具有较好的通用性,且模型故障诊断精度较高、寻优速度快.本方法同样适用于其他领域的故障诊断问题.     

基于D-S证据理论的直流电机故障诊断研究

多传感器、多手段检测的信息融合技术在电机故障诊断中的应用日益广泛。提出了一种基于D-S证据理论和BP算法的故障诊断方法,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,首先通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,然后利用多源信息间的冗余性和互补性,有效提取故障特征信息。将该方法应用于某型船直流电机的故障诊断,结果表明,该算法提高了故障诊断的可靠性和灵敏度。     

舰船电力系统量子遗传算法的故障诊断方法研究

为能准确的确定故障元件,建立了考虑保护或断路器拒动情况下适合舰船电力系统故障诊断的数学模型,利用量子遗传算法对故障诊断数学模型进行求解,并利用典型舰船电力系统故障算例对所提方法进行了验证,算例结果说明了该故障诊断模型的合理性和诊断结果的准确性。     

基于Prony算法的感应电动机转子故障检测方法

分析Prony算法及其高分辨率谱估计的特点,在此基础上,提出一种基于Prony算法的感应电动机转子故障检测方法,仿真研究结果表明,在短数据情况下,相对FFT分析技术而言,该方法频率分辨率更高,故障检测更为准确,且计算量小,有利于电机故障实时状态监测。实验证明,将该方法应用于感应电机转子故障检测,可准确检测出转子故障时在定子电流中的故障特征成分。     

分布式系统级故障诊断算法在船舶动力定位系统中的应用

为解决船舶动力定位多处理机系统的故障诊断问题，在分析实际系统总体结构的基础上，确定了系统故障测试关系图，提出了一个基于改进型二值PMC测试模型的分布式系统级故障诊断算法（SELF算法），详细介绍了算法中的报文种类、故障向量与算法描述；最后，采用软件故障注入法对诊断算法与模型进行了故障诊断验证。结果表明：模型适用、算法正确，所开发的分布式系统级故障诊断软件包可靠、实用。     

基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

模糊C-均值聚类算法及其在船舶故障诊断中的应用

船舶设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶设备繁多,运行环境特殊,各种设备的故障症状与故障原因之间的关系十分复杂,致使传统诊断方法在实际应用中效果不理想。因此,研究采用模糊C-均值聚类算法来实现船舶故障的诊断乃是非常必要的。将被诊断对象间故障和症状的特征通过建立模糊关系矩阵进行故障分类,用当前所得的故障征兆群与过去该设备故障征兆结果相对照,找出最相似的结果,从而确定其故障。通过船舶主机轴系诊断的实例,证明了该方法的有效性。