基于Stacking的机舱设备剩余寿命预测方法北大核心CSCD

[目的]在参考中国船级社《智能船舶规范》中智能机舱定义和要求的基础上,探索机舱设备故障预测与健康管理相关技术,开展轴承剩余寿命预测方法研究。[方法]针对常规数据驱动的轴承剩余寿命预测存在预测精度不佳的问题,利用集成学习Stacking融合策略,优选极限梯度提升(XGBoost)与人工神经网络(ANN)为基学习器,岭回归(ridge regression)为元学习器,构建R-A-X(Ridge-ANN-XGBoost)融合预测模型。选用IEEE PHM 2012 Prognostic Challenge同工况下的全寿命周期数据作为数据集设计预测性能对比实验,以MAE和R2为性能评价指标,对比研究基于单一算法、简单平均融合方式以及R-A-X融合方法的轴承剩余寿命预测性能。[结果]结果表明,基于Stacking构建的R-A-X融合预测模型的绝对平均误差(MAE)与决定系数(R2)评价值均优于文中涉及的其他方法,预测精度最高可提升20%。[结论]所提出的方法可提升轴承剩余寿命预测精度,对智能机舱中设备健康管理的实现具有一定的参考价值。     

Performance decay of stern bearing based on lubrication numerical model and state parameters北大核心CSCD

[目的]为了实现对船舶艉轴承润滑状态的监测和评估,提出一种结合润滑性能衰变模型和支持向量机(SVM)算法的艉轴承润滑性能评估方法。[方法]针对船舶艉轴承润滑状态难以监测和识别的问题,建立轴承润滑衰变数值模型,并运用实验数据对该模型进行验证,研究载荷、粗糙度和半径间隙对润滑状态衰变机理的影响。基于SVM算法,构建润滑状态分类器,通过网格搜索算法优化超参数,利用不同润滑状态的数据集进行训练,最后实现对艉轴承润滑状态的评估。[结果]结果显示,随着外部载荷、粗糙度和半径间隙的增大,轴承润滑状态恶化的临界速度增大,动压润滑工作范围减小,混合润滑工作范围增大;由仿真数据集对润滑状态识别模型的验证表明,所提的润滑状态识别方法准确率达96.88%。[结论]所提方法能监测轴承的润滑性能特征,有效识别轴承的润滑状态。     

船舶自动化机舱音频信号监测技术

描述了船舶机舱音频信号的监测分析技术和在实船应用的现实意义和前景。根据船舶机舱内各种设备在运行情况下音频信号的频率、频域和幅值，应用FFT和小波变换等分析方法，经过计算、分析、对比判别与研究，找出音频信号和频率谱的特征值，建立正常工况下音频信号的数据库并对各种故障信号进行识别，从而获得对船舶机舱的设备运行工况进行监测诊断和故障初期预报的方法。     

Fault diagnosis of marine diesel engine intake and exhaust system based on dynamic feature fusion北大核心CSCD

[目的]船舶系统由多设备的复杂机构组成,各组件参数具有动态性和非线性的特点,所以故障诊断过程复杂。为提高诊断效率,提出一种动态特征融合方法。[方法]利用分形理论、动态理论及核主元分析(KPCA)法对系统状态数据进行重构、映射及筛选,得到主元特征数据矩阵,求得平方预测误差(SPE)及相应的控制限,构建出基于船舶柴油机进排气系统健康数据的离线监测模型,利用该模型对系统进行故障诊断分析。为验证模型的有效性,选取某船舶柴油机进排气系统的故障数据进行验证分析。[结果]结果表明,动态特征融合分析方法可有效实现对系统动态非线性状态数据的精确分析,实现对系统故障的高效分析和诊断。与KPCA及支持向量机(SVM)方法相比,所提方法具有更好的故障诊断性能。[结论]该方法可实现船舶柴油机进排气系统故障的检测和诊断,提升系统运行的可靠性和安全性。     

船用离心泵状态监测

实现机舱设备实时状态监测及评估是智能船舶以及无人机舱发展过程中的重要部分,也是事后维修、定期维修向视情维修转变过程的关键技术。本文利用最小二乘多项式拟合法对实验数据进行拟合,得到离心泵Q-H特性曲线拟合多项式。在某一进出口压差下,比较拟合流量和监测流量之间的差值来表征离心泵实时性能状态,并通过设置不同程度的泄露故障验证该方法的有效性。相比于用CFD软件建模仿真以及监测振动等方法,该方法可行性强、简单实用、成本较低,具有重要的实际工程应用价值。     

船用离心泵状态监测

实现机舱设备实时状态监测及评估是智能船舶以及无人机舱发展过程中的重要部分,也是事后维修、定期维修向视情维修转变过程的关键技术.本文利用最小二乘多项式拟合法对实验数据进行拟合,得到离心泵Q-H特性曲线拟合多项式.在某一进出口压差下,比较拟合流量和监测流量之间的差值来表征离心泵实时性能状态,并通过设置不同程度的泄露故障验证该方法的有效性.相比于用CFD软件建模仿真以及监测振动等方法,该方法可行性强、简单实用、成本较低,具有重要的实际工程应用价值.     

一种基于LoRa的船舶机舱数据采集系统

面向运营船舶机舱监测系统技术改造需求,设计一种基于LoRa(Long Range Radio)的数据采集系统.通过无线传感器和边缘计算获取舱室内各设备的状态信息,基于LoRa网关汇集并存储无线网络数据,实现对船舶机舱设备状态信息的采集,并设计上位机软件对数据进行管理分析.该系统设计为机舱监测提供了一种通用的低成本数据采集解决方案.     

基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。     

基于多领域建模的船舶凝给水系统虚实映射方法北大核心CSCD

[目的]传统的建模分析方法难以对船舶凝给水系统进行有效的在线监测和状态评估,因此,有必要针对船舶凝给水系统全寿期开展精准有效的虚实映射方法研究。[方法]在多领域建模的基础上,将机理模型与多源数据相结合,运用多领域物理建模语言Modelica与MWorks系统仿真平台构建凝给水系统的数字孪生模型,融合在线及离线数据、数值计算、仿真分析等方法,评估船舶凝给水系统运行状态特性。[结果]所建立的模型可对凝给水系统进行全工况的动态特性分析,静态分析误差小于2%,动态响应趋势与实际运行一致。[结论]所提方法实现了凝给水系统物理实体与数字孪生模型的虚实映射,可以为船舶热力设备健康管理奠定基础。     

基于随机森林和支持向量机的船舶柴油机故障诊断

针对船舶低速二冲程柴油机故障的分析问题,提出基于随机森林和支持向量机的船舶柴油机故障诊断方法。对船舶低速二冲程柴油机MAN BW 6S50MC-C建立故障仿真模型并验证其有效性;在此基础上,通过故障仿真模型生成故障样本。运用基于随机森林的VarSelRF特征选择算法对故障数据进行降维,提出运用支持向量机对降维后的故障数据进行分类的方法。通过仿真试验验证并分析该方法的有效性。     

基于AVL BOOST的船用柴油机典型故障仿真及其数据分析

[目的]大型船用柴油机故障类型的数据通过台架试验或者实船来获取存在许多不利因素,因此针对柴油机的故障仿真数值计算就显得尤为重要,同时对故障排除及数据驱动的智能故障诊断系统的构建也具有重要意义。[方法]基于AVL BOOST软件和台架试验数据,建立柴油机仿真模型,验证4种负荷工况下仿真模型需满足的精度要求;基于100%负荷工况模型,采用控制变量法模拟柴油机发火点提前、单缸停油及曲轴箱窜气这些典型故障,并分析计算得到的数据。[结果]结果表明:发火点提前5°时,缸内最高燃烧压力提高了17.4%;第1缸停缸后,有效油耗率上升近15%;对于不同气缸停油情况,第2号和3号气缸停油时的特征参数变化幅度较小;随着活塞有效窜气间隙的增加,各特征参数基本上呈线性扩大趋势,在窜气间隙值为0.04 mm时,部分特征参数急剧增加,例如油耗率增加了近40%。[结论]所得结果可作为柴油机故障状态识别及智能故障诊断系统构建的重要依据,为探索船舶柴油机智能故障诊断技术提供新的途径。     

基于AAKR模型的船用低速柴油机状态监测方法

针对船用二冲程低速柴油机运行状态监测,本文分析现有的柴油机状态监测方法,并指出现有方法的不足之处。提出基于AAKR模型的柴油机状态监测方法,同时阐述AAKR模型的原理。该方法具有无需故障数据、无需对模型进行训练与调参、高效快捷等优点。本文建立柴油机仿真模型,通过对柴油机模型进行模拟状态监测实验,证明基于AAKR模型的柴油机状态监测方法的有效性,最后讨论不同带宽的选择对模型性能的影响。该方法无需故障数据的特性使其具有更强的普适性,可广泛应用于船舶柴油机的在线状态监测和预警。     

船舶柴油机滑油在线监测预警系统设计

为了提高柴油机的可靠性、延长柴油机的使用寿命,设计了一种基于单片机的船舶柴油机滑油在线监测预警系统。介绍了该系统的测试原理、系统硬件及系统软件设计。该系统通过处理分析监测反馈数据来判断滑油的品质状况,在滑油完全变质前分级别向轮机人员提示预警,从而降低柴油机故障率,保证船舶的正常运营。     

Fault diagnosis of steam power system based on convolutional neural network北大核心CSCD

[Objectives]In order to improve the fault diagnosis level of marine power systems, this paper studies the real-time fault diagnosis of a marine supercharged boiler based on a convolutional neural network (CNN).[Methods]First, the simulation program of the marine supercharged boiler is developed based on the GSE platform, and the simulation fault data is obtained. The fault diagnosis model of the boiler is then established using the CNN method. Next, through the change trends of temperature, flow and other parameters, combined with a priori knowledge and the machine learning method, fault identification is carried out. Lastly, the performance of the method is evaluated against criteria such as confusion matrix and accuracy. [Results]According to the comparison results between the feature extracted dataset and the original dataset, the stability of the model output results and the generalization ability of the model are optimized and improved, with an overall fault classification accuracy reaching 99.53%.[Conclusion]The results of this study can provide valuable references for the intelligent monitoring of marine power systems. © 2022 Chinese Medical Journals Publishing House Co.Ltd. All rights reserved.     

智能船舶动力系统设备的自适应阈值方法

[目的]针对智能船舶动力系统设备的状态监控报警不及时、阈值带宽过大、状态评估参数不准确等问题,提出自适应阈值的确定方法,用以对动力系统设备进行监控报警和状态评估。[方法]首先,采用模拟退火算法优化回归支持向量机(SVR)预测模型,对动力系统设备的常规状态特征参数进行建模;然后,对建模残差进行正态转化,并结合滑动时间窗来构建自适应阈值模型;最后,选取某船舶主推进柴油机的排烟温度作为研究对象进行实例验证。[结果]研究结果表明,相较于传统固定阈值,自适应阈值模型的带宽更为紧凑,具有良好的自适应性,能够提前识别动力系统设备的异常现象。[结论]所提方法提高了监控报警系统的效率和阈值精度,可为早期故障诊断和系统状态评估提供更准确的依据。     

船舶机舱故障分析和安全措施

对船舶机舱故障分析和安全防范措施,尤其是对故障树分析和故障分析方法进行了研究探讨。利用人工智能神经网络判别船舶机舱故障的技术,通过集中监测报警系统的开发应用,提出了船舶机舱故障安全防范措施,以及故障的快速查询和排除故障的方法,积累起经验和相关数据库,在实际经验数据化、统计数据电子化方面做了一些有益的尝试。     

Residual life prediction for marine diesel turbocharger based on Wiener process北大核心CSCD

[目的]针对船舶柴油机增压器难以收集到全生命周期性能退化数据的问题,提出一种基于维纳过程的寿命预测模型。[方法]首先,采用K-Means模型对增压器实际运行工况进行聚类,提取出典型工况数据;然后,使用贝叶斯突变点检测模型识别增压器的缺陷点;最后,建立基于维纳过程的退化模型,并以某型船用柴油机增压器为应用对象,预测增压器的剩余使用寿命。[结果]结果显示,基于维纳过程的寿命预测方法能够在不需要同类设备历史退化数据的情况下对增压器的剩余寿命进行预测。[结论]所提方法对缺少故障样本的船舶柴油机增压器寿命预测具有一定的参考价值。     

柴油机状态在线监测与故障诊断系统开发

介绍了状态监测与故障诊断系统的原理和方法,使用LabVIEW平台及多功能数据采集卡研制柴油机的故障诊断系统。提出了几种特征参数分析方法,开发了多个子仪器,可较好的对柴油机的不同故障进行监测。     

基于改进深度学习算法的船舶柴油机故障诊断技术

随着数据挖掘技术的发展,深度置信网络(DBN)这类深度学习算法被越来越多运用到工程领域。在故障诊断领域,结合DBN强大的自适应特征提取和非线性映射能力,可以摆脱以往对专家经验的依赖。基于此,本文为有效地监测柴油机气缸运行状态,提出一种基于改进深度学习算法的船舶柴油机故障诊断技术。先将原始信号的频域形式输入DBN当中,采用蚱蜢优化算法(GOA)搜索DBN的最优参数组合,并建立起最佳的柴油机气缸故障诊断模型。经测试验证,本文提出的诊断模型能够准确识别柴油机气缸运行状态并进行故障诊断,诊断率可以达到99.5%以上,具有较好的工程实用价值。