基于DPC-GMM算法的船舶燃油系统故障诊断

[目的]传统的高斯混合模型(GMM)算法存在收敛速度较慢的固有缺陷,容易产生过拟合现象,导致参数计算陷入局部最优,不能很好地用于船舶燃油系统的故障诊断。[方法]首先,分析GMM算法及参数估计算法,结合密度峰值聚类(DPC)算法,提出一种基于DPC-GMM算法的船舶燃油系统故障诊断方法;然后,通过训练船舶燃油系统状态所对应的高斯混合模型参数,实现对船舶燃油系统故障的无监督诊断;最后,基于获取的船舶燃油系统故障数据,验证该方法的有效性。[结果]实验结果表明,采用基于DPC-GMM算法的故障辨识准确率高、识别速度快,优于传统的反向传播(BP)神经网络和支持向量机(SVM)诊断算法。[结论]研究结果对船舶燃油系统的故障诊断有重要的指导意义。     

船舶柴油机进排气系统故障仿真软件设计与实现

船舶柴油机进排气系统可以监测许多柴油机运行时的数据,例如柴油机工作时的进排气温度、涡轮增压器的转速和压气温度等。通过对柴油机进排气系统的数据监测可以直接显示出柴油机是否正常运转。对MTU 20V956TB92型船舶柴油机进排气系统进行研究,利用计算机仿真技术,建立船舶柴油机进排气系统仿真软件。操作人员通过使用船舶柴油机进排气系统的仿真软件可提升对故障的诊断能力,并对相关故障进行解除和恢复。此方法具有成本低和效率高等优点。     

船舶柴油机机械磨损故障诊断的模式识别

船舶柴油机在工作过程中,经常会发生机械磨损故障,给船舶柴油机的工作稳定性带来困扰,针对当前船舶柴油机机械磨损故障存在的诊断准确率低、机械磨损故障诊断时间复杂度高等缺陷,设计了一种船舶柴油机机械磨损故障诊断的模式识别方法。首先分析当前船舶柴油机机械磨损故障的原理,并提取船舶柴油机机械磨损故障诊断特征,然后采用层次分析法分析确定每一个船舶柴油机机械磨损故障特征的权值,并根据RBF神经网络确定船舶柴油机机械磨损故障诊断的模式识别模型,最后进行船舶柴油机机械磨损故障诊断的验证性测试,分析本文方法的船舶柴油机机械磨损故障效果。本文方法的船舶柴油机机械磨损故障诊断率超过了90%,不仅远远高于对比方法的船舶柴油机机械磨损故障诊断率,而且船舶柴油机机械磨损故障效率得到有效的改善,具有很好的推广前景。     

基于振动信号的船舶柴油机配气系统故障定位方法

针对船舶柴油机配气系统故障定位问题,提出一种基于振动信号的配气系统故障定位方法。分析配气系统故障发生的原因,并论证通过监测振动信号的变化来进行故障诊断是有效的。具体论述基于振动信号的故障定位方法,对振动信号进行时域特征分析。以柴油机的离线故障数据为例,对该方法的有效性进行验证,结果表明采用该方法能有效地对柴油机配气系统进行故障定位。     

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。     

不平衡数据下船舶主机在线故障诊断研究

[目的]针对传统船舶主机的故障诊断模型难以采用实时数据及时更新,且船舶主机还存在监测点多但故障样本少的问题,提出一种能够处理不平衡数据并可以在线更新模型的故障诊断方法。[方法]首先,采用主成分分析法（PCA）对监测样本进行降维和特征提取,降低训练模型的复杂度;然后,通过SMOTETomek构造故障样本以平衡训练集;接着,针对诊断模型难以实时更新的问题,引入结合正则化方法且具备在线更新功能的在线贯序极限学习机（OSELM）模型;最后,以主机燃油系统为例验证OSRELM模型的可行性,并采用不平衡船舶主机数据进行消融实验以验证整体模型的有效性。[结果]结果显示,所提方法在原始模型的基础上可使诊断精度提升29.73%。[结论]研究表明所提方法较其他同类方法具有更高的诊断精度,波动幅度较小,具有较好的稳定性;且在样本不平衡的情况下,对于故障类样本仍具备较强的识别能力,适用于船舶主机故障诊断方面的研究。     

一种新的船舶柴油机模糊故障诊断方法

为进一步提高船舶柴油机故障诊断的可靠性,将一种基于模糊信息多级融合的故障诊断方法应用到船舶柴油机的故障诊断中,该方法将各级诊断数据充分融合后再进行船舶柴油机的故障诊断,应用结果表明该方法准确有效,不但在正常情况下作出了准确的故障诊断,而且在局部检测传感器失灵发生误检的情况下亦能避免船舶柴油机故障诊断的误判,为提高船舶柴油机故障诊断的可靠性提供了有益的借鉴.     

船舶电力推进系统故障诊断技术

故障诊断技术是船舶电力推进系统研究中的重点,当前无法对船舶电力推进系统的故障进行准确划分,无法获得较优的船舶电力推进系统故障识别效果,为了获得理想的船舶电力推进系统故障诊断效果,设计一种信号去噪和数据挖掘的船舶电力推进系统故障诊断方法。首先分析船舶电力推进系统故障原理,采用船舶电力推进系统故障信号,然后对船舶电力推进系统故障信号进行去噪,提高船舶电力推进系统故障信号质量,并提取船舶电力推进系统故障诊断特征,最后采用最小二乘支持向量机设计船舶电力推进系统故障分类器,并与其他方法进行船舶电力推进系统故障诊断对比实验,相对于对比方法,本文方法的船舶电力推进系统故障诊断率高于94%,不仅船舶电力推进系统故障结果的误识率明显减少,而且加快了船舶电力推进系统故障诊断的速度,具有更加广泛的实际应用领域。     

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。     

低频震荡特性在舰船电力系统控制中的应用

船舶电力系统是一个复杂的非线性系统,系统的动/静态负载与发电机形成强非线性的动态特征。本文针对电力系统低频震荡特性进行分析,研究舰船电力系统控制方法,并运用HHT方法给出船舶电气柴油机的转子运动方程和输出功率方程。通过HHT方法可减少干扰对系统的影响,确保整个系统正常运行及频率稳定性,提高船舶电力系统的暂态品质。     

基于灰色度分析的船舶液压系统故障诊断研究

船舶液压系统是动力系统重要组成部分,需要对系统故障及时定位诊断及修复。船舶液压系统的故障描述模型有基于图论的﹑信息论的及功率流理论的,图论策略通过灰色度分析船舶液压系统中的功率分配﹑损耗过程,能够以最少的监测点最优的描述系统故障中的分布。本文分析基于灰色度的船舶液压系统故障诊断模型,设计1套基于传感器﹑故障图像灰色度分析及计算机故障诊断系统,最后通过实验证明本文故障诊断系统的有效性。     

基于SOM-BP神经网络的船舶柴油机故障诊断方法

作为船舶系统重要的组成部分,柴油机工作状态与船舶安全航行息息相关。因此,对船舶柴油机故障诊断方法的研究具有重要的现实意义。以SOM神经网络和BP神经网络为理论基础,将二者融合构建SOM-BP神经网络,用于船舶柴油机故障诊断。通过仿真试验,验证了SOM-BP神经网络在船舶柴油机故障诊断中的有效性。     

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。     

不平衡负载下船舶电力系统故障诊断研究

电力系统的故障诊断可以保证船舶的正常工作,针对当前单一模型无法全面、准确对船舶电力系统故障进行诊断的难题,提出一种基于组合模型的船舶电力系统故障诊断模型。首先提取不平衡负载下船舶电力系统的信号,并提取状态特征,然后采用隐马尔科夫法对船舶电力系统故障进行初步诊断,采用支持向量机对船舶电力系统故障进行进一步诊断,以提高船舶电力系统故障诊断的准确性。最后进行船舶电力系统故障诊断的测试,测试结果表明,组合模型可以从多个角度对船舶电力系统的工作状态进行分析,船舶电力系统故障诊断率高,不仅有降低了船舶电力系统故障的错误诊断率,而且改善了船舶电力系统故障效率。     

船用涡轮增压器典型故障特征参数的敏感性研究

为了研究涡轮增压器故障对其运行参数的影响,在AVL Boost软件中基于某型涡轮增压器性能数据和柴油机试验数据,建立并验证柴油机仿真模型,对涡轮增压系统的典型故障进行数值仿真分析。不同故障下涡轮增压器的性能参数响应有明显且易区分的变化规律。增压压力对涡轮增压器故障的敏感度较高,在多数故障下的响应变化幅值都可达到10%以上,是故障诊断的重要参数。涡轮后排气温度、涡轮前排气压力以及空气质量流量在部分故障下的响应变化可达10%,对涡轮增器故障也具有一定的敏感度,可配合增压压力作为涡轮增压系统故障诊断的主要监测参数。研究结果为涡轮增压器的故障诊断提供参考依据。     

神经网络在船舶主柴油机建模中的应用

该文研究用BP神经网络建立船舶主柴油机模型的方法，并对BP算法进行了改进，提出了一种动态优化学习率的方法，对6L80MC柴油机实际数据用BP网络进行计算的结果表明，该算法能有效地建立船舶主柴油机模型。该模型已成功用于船舶主机遥控仿真系统中。     

基于小波能量谱分析与SVM的柴油机气阀间隙异常故障诊断

船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机气阀间隙异常的故障诊断,由于柴油机气阀间隙振动信号噪声多,利用SVM对柴油机气阀间隙进行预测时需要进行特征提取。鉴于此,研究了基于小波能量谱分析的SVM柴油机气阀间隙的故障诊断方法,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备当前状态。     

船舶柴油机活塞环频繁异常折断故障诊断系统

传统故障诊断系统对柴油机活塞环频繁异常折断的诊断时间过长,为此构建船舶柴油机活塞环频繁异常折断故障诊断系统。设计故障诊断系统硬件架构,利用传感器群和接收器群对活塞环数据进行采集,利用移动终端与非移动终端将数据传输给数据处理模块,采用DCS技术对数据进行特征提取,将提取的数据特征导入故障诊断模块,实现船舶柴油机活塞环频繁异常折断的故障诊断。实验结果显示,构建的故障诊断系统比传统故障诊断系统诊断时间要少10 s,并且具备极高的有效性。     

船舶辅机双层半主动非线性 隔振系统振动特性分析

文章采用一种修正的Bingham模型建立磁流变阻尼器的非线性力学模型。基于修正Bingham模型建立了船舶双层隔振系统的非线性动力学方程,研究了船舶辅机双层半主动隔振系统的主共振特性,采用平均法得到了船舶辅机双层半主动隔振系统的理论解,并运用Maple数值仿真对理论解进行了验证。分析了船舶辅机双层半主动隔振系统主要参数对系统主共振的影响。研究结果表明:阻尼系数和控制力对主共振时系统的振动传递率影响明显,振动传递随着阻尼系数、控制力的增加而减小;零力速度对系统振动传递率影响很小。