共查询到18条相似文献,搜索用时 640 毫秒
1.
2.
为确保船舶海上运输的安全性与稳定性,设计基于RBF神经网络的船用低速柴油机故障诊断系统.使用多传感器采集船用低速柴油机各关键构件信号,并对信号进行预处理,运用过限判断模块获得故障信号,RBF神经网络依据故障信号特征进行船用低速柴油机故障诊断和故障程度判断.实验结果表明,该系统能有效滤除信号中的无用高频信号,故障诊断结果... 相似文献
3.
船舶柴油机智能故障诊断仿真方法的研究 总被引:4,自引:0,他引:4
此文从应用技术的观点出发,概述了近年来船用柴油机监测和故障诊断的方法现状,介绍柴油机故障诊断的智能方法。并结合课题,以神经网络理论为数学工具对柴油机故障进行智能仿真诊断,然后分析其应用难点及发展趋向。 相似文献
4.
船舶柴油机运行工况诊断仿真研究 总被引:10,自引:2,他引:8
提出了基于RBF神经网络的故障智能诊断方法。应用神经网络理论对柴油机故障进行智能仿真诊断,并考虑到海上航行环境的大气温度变化,实现大功率船用柴油机运行性能的主要故障的仿真。以对柴油机燃烧系统故障为例进行仿真分析、处理故障并制订相应的维修对策,从而提高柴油机的使用效率和寿命。此外,对开发实船柴油机故障诊断的辅助分析系统和轮机模拟器的功能扩展有实际意义。 相似文献
5.
6.
7.
8.
船用柴油机配气机构故障复杂多样,传统船用柴油机配气机构故障分析方法无法描述故障类型,导致故障分析正确率低,误判现象严重,为了提高故障诊断正确率,提出基于振动信号监测的船用柴油机配气机构故障的分析方法。首先分析船用柴油机配气机构故障研究思路,并提取船用柴油机配气机构故障相关的振动信号,然后从船用柴油机配气机构故障相关的振动信号提取特征,运用层次分析法确定特征的权值,并采用改进支持向量机建立船用柴油机配气机构故障诊断模型,最后采用具体数据对船用柴油机配气机构故障诊断方法进行测试。结果表明,相对于其他故障分析方法,本文方法可以更好区别各种船用柴油机配气机构故障,提高了故障分析正确率,降低了故障的误判现象,具有很高的实际应用价值。 相似文献
9.
10.
为有效诊断舰船用柴油机机械微磨损故障,设计新型船用柴油机机械微磨损故障诊断系统。此系统传感模块通过电感式传感器采集柴油机机械表面油液磨粒的静电信号后,由油液分析芯片启动基于MACNN的微磨损故障类型识别模型,使用多层卷积神经网络,全面提取静电信号的多维波动特征图后,以重组的方式将多维特征图转换为一维向量,通过序列注意力机制,学习重组后油液磨粒静电信号一维向量的序列特征,识别特征所属微磨损故障类型,完成柴油机机械微磨损故障诊断。若机械磨损严重或表面存在污秽,便会驱动图像分析模块,进行图像采集配合诊断。经测试,此系统对多种微磨损故障类型的诊断结果无错分情况,诊断结果有效。 相似文献
11.
12.
13.
基于支持向量机的船舶柴油机故障诊断 总被引:2,自引:0,他引:2
介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高. 相似文献
14.
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。 相似文献
15.
陈天锡 《交通部上海船舶运输科学研究所学报》1990,13(2):35-46
本文介绍8NVD48A-2U船用中速柴油机的滑油光谱分析工作,叙述了油样的采集、分析、数据处理,还叙述了主要摩擦副的磨损规律、柴油机磨损技术状态评估及其在故障诊断和状态维修中的应用。 相似文献
16.
17.
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. 相似文献
18.
曹乐乐张鹏高泽宇张跃文孙培廷 《中国舰船研究》2022,(6):103-110
[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。 相似文献