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。     

基于粗糙集和优化DAG-SVM的船舶主机故障诊断方法

[目的]船舶主机各子系统之间是复杂的非线性关系,对于监测点在短时间内采集的大量数据,传统的故障诊断方法难以高效地完成任务。以船舶主机的燃油系统为研究对象,提出一种基于粗糙集理论和优化有向无环图—支持向量机(DAG-SVM)的故障诊断方法。[方法]首先,将数据挖掘中的粗糙集理论引入传统的支持向量机(SVM)诊断模型,并通过差别矩阵对离散化数据进行降维,在每2种故障之间建立支持向量机分类器,从而构建DAG-SVM拓扑网络;然后,以类间的分类精度为依据,优化有向无环图中根节点和其他叶节点的位置,从而有效避免"误差累积";最后,基于某超大型油轮模拟器,开展数值实验分析。[结果]实验结果表明,粗糙集与优化DAG-SVM相结合的故障诊断方法可以对船舶主机故障进行有效的诊断决策,其分类精度比传统的DAG-SVM方法提高了3.38%,而时间消耗也降低了2.42 s。[结论]该诊断方法对船舶主机的故障诊断研究具有一定的参考价值,也可为SVM在其他小样本分类中的应用提供数据支撑。     

基于LDA-GA-SVM的船舶电力推进系统故障诊断

在船舶电力推进系统发生故障时,进行快速准确诊断对于船舶航行的安全性至关重要。文章针对电力推进系统中永磁同步电机的常见故障,提出基于线性判别分析(LDA)与遗传算法(GA)优化的支持向量机(SVM)相结合的船舶电力推进系统故障诊断方法。以"烟大轮"作为研究对象搭建故障仿真模型,以此为基础生成故障数据。运用小波包算法结合LDA算法提取故障数据中的特征向量,再利用经过GA优化后的SVM模型对故障特征向量进行分类。分析仿真验证结果,与未优化的SVM模型对比,GA-SVM具有更高的故障诊断准确率。     

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。     

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。     

基于混合深度学习的燃气轮机动态过程关键参数在线辨识北大核心CSCD

[目的]为克服燃气轮机非线性时变特性对动态控制及性能监测的影响,通过长短期记忆神经网络(LSTM)的时序记忆、非线性关系表达与高斯过程回归(GPR)的区间概率估计能力三者的结合,提出一种基于LSTM-GPR混合深度学习模型的关键动态参数在线辨识算法。[方法]首先,建立燃气轮机的动态机理模型,以燃料热值、压气机效率及负载电力矩为待辨识参数,生成大量训练数据;然后,构建LSTM-GPR参数辨识网络模型,并输入训练数据进行网络训练和权重系数学习;最后,使用训练好的LSTM-GPR混合模型对燃气轮机动态运行参数进行在线辨识,经分析辨识结果来验证所提算法的有效性。[结果]仿真结果表明,所提算法辨识结果准确,误差小于1%,实时性好,相比于LSTM单一模型能获得更好的均值估计效果,并给出可靠的结果置信区间。[结论]所提算法能有效应用于燃气轮机模型的关键动态参数在线辨识,为进一步应用于实际机组奠定了基础。     

一种基于扩展状态观测器的智能船舶Nomoto模型参数辨识方法北大核心CSCD

[目的]为了支持制导、导航、控制等船舶智能化技术的测试验证平台的搭建,利用系统辨识技术得到高精度的智能船舶野本(Nomoto)运动模型参数。[方法]充分结合扩展状态观测器(ESO)以及鲁棒加权最小二乘支持向量回归(RW-LSSVR)算法的优势,提出一种高效低成本的混合参数辨识方法。为解决模型参数辨识中无法直接有效获取某些状态量的问题,构建了基于ESO的状态估计方法。基于估计方法与直接测量的船舶运动状态量,采用具有较强抗异常值干扰的RW-LSSVR对智能船舶二阶线性Nomoto运动模型参数进行辨识。以已知模型的两艘船舶为测验对象,对所提参数估计与辨识方法进行综合测验。[结果]在利用较少传感器的情况下,通过ESO可较精确地估计出非直接测量的船舶运动状态量,并且利用RW-LSSVR辨识得到的参数值十分接近标准值。[结论]利用所提方法获得的估计状态可用于参数辨识,并且辨识模型具有较好的泛化性。     

破冰船柴电混合动力系统优化设计及敏感性分析

[目的]针对极地破冰船的经济性和环保性要求,提出由柴油发电机组和储能电池组成的破冰船柴电混合动力系统。[方法]首先,基于冰载荷变化等级建立阻力模型,并采用反向建模法建立柴电混合动力系统的能量流模型;然后,以破冰船的年油耗量和生命周期总成本为优化目标,采用快速非支配排序遗传优化算法(NSGA-II)对动力系统设计参数进行优化,并基于优劣解距离法(TOPSIS)得到最优设计方案;最后,开展优化目标对7个设计参数的敏感性分析。[结果]仿真结果表明,柴电混合动力系统的最优设计方案比传统柴电推进系统节约了1.89%油耗,且纯电航行总里程占比为31.22%,但储能电池的引入降低了系统经济性。参数敏感性分析结果表明,2个优化目标对主机容量、电池组数量、电池荷电状态边界的敏感度较高,而对减速器减速比、电机转子体积和螺旋桨尺寸则相对不敏感。[结论]研究成果可为破冰船及柴电混合动力船舶的参数设计提供参考。     

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。     

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。     

基于反馈粒子滤波的船舶模型参数辨识

[目的]近年来,随着船舶朝着大型化、高速化、智能化的方向发展,船舶动力定位技术显得尤为重要。为了在动力定位系统中建立运动数学模型,需要确定模型中各参数的值。[方法]首先,以一艘挖泥船为研究对象,建立船舶运动数学模型,并分离出纵荡运动模型以及横荡与艏摇运动模型;然后,基于系统辨识理论和反馈粒子滤波算法辨识模型中的未知参数,包括2个主推进器和1个侧推进器的推力系数;最后,进行仿真实验,求得待辨识的参数值。[结果]通过与扩展卡尔曼算法的比较,显示反馈粒子滤波算法对参数辨识的效果更好,验证了反馈粒子滤波算法的可靠性。[结论]该方法在船舶动力定位系统中具有良好的应用前景。     

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。     

船舶机电系统故障信号远程通信容错诊断方法

远程通信系统是船舶机电系统故障信号传输与接收的关键。若远程通信容错率较低,则获得故障信号的完整性、精确性较差,致使故障严重性等级诊断结果失准,故提出船舶机电系统故障信号远程通信容错诊断方法研究。搭建远程通信容错架构(容错TTE模型),以此为基础,配置信息描述表结构,记录故障信号的传输与接收情况,制定远程通信容错算法,以接收的故障信号为依据,诊断机电系统故障的严重性级别,实现船舶机电系统故障信号远程通信容错的诊断。实验数据显示:应用此方法后,机电系统故障诊断严重性等级与实际严重性等级一致,充分说明该方法具备可行性。     

基于正弦函数处理新息的船舶模型参数辨识新算法

[目的]当船舶试验数据样本少时,将面临难以快速、准确辨识船舶模型参数的难题。[方法]基于最小二乘系统辨识算法,采用正弦函数处理新息,提出一种基于正弦函数非线性新息处理的船舶模型参数辨识算法。以"育鲲"船为例进行仿真实验,在只有26组辨识数据的情况下,对比最小二乘法和非线性新息改进最小二乘法的模型参数辨识效果,并利用"育鹏"船对所提算法的有效性进行验证。[结果]结果表明:与最小二乘法相比,非线性新息改进最小二乘法的模型参数辨识精度提升了15%左右。[结论]研究结果可为小样本数据情况下的船舶模型参数辨识提供参考。     

T-S模糊模型在船舶推进系统故障诊断中的研究

人们针对船舶电力设计了各种先进的保护与控制装置,尤其在对推进系统的故障预测与诊断方面开发出了多种行之有效的诊断算法。基于以上需求,本文开发出基于T-S模糊模型的推进系统故障诊断系统,首先建立船舶推进系统中的电机仿真模型,对电机的电压、磁链和运动特性进行研究。在此基础上,利用T-S模糊模型设计了故障识别算法的数学模型,对此模型进行线性化处理后,得到了简化的故障诊断步骤,应用Matlab对算法的故障识别特性进行仿真,从实验结果发现该算法的性能基本能够满足一般情况下的故障识别需求。     

基于AEC模型的船舶燃油供给系统状态评估

[目的]针对船舶机舱智能化的发展需求,为了预判系统设备的潜在失效因素,提出一种适用于船舶系统健康状态评估的新型AEC模型。[方法]首先,将改进层次分析法(AHP)与熵权法(EWM)的优势相结合,形成组合赋权法来确定各项评估指标的综合权重;然后,采用云重心评判法(CGCEM)计算加权偏离度,并对系统健康状态进行评估。[结果]实船燃油供给系统的验证结果表明:实测运行数据的加权偏离度计算结果为0.181 5,隶属于(0,0.33)区间,这与实船的健康运行状态一致。[结论]AEC模型可以较准确地评估船舶燃油供给系统的健康状态,可为智能船舶的状态评估和维护保养辅助决策提供参考。     

一种带多约束的船体分段点集数据分析方法

为了达到船体分段建造的精度要求,船体分段的测量点集与设计点集的数据分析技术是关键。在船舶领域中,传统的点集数据分析方法没有考虑多种船舶约束,因此数据分析出来的结果与实际结果相差较大。针对此情况,提出一种考虑多种船舶约束的数据分析方法。首先采用基于高斯混合模型(GMM)的相干点漂移法(CPD)算法,获得数据分析初值;然后利用权值向量实现对不同方向上精度要求的误差分配,同时把垂直度、平面性和水平度等多种工程约束引入数据分析的多优化目标函数中,通过调整多约束权值,求解出更合理的数据分析结果。实例表明,该方法在满足多种船舶约束的情况下,可获得更合理的数据分析结果,为后续的合拢搭载提供一定依据。     

一种基于高斯混合模型的主机运行工况构建方法

对复杂的船舶主机运行数据进行有效的工况划分可以提升主机设备的监测能力,基于工况下各个设备参数的特征值变化情况,进一步提升主机设备故障诊断和预估能力。为此,提出一种基于高斯混合模型（GMM）的主机工况构建方法。该方法首先对实船监测数据进行预处理和初步筛选,再对各个特征参数之间的相关性进行分析,从而确定转速和功率为聚类划分的特征参数。引入置信区间获取目标船主机在主要营运要求下的转速范围,提升工况划分的效率,结合GMM构建主机工况划分方法。基于GMM的工况划分方法可以对复杂的主机运行工况进行有效划分,能为各个工况下的主机设备监测提供可靠的数据支撑。     

基于遗传算法的船舶动力定位系统故障诊断研究

船舶动力系统结构复杂,动力系统各元器件之间存在松散耦合的关系,传统的基于集中式故障诊断方法已经越来越不适应现代船舶动力系统故障的定位诊断性能要求。基于遗传算法的诊断模型将动力系统描述为分布式架构,各固件通过遗传因子来传递故障现象与原因之间的联系。本文分析基于遗传算法的船舶动力定位系统故障诊断策略,使用故障向量及图论来描述系统的故障现象,给出基于软件的故障定位方法及验证结果。     

基于Bagging-GPR的舰船目标RCS频率外推技术北大核心CSCD

[目的]针对高频情况下使用传统仿真、实测方法获取舰船目标RCS受限的问题,提出一种结合引导聚集(Bagging)算法与基于谱混合协方差函数的高斯过程回归(GPR)模型的混合方法(Bagging-GPR),从而根据仿真和实测得到的低频段RCS数据,准确高效地外推高频段的RCS数据。[方法]首先,根据舰船目标低频段单站RCS数据,以重采样的方式获取训练子集,并使用基于谱混合协方差函数的GPR模型对各子集的RCS数据在频域上进行外推;然后,通过Bagging算法将各子集的外推结果进行混合,以进一步提高GPR的外推精度和鲁棒性;最后,分别在舰船模型的仿真数据集和实测数据集上对Bagging-GPR混合方法的性能予以试验验证。[结果]结果表明,Bagging-GPR可以实现实时外推,预测值与仿真值、实测值基本一致,均方根误差很小。[结论]所提方法具有较高的频域RCS数据外推精度和良好的鲁棒性,可为快速获取目标的高频RCS特征提供一种新的技术手段。