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。     

分布式系统快速故障诊断

通过结合指控系统组成特点,设计并实现了一种基于PMC模型的分布式系统故障诊断方案.该方案将指控系统设备按照功能域不同进行划分,通过面向领域的分布式智能代理DODIA,在每个管理域内采用基于PMC模型的故障诊断算法,有利于实现系统级快速故障诊断.     

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。     

基于随机森林算法的船舶电站故障诊断

针对船舶电站故障诊断中常用的BP神经网络算法存在的收敛速度慢和诊断准确率不高等问题,提出一种基于随机森林算法的船舶电站诊断模型。在Simulink软件中搭建船舶电站故障模型,通过在Simulink中仿真得到船舶电站故障数据,分析基于随机森林算法的船舶电站故障诊断原理。在MATLAB软件中分别建立基于随机森林算法和BP神经网络算法的船舶电站故障诊断模型,并对二者的故障诊断结果进行对比分析。结果表明,基于随机森林算法的诊断模型相比基于BP神经网络的诊断模型,能显著提高船舶电站故障诊断的效率和准确率。     

舰船甲板起重机旋转故障自动诊断方法

利用传统方法对舰船甲板起重机旋转故障进行自动诊断,普遍存在鲁棒性较差的问题,从而导致诊断可靠性不高。针对上述问题,提出一种基于ICA-SVM的起重机旋转故障自动诊断方法。该方法首先利用传感器采集起重机旋转故障振动信号,接着利用ICV将源故障信号与干扰信号进行分离,然后从源故障信号中提取故障特征,最后利用SVA分类器进行故障匹配与识别,实现起重机旋转故障自动诊断。结果表明:与3种传统故障自动诊断方法:基于遗传算法的旋转故障诊断、基于粗糙集理论的旋转故障诊断以及基于Hilbert-Huang变换的旋转故障诊断相比,本诊断方法的最大误报率(3.5%)和漏报率(3.2%)最低,鲁棒性更好,说明本方法的诊断结果更可靠。     

关联规则在舰船供电系统故障诊断中的应用

为了能够对电力系统故障做到有效预警与诊断,本文提出一种基于关联规则的故障诊断算法,该算法能够从电力系统细微的信号变化中识别出故障之间的联系,并结合舰船实际运行状态对故障的诊断给出最优解。仿真结果表明,此算法的故障诊断能力突出,应用前景良好。     

人工智能优化算法的舰船电网故障诊断优化

传统舰船电网故障诊断算法存在故障点与电路层数据不同步的问题,导致故障点出现时间量与确定故障位置时间量出现误差,进而影响电网保护策略的启动响应速度,造成不必要的连锁故障。因此,采用人工智能算法,对故障诊断模型进行优化,并提出人工智能优化算法的舰船电网故障诊断优化研究。首先在现有舰船电网故障诊断模型输出端,加入故障数据拟合模型计算,对电网络故障数据与电网结构层进行拟合;然后通过人工智能算法,对拟合故障数据的识别响应阈值进行优化计算,从而提升诊断阈值灵敏度,达到最佳的故障诊断效果。最后,通过与传统诊断算法诊断效果数据的对比,证明提出优化方法的可行性。     

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。     

基于分布式模糊神经网络的船舶机电故障诊断

为了更好地保障船舶航行安全,及时准确地对船舶机电设备进行监测分析,修理出现的故障,提出了一种基于分布式模糊神经网络的船舶大型机电设备故障诊断的方法.该方法融合了模糊理论和神经网络各自的优点,能自适应从学习样本数据中提取故障模型,能实时地进行故障诊断,且网络结构简单,训练速度快,准确率高.通过对某船转子系统的故障诊断实验,证明了此法的有效性和优越性.对于大型的复杂设备,基于分布式模糊神经网络的故障诊断方法优势明显,具有很好的应用前景.     

基于改进t-SNE和RBFNN的柴油机故障诊断

针对柴油机故障诊断问题，提出一种基于改进t分布的随机邻域嵌入（t-SNE）和径向基函数神经网络（RBFNN）的柴油机故障诊断方法。针对t-SNE算法对振动信号的实际降维效果不够理想的问题，进行自适应加权优化；引入遗传算法（GA）解决果蝇优化算法（FOA）陷入局部最优的问题，将GA-FOA应用于RBFNN参数选取中；采用改进后的RBFNN模型对经自适应加权t-SNE降维的数据进行故障识别。研究结果表明，改进后的算法能明显改善聚类效果，提高故障识别的正确率，具有良好的应用前景。     

基于FNN的船舶舵伺服系统故障诊断研究

分析某型船舶舵伺服系统的故障信息,建立了模糊神经网络故障诊断模型.利用模糊逻辑处理数据以便于充分利用经验知识;利用神经网络诊断,避免了复杂故障树诊断系统的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,并采用改进的BP算法训练神经网络,解决了收敛速度和收敛振荡的问题.诊断实例结果表明:该故障诊断系统具有较强的鲁棒性和泛化能力;该算法采用无模型化诊断,容易实现自学习,可不断完善系统性能,具有一定的理论和工程应用价值.     

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。     

基于灰色关联排序聚类方法优化故障诊断

采用灰色关联分析方法,以舰船监控装置部件的固有可靠性、结构、环境和实际运行等4个因素作为评价指标,结合诊断结果,对其故障原因进行排序和聚类,实现决策优化,较好地解决了专家系统只能提供故障原因集而引发的问题。论文还对各评价指标和相关算法进行介绍,并给出了实例。     

基于观测器的船用调距桨控制系统 故障分析与仿真试验

针对船用调距桨控制系统传感器恒偏差、恒增益及液压缸完全失效三种典型故障模式,建立了相应的故障模型,并提出了相容多性能指标约束下的故障诊断观测器算法。进一步,对MCP34-C/4调距桨螺距控制系统进行了典型故障下的仿真实验和传统观测器诊断方法的对比研究。仿真表明,所提出的故障观测器诊断方法具有快速性、鲁棒性和灵敏性特点,适用于线性模型下船用调距桨控制系统的故障诊断。     

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。     

一种故障诊断模糊专家系统的实现

针对电力系统多异构设备故障诊断工程化不高的问题,提出一种具体的故障诊断实现框架.采用通信方式和数据结构独立配置的方法,实现电力系统多种协议通信的无缝连接,解决了底层异构设备数据在顶层设备中的接收、分析和存储难以统一的问题;在故障诊断框架下,设计并实现模糊专家系统和其他故障数据处理综合诊断;研究了基于xml的系统配置信息描述,能够实现电力系统中各种设备、参数和故障判断准则等信息的标准化;同时提出了一种故障诊断算法,实现系统各设备的故障定位.诊断实例结果表明,系统推理效率高,可信度好,能够满足电力系统故障诊断要求.     

船用核动力一回路设备故障综合智能诊断系统

在总结核动力一回路设备的故障诊断技术的基础上,依据“分解-综合”的诊断思想,提出基于神经网络和专家系统的综合智能诊断系统的模型和多源信息综合诊断模型,探索将不同的诊断技术结合起来形成新的智能诊断系统。     

舰船主动力装置故障诊断系统研究

文章介绍了舰船主动力装置故障诊断专家系统的体系结构和功能实现方法,分析了系统所采用的基于案例、规则和模型的综合故障诊断模型,提出了基于面向对象的诊断知识封装模块的知识表示形式。     

基于LM算法的组合导航系统的故障诊断

LM (Levenberg-Marquardt)算法是梯度下降法与高斯-牛顿法的结合,在训练次数与精度上明显优于标准的BP算法.介绍了BP神经网络,采用LM算法对标准BP算法进行改进,并应用于船舶组合导航系统的故障诊断.仿真结果表明,LM算法可有效地提高学习速度,缩短训练时间,诊断效果好.