共查询到10条相似文献,搜索用时 15 毫秒
1.
故障诊断技术是一门新兴技术,随着数学与计算机科学的不断发展,故障诊断技术也有了迅速的进步,现在神经网络算法、人工智能等先进技术都大量的应用于故障诊断中。船舶的动力系统是其推进力的来源,动力系统的正常运行对船舶意义重大。为了提高船舶动力系统的可靠性与安全性,必须采取一定的措施预防与诊断其故障类型。本研究针对船舶动力系统的故障诊断问题,研究了一种基于BP神经网络算法的诊断技术,并建立了动力系统故障数据挖掘与诊断系统。 相似文献
2.
3.
4.
船舶动力系统含有大量复杂的零部件,由于长期的往复运动,且工作条件恶劣,动力系统的机械结构很容易发生故障。为了保障船舶动力系统的可靠、高效运行,必须要对船舶动力系统的机械运动进行合理的监控。传统的监控系统采用振动分析等技术,信号精度较差,本文结合虚拟仪器技术Labview平台,通过建立船舶动力系统模型和传感器模型等,开发了一种基于Labview的船舶动力系统的监控系统。 相似文献
5.
6.
7.
随着计算机技术和大数据技术逐渐成熟,大数据分析在船舶工业领域有了越来越广泛的应用。近年来,船舶工业逐渐向着智能化、自动化等方向发展,船舶动力系统、电力系统的智能化故障诊断等技术成为业内的研究重点。船舶机械的故障诊断过程具有数据量大、故障信号复杂、干扰信号多等问题,一直以来是业内的研究难题。本文介绍了大数据分析技术的原理和数据挖掘技术,设计了一种基于大数据分析的船舶机械故障诊断系统,该系统面向的诊断对象主要包括船舶机舱控制系统、船舶动力系统等,具有数据诊断效率高、人机交互性好、数据传输效率高等优点。 相似文献
8.
《中国舰船研究》2018,(6)
[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。 相似文献
9.