船舶柴油发电机转速神经网络模型参考自适应控制

结合人工神经网络与模型参考自适应控制，形成船舶柴油发电机转速神经网络自适应控制。对由传感器检测后获取的特征值进行归一化处理，把经过处理的特征值作为神经网络的输入样本集，设计输出样本集，建立BP神经网络和ELMAN神经网络，用整理后的数据训练神经网络，使神经网络实现转速的自适应控制功能，并对神经网络模型进行仿真测试。仿真结果表明该方法控制精度高，动、静态特性好。     

基于远程通信的船舶配电容错方法研究

为了提高船舶配电的稳定性和均衡性,需要进行船舶配电容错控制设计,提出基于远程通信的船舶配电容错方法。构建船舶配电容错控制的约束参量模型,采用直流功率调制的方法进行船舶配电的直流电力输出功率调制和超低频振荡抑制,在远程通信协议下进行船舶配电容错的输出稳态性测试,构建船舶配电容错的优化控制律。通过多直流协调控制的方法进行船舶配电过程中的远程通信信道均衡调节,采用匹配滤波器抑制区域间低频振荡,实现船舶配电容错控制。仿真结果表明,采用该方法进行船舶配电控制的容错性能较好,提高了输出稳定性,远程通信的信道均衡性较强。     

基于PCA与BP神经网络的危险化学品船舶识别

对危险化学品船舶进行识别有利于保障海上航道安全和维护海洋生态环境。本文通过PCA算法进行危险化学品船舶的特征提取,并且测试集和训练集样本都投影到特征空间中,利用BP神经网络进行分类识别。最后进行BP神经网络分类器中不同阈值和不同隐层数量的仿真实验。     

容错控制在船舶航行中的应用

在船舶的航行控制系统中,各种复杂通信导航设备变得更加复杂,其稳定性和安全性成为人们研究的重点。而常规的容错控制已被广泛应用在复杂的工控领域,在船舶控制系统中,主要的控制对象即螺旋桨的矢量控制,基于此控制技术的容错系统也应运而生。本文主要介绍船舶螺旋桨的调距控制系统,并针对常见的故障开展容错控制与冗余设计的相关研究。在对船舶运动的建模设计中,应用容错控制算法,并建立仿真环境,验证其控制效果和性能。     

基于LMI的船舶航向横摇鲁棒容错控制

为了提高船舶航向/横摇控制系统的可靠性,改善系统故障情况下的容错控制效果,采用基于线性矩阵不等式(LMI)的鲁棒容错控制设计方法,对船舶航向/横摇系统进行容错控制研究。建立船舶航向/横摇耦合运动模型,分析故障导致的模型等效不确定性,通过定义广义干扰,将模型变换为适合于H 2/H∞鲁棒容错控制设计的标准模型。设计系统的性能评价指标,求解鲁棒容错控制器,并进行仿真验证。结果表明,船舶航向/横摇鲁棒容错控制系统具有良好的容错性能。     

一种新型集成智能传感器的容错控制方法

提出了一种传感器容错控制新方案。该方案融合了神经网络、模糊逻辑、自适应预测、系统结构分析与容错控制技术，解决了传统容借控制系统不能对复杂系统进行有效控制的问题。采用该方法对一传统容错控制系统进行了仿真，证明了具有比原系统更加优越的性能。     

船用蒸汽发生器给水系统的容错控制

为提高二回路控制系统的可靠性,以蒸汽发生器给水系统为对象,设计基于BP神经网络的水位容错控制系统。利用Matlab/Simulink仿真平台,建立容错控制仿真模型,并与蒸汽发生器的集总参数仿真模型联合,分别对水位传感器恒偏差、恒增益和卡死故障进行仿真测试。仿真结果表明,容错控制系统的故障诊断模块能够准确、迅速地诊断出传感器故障并启动容错控制模块进行容错控制,使得蒸汽发生器的水位能够稳定在设定值附近,系统运行稳定。基于BP神经网络的容错控制系统对于修正蒸汽发生器水位传感器的故障有效,可用于蒸汽发生器给水控制系统的设计,提高系统的可靠性。     

基于BP神经网络的船舶航迹控制技术

航海战舰规模的扩大使船舶航迹的控制变得越来越困难、复杂。为了实现船舶航迹控制,采用新的控制技术,根据神经网络及船舶航迹的相关理论和BP神经网络的船舶航迹控原理,对BP神经网络的船舶航迹控制进行计算和航迹设计实现,通过模拟仿真得出各种海情条件下的船舶航迹控制比较图,对我国航海战舰控制航迹有一定的指导意义。     

基于自编码器的船用柴油机故障诊断

为了提升船舶柴油机故障诊断的泛化能力,引入深度神经网络,文章提出了一种基于自编码器（AE）的船舶柴油机故障诊断方法。通过GT-SUITE船用柴油机故障仿真实验,对数据样本进行分析,结果表明AE在训练集和测试集的故障识别率分别为98.67%和98.33%,优于支持向量机（SVM）和BP神经网络,更适用于船用柴油机的故障诊断。     

神经网络优化PID的船舶发动机自动控制

船舶发动机自动控制系统十分复杂且有高阶强祸合的非线性特征。传统的船舶发动机采用的PID控制器,在船舶运行的整个制过程中其参数都固定不变,这就导致了船舶在实际运行过程中出现状态变化和系统参数的不确定性问题,难以达到最佳的船舶控制效果。而人工神经网络系统是对人脑功能的基本特性进行抽象简化的模拟系统,具有灵活和精准的特点以及良好的非线性处理和容错性能,在现代工业中得到了广泛应用。利用神经网络优化PID控制系统可有效解决传统船舶发动机运行过程中存在的不确定非线性问题。因此结合神经网络优化PID控制系统对船舶发动机自动控制系统进行研究和设计,并通过仿真实验验证神经网络优化PID的船舶发动机自动控制系统在运行过程中对船舶的控制能力。实验结果证实该系统能有效解决传统发动机中存在的非线性问题,在恶劣条件及故障情况下仍能保障船舶稳定运行。     

永磁同步电机推进系统容错控制方法

为了解决多相永磁同步电机推进系统中由于逆变器功率开关元件的短路或断路所引起的故障,根据综合矢量方法,提出了一种有效的容错控制方法;根据多相PMSM电力推进系统缺相故障后绕组的非对称分布的特点,提出了故障状态下形成圆形磁场的各相定子电流的幅值和相位条件;以12相永磁同步电动机电力推进系统为例,对最经常发生的一相及二相绕组开路故障进行容错控制仿真。仿真结果表明,容错后,转矩的原理性波动从根本上得到消除,交、直轴电流和转矩过渡过程较为平稳,过渡过程时间很短。依据仿真结果还给出了为使系统保持原有的转矩输出,容错后的各相电流幅值需增加的补偿量。     

优化的BP网络在船舶故障诊断中的应用

船舶各种设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶上设备繁多,运行环境特殊,因此,各种设备的故障症状与故障原因之间关系十分复杂,使用传统诊断方法在实际应用中效果不理想。BP神经网络在故障诊断中有广泛的应用,但由于BP网络采用的是沿梯度下降的搜索求解算法,存在收敛速度慢,且容易陷入局部极小等问题。而遗传算法具有全局搜索速度快的优点。为此,采用自适应遗传算法来优化BP神经网络,并以船舶主机轴系的故障诊断为实例,证明遗传算法优化的BP网络方法非常适用于对船舶各种设备故障的早期诊断和预测。     

核电应急柴油发电机组监控系统设计

为了检测柴油发电机组的冷态状态、运行参数,控制柴油发电机的运行以及励磁,并进行故障保护,本文设计了由机旁速度控制柜、柴油发电机状态监控台以及发电机电压转速测验台组成的监控系统,配合现场操作人员实现对核电应急柴油发电机组的检验,实现了机组的自动化操作,控制、检测到的数据精确,故障保护措施齐全。     

基于粗糙集理论的柴油机燃油系统故障诊断研究

针对柴油机燃油系统的故障种类多的特点利用小波方法对燃油波形进行分析,提取时域及频域的故障特征参数,并使用粗糙集理论对这些故障特征参数进行约简,达到简化故障识别的神经网络的结构、加快辨识速度的目的.最后用RBF神经网络对所模拟的各类故障进行辨识,证实了粗糙集理论在柴油机燃油系统故障诊断中应用的可行性.     

基于PSO-ELM算法实现船舶发电机组故障识别

针对船舶发电机组的不同故障类型,通过传感器采集不同故障下柴油机缸盖处的振动信号,构成大量数据集,选取部分数据集作为样本数据。通过EEMD算法对样本数据进行分解降噪,把一维数据分解成能反映柴油机工况信息的多维数据,对分解形成的多维数据使用KICA算法进行特征提取,并对提取后的数据进行训练集、验证集分组。使用PSO-ELM算法搭建故障识别模型,并使用训练集训练模型,使用验证集验证模型,根据验证结果评价模型是否满足故障识别的精确度。     

直流全电力推进船舶短路故障管控技术研究

本文从船舶直流电网的发展背景出发,分析了船舶直流电网的短路故障特性和保护需求;基于统一框架,对国外直流电网短路故障管控技术,包括故障检测、故障隔离和网络重构等方面的研究进展进行了分析,梳理了目前不同技术手段的特点和优缺点以及对于直流全电力推进船舶的适用性;指出了直流全电力推进船舶短路故障管控技术未来发展和后续研究重点建议。     

基于单分类算法OSVM船用燃气轮机状态评估

针对船舶综合监控系统中存储有海量设备正常运行时的数据没有得到充分利用，此外设备退化时的故障数据难以获取，无法训练传统的多分类退化检测模型，提出利用单分类算法OSVM来建立模型,从而实现退化检测，在该过程中只需用正常样本数据来训练模型，并在一个经过实船数据验证过的模拟器产生的数据集上进行了实验。结果显示，只需要400个正常样本就可训练出准确的退化检测模型，该模型在精确度，召回率，特异性，正确率，AUC五个指标都有很好表现，此外，该退化检测模型有很好的扩展性，也可被用于其他机械设备的状态评估中。     

小子样舰船可靠性评估方法研究

小子样舰船大型复杂系统的可靠性评估方法一直是个难题．根据任务剖面绘制系统故障树，找出系统最小割集．最小割集中的设备之间视为并联关系，最小割集之间视为串联关系，将故障树转化为只有二级的相当故障树，从而将系统可靠性评估模型简化．把采集处理的底事件数据（等效任务数、故障数、工作时间）代入计算模型中，得到了系统可靠性置信下限，并给出了不同分布类型（主要是二项分布）舰船设备数据转化为指数分布数据的方法．     

Application of data fusion method to fault diagnosis of nuclear power plant

The work condition of nuclear power plant (NPP) is very bad, which makes it has faults easily. In order to diagnose the faults real time, the fusion diagnosis system is built. The data fusion fault diagnosis system adopts data fusion method and divides the fault diagnosis into three levels, which are data fusion level, feature level and decision level. The feature level uses three parallel neural networks whose structures are the same. The purpose of using neural networks is mainly to get basic probability assignment (BPA) of D-S evidence theory, and the neural networks in feature level are used for local diagnosis, D-S evidence theory is adopted to integrate the local diagnosis results in decision level. The reactor coolant system is the study object and we choose 2# steam generator Utubes break of the reactor coolant system as a diagnostic example, The experiments prove that the fusion diagnosis system can satisfy the fault diagnosis requirement of complicated system, and verify that the fusion fault diagnosis system can realize the fault diagnosis of NPP on line timely.