基于数字信号处理技术的船舶电子设备故障诊断

当前船舶电子设备故障诊断方法无法准确表达船舶电子设备故障变化特点,船舶电子设备故障诊断成功率低,出现了大量错误的船舶电子设备故障诊断结果,同时船舶电子设备故障诊断实时性差,为此设计了基于数字信号处理技术的船舶电子设备故障诊断模型。首先分析当前船舶电子设备故障诊断模型存在缺陷的原因,通过数字信号处理技术采集船舶电子设备工作状态信号,并从信号中提取船舶电子设备故障特征向量,然后将船舶电子设备故障特征向量作为极限学习机的输入,通过确定极限学习参数建立船舶电子设备故障诊断模型,最后在Matlab2016平台上进行了船舶电子设备故障诊断仿真模拟测试。结果表明,本文模型可以提取描述船舶电子设备工作状态的信号,提取特征向量可以很好描述船舶电子设备故障类型,使得船舶电子设备故障诊断成功率得到提高,故障诊断的错误率降低,有利于船舶电子设备故障处理。     

多传感器融合下船舶机电系统多发故障信号监测

为了提高船舶维护效率,提出一种多传感器融合下船舶机电系统多发故障信号监测方法。根据故障状态下的信号频率,使用小波变换法提取故障信号特征参数作为蚁群算法优化BP神经网络输入,实现多发故障诊断,并通过DS证据理论完成多传感器数据融合,得出故障诊断结果。实验结果表明,该方法可通过多传感器融合判断出船舶机电系统故障类型,即使一种传感器出现故障也不影响诊断效果,诊断船舶机电系统多发故障平均准确率高达97.02%,能够实现较为精准的船舶机电系统多发故障监测。     

基于DSP的船舶电子设备故障诊断研究

船舶运输在全球经济中发挥着不可替代的作用,船舶电子设备的稳定工作对于保障船舶运输安全以及船舶自动化控制系统的可靠性具有非常重要的作用。对船舶电子设备故障进行诊断研究可以有效发现设备故障位置,并及时采取措施。本文提出一种基于BP神经网络和DSP技术的船舶电子设备故障诊断系统,以DSP为硬件核心实现神经网络解决电子设备故障诊断问题,重点介绍神经网络算法的实现以及数据采集电路的设计等。     

基于小波包振动谱图的柴油机在线故障诊断方法

柴油机是舰船的主要动力装置,针对传统故障诊断方法不能有效提取柴油机故障特征和实现在线诊断的缺点,提出一种基于小波包振动谱图像的柴油机在线故障诊断新方法.该方法首先用小波包对采集到的柴油机振动信号进行分析生成小波包振动谱图;然后利用双线性内插值方法对生成的振动谱图进行数据降维,对降维后的振动谱图进行灰度共生矩阵纹理特征参数提取;最后用分类器对特征参数进行识别,完成故障诊断.将该方法应用于柴油机气门间隙的故障诊断实例中,结果表明,基于小波包振动谱图像的柴油机在线故障诊断方法能快速高效的诊断出气门间隙故障,识别准确率高达99.17％,仅耗时0.24 s,为内燃机故障在线诊断探索了一条新途径.     

基于小波包振动谱图的柴油机在线故障诊断方法

柴油机是舰船的主要动力装置,针对传统故障诊断方法不能有效提取柴油机故障特征和实现在线诊断的缺点,提出一种基于小波包振动谱图像的柴油机在线故障诊断新方法.该方法首先用小波包对采集到的柴油机振动信号进行分析生成小波包振动谱图;然后利用双线性内插值方法对生成的振动谱图进行数据降维,对降维后的振动谱图进行灰度共生矩阵纹理特征参数提取;最后用分类器对特征参数进行识别,完成故障诊断。将该方法应用于柴油机气门间隙的故障诊断实例中,结果表明,基于小波包振动谱图像的柴油机在线故障诊断方法能快速高效的诊断出气门间隙故障,识别准确率高达99.17%,仅耗时0.24 s,为内燃机故障在线诊断探索了一条新途径。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

基于小波包分解的船用柴油机燃油电磁阀故障诊断方法

为了精准识别电磁阀故障,确保船用柴油机安全、平稳运行,提出基于小波包分解的船用柴油机燃油电磁阀故障诊断方法。采用小波包分解法对船用柴油机燃油电磁阀电流信号作分解,获取其多频带特征。通过核主成分分析法对其作降维处理,完成敏感特征选择。将其作为最小支持向量机的输入,自适应蚁群优化算法通过自适应调整挥发因子、状态转移规则确定最优模型参数,实现燃油电磁阀故障的准确诊断。结果表明：故障、正常工况下的燃油电磁阀电流特性曲线存在较大差异;该方法可提取电流信号的8个频带特征、不同频带特征间差异度大;特征选择有利于提高燃油电磁阀故障辨识度。本文方法可实现燃油电磁阀故障诊断,诊断效果突出。     

大型船舶电力网络异常输电线路自动识别分析

电力网络输电线路一旦出现异常,将直接导致船舶上各设备运行受到影响。为此,进行大型船舶电力网络异常输电线路自动识别分析研究。该研究首先利用故障录波装置采集电气量信号,然后利用基于小波能量熵的方法提取特征,最后利用BP神经网络构建识别模型,自动识别船舶电力网络输电线路异常类型。结果表明,所研究方法应用下,得到的识别结果与人为设置的异常类型一致,证明了所研究识别方法的有效性。     

组合机械故障诊断技术在船舶电机轴承异常检测中的应用

为保障船舶航行安全,针对当前船舶机械轴承故障检测过程中常出现检测速度缓慢、检测误差大等问题进行分析,结合组合机械故障检测技术对船舶电机轴承异常诊断方法进行了创新和优化。首先对电机轴承正常运行状态下的信号特征和故障信号特征分布进行提取,并录入数据库。其次,利用人工蜂群算法对最优信号分类参数进行搜寻。最后,利用组合机械故障诊断算法对电机轴承运行参数采集结果做出判断。最后通过实验检测结果证实,结合组合机械故障诊断技术在船舶电机轴承异常检测可及时对船舶电机轴承异常情况进行检测,快速检测出设备运行异常,避免船舶航行过程中的安全隐患,促进船舶航运工程的快速发展。     

基于机器学习算法的船舶电气故障分类与诊断方法

为实现船舶电气故障的早发现、早解决,设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号,利用小波包分析方法提取增强后的电气设备振动信号特征,将电气设备振动信号特征输入卷积神经网络中进行训练,得出最佳的故障分类与诊断模型,并利用该模型实现船舶电气设备的故障分类与诊断。实验表明：采用Teager能量算子可以快速准确地将传感器采集的信号放大,且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%,可能够准确诊断出船舶电气设备是否存在故障,并获取对应的电气故障类型。     

柴油机燃烧室部件声发射诊断方法研究

本文基于声发射信号和迁移学习,提出一种新的柴油机燃烧室故障诊断方法。研究在TBD234V6型柴油机上模拟了喷油器堵塞、启阀压力减小和排气阀漏气故障等,用CompactRIO硬件进行信号采集,并针对燃烧室部件故障后声发射信号的特征进行分析。研究表明,以特征参数提取和迁移学习为基础的故障诊断方法能更准确地识别不同故障类型,相对于传统机器学习算法,其准确度更高,泛化能力也更强,对于数据样本较少和不同数据分布的情况下也有较好适应性。此研究对于保证柴油机燃烧室部件的健康状况、确保船舶安全航行具有重要意义。     

基于DSP的船舶通信设备故障辨识模型

针对当前船舶通信设备故障辨识误差大,不能满足现代船舶通信要求的难题,提出基于数字信号处理(DSP)的船舶通信设备故障辨识模型。首先分析船舶通信设备故障辨识原理,并采用数字信号处理技术采集船舶通信设备的状态信号,然后采用小波包对船舶通信设备的状态信号进行处理,并提取最有效的船舶通信设备故障辨识特征,最后引入机器学习算法建立船舶通信设备故障辨识模型,采用具体船舶通信设备故障辨识样本进行仿真测试,结果表明,数字信号处理的船舶通信设备故障辨识精度高,船舶通信设备故障辨识误差小于当前其他辨识模型,而且故障辨识的训练时间和测试时间相应减少,改善了船舶通信设备故障辨识结果。     

基于嵌入式技术的船舶故障诊断控制器设计

船舶故障诊断是船舶运输航行的重要技术支持,为了有效提高船舶故障诊断效果,基于嵌入式技术设计新型船舶故障诊断控制器。该控制器从故障异常数据入手,首先建立故障训练样本,用于表示船舶正常航行以及多类型故障时的数据标数,根据训练样本,提取当前故障信号诊断特征,并利用最小二乘法对上述建立的训练样本数据进行直接限制,完成诊断特征分类,将分类后的数据进行信号去噪,消除无用数据,确定信号标度因子值,通过数据清洗,重新划分定位故障数据,实现故障诊断。实验数据表明,应用该故障诊断控制器,故障诊断率提高了22%,故障误判率降低了30%,有效提高船舶故障诊断控制效果。     

船舶电力系统故障特征提取的小波变换方法

船舶电力系统故障时暂态号中包含丰富的特征息,对故障工况暂态号特征息的有效提取是船舶电力系统故障诊断的核内容之一。基于小波变换理论,利用小波分析和小波包能量熵方法,在Matlab仿真环境下,对船舶电力系统电故障暂态号进行了分析和特征息提取。结果表明两种方法都有效地提取了故障特征息,其中小波分析方法有特征向量与故障之间的映射关系简单明了的特点,小波包能量熵方法提取的特征向量与故障之间是一种非性的映射关系,适用于与其他智能故障诊断方法结合。说明特征提取可以为故障的识别与诊断提供基础。     

船舶轮机设备多发故障信号监测方法研究

故障监测是故障诊断系统的重要组成部分,在船舶轮机设备运行中,受复杂环境因素的影响,轮机设备易出现故障隐患,影响船舶航行安全性。为实现对轮机设备故障状态的实时监控,有必要识别多发故障类型,建立起多发故障信号监测系统,满足轮机设备全方位、全时段监测需求。本文提出船舶轮机设备多发故障信号监测系统的设计方案,并对监测系统进行仿真实验,研究结果证实多发故障信号监测系统能够对船舶轮机设备的故障信号进行实时获取和分析,为准确识别故障类型提供数据支持。     

数字信号处理器的舰船电子设备故障诊断

舰船电子设备故障与多种因素相关,使得舰船电子设备故障变化具有随机性,传统方法难以描述舰船电子设备故障的变化特点,诊断效果差。为了克服当前舰船电子设备故障诊断存在的不足,提出数字信号处理器的舰船电子设备故障诊断模型。首先采用数字信号处理器对舰船电子设备状态信号进行采集,同时去除信号中的一些噪声,然后从舰船电子设备信号中提取有效的特征,通过筛选最有效的舰船电子设备故障诊断特征进行建模,最后引入数据挖掘技术建立舰船电子设备故障诊断模型,并在相同环境下,与其他模型进行舰船电子设备故障诊断仿真模拟测试。结果表明,本文模型的舰船电子设备故障诊断误差要比对比模型更低,且减少了舰船电子设备故障诊断复杂度,诊断效率得到明显的提升。     

采用多分辨奇异分解算法的船舶故障诊断技术

为了保障船在机械设备的运行可靠性,研究船舶机械的故障诊断技术有重要的价值,本文主要采用噪声分析法对船舶机械的运行状态进行诊断,并结合小波变换和奇异值分解算法,研究船舶机械设备噪声信号的分析,对于提高传统的船舶故障信号分析技术以及故障诊断的精度有重要的意义。     

基于集合经验模态分解的发电机组智能诊断系统设计

发电机组作为产生电能的机械设备在陆地和船舶上得到广泛应用,但在运行过程中容易产生故障,且故障种类繁多,通过人的直观观察往往很难判别故障类型。本文介绍一个智能诊断系统,首先采集不同工况下的发电机组声信号,再利用集合经验模态分解对信号进行分解,并提取特征参数,最后使用模糊C均值聚类进行故障分类。通过6135D型柴油发电机组进行实验验证,故障诊断率达到了92.25%,结果表明该系统可以对发电机组常见故障进行准确的智能诊断。     

轴承振动信号自适应诊断建模方法

通过时频分析提取滚动轴承运行状态的振动信号特征参数,经标准化处理后,选择T-SNE降维技术,获得训练样本,研究基于随机森林的故障诊断模型,识别滚动轴承运行状态。经试验验证,该方法诊断准确率达到96%,将该方法应用于滑动轴承,准确率也达到94.6%。T-SNE降维技术可以自动选择适用于不同类型轴承的特征参数;随机森林作为一种机器学习方法,能根据数据的内在规律自动建立适用于不同类型轴承的故障诊断模型。研究表明,T-SNE与随机森林相结合应用于轴承故障诊断具有较好的准确率和通用性。     

基于时间序列与小波分析的船舶柴油机故障诊断

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号.采用时间序列分析方法对船舶柴油机缸盖振动信号功率谱进行识别,采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断.