共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
传统舰船发动机故障诊断方法诊断时,需要对舰船发动机进行一定程度上的拆卸,无法完成零拆卸的故障检测,为此提出基于振动信号的舰船发动机故障诊断方法。使用不同波段振动信号作为检测探伤手段,采集多频段的振动信号,分析信号携带的诊断信息,完成舰船发动机故障诊断模型构建;计算振动信号非线性鲁棒值,锁定故障位置,通过编程分析,实现舰船发动机故障诊断。试验结果表明,设计的故障诊断方法比传统方法诊断定位准确率高2%,说明设计的诊断方法具备极高的有效性。 相似文献
4.
5.
6.
7.
8.
中压发电机组是舰船的动力核心,中压发电机组在使用较长时间之后可能会出现振动异常的问题,通过对其进行振动检测,能够确定振动异常的位置和原因,并通过针对性的措施来解决问题,维护中压发电机的正常运行。本文以某舰船的中压发电机组故障问题为例,对中压发电机组振动监测与故障诊断进行了详细的分析。 相似文献
9.
10.
11.
为了提高对舰船通信网络异常识别能力,提出基于数据驱动的舰船通信网络异常行为检测方法。采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型,通过最小间隔均衡技术对舰船通信网络的信道均衡控制,提取舰船通信网络的信道传输信息特征。对舰船通信网络的行为特征参数分析,结合谱分量融合和融合聚类处理方法,实现对舰船网络异常行为的数据驱动控制。根据数据驱动的图模型参数识别和异常谱特征聚类分析,实现对舰船通信网络异常行为检测。测试结果表明,该方法能够进行舰船通信网络异常行为检测处理,提高信道均衡性能 相似文献
12.
13.
基于时间序列与小波分析的船舶柴油机故障诊断 总被引:3,自引:0,他引:3
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. 相似文献
14.
针对当前舰船电机轴承异常检测正确率低、检测自动化程度低、检测过程十分耗时等难题,为了提高舰船电机轴承异常检测效果,设计了基于神经网络的舰船电机轴承异常检测方法。首先提取舰船电机轴承状态信号,采用小波包分析去除舰船电机轴承状态信号中的噪声,然后采用Hilbert变换提取电机轴承异常状态的特征,将特征作为神经网络的输入,电机轴承异常作为神经网络的输出,建立舰船电机轴承异常检测模型,最后进行舰船电机轴承异常检测的仿真实验,本文方法的舰船电机轴承异常检测正确率超过95%,能够很好检测到舰船电机轴承异常现象,而舰船电机轴承异常检测时间要少于当前其他舰船电机轴承异常检测方法,能够满足舰船电机轴承异常检测的实际要求。 相似文献
15.
通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。 相似文献
16.
17.
《舰船科学技术》2020,(8)
传统舰船行驶安全监测系统主要由舰船各部分监测感应单元构成,通过对检测信号的收集来完成对舰船行驶环境安全的监测。此种方法存在多设备间通信协议不统一,需要中转设备转换计算,且信号再回传解析过程中存在延迟的问题。因此,提出物联网环境下舰船行驶环境安全监测系统设计。首先,对传统多个监测点进行精简,保留关键监测点,创建基于物联网技术的行驶安全监测平台。接着,通过引入航线偏差安全监测算法与综合信号安全监测算法,完成系统软件设计。通过数据场景模拟实验测试所设计系统的监测效果,实验结果表明该系统对舰船行驶环境安全的监测结果较为准确,且监测稳定性较好,证明设计系统在舰船行驶安全监测方面优于传统安全监测系统。 相似文献
18.
发动机振动信号分析是判断发动机状态的重要因素,传统方法忽略对发动机振动信号的处理,导致舰船发动机状态分析时间较长,为此设计一种基于人工智能技术的舰船发动机状态分析方法。采集舰船发动机的振动信号,采用时域分析法对振动信号处理,获得发动机振动信号特征中不同信号和不同时刻的相互依赖关系,依据人工智能技术确定振动信号的鲁棒值,从而确认舰船发动机异常情况,以此完成舰船发动机状态分析。在舰船发动机无故障情况下和有故障情况下进行了发动机状态分析的实验。结果证明,在无故障情况下和有故障情况下,本文设计方法对发动机状态的分析时间均比传统2种分析方法的分析时间短,证明此次设计的基于人工智能技术的舰船发动机状态分析方法分析效果好。 相似文献
19.
舰船云计算系统服务器故障的种类多,故障与特征之间是一种非常复杂的映射关系,传统舰船云计算系统服务器故障识别模型难以获得理想的识别结果。为了克服当前舰船云计算系统服务器故障识别模型存在的不足,设计一种基于数据挖掘的舰船云计算系统服务器故障识别模型。首先采集舰船云计算系统服务器故障识别数据,然后采用数据挖掘技术对舰船云计算系统服务器故障识别数据进行分析和建模,建立舰船云计算系统服务器故障识别的分类器,最后进行了舰船云计算系统服务器故障识别仿真对比实验。本文模型的舰船云计算系统服务器故障识别率高达95%,而且舰船云计算系统服务器故障的误识率要小于当前其他舰船云计算系统服务器故障识别模型,结果验证了本文模型的优越性。 相似文献
20.