基于EEMD和EIIKF的船舶轴系状态趋势预测研究

监测、分析、预测轴系的状态数据对保障船舶动力系统正常工作具有重要意义。基于船舶轴系振动状态监测,提出集合经验模态分解(EEMD)和增强型间歇性未知输入卡尔曼滤波器(EIIKF)相结合的故障趋势预测方法。在进行模态分解前,通过加入白噪声信号优化信号的可分解性,避免出现模态混叠。进而对滤波重构后的信号进行序贯分析得到振动信号的特征曲线,采用EIIKF方法对特征曲线分析预测,并通过引入间歇性参数,对部分未知输入项带来的不确定性进行补偿。在此基础上通过故障判别模型进行故障诊断,实现基于轴系振动信号的故障预测。利用实测故障样本数据对所提出的方法进行验证,其预测结果的及时性和准确性均优于一般模态分解和卡尔曼滤波器预测的方法,验证了改进后方法的有效性和优越性。     

基于CEEMD-参数优化Morlet小波变换的柴油机振动信号冲击特征提取方法

针对船舶柴油机振动产生的非平稳信号，提出一种基于完备的总体平均经验模态分解（complementary ensemble empirical mode decomposition, CEEMD）与参数优化Morlet小波分析相结合的振动信号特征提取方法。利用CEEMD方法对振动信号进行分解，在分解出的各种分量中，去掉无用的周期成分分量，保留含有冲击特征的分量，然后结合参数优化Morlet小波分析方法，根据Morlet小波与冲击信号的相似性，将冲击成分提取出来。通过仿真信号以及柴油机振动信号的应用分析验证了该方法对柴油机振动信号冲击特征提取的有效性。     

基于传感网络的舰船航行系统振动检测

传统船舶航行系统振动检测获取的检测结果,受到整体检测工具的影响,其信号契合度较低。为了有效解决这一问题,设计基于传感网络,以F-P滤波调解为核心设计新型船舶航行系统振动检测方法。利用数据信号反射模和滤波腔,进行信号滤波调解,选取完整振动信号波,根据数据极值,对其进行模态分解生成IMF数据值,减少数据噪声,对信号进行有序隔离,采用Colerra数据集算法提取船舶振动信号特征,计算Colerra数据核值,将最优核值进行有序排列,即可获取当前振动检测结果,实现船舶航行系统的振动检测。通过仿真实验分析设计振动检测方法的性能数据,实验结果表明应用新设计的振动监测方法获取到的检测数据信号,最大频谱测量值准确度提高了29%,最小频谱测量值准确度提高27%,可以有效提高信号契合度,具有实际应用价值。     

基于PSO-SVM的柴油机故障诊断研究

文章以船舶柴油机表面振动信号作为故障诊断的对象,使用经验模态分解(EMD)结合小波阈值法对振动信号进行分解和降噪,再通过PSO-SVM方法对数据样本进行故障诊断。通过对比原始信号和重构信号在PSO-SVM算法计算之后的结果,经过降噪后的振动信号能很好地保持自身特性,可以很好地去除其中冗余、无效的信号,在提升诊断准确率的同时,还可以提高诊断速度。     

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.     

基于改进包络分析的船舶轴系故障检测

为解决船舶轴系振动信号中冗余信息过多、故障特征难以识别的问题,提出一种改进的包络分析方法。使用谱峭度(Spectrum Kurtosis,SK)选择包络分析的频带,应用峭度图确定最大SK对应最优频带参数,采用最优频带参数对振动信号进行滤波;对滤波后的信号使用小波包进一步降噪,并对处理后的信号进行包络分析,根据包络谱确定故障类型。采用该方法可以实现在强背景噪声条件下轴系故障的检测。     

大型船舶动力装置故障的诊断研究

大型船舶动力装置工作负荷较大,故障诱因较多,为了有效准确排除大型船舶动力装置,提高工况稳定性,提出一种基于喘振谱特征提取的大型船舶动力装置故障检测诊断方法。采用多传感器进行大型船舶动力装置的物理信息采集,提取动力装置的振动信号和喘振信号,对提取的信号进行时频变换和离散谱特征分析,采用自相关匹配滤波器进行船舶动力装置振动传感信号的滤波处理,对滤波输出信号进行喘振谱提取,对提取的谱特征量输入到神经网络分类器中进行故障判别。仿真及结果表明,采用该方法进行大型船舶动力装置故障诊断的准确性较高。     

云计算船舶通信网络的入侵特征提取与检测

船舶通信网络入侵特征具有宽带严平稳性,导致在入侵检测中容易受到小扰动影响,检测性能不好,在云计算环境下,提出基于时间尺度分解和谱密度特征提取的船舶通信网络的入侵特征提取与检测方法。构建云计算船舶通信网络入侵信息流检测模型,采用时频分析方法进行入侵特征的时延尺度分析,结合匹配滤波方法进行船舶通信网络的干扰滤波,对滤波后的网络传输信号进行谱分析,提取谱密度特征,根据谱密度分布的差异性实现对入侵特征提取和信号检测。仿真结果表明,采用该方法进行云计算船舶通信网络入侵检测的准确概率较高,保障了网络安全。     

船舶电力推进系统螺旋桨负载实时监测研究

通过对船舶电力推进系统螺旋桨负载的实时监测,提高对船舶电力推进系统的状态监测和故障分析判断能力,提出一种基于高阶统计量特征提取和串行D/A转换控制的船舶电力推进系统螺旋桨负载监测方法。采用振动传感器进行船舶电力推进系统螺旋桨的振动信号采集,振动信号能有效反映电力推进系统的负载特征,对采集振动信号进行时频分析和高阶统计量特征提取,以提取的特征量为测试集,进行负载监测的信号分析。在此基础上,基于ADSP21160处理器系统进行负载实时监测系统的硬件设计,通过D/A转换控制方法提高负载监测的实时性和准确性。仿真结果表明,该方法进行船舶电力推进系统的负载监测的实时分析能力较强,信号采集和输出的准确性较好。     

船舶动力系统低压弱电设备故障检测方法

动力系统是船舶稳定航行的基础与关键,所含低压弱电设备复杂度逐渐攀升,故障概率也随之增加,为船舶稳定航行带来了威胁,因此提出船舶动力系统低压弱电设备故障检测方法研究。利用传感器获取船舶动力系统低压弱电设备振动信号,采用五点三次平滑法对振动信号进行平滑处理,以此为基础,Fourier变换振动信号,提取振动特征信号(有效值及其能量),将提取的振动特征信号输入至训练好的一维深度卷积神经网络中,网络输出即为低压弱电设备故障检测结果,实现了低压弱电设备故障的检测。实验数据显示,3个数据集的故障检测率均高于95.2%,符合船舶航行需求,证实了提出方法的可行性。