基于振动信号的舰船发动机故障诊断

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。     

支持向量机的舰船发动机故障诊断

发动机故障诊断是舰船领域的一项关键研究内容,舰船发动机故障与多种因素相关,而且故障类型很多,针对传统舰船发动机故障诊断模型存在的局限性,设计基于支持向量机的舰船发动机故障模型。首先采集舰船发动机工作状态信号,并从工作信号中提取舰船发动机工作状态特征;然后对舰船发动机工作状态特征进行降维处理,并采用支持向量机构建舰船发动机故障诊断的多分类器;最后采用仿真模拟实验测试了本文舰船发动机故障诊断模型的性能,支持向量机可以准确识别各种舰船发动机故障,舰船发动机故障诊断性能要优于传统舰船发动机故障诊断模型,而且诊断效率可以满足舰船发动机故障在线诊断要求。     

基于波形分析的双燃料发动机故障诊断

双燃料船舶是指同时可以使用燃油和燃气的小型舰船,相对于传统舰船,双燃料舰船能够协调动力系统的输出功率,降低动力系统的油耗,进而降低成本。为了提高双燃料舰船发动机的使用质量,有必要研究舰船双燃料发动机的故障诊断技术。本文采用了一种波形分析技术,通过Labview采集板卡和软件程序,采集双燃料舰船发动机的输出波形,通过小波变换等信号分析方法,在线获取舰船双燃料发动机的运行状态。试验表明,该方法具有较高的精确性。     

舰船发动机燃油电磁阀故障实时诊断方法

基于舰船发动机燃油电磁阀驱动电路,分析电磁阀电流特性与故障情况下的电流特征,发现燃油电磁阀的电流波动,对电磁阀故障具有重要影响.因此,利用小波包分解技术重构电流信号,提取电流信号的频带幅值,将其作为舰船发动机燃油电磁阀不同故障的特征向量,将该特征向量输入多输入层卷积神经网络中,经过训练、测试的多输入层卷积神经网络可以准...     

虚拟现实技术在舰船维修中的应用

传统的舰船维修方法实时性差,在维修中耗费的时间与人力较多,为此设计一种基于虚拟现实技术的舰船维修方法。建立虚拟舰船维修环境模型,设定舰船零件与零件之间的装备约束条件,提高维修过程的实时性,采用虚拟现实技术全面采集舰船维修故障信息,按照可靠性理论计算舰船维修中各项设备的可靠度,确定舰船中每个设备的维修次序,以此完成基于虚拟现实技术的舰船维修。实验证明,此次设计的舰船维修方法比传统维修方法维修时间短,满足舰船维修的实时性需求。     

基于传感器网络的舰船行驶系统振动检测

根据振动检测结果可以知道舰船行驶系统的工作性能,传统方法无法有效的实现舰船行驶系统振动检测,为了提高舰船行驶系统振动检测精度,设计了基于传感器网络的舰船行驶系统振动检测方法。首先分析当前舰船行驶系统振动检测研究进展,并指出当前各种舰船行驶系统振动检测方法的缺陷,然后采用传感器采集舰船行驶系统振动检测信号,并对舰船行驶系统振动检测信号进行消噪,最后构建了舰船行驶系统振动检测模型,并通过仿真实验分析舰船行驶系统振动检测方法的性能,结果表明,本文方法可以准确描述舰船行驶系统振动检测信号变化特点,获得高精度的舰船行驶系统振动检测结果。     

基于HHT边际谱与SVM的柴油机故障诊断方法研究

提出基于希尔伯特黄变换边际谱的柴油机故障诊断方法,对3110型柴油机几种故障工况及正常情况下的缸盖振动信号进行测试,采用抽区间采样分析法对缸盖振动信号进行时域特性分析,得出信号随时间和频率变化的精确表达。尝试以边际谱的最大峰值和最大峰值频率作为特征向量,用SVM分类器对柴油机的工作状态和故障类型识别。实验分析表明,该方法即使在小样本情况下也能准确有效地识别柴油机气门间隙变化和断油故障。     

基于轴频电场的舰船主轴系故障诊断研究

文章针对在舰船舱室中测得的振动信号包含大量难以去除的非高斯有色噪声以及来自齿轮箱等设备的干扰振动信号,从而影响故障诊断的效果这一问题,提出了一种基于舰船轴频电场的主轴系故障诊断方法,使用该方法对实验数据进行处理,结果表明该方法能够成功诊断出主轴系的三种典型故障,并且在信噪比较低的情况下该方法依然有效。     

基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。     

基于机器学习的舰船机电装备故障诊断

随着信息技术的发展,以机器学习、模式识别为代表的人工智能技术在故障诊断领域逐步得到应用。通过对振动噪声信号的采集,利用时频分析技术对信号进行分解,并提取故障特征参数,再利用机器学习或模式识别技术对信号进行判别分类,可以实现舰船机电装备的智能诊断。为了验证该方法,选择经验模态分解方法进行信号分解,采用支持向量机进行诊断分类。通过实验表明,该方法有着较高的诊断精度,故障诊断率达到了96.7%,可以对舰船机电装备常见故障进行准确的智能诊断。     

人工智能技术在舰船室内设计中的应用

针对传统舰船室内设计方法受到设计元素种类的影响,出现设计效果差的问题,以增强舰船室内设计效果为目的,提出人工智能技术在舰船室内设计中的应用研究。采用人工智能技术优化舰船室内视觉信息,利用视觉信息的获取步骤,得到舰船室内设计的视觉信息,将舰船室内设计的二维坐标转换为三维坐标,完成舰船室内的场景建模,最后通过舰船室内设计流程,实现了舰船室内设计。实验结果表明,与其他2种方法相比,基于人工智能技术的舰船室内设计方法可以增强舰船室内设计的效果。     

基于大数据分析的舰船配电网络故障趋势预测

以传统方法各种可能发生的故障特征为基础,通过匹配典型故障特征实现舰船配电网络故障趋势预测,但对于复杂的舰船配电网络,难以对未知故障趋势进行预测的弊端。提出一种基于大数据分析的舰船配电网络故障趋势预测方法。首先采集舰船配电网络故障信号,利用自适应滤波方法对干扰和噪声进行过滤后,通过KL转化方法将信号转化为对应的故障数据信息后,利用欧几里德距离计算方法对数据进行降维和归一化处理,利用舰船配电网络的状态脆弱度和配电网故障趋势项参数获取网络故障脆弱度影响因子,根据影响因子的累积效应,进行舰船配电网络故障趋势的预测。最后利用协方差矩阵对预测过程进行修正,完成舰船配电网络故障趋势预测的改进。实验结果证明,改进算法具有较高的预测精度,并在一定程度上降低了故障趋势预测虚警率,具有较高的实用性和实时性。     

人工智能优化算法的舰船电网故障诊断优化

传统舰船电网故障诊断算法存在故障点与电路层数据不同步的问题,导致故障点出现时间量与确定故障位置时间量出现误差,进而影响电网保护策略的启动响应速度,造成不必要的连锁故障。因此,采用人工智能算法,对故障诊断模型进行优化,并提出人工智能优化算法的舰船电网故障诊断优化研究。首先在现有舰船电网故障诊断模型输出端,加入故障数据拟合模型计算,对电网络故障数据与电网结构层进行拟合;然后通过人工智能算法,对拟合故障数据的识别响应阈值进行优化计算,从而提升诊断阈值灵敏度,达到最佳的故障诊断效果。最后,通过与传统诊断算法诊断效果数据的对比,证明提出优化方法的可行性。     

舰船电机轴承外圈故障诊断方法

针对舰船电机轴承故障诊断技术难点,采用基于振动加速度共振解调频谱分析方法,通过不同程度外圈故障的对比实验,验证以振动加速度峭度系数和振动速度有效值为指标,可以提高异步电动机轴承故障诊断的有效性。     

基于MESH网络的舰船无线通信多信道分配方法

舰船通信受海上环境的影响,导致其噪声以及信号不稳定,传统的舰船无线通信多信道分配方法已经无法满足舰船通信要求,出现网络吞吐量差的问题。为此,设计一种基于MESH网络的舰船无线通信多信道分配方法。引入干扰模型对舰船无线通信多信道的当前状态进行评估,并优先考虑负载量较大的链路分配更多的带宽,判断信道负载以及节点优先级,设定舰船无线通信多信道分配标准,以此完成舰船无线通信多信道分配。经实验证明,此次设计的基于MESH网络的舰船无线通信多信道分配方法比传统方法网络吞吐量高,能够满足舰船无线通信多信道分配需求。     

基于自适应滤波技术的舰船信号处理研究

为解决传统舰船信号处理技术对信号处理有效性较低的不足,提出基于自适应滤波技术的舰船信号处理研究。基于自适应滤波技术的引入,搭建舰船信号处理接口,完成基于自适应滤波技术舰船信号处理模型的构建。依托信号处理参数的确定,实现对舰船信号的处理,完成了提出的基于自适应滤波技术的舰船信号处理研究。试验数据表明,基于自适应滤波技术的舰船信号处理方式较传统舰船信号处理方法,舰船信号处理有效性提高52.07%,适用于不同环境下的舰船系统通信信号处理。     

ICA技术在舰船信号分析中的应用

随着船舶动力系统动力增强,内燃机的振动信号频次及幅度提高,振动信号的非线性冲击特性更加显著。传统的内燃机信号分析通过统计算法分析信号的幅值变换,信号频率变换通过时域变换完成,而信号的非线性冲击特性对动力系统性能影响较大,需要进行滤除。ICA是一种基于Hilbert变换的信号分析方法,能够在幅值和频率上分析信号分布密度。本文在分析了舰船柴油内燃机振动信号特性的基础上,利用ICA分析了信号时频变换特性。     

舰船机电系统监控网络的光纤化设计

改进和提高舰船机电系统监控网络的抗电磁干扰性能,根据舰船机电系统监控信号的特征,以某型船为模型,设计了一套用于舰船机电系统的以光纤为主要传输介质的通信网络,分析了该网络的组网方式、拓扑结构,设计了通信信号的帧结构,并对几种不同情况下环网的自愈能力进行分析.通过对舰船机电系统监控信号和各节点特征的分析,证明该光纤环网的可行性.     

基于小波包——时间序列分析的水位调节器故障诊断方法

利用小波包—时间序列分析方法对舰用主冷凝器水位调节系统故障进行诊断，在实验中设置4种工作状态，采集了4种状态下的流量信号。对所采集的信号进行小波包分解消噪，通过时间序列分析方法获取每种状态的特征信息，利用Euclide距离判别系统故障。实验证明该方法的正确、有效性。     

舰船甲板起重机旋转故障自动诊断方法

利用传统方法对舰船甲板起重机旋转故障进行自动诊断,普遍存在鲁棒性较差的问题,从而导致诊断可靠性不高。针对上述问题,提出一种基于ICA-SVM的起重机旋转故障自动诊断方法。该方法首先利用传感器采集起重机旋转故障振动信号,接着利用ICV将源故障信号与干扰信号进行分离,然后从源故障信号中提取故障特征,最后利用SVA分类器进行故障匹配与识别,实现起重机旋转故障自动诊断。结果表明:与3种传统故障自动诊断方法:基于遗传算法的旋转故障诊断、基于粗糙集理论的旋转故障诊断以及基于Hilbert-Huang变换的旋转故障诊断相比,本诊断方法的最大误报率(3.5%)和漏报率(3.2%)最低,鲁棒性更好,说明本方法的诊断结果更可靠。