共查询到20条相似文献,搜索用时 31 毫秒
1.
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
2.
3.
4.
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... 相似文献
5.
6.
7.
8.
9.
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。 相似文献
10.
11.
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。 相似文献
12.
《舰船科学技术》2016,(24)
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。 相似文献
13.
《舰船科学技术》2021,43(12)
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。 相似文献
14.
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。 相似文献
15.
16.
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。 相似文献
17.
18.
19.
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。 相似文献
20.
《舰船科学技术》2019,(6)
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。 相似文献