共查询到20条相似文献,搜索用时 649 毫秒
1.
传统单纯的船舶电机轴承工作诊断技术仅支持故障报警,不能快速准确地定位轴承故障区域模块,故障清除时间过长,整体工作效率低下。对此设计了一种包含TFF船舶电机轴承异常分析技术和SWM船舶电机轴承异常智能识别技术的组合机械故障诊断技术。利用TFF船舶电机轴承异常分析技术,建立船舶电机轴承故障模型,识别故障特征;通过SWM轴承异常智能识别技术,量化电机轴承故障特征参数,进行智能识别,实现船舶轴承故障的特征分析和准确定位,完成异常检测。对比实验证明,新型组合诊断技术和传统单一的诊断技术相比能够更加准确的分析定位出故障区域。 相似文献
2.
3.
4.
《舰船科学技术》2021,(10)
为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。 相似文献
5.
为保障船舶航行过程中安全可靠,避免航海仪器故障引发大规模航行事故,研究基于DSP的船舶航海仪器故障诊断方法。通过应用DSP技术中的TMS320C2812芯片作为核心处理器,向DSP芯片写入基于支持向量机航海仪器故障诊断算法;通过船舶航海仪器采集传感器,实时采集船舶航海仪器特征信号,经由模数转换器处理后提供至DSP芯片中,在DSP芯片内部通过故障诊断算法诊断不同航海仪器的故障问题,完成故障诊断后,DSP可通过接口电路将诊断结果提供至PC上位机,在上位机中向用户显示航海仪器故障诊断结果。经实验验证,该方法可精准采集航海仪器的运行参数,当进行故障诊断时,可快速、有效地诊断磁罗经、探测仪、日光信号灯等多种仪器的故障情况,保障航海仪器的安全性。 相似文献
6.
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
7.
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。 相似文献
8.
9.
10.
11.
《舰船科学技术》2021,43(18)
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。 相似文献
12.
13.
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。 相似文献
14.
可靠掌握电气设备的运行状态,是保证船舶安全航行的基础。因此,提出基于热红外图像的船舶电气设备状态异常检测方法。该方法依据红外成像技术获取船舶电气设备成像,获取其热红外图像结果,并计算电气设备温度概率密度函数,以此描述电气设备的温度分布特征。将该概率密度函数计算结果输入具备增量学习的宽度学习算法中,完成船舶电气设备不同异常状态检测。测试结果显示,将温度概率密度作为电气设备状态异常检测依据,能够更好地区分电气设备的正常放热以及故障升温;AUC的测试结果均在0.94以上,可确定电气设备运行过程中的不同程度异常状态。 相似文献
15.
《舰船科学技术》2020,(2)
受到海上温度与湿度的影响,船舶电气设备的故障率远高于设备保养参数与使用参数。船舶电气设备的稳定是保障船舶航向安全的首要条件。传统的电气检修方法在对设备故障检测感应反馈上,存在响应滞后的问题,究其根源在于信号的传输方式。结合物联网技术,提出基于物联网技术的船舶电气设备检修方法优化分析。首先,对船舶电气设备检测程序结构进行优化,增添多组电气设备故障感应模组,采用网络传输替换传统电频信号的传输方式;接着,采用故障信号抗干扰算法对电气设备故障点报警信号进行优化补偿计算,达到增强信号感应灵敏度的效果;最后,通过实验对提出设计的故障检测灵敏度进行测试,通过数据证明设计方法优于传统检修方法。 相似文献
16.
17.
EMD技术在机械震动故障中的诊断方法 总被引:1,自引:0,他引:1
《舰船科学技术》2016,(20)
齿轮箱是船舶机械动力系统的核心装置,连接着动力系统各精密零部件,在船舶的整个航行中起着动力枢纽作用,对它的故障诊断的效率及准确性关系着航行的效率,也船舶系统工程重要研究方向。传统的故障诊断依靠测量设备对振动点进行大量测量,随后通过时域信号分析,其测量工作繁重且信号分析复杂度较大,已越来越不能适应现代故障检测要求。本文利用EMD技术对机械振动中的故障进行检测,对振动信号降噪利用小波变换进行处理,有效提高了诊断效率及精确度。 相似文献
18.
为实现电子设备的高效维护,确保船舶安全航行,设计了基于人工鱼群算法的船舶电子设备故障智能诊断方法。采用离散小波变换法分解电子设备运行信号样本,通过计算不同尺度下的小波能量值完成船舶电子设备故障特征参数的提取,将其作为基于RBF神经网络的故障诊断模型的输入,利用人工鱼群算法对故障诊断模型的权值、阈值参数作优化处理,最终输出不同类型故障发生概率,实现电子设备故障诊断。实验结果表明,正常以及不同故障状态下,电子设备运行信号的时域波形存在很大差异,研究方法可实现故障特征参数的提取,并完成故障类型的识别,30次迭代后MSE指标即可降至最低,仅为10-4。 相似文献
19.
20.
[目的]针对船舶推进轴系轴承的故障诊断问题,提出一种基于全息对称点图形(SDP)和相似性识别的可视化诊断方法。[方法]首先,多方位采集轴承振动信号,全面监测轴承发生故障时的规律性冲击在时域和频域中引起的非平稳性变化特征;然后,基于SDP对称点分布原理,将多个维度信号的时域和频谱融合至同一个二维图形,以放大信号之间的差异性;最后,基于相似性识别方法对轴承进行简易诊断。[结果]轴承故障实验平台的验证结果表明,该方法可以实现多个信号的有效图形融合,全面展示设备信号的状态特征,从而准确地诊断故障。[结论]研究成果可为船舶推进轴系轴承的可视化故障简易诊断提供参考。 相似文献