组合机械故障诊断技术在船舶电机轴承异常检测中的应用

为保障船舶航行安全,针对当前船舶机械轴承故障检测过程中常出现检测速度缓慢、检测误差大等问题进行分析,结合组合机械故障检测技术对船舶电机轴承异常诊断方法进行了创新和优化。首先对电机轴承正常运行状态下的信号特征和故障信号特征分布进行提取,并录入数据库。其次,利用人工蜂群算法对最优信号分类参数进行搜寻。最后,利用组合机械故障诊断算法对电机轴承运行参数采集结果做出判断。最后通过实验检测结果证实,结合组合机械故障诊断技术在船舶电机轴承异常检测可及时对船舶电机轴承异常情况进行检测,快速检测出设备运行异常,避免船舶航行过程中的安全隐患,促进船舶航运工程的快速发展。     

使用数据挖掘实现舰船故障数据定位

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。     

基于支持向量机的船舶感应电机轴承故障在线诊断方法

提出一种基于WELCH分析法结合支持向量机(SVM)的船舶感应电机轴承故障在线诊断方法,通过数字信号处理器(DSP)在线采集感应电动机的定子电流,使用WELCH法对电机的定子电流信号进行预处理,从预处理频谱分析中提取峰度、偏度、波峰因数、间隙和形状因子5个参数,形成支持向量机的特征向量,通过实验优化支持向量机的核函数参数,完成故障的识别。设计基于DSP的在线轴承故障诊断试验系统,实验结果证明,所提方法计算相对简单,可有效地在线识别电机轴承的外沟道故障。     

船舶监测网络异常节点定位技术研究

网络节点在整个船舶监测网络中占有重要地位,异常节点可以破坏船舶监测网络的正常通信,影响船舶航行轨迹,埋下安全隐患。目前网络异常节点类型愈加复杂多样,传统的Amorphous技术已经难以准确定位,在覆盖率分析和精准度上经常出现很大的误差。本文提出一种新的船舶监测网络异常节点定位技术—APIT技术,定位过程分为接收节点信息、执行APIT测试、计算重叠区域和计算质心4步。由实验结果可知,较传统技术而言,APIT技术能够检测到更多类型的异常节点,精确性更好,为船舶安全航行提供有力的技术支撑。     

Ship propulsion shafting bearing fault diagnosis based on holographic SDP similarity visual recognition北大核心CSCD

[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。     

船舶起重设备电机故障维修技术研究

为保障船舶在航行过程中的安全性和可靠性,对船舶起重设备电机故障维修技术进行研究,基于最小二乘支持向量机算法对传输线设计了传输线电压与故障点电压计算方程进行设计,并对电压故障点处的奇异性特征进行分析,建立并存互补的故障维修检测方法,以便及时准确的对船舶起重设备电机故障进行检测,排除安全隐患,避免船舶起重设备整体或局部是否异常。满足现代化船舶航运工程安全、快速的设计需求。     

船舶电力系统低功耗电子电路故障准确获取系统

传统船舶电力系统在使用过程中,存在低功耗电子电路故障识别准确度低的问题,因此,提出船舶电力系统低功耗电子电路故障准确获取系统。首先针对问题产生原因进行分析;其次,针对原因创建微电子检测识别硬件,对低功耗电路状态进行针对性检测;接着,引入混沌故障算法对低功耗电路内的异常故障因子进行混沌计算,得出故障混沌值,完成故障识别;最后,通过仿真实验的方式,对比设计系统与传统系统的识别效果,以此证明设计系统的有效性与可行性。     

几种预测船舶电机故障的新方法

本文论述电机故障预测技术在船舶电机上应用的可能性和带来的潜在效益。介绍了三种电机故障特征识别的方法。导纳法是作者首先提出应用于船舶电机故障预测的。     

多参量状态下舰船网络异常故障智能诊断方法分析

为了解决船舶网络数据交互压力成倍增长,网络故障特点已由单纯的单要素故障转变为多因素故障的问题。提出多参量状态下舰船网络异常故障智能诊断方法分析。对网络环境的全局变量进行收集,获取多参量状态,根据获取的多参量状态数据,建立多参量网络健康评估模型,定义对参量下故障识别的学习状态,确定网络故障点,通过数据提取算法完成对故障点的提取,完成故障的智能诊断。通过实验数据表明:相同时间量与故障量下,采用设计方法的故障诊断效果,要比传统诊断方法多诊断出故障21处,提升效果明显。     

复杂场景下港口水域船舶异常行为智能识别方法

传统的船舶异常行为识别方法在识别复杂场景下港口水域船舶行为时,识别准确率过低。针对这一问题研究了一种新的船舶异常行为智能识别方法,设定了识别模板,由数据库模块、匹配模块和识别模块3部分组成,给出了识别模板内部算法的计算流程,同时计算港口信息和船舶信息,得到背景值和目标值后进行比较,判断船舶行为是否存在异常,以此实现异常行为的智能识别。与传统识别方法进行实验对比,结果表明,所研究的识别方法准确率更高,识别效果更好。     

船舶组合导航系统故障识别的神经网络方法

为了能够准确地定位船舶的位置,船舶的导航设备系统需要给船舶提供精确的速度、位置等信息,单一的导航系统无法满足该要求,因此发展了组合导航系统。将多种导航设备构成一个整体,相互取长补短,这使得船舶的导航系统的精度得到了极大地提升。与此同时,随着组合导航系统的复杂性越来越高,其出现故障的因素也越来越多。本文基于神经网络方法,研究了船舶组合导航系统故障的识别技术。本课题的研究对于我国船舶组合导航系统的发展研究有着重要的指导作用。     

信号识别下无线网络通信故障断点智能检测方法

传统船舶通讯故障检测方法存在多干扰源区域,由于策略问题出现通信信号间歇性传输误判的问题。导致船舶通信故障检测误判率升高,准确度降低。针对此问题,提出基于信号识别的船舶通信故障断点智能检测方法。依据检测方法策略优先的原则,采用交替分簇决策策略,修正传统方法中的策略缺失,找到正确分簇头。然后,引入混沌波协方差,在确定的信号分簇上对多干扰源进行滤除,得到纯净通信波,确定故障位置。最后,通过对比实验证明,提出的基于信号识别的船舶通信故障断点智能检测方法,能够有效解决传统方法存在的误判率高的问题。     

基于多智能体的船舶区域配电网短路故障重构

多智能体技术及其在电力系统中的应用发展迅速,船舶电力系统故障工况下的多智能体重构提高船舶安全性成为研究的热点。文章在介绍了多智能体方法的基础上,结合船舶区域配电系统电网拓扑结构,运用复合型多智能体方法进行船舶区域配电网短路故障重构研究。在MATLAB/SimPowerSystem环境下,通过对船舶区域配电网三相接地短路故障时的复合型多智能体重构仿真与分析,表明复合型多智能体对于船舶区域配电网短路故障时的重构控制有效。     

船舶动力装置智能故障诊断技术的应用与展望

动力系统作为整个船舶最核心的系统,其安全性和可靠性将直接影响船舶的安全航行,而有效的故障监测与诊断技术是保障航行安全的重要手段。首先,通过分析国内外学者在智能算法与故障诊断方面的研究进展,将船舶动力装置的智能故障诊断分为数据信号获取、数据特征提取、故障识别与预测3个环节,并总结智能算法在船舶动力装置故障诊断中所面临的问题和挑战;然后,结合智能算法的特点,探讨船舶动力装置智能故障诊断技术的未来发展趋势;最后,提议从建立基于云平台的数据监测系统、建立数据库和挖掘监测数据等方面展开深入研究,用以为船舶动力装置智能诊断的工程实践应用奠定基础。     

船舶机械轴系中间轴承冲击故障诊断研究

传统的船舶轴承故障诊断在提取故障信号时噪声过大,导致故障诊断结果不准确,设计新的船舶机械轴系中间轴承冲击故障诊断方法。计算船舶机械轴系中间轴承冲击力,通过水体连续方程提取波浪载荷力学特征,建立轴承冲击故障诊断模型。实验结果显示,在内圈故障的信号提取时,3种方法的噪声分别为7.8 d B,8.3 d B,8.2 dB,外圈故障信号提取的噪声分别为8.1 dB,8.5 dB,8.4 dB,由数据可知该诊断方法的噪声最小,故障诊断结果最准确。     

船用电机智能故障诊断与健康管理技术

利用船舶监测装置的智能故障诊断分为数据信号获取、数据特征提取、故障识别与预测3个环节,对3个环节分别进行分析和选择,并利用MATLAB进行仿真。对底座松动等故障进行准确识别,避免重大不可控故障的发生。     

船舶通信网络异常数据定位技术

普通船舶异常数据定位算法,存在数据位置定位不够准确、定位时间较长等弊端。为有效解决上述问题,设计基于通信网络异常分析的船舶数据定位算法。通过船舶异常信号的稀疏化处理、通信网络的恢复与重构,完成通信网络异常分析。通过船舶数据关键字查询、GNP网络定位格局的搭建、定位最短路径选择,完成基于通信网络异常分析船舶数据定位算法的搭建。设计对比实验结果表明,新型算法与传统算法相比,可以快速、准确的定位数据所处位置。     

基于神经网络的柴油机遥控系统故障智能诊断研究

为了克服传统模拟电路故障诊断方法的不足,通过对船舶柴油机遥控系统工作原理的分析,提出采用BP神经网络诊断船舶主机遥控系统的智能诊断方法。介绍BP神经网络结构确定方法及其数值优化技术,并以具体电路模块为例探讨神经网络在船舶柴油机遥控系统故障诊断中的应用。通过Matlab仿真可以发现基于BP神经网络的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。     

T-S模糊模型在船舶推进系统故障诊断中的研究

人们针对船舶电力设计了各种先进的保护与控制装置,尤其在对推进系统的故障预测与诊断方面开发出了多种行之有效的诊断算法。基于以上需求,本文开发出基于T-S模糊模型的推进系统故障诊断系统,首先建立船舶推进系统中的电机仿真模型,对电机的电压、磁链和运动特性进行研究。在此基础上,利用T-S模糊模型设计了故障识别算法的数学模型,对此模型进行线性化处理后,得到了简化的故障诊断步骤,应用Matlab对算法的故障识别特性进行仿真,从实验结果发现该算法的性能基本能够满足一般情况下的故障识别需求。     

基于冲击脉冲和EMD包络谱的电动消防泵轴承监测诊断研究

电动消防泵是船舶的重要装备,一旦发生故障,直接影响船舶的作战性能。针对某电动消防泵振动噪声大的问题,文章提出了基于冲击脉冲和EMD包络谱的轴承故障诊断方法。该方法首先通过振动烈度和轴承冲击脉冲监测,判断轴承状态,随后将电动消防泵轴承振动信号分解为多阶固有模态函数(IMF)之和,并对前几阶IMF进行包络谱分析,结合轴承故障特征频率进行故障诊断。实船测试结果表明,该方法能有效监测电动消防泵及轴承振动状态,并能快速、准确地诊断出轴承故障原因。