共查询到20条相似文献,搜索用时 971 毫秒
1.
船舶柴油机监测与故障诊断技术现状及发展趋势 总被引:13,自引:1,他引:12
本文介绍了国内外船舶柴油机监测与故障诊断技术的现状、技术难点及应用,重点介绍了振动和热力参数诊断法及其发展趋势 相似文献
2.
3.
4.
5.
为开发基于虚拟仪器的船舶柴油机状态监测系统,利用传感器和数据采集模块获取柴油机敏感信号,借助LabVIEW软件平台,综合利用热力参数分析法和振动分析法,对采集的信号进行分析、处理,并将数据传输到现场触摸屏电脑和集控台工业控制计算机,得到柴油机监测系统的人机界面,可实时掌握柴油机运行状况,同时也可为柴油机故障诊断提供大量技术参数。 相似文献
6.
论述了船舶柴油机故障诊断的意义,针对国内外一些常见的柴油机状态监测与故障诊断的方法及其原理和特点,总结出船舶柴油机故障诊断中新技术的应用,并对柴油机故障诊断技术的发展趋势进行了展望. 相似文献
7.
8.
9.
船舶柴油机数字化监测与诊断系统 总被引:4,自引:1,他引:3
介绍了基于虚拟仪器技术的船舶柴油机数字化监测与诊断系统的设计与实现技术,分析了柴油机主要子系统的参数测量、分析和管理等子模块.实验室试验结果表明,可以用该系统实现柴油机多参数多方法的综合监测与故障诊断. 相似文献
10.
《中国舰船研究》2020,(3)
[目的]为了提高船舶柴油机智能故障诊断的精度,引入深度学习方法,提出一种基于深度信念网络(DBN)的船用柴油机智能故障诊断方法。[方法]采用多层限制性玻尔兹曼机(RBM)堆叠成DBN,并采用对比散度方法对模型参数进行求解。通过无监督预训练和有监督微调的训练方法,从故障样本数据中提取深层次的隐性特征并获得较好的初始化参数。[结果]基于AVL BOOST船舶柴油机故障仿真实验进行样本数据分析,结果表明:DBN对训练样本集和测试样本集的故障识别率分别为98.26%和98.61%,比BP神经网络(BPNN)和支持向量机(SVM)具有更高的故障识别准确率和更好的泛化性能,可以避免浅层神经网络因随机初始化权值而陷入局部最小值和精度较低等问题。[结论]与BPNN和SVM相比,DBN更适用于船舶柴油机的智能故障诊断应用。 相似文献
11.
12.
13.
[目的]大型船用柴油机故障类型的数据通过台架试验或者实船来获取存在许多不利因素,因此针对柴油机的故障仿真数值计算就显得尤为重要,同时对故障排除及数据驱动的智能故障诊断系统的构建也具有重要意义。[方法]基于AVL BOOST软件和台架试验数据,建立柴油机仿真模型,验证4种负荷工况下仿真模型需满足的精度要求;基于100%负荷工况模型,采用控制变量法模拟柴油机发火点提前、单缸停油及曲轴箱窜气这些典型故障,并分析计算得到的数据。[结果]结果表明:发火点提前5°时,缸内最高燃烧压力提高了17.4%;第1缸停缸后,有效油耗率上升近15%;对于不同气缸停油情况,第2号和3号气缸停油时的特征参数变化幅度较小;随着活塞有效窜气间隙的增加,各特征参数基本上呈线性扩大趋势,在窜气间隙值为0.04 mm时,部分特征参数急剧增加,例如油耗率增加了近40%。[结论]所得结果可作为柴油机故障状态识别及智能故障诊断系统构建的重要依据,为探索船舶柴油机智能故障诊断技术提供新的途径。 相似文献
14.
船舶主机性能故障的主成因分析 总被引:1,自引:0,他引:1
介绍了船舶主机20种典型性能故障的仿真模型计算结果。通过对各故障下热工参数的主成因分析,揭示了热工参数的相关性,提出了性能故障的降维识别方法,并介绍了人工神经网络在船舶主机故障诊断中的具体应用。 相似文献
15.
16.
基于模糊信息融合的船舶动力装置综合故障诊断方法研究 总被引:1,自引:1,他引:0
在模糊集理论的基础上,将决策级信息融合技术应用于故障诊断系统中,提出了一种基于系统模糊综合评价融合结构下的综合故障诊断方法.该方法以模糊逻辑运算和全局决策融合来自多传感器的局部判决来获取诊断对象的综合诊断结果,并对船舶主动力系统的运行故障进行诊断研究,结果表明,该方法准确有效,为船舶动力装置故障的智能化诊断提供了有益的借鉴. 相似文献
17.
船舶柴油发电机转速神经网络容错控制 总被引:2,自引:0,他引:2
结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。 相似文献
18.
支持向量机在船舶电力推进系统故障诊断中的应用 总被引:2,自引:0,他引:2
针对人工神经网络收敛速度慢、容易陷入局部最优解等不足,本文采用支持向量机技术建立船舶电力推进故障诊断系统。确定支持向量机的核函数和分类方法,结合训练样本,采用基于网格搜索的K重交叉验证法进行核函数的参数优化,从而得到支持向量机故障诊断模型。利用支持向量机工具箱函数,在MATLAB中进行故障诊断模型的仿真计算,结果表明基于支持向量机所建立的故障诊断模型有较强的诊断准确性和泛化推广能力,从而提高船舶的安全性。 相似文献
19.