舰船实船训练系统中混合建模方法研究

提出舰船实船训练系统中基于神经网络的混合建模方法,综合运用机理建模方法和辨识建模方法,既较好地保证了模型的全局特性,又有效提高了模型的精度。以舰船柴油机推进装置中常见部件——液力耦合器为例,研究液力耦合器混合模型的开发方法,验证混合建模方法的可行性。     

基于神经网络的柴油机混合建模方法研究

针对柴油机性能仿真中的建模问题,分析不同建模方法的特点,提出机理和神经网络相结合的混合建模方法,采用神经网络在线补偿机理模型的误差,提高模型精度,并能够适应柴油机的时变特性。以6PA6型涡轮增压柴油机为例,在Matlab环境下建立机理-神经网络混合模型。仿真分析得出混合建模的一些结论。     

大型低速二冲程船用柴油机建模及仿真

以6S60MC船用柴油机为仿真对象,融合传统柴油机的准稳态模型和容积法模型建模优点,详细介绍了大型低速二冲程船用柴油机动态过程实时仿真的平均值模型及建模方法.仿真结果表明,该模型具有较好的准确性和动态特性,可用于柴油机优化控制算法的设计、分析及仿真.     

船舶柴油机交互式虚拟现实仿真

以船用柴油机为研究对象,对轮机模拟器三维虚拟仿真软件进行开发,并以三维实体建模技术和虚拟现实技术为支撑,通过使用3ds Max软件完成对船用柴油机系统的三维建模,在虚拟现实平台Quest3D上制作三维场景,实现船舶柴油机交互式虚拟仿真。     

基于混合深度学习的燃气轮机动态过程关键参数在线辨识北大核心CSCD

[目的]为克服燃气轮机非线性时变特性对动态控制及性能监测的影响,通过长短期记忆神经网络(LSTM)的时序记忆、非线性关系表达与高斯过程回归(GPR)的区间概率估计能力三者的结合,提出一种基于LSTM-GPR混合深度学习模型的关键动态参数在线辨识算法。[方法]首先,建立燃气轮机的动态机理模型,以燃料热值、压气机效率及负载电力矩为待辨识参数,生成大量训练数据;然后,构建LSTM-GPR参数辨识网络模型,并输入训练数据进行网络训练和权重系数学习;最后,使用训练好的LSTM-GPR混合模型对燃气轮机动态运行参数进行在线辨识,经分析辨识结果来验证所提算法的有效性。[结果]仿真结果表明,所提算法辨识结果准确,误差小于1%,实时性好,相比于LSTM单一模型能获得更好的均值估计效果,并给出可靠的结果置信区间。[结论]所提算法能有效应用于燃气轮机模型的关键动态参数在线辨识,为进一步应用于实际机组奠定了基础。     

船用柴油机电控系统关键技术

针对船用柴油机电控系统对柴油机的调速问题,根据国内外非线性自调整算法的研究以及船用柴油机调速器的设计原理,在传统PID控制的基础上,本文提出非参数模型的自调整控制策略。通过对D6135型船用柴油机特点和性能分析,对其进行仿真建模,最后在Matlab软件中对柴油机调速控制系统进行仿真,对电控系统的关键技术进行研究。根据仿真结果可以看出本文提出的自整定控制策略具有可行性,为船用柴油机电控系统提供一个有效的控制算法。     

船用中速柴油机故障诊断技术研究

为了提高船舶柴油机故障诊断的准确性,实现对故障的精准定位,文章以6DE-18型船用中速柴油机为研究对象,从故障产生的机理入手,采用仿真软件建模,选取具有代表性的热力参数作为特征值,运用粒子群算法优化的支持向量机数学模型(PSO-SVM)进行故障诊断,并通过试验验证该故障诊断的准确性,改进了船用中速柴油机故障诊断的模式,提高了船舶柴油机的经济性和安全性。     

动力-推进模拟装置双输入双输出控制系统的数学模型辨识

本文以柴油机和水力测功器共同构成的动力－推进模拟装置对对象，应用阶跃响应法和计算机辅助建模，对其双输入双输出控制系统进行了数学模型辨识的探讨。     

船用柴油机缸套磨损量预测研究

对船用柴油机缸套磨损量的预测进行了研究,提出了灰色预测方法,对灰色预测方法的建模原理、模型精度的检验方法等进行了介绍,最后进行了实例分析。     

伪键图法用于船舶动力系统建模

本文主要介绍了作者应用键图法建立的一台大型船用锅炉和一台四冲程中速船用柴油机的非线性数学模型。文章着重分析了建模机理,并阐明了建模过程中存在的有关问题和解决这些问题的有效措施,最后还给出了对所述动力系统的动态分析和控制系统设计颇有价值的数字仿真结果。     

国内外船用中高速柴油机产业现状和发展动态

未来10－15年，中高速柴油机仍将是大中型舰船，中型民船主机，辅机和高速艇的主要动力，与船用低速机不同，中、高速柴油机机型分布很分散，这就给我国船用中高速柴油机的发展带来了很多困难。本文较全面地分析了国内外船用中高速柴油机产业现状和发展动态，为我国船用中高速柴油机的发展提供参考依据。     

船舶柴油机NOx排放特性神经网络预测中的试验设计

研究船舶柴油机NOx排放特性神经网络预测中的学习样本选取试验设计方法。根据用于主机的船舶柴油机可能持续运行范围的工况变化特点,提出采用功率因素变边界的均匀设计法进行试验设计选取样本,并验证了其可行性。研究结果表明,变边界均匀设计法选取的样本用于神经网络训练,预测精度明显高于随机样本选取法。4位级变边界均匀设计法选取的样本训练得到的神经网络模型,NOx排放浓度预测误差小于3.8%,NOx比排放预测误差小4.5%。     

基于AAKR模型的船用低速柴油机状态监测方法

针对船用二冲程低速柴油机运行状态监测,本文分析现有的柴油机状态监测方法,并指出现有方法的不足之处。提出基于AAKR模型的柴油机状态监测方法,同时阐述AAKR模型的原理。该方法具有无需故障数据、无需对模型进行训练与调参、高效快捷等优点。本文建立柴油机仿真模型,通过对柴油机模型进行模拟状态监测实验,证明基于AAKR模型的柴油机状态监测方法的有效性,最后讨论不同带宽的选择对模型性能的影响。该方法无需故障数据的特性使其具有更强的普适性,可广泛应用于船舶柴油机的在线状态监测和预警。     

船用柴油机节能减排技术发展思路

高温和富氧既是柴油机气缸内燃烧所需要的条件，也是氮氧化合物生成的因素。该文建议通过柴油机燃烧机理分析寻求既保持柴油机高效工作，又能降低氮氧化合物的解决方案，并提出开展船用柴油机再制造以提高资源利用率。     

PSO-BP神经网络在船舶二级脱硝系统中的应用

随着国际海事组织（IMO）标准Tier III标准的实施，船舶柴油机尾气中的氮氧化物（NOx）的排放受到了更严格的限制。选择性催化还原脱硝技术因其高效、可靠等优势成为船舶柴油机NOx减排的主要选择。本文先根据SCR反应机理在MATLAB中搭建一级SCR脱硝系统和二级SCR脱硝系统模型，通过仿真结果对比，发现加入二级脱硝系统后，脱硝率可以得到提高。鉴于BP网络预测精度较低，本文将粒子群（PSO）算法加入到BP权值训练过程中，利用PSO-BP 神经网络预测 SCR-DeNOX系统出口处NOX浓度。结果表明：PSO-BP 神经网络不但可以预测SCR-DeNOX系统出口处的NOX浓度，而且与传统BP 神经网络相比可以提高预测结果的精度，为有效控制喷氨量、降低氨气逃逸量提供帮助。     

船用柴油机故障在线智能仿真诊断技术的应用研究

本文提出了一种船用柴油机性能故障在线自动诊断的新方法,把仿真以及神经网络技术直接应用于柴油机故障在线诊断系统,建立船用柴油机症状与故障样本集,作为神经网络故障诊断的专家知识库,以和柴油机故障在线诊断。尤其是对网络容错能力进行评估分析,并确定较有代表性的径向基函数ＲＢＦ网络分布常数Ｓｃ,从而提高故障诊断的及时性和准确率,减少误诊。     

基于BP神经网络的船用柴油机振动状态监测

通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。     

我国船舶大功率柴油机现状与发展趋势

分析对比了国内外船舶大功率柴油机的现状、技术发展趋势及存在的差距,提出了我国发展船舶大功率柴油机的思路和建议。