船舶柴油机机械磨损故障诊断方法

柴油机是船舶运行最重要的动力装置之一,经过长年累月的运转,磨损故障经常发生,影响船舶的正常行驶。针对上述问题,提出一种神经网络机械磨损故障诊断方法。设计了与之相适应的BP网络结构,在此基础上建立了一个BP神经网络模型,并给出了一种BP神经网络学习算法,用来调整网络学习速率。柴油机机械磨损故障诊断实例结果表明:利用BP神经网络诊断出船舶柴油机磨损故障与实际诊断结果一致,准确率高达80%以上。     

神经网络在船舶主柴油机建模中的应用

该文研究用BP神经网络建立船舶主柴油机模型的方法，并对BP算法进行了改进，提出了一种动态优化学习率的方法，对6L80MC柴油机实际数据用BP网络进行计算的结果表明，该算法能有效地建立船舶主柴油机模型。该模型已成功用于船舶主机遥控仿真系统中。     

基于SOM-BP神经网络的船舶柴油机故障诊断方法

作为船舶系统重要的组成部分,柴油机工作状态与船舶安全航行息息相关。因此,对船舶柴油机故障诊断方法的研究具有重要的现实意义。以SOM神经网络和BP神经网络为理论基础,将二者融合构建SOM-BP神经网络,用于船舶柴油机故障诊断。通过仿真试验,验证了SOM-BP神经网络在船舶柴油机故障诊断中的有效性。     

基于自编码器的船用柴油机故障诊断

为了提升船舶柴油机故障诊断的泛化能力,引入深度神经网络,文章提出了一种基于自编码器（AE）的船舶柴油机故障诊断方法。通过GT-SUITE船用柴油机故障仿真实验,对数据样本进行分析,结果表明AE在训练集和测试集的故障识别率分别为98.67%和98.33%,优于支持向量机（SVM）和BP神经网络,更适用于船用柴油机的故障诊断。     

基于DSP的船舶电子设备故障诊断研究

船舶运输在全球经济中发挥着不可替代的作用,船舶电子设备的稳定工作对于保障船舶运输安全以及船舶自动化控制系统的可靠性具有非常重要的作用。对船舶电子设备故障进行诊断研究可以有效发现设备故障位置,并及时采取措施。本文提出一种基于BP神经网络和DSP技术的船舶电子设备故障诊断系统,以DSP为硬件核心实现神经网络解决电子设备故障诊断问题,重点介绍神经网络算法的实现以及数据采集电路的设计等。     

多传感器融合下船舶机电系统多发故障信号监测

为了提高船舶维护效率,提出一种多传感器融合下船舶机电系统多发故障信号监测方法。根据故障状态下的信号频率,使用小波变换法提取故障信号特征参数作为蚁群算法优化BP神经网络输入,实现多发故障诊断,并通过DS证据理论完成多传感器数据融合,得出故障诊断结果。实验结果表明,该方法可通过多传感器融合判断出船舶机电系统故障类型,即使一种传感器出现故障也不影响诊断效果,诊断船舶机电系统多发故障平均准确率高达97.02%,能够实现较为精准的船舶机电系统多发故障监测。     

无线网络的舰船柴油机故障远程诊断

柴油机是舰船核心动力设备,影响着舰船安全航行。柴油机作业环境复杂,易发生运行故障。在舰船设备管理中有必要引入无线网络建立起柴油机故障远程诊断系统,在最短的时间内对故障状态进行远程诊断,快速修复故障。本文提出无线网络环境下的舰船柴油机故障远程诊断系统设计方案,通过优化系统硬件设备配置、建立故障数据库、采用BP神经网络处理数据,为远程诊断提供数据支撑。仿真实验证实,本系统能够快速、准确诊断出柴油机故障原因。     

基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

分形技术与概率神经网络在船舶柴油机故障诊断中的应用

船舶自动化程度的提高对能源的需求也日益增长,而船舶的柴油机系统作为能源的主要来源,其重要性也越来越明显。为提高柴油机的稳定性能,降低故障发生率,本文提出一种基于分形技术和神经网络算法的故障诊断模型。该模型中的分形理论能够甄别出故障的非线性特征,精确锁定故障的来源;然后利用神经网络算法对柴油机故障的诊断进行深度训练。最后利用LabVIEW仿真平台和Matlab软件进行故障诊断能力仿真验证,本文提出的综合诊断方法能够有效识别故障来源和类型。     

基于PCA-BP神经网络在船用柴油机热工故障诊断中的应用研究

利用AVL-BOOST对柴油机的热工故障进行仿真计算,首先通过主成分分析法对柴油机的热工故障进行分析,选取能够反映原始变量99.589%信息的3个主成分作为BP神经网络的输入,将柴油机的故障模式作为输出,构建一个3层的神经网络预测模型。结果表明,PCA-BP神经网络模型能够很好的对柴油机的故障模式做出诊断。     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用，并且首次将神经网络和虚拟仪器技术相结合，成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明，将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度，有很好的工程应用前景。     

基于PNN的舰船柴油机冷却系统故障预警研究

针对舰船柴油机冷却系统，分析其典型故障模式，选取特征参数，基于概率神经网络（PNN）建立故障预警模型以对其进行故障预警，结合某型柴油机在某船实际运行数据完成模型的训练和验证。结果表明：采用概率神经网络可有效地实现舰船柴油机冷却系统的故障预警。     

基于多源信息融合的柴油机故障诊断方法

为提高柴油机这一复杂系统的故障诊断精度,在采集缸盖声发射信号、缸盖振动信号和机体声发射信号特征信息的基础上,利用3个BP神经网络进行局部诊断并获得证据体,对各证据体应用D S证据组合规则进行决策融合。针对D S证据理论在处理冲突证据时存在的局限性问题,提出一种多源加权融合的故障诊断方法。该方法利用各证据体对命题识别的正确率和证据体之间的距离对各证据体进行修正。故障模拟试验表明:提出的方法可提高柴油机的故障诊断精度,充分验证其应用在柴油机故障诊断中的可行性。     

基于LabVIEW的柴油机供油系故障诊断系统开发

基于虚拟仪器技术,利用LabVIEW7.1编写采集分析程序,并以Matlab Script节点形式调用在Matlab里训练成功后的BP神经网络程序,开发了柴油机供油系故障诊断系统。该系统由PCI-6221采集卡获取测取燃油压力波形,利用小波包分解提取特征信号,并组成特征向量输入训练成功的BP神经网络进行典型故障识别,诊断结果通过人机界面输出,从而实现了故障诊断的智能化。     

船舶柴油机远程故障诊断研究

对船舶柴油机的远程故障诊断系统进行了研究，介绍了该系统的总体结构，提出用IEEE802．3和IEEE802．11作为诊断网络的数据链路层协议，用TCP／IP作为系统的网络层和传输层协议，用JAVA技术解决远程数据通讯接口问题。并研究了用Khoenen神经网络作为船舶柴油机本地故障诊断工具，用基于规则的专家系统作远程故障诊断工具的实施方法。研究表明，船舶柴油机故障诊断系统切实可行，有望发展成为一种有价值的船舶监控系统。     

船舶柴油机供油系统故障诊断研究

柴油机燃油供给系统工作质量的好坏,直接影响柴油机的工作性能。阐述了在虚拟仪器中对柴油机喷油系统压力波的数据采集和特征参数提取,并介绍了在各种故障模式下柴油机喷油器产生故障的原因和特征参数的变化,利用人工神经网络模型实现故障诊断。结果表明,该方法可实现柴油机喷油器不解体故障诊断,在实际的故障诊断中具有一定的应用价值。     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。     

混合型专家系统在船舶动力装置故障诊断系统中的应用

介绍了一种基于人工神经网络的混合型专家系统及其在船舶动力装置故障诊断系统的应用。具体描述了混合型专家系统的基本原理,论述了船舶动力装置故障诊断系统的结构与功能。最后用一个实例说明混合型专家系统在船舶动力装置故障诊断系统上的应用。     

基于D-S证据理论的直流电机故障诊断研究

多传感器、多手段检测的信息融合技术在电机故障诊断中的应用日益广泛。提出了一种基于D-S证据理论和BP算法的故障诊断方法,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,首先通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,然后利用多源信息间的冗余性和互补性,有效提取故障特征信息。将该方法应用于某型船直流电机的故障诊断,结果表明,该算法提高了故障诊断的可靠性和灵敏度。