遗传算法和神经网络在船舶柴油机故障诊断中的应用

为提高船舶柴油机故障诊断的精度,以及改善神经网络收敛速度慢,易陷入局部最优解的情况。提出一种基于改进遗传算法和RBF神经网络相结合的智能诊断方法,并将其应用于船舶柴油机故障诊断中,改进的方法优化了神经网络的隐节点、宽度参数以及中心向量,用最小二乘法训练网络隐层到输出层的权值。最后在Matlab仿真软件下,对船舶柴油机故障诊断模型进行仿真实验。实验证明,自适应遗传算法优化的RBF神经网络,诊断速度快,诊断精度高,收敛效果好,能较好地应用在船舶柴油机的状态监测和故障诊断中。     

复杂结构船舶配电系统故障恢复算法

利用遗传算法、支持向量机以及神经网络等传统算法对船舶配电系统故障进行诊断,误诊率和漏诊率较高,影响了后续故障修复,不利复杂结构船舶配电系统故障恢复。针对上述问题,以模糊C—均值聚类算法取代以上3种故障诊断算法,解决误诊率和漏诊率高的问题,之后在故障诊断的基础上,实现故障修复,从而完成整个故障恢复。结果表明:与遗传算法、支持向量机以及神经网络3种传统故障诊断算法相比,模糊C—均值聚类算法的误诊率和漏诊率均更低(误诊率:1.14%,1.22%,2.00%;漏诊率:1.40%,0.43%,0.34%),说明本算法的诊断性能更好,更能全面、准确的检测出配电系统发生的故障,保证了后续故障修复的效率和准确性。     

智能船舶的系统设计与研究

随着航运技术发展,船舶信息化程度逐渐增强,对船员的能力要求也越来越高。目前,对船舶运行状态的判断还是以船员的经验和理论知识为主,如果决策失误,势必对船舶造成损失。针对这一情况,提出基于智能信息处理的智能船舶。智能船舶利用信息化技术,实现智能化感知、分析、判断、决策和控制,最终达到降低人为因素导致的事故,保证船舶安全航行的目的。本文研究面向应用的集成智能船舶信息处理系统,提出基于神经网络的趋势预测模型和基于模糊神经网络的故障诊断模型,最后给出仿真结果。     

基于小波尺度谱和遗传算法的转子故障诊断

针对发动机的转子故障,提出了一种基于尺度谱图像纹理特征和遗传算法的故障诊断技术.根据不同转速下的3类转子故障数据样本,运用连续小波尺度谱图像纹理特征提取其图像纹理特征.采用遗传算法对这些特征进行选择优化,去除与分类不相关的冗余特征.最后,构建结构自适应集成神经网络对优化后的特征进行智能诊断.试验表明,该方法能准确地诊断出转子的故障,具有广泛的应用前景.     

BP神经网络在船舶动力系统故障诊断中的应用

故障诊断技术是一门新兴技术,随着数学与计算机科学的不断发展,故障诊断技术也有了迅速的进步,现在神经网络算法、人工智能等先进技术都大量的应用于故障诊断中。船舶的动力系统是其推进力的来源,动力系统的正常运行对船舶意义重大。为了提高船舶动力系统的可靠性与安全性,必须采取一定的措施预防与诊断其故障类型。本研究针对船舶动力系统的故障诊断问题,研究了一种基于BP神经网络算法的诊断技术,并建立了动力系统故障数据挖掘与诊断系统。     

船舶动力机械网络化智能维护系统研究

分析了大型船舶动力机械故障诊断与智能维护平台构建的技术和集成技术,并融合故障诊断中的经过实践检验的方法和技术,同时综合现有故障诊断系统的优点,对船舶动力机械网络化智能维护系统进行了初步的研究.     

船舶电力推进系统故障诊断技术

故障诊断技术是船舶电力推进系统研究中的重点,当前无法对船舶电力推进系统的故障进行准确划分,无法获得较优的船舶电力推进系统故障识别效果,为了获得理想的船舶电力推进系统故障诊断效果,设计一种信号去噪和数据挖掘的船舶电力推进系统故障诊断方法。首先分析船舶电力推进系统故障原理,采用船舶电力推进系统故障信号,然后对船舶电力推进系统故障信号进行去噪,提高船舶电力推进系统故障信号质量,并提取船舶电力推进系统故障诊断特征,最后采用最小二乘支持向量机设计船舶电力推进系统故障分类器,并与其他方法进行船舶电力推进系统故障诊断对比实验,相对于对比方法,本文方法的船舶电力推进系统故障诊断率高于94%,不仅船舶电力推进系统故障结果的误识率明显减少,而且加快了船舶电力推进系统故障诊断的速度,具有更加广泛的实际应用领域。     

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。     

基于选择性神经网络集成的船舶避碰问题研究

船舶碰撞危险度的确定是保证海上船舶航行安全的重要问题,也是一个复杂的过程,受很多因素的影响,具有很强的非线性特征。神经网络集成是用有限个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各种神经网络在该示例下的输出共同决定。本文基于粒子群优化算法实现一种选择性神经网络集成方法,并基于该方法对船舶碰撞危险度问题进行了建模。仿真结果表明,基于粒子群算法的选择性神经网络集成方法适合于船舶避碰问题模型,且模型的精度很高。     

神经网络在船舶电力推进系统故障诊断中的应用

船舶电力推进系统目前成为船舶推进系统的主流选择,电力推进系统对于保障船舶的安全稳定运行具有重要意义。因此,对采用电力推进系统的船舶进行电力推进系统故障诊断,成为船舶日常维护的一项重要工作。本文对船舶电力推进系统故障诊断系统进行研究,在Simulink环境下搭建故障诊断模型,并将BP神经网络应用于诊断系统,对电力推进系统的故障学习和诊断能力进行仿真。结果表明,该故障诊断系统可以提高网络的学习速度和诊断效果,具有很好的故障诊断能力,可以满足船舶电力推进系统的性能要求。