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。     

不平衡负载下船舶电力系统故障诊断研究

电力系统的故障诊断可以保证船舶的正常工作,针对当前单一模型无法全面、准确对船舶电力系统故障进行诊断的难题,提出一种基于组合模型的船舶电力系统故障诊断模型。首先提取不平衡负载下船舶电力系统的信号,并提取状态特征,然后采用隐马尔科夫法对船舶电力系统故障进行初步诊断,采用支持向量机对船舶电力系统故障进行进一步诊断,以提高船舶电力系统故障诊断的准确性。最后进行船舶电力系统故障诊断的测试,测试结果表明,组合模型可以从多个角度对船舶电力系统的工作状态进行分析,船舶电力系统故障诊断率高,不仅有降低了船舶电力系统故障的错误诊断率,而且改善了船舶电力系统故障效率。     

基于嵌入式技术的船舶故障诊断控制器设计

船舶故障诊断是船舶运输航行的重要技术支持,为了有效提高船舶故障诊断效果,基于嵌入式技术设计新型船舶故障诊断控制器。该控制器从故障异常数据入手,首先建立故障训练样本,用于表示船舶正常航行以及多类型故障时的数据标数,根据训练样本,提取当前故障信号诊断特征,并利用最小二乘法对上述建立的训练样本数据进行直接限制,完成诊断特征分类,将分类后的数据进行信号去噪,消除无用数据,确定信号标度因子值,通过数据清洗,重新划分定位故障数据,实现故障诊断。实验数据表明,应用该故障诊断控制器,故障诊断率提高了22%,故障误判率降低了30%,有效提高船舶故障诊断控制效果。     

基于VC＋＋的船舶电力推进系统故障仿真软件设计

本文根据船舶电力推进系统的运行原理,在VisualC＋＋6．0中建立了船舶电力推进系统典型设备变压器、变频器、电动机的模型,设计了船舶电力推进系统故障仿真软件。该软件可对船舶电力推进系统进行运行仿真和故障仿真,不仅可以作为船舶电力推进系统设计和研究的参考,也可以为船舶电力推进系统故障诊断技术的研究提供输入。     

基于故障树分析法的船舶电力控制系统故障诊断应用

针对现代船舶电力控制系统,简述了故障诊断的必要性;阐明了船舶电力控制系统故障的成因及其分析方法;介绍了利用故障树分析法设计船舶电力控制系统故障诊断系统的流程和要点.通过实例检验,验证了故障树分析法应用于故障诊断系统的有效性.     

舰船电力推进系统故障诊断技术研究

本文阐述了舰船电力推进系统故障诊断技术研究的工作，建立了电力推进系统故障诊断基础模型，运用仿真技术为系统设计提供了参考和试验环境，采用神经网络算法获取新知识以提高对未知故障的诊断能力，并设计了基于专家系统的电力推进系统的故障诊断系统，它能使故障诊断更准确和快速。通过故障诊断技术的引入，可以很大程度地提升电力推进系统的可靠性，使系统维修更加方便。     

船舶电力推进系统螺旋桨负载实时监测研究

通过对船舶电力推进系统螺旋桨负载的实时监测,提高对船舶电力推进系统的状态监测和故障分析判断能力,提出一种基于高阶统计量特征提取和串行D/A转换控制的船舶电力推进系统螺旋桨负载监测方法。采用振动传感器进行船舶电力推进系统螺旋桨的振动信号采集,振动信号能有效反映电力推进系统的负载特征,对采集振动信号进行时频分析和高阶统计量特征提取,以提取的特征量为测试集,进行负载监测的信号分析。在此基础上,基于ADSP21160处理器系统进行负载实时监测系统的硬件设计,通过D/A转换控制方法提高负载监测的实时性和准确性。仿真结果表明,该方法进行船舶电力推进系统的负载监测的实时分析能力较强,信号采集和输出的准确性较好。     

人工智能技术在船舶动力装置故障诊断中的应用

传统的动力装置故障诊断方法需要大量的故障数据样本,导致诊断效率和实时性差,无法满足现代船舶航行的需求。针对上述问题,提出人工智能技术在船舶动力装置故障诊断中的应用。使用小波包分析技术对传感器采集的信号进行去噪、分解重构以及能量谱特征提取处理后,构建船舶动力装置故障集。使用D-S理论对BP神经网络输出的诊断结果进行数据融合和置信度判断,得到可靠的诊断结果完成故障诊断。对比实验数据显示,利用人工智能的方法诊断精度较高,并且诊断响应效率高,具有良好的泛化能力。     

基于LDA-GA-SVM的船舶电力推进系统故障诊断

在船舶电力推进系统发生故障时,进行快速准确诊断对于船舶航行的安全性至关重要。文章针对电力推进系统中永磁同步电机的常见故障,提出基于线性判别分析(LDA)与遗传算法(GA)优化的支持向量机(SVM)相结合的船舶电力推进系统故障诊断方法。以"烟大轮"作为研究对象搭建故障仿真模型,以此为基础生成故障数据。运用小波包算法结合LDA算法提取故障数据中的特征向量,再利用经过GA优化后的SVM模型对故障特征向量进行分类。分析仿真验证结果,与未优化的SVM模型对比,GA-SVM具有更高的故障诊断准确率。     

基于振动信号的船舶柴油机配气系统故障定位方法

针对船舶柴油机配气系统故障定位问题,提出一种基于振动信号的配气系统故障定位方法。分析配气系统故障发生的原因,并论证通过监测振动信号的变化来进行故障诊断是有效的。具体论述基于振动信号的故障定位方法,对振动信号进行时域特征分析。以柴油机的离线故障数据为例,对该方法的有效性进行验证,结果表明采用该方法能有效地对柴油机配气系统进行故障定位。