基于数据驱动的船用冷藏集装箱智能故障诊方法研究

采用数据驱动方法,避开船用冷藏集装箱复杂的控制策略,建立系统或部件模型用于智能故障诊断。根据正常运行状态的实验数据“训练”冷凝器模型,利用该模型预测冷凝器的运行状态,并与实际的故障数据进行比较。结果表明,数据驱动模型具有较高的预测精度,能够分辨故障状态,实现智能故障报警。     

船用冷凝器真空偏低的动态特性分析及故障诊断

为从定性和定量的角度综合诊断船用冷凝器真空下降故障产生的原因,考虑某船用冷凝器的结构和运行特点,建立冷凝器动态运行理论模型,构建冷凝器真空偏低的故障树模型,提出探寻冷凝器真空偏低原因的定性方法。开展冷凝器真空偏低故障的动态仿真,定量分析主机排汽负荷增大、真空系统不严密、循环水泵故障时冷凝器真空的变化趋势,给出避免故障的基本措施。结果表明,所建立的理论模型和编制程序具有较好的精度,能够准确、直观地反映冷凝器真空下降故障时主要参数的动态变化趋势。     

数据追踪在港口起重设备驱动故障分析中的应用

港口起重设备的驱动系统在作业过程中往往会出现一些疑难故障,要找出故障原因,需要分辨率达毫秒级且能全面表征系统运行状态的数据。港口装卸领域广泛应用的安川驱动系统自带的CP-717软件具有数据追踪功能,可以采集机构运行中的速度给定、速度反馈、电流、力矩、刹车反馈等关键数据,有助于分析偶发性故障、多驱动协同类故障产生的原因。     

基于遗传算法的船舶核动力装置冷凝器故障诊断研究

根据核动力装置冷凝器的运行特点,分析了导致冷凝器故障的各种原因,并结合领域专家的知识建立了故障征兆集.将遗传算法与概率因果模型相结合,建立了故障诊断系统.从系统的诊断结果看,该方法能准确、快速诊断出故障,这对保证核动力装置的安全运行具有一定的指导意义.     

多参量状态下舰船网络异常故障智能诊断方法分析

为了解决船舶网络数据交互压力成倍增长,网络故障特点已由单纯的单要素故障转变为多因素故障的问题。提出多参量状态下舰船网络异常故障智能诊断方法分析。对网络环境的全局变量进行收集,获取多参量状态,根据获取的多参量状态数据,建立多参量网络健康评估模型,定义对参量下故障识别的学习状态,确定网络故障点,通过数据提取算法完成对故障点的提取,完成故障的智能诊断。通过实验数据表明:相同时间量与故障量下,采用设计方法的故障诊断效果,要比传统诊断方法多诊断出故障21处,提升效果明显。     

皮带机驱动系统状态监测信息化应用

皮带机作为港口物料运输的关键设备,长时间满负荷运行,极易出现驱动部件轴承损坏、滚筒蹿轴等故障,从而引发严重的机损甚至火灾事故.为实现设备"无忧运行"管理理念,我公司对皮带机主要运动部件,包括电机、减速箱、滚筒的轴承温度、振动及轴向位移等参数进行数据采集,获取皮带机主要驱动部件实时运行状态信息,通过监测软件实现驱动部件异常状态预警、数据存储、查询、统计以及部件劣化趋势分析,同时为设备预防性维修管理决策提供数据支持.     

汽力装置回汽制动工况下主冷凝器进汽温度模型

针对蒸汽动力船舶回汽制动工况下主冷凝器的运行安全问题,通过回汽制动工况下主冷凝器的运行状态分析,建立回汽制动工况下主冷凝器进汽温度模型,并基于Matlab/Simulink环境,建立主冷凝器进汽温度的仿真模型。仿真结果表明,回汽制动工况下,采用理想制动策略时主冷凝器进汽温度会超过允许值,导致主冷凝器的损坏,影响蒸汽动力装置的安全运行,因此需对倒车汽轮机回汽时机进行限制。     

带式输送机驱动系统状态监测信息化应用

带式输送机作为港口物料运输的关键设备,其使用率高,满负荷运行时间长,极易出现驱动部件轴承损坏、滚筒蹿轴等故障,从而引发严重的机损甚至火灾事故.为实现设备"无忧运行"管理理念,我公司对皮带机主要运动部件,包括电机、减速箱、滚筒的轴承温度、振动及轴向位移等参数进行数据采集,获取皮带机主要驱动部件实时运行状态信息,通过监测软件实现驱动部件异常状态预警、数据存储、查询、统计以及部件劣化趋势分析,同时为设备预防性维修管理决策提供数据支持.     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

基于LSTM-PSO-SVM的船用LNG双燃料发动机故障预测

针对船用LNG双燃料发动机设备复杂,故障预测效率低、准确度差的问题,提出一种长短期记忆网络与改进粒子群优化算法优化支持向量机融合的预测模型。利用LSTM模型时间序列变化的能力对设备未来的运行状态进行预测,然后采用非线性自适应惯性权重改进PSO算法对SVM参数进行寻优,以提高其寻优能力和收敛速度;改进的LSTM-PSO-SVM融合模型可实现对设备故障状态的快速、准确预测。通过对某船用LNG双燃料发动机的故障预测仿真,结果表明上述模型具有更高的故障识别准确率和更快的识别速度,能够准确预测船用LNG双燃料发动机潜在故障。     

BP神经网络在船舶远程监控中的应用研究

近年来,随着无线通信、传感器网络等技术的快速发展,船舶远程监控系统在保障航运安全、维护船载设备等方面发挥着越来越重要的作用。船舶远程监控系统实现船岸间数据信息共享和交互,对船载设备的运行状态进行实时监控,并根据采集的数据进行状态预测和故障诊断。本文在船舶远程监控系统基础上,利用BP神经网络的自组织学习特性,提出远程故障诊断模型,该模型能够根据设备运行参数对故障趋势进行准确判断并发出预警。     

基于AVL BOOST的船用柴油机典型故障仿真及其数据分析

[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。     

数据挖掘技术在船舶电站设备故障分析中的应用

在船舶电站的设备管理作业中,由于其复杂程度变得越来越高,采用常规的控制技术已经不能够满足设备的控制管理要求,因此可以采用智能算法,对电站运行中产生的各种数据进行综合分析对比,找出潜在的故障发生机制,提高船舶电站的安全性。本文结合了数据挖掘技术,利用大数据统计原理,针对不同的船舶电站故障模型,提取出各个状态下的船舶电站运行机制,从而有效改善了船舶电站的故障预测和处理能力。     

神经网络技术在核动力装置故障诊断方面的应用探讨

主要针对核动力装置中的冷凝器故障，建立了冷凝器故障仿真模型和基于BP网络的故障诊断模型，探讨了利用神经网络技术实施故障诊断的方法。     

海上风电机组齿轮箱散热异常状态预测方法

齿轮箱是海上风电机组的关键部件,其散热状态直接影响着风电机组的运行状态。为减少因齿轮箱散热异常影响机组运行状态进而造成不必要的发电量损失,提出一种随机森林算法的齿轮箱散热异常状态预测模型。该模型首先基于风电机组运行机理对数据进行预处理以及的样本的标定,然后基于随机森林算法进行模型训练,最终实现风电齿轮箱散热异常状态的预测,通过2个风场现场SCADA数据的试验验证,该预测方法的精度达到97.1%,证明了所提方法能够有效及准确地对海上风电机组齿轮箱的散热状态进行预测。     

舰用柴油机冷却水系统贝叶斯状态推理方法

针对不确定动态环境下舰用柴油机冷却水系统的状态预测及故障推理问题,研究基于贝叶斯网络模型的冷却水系统状态推理方法。根据某型冷却水系统的逻辑功能关系,分析系统的工作状态及典型故障模式,分别建立静态和动态贝叶斯网络推理模型。采用联结树精确推理算法对冷却水系统的运行状态进行正向和反向推理。结果表明,贝叶斯状态推理方法在不确定环境下传感器数据缺失时相对常规的故障树推理方法更具优势,动态贝叶斯网络比静态贝叶斯网络具有更好的推理精度。     

基于智能预测控制的鱼雷状小型无人艇轨迹跟踪研究

[目的]针对无人艇（USV）在狭窄湖泊、涵洞作业时存在精度保持难和航迹控制难的问题,以自主研制的一款鱼雷状小型USV为对象,提出一种轨迹跟踪智能预测控制方法。[方法]首先,构建自主研制的欠驱动USV非线性状态空间模型;然后,设计智能预测控制器,该控制器基于模型预测控制的设计思想并结合改进的粒子群算法,在线决策、优化每一时刻的性能指标并纠正预测状态;最后,开展仿真和湖试试验测试系统对参考轨迹的跟踪性能,并与线性模型预测控制器的跟踪性能进行比较。[结果]结果表明,所设计的智能预测控制器超调小、抗干扰性好。[结论]所提方法不仅能运用于鱼雷状小型USV跟踪系统,也能对其他USV跟踪系统起到很好的借鉴作用。     

齿轮齿条爬升式升船机驱动系统运行可靠性分析

针对升船机运行可靠性问题,以齿轮齿条爬升式升船机驱动系统为研究对象,根据可靠性理论,在统计驱动系统运行维护数据的基础上,综合分析停机故障次数和故障检修停航时间对运行可靠性的影响,计算得出驱动系统及其部件的运行可靠度,提出提高驱动系统运行可靠性的建议:应高度重视驱动齿轮托架机构、电气传动设备、传感检测装置等机电设备的维护检修和优化完善,充分考虑设备检修的便利性;基于停机故障次数和故障检修停航时间的运行可靠度计算分析方法,能准确反映升船机的运行可靠性。     

基于PCA-BP神经网络的船舶动力设备运行状态评价模型

船舶动力设备是船舶的核心设备,在船舶正常航行任务中担任着"心脏"的位置,由于船舶动力设备的工作参数维度较多、数据相关性较大、处理复杂等问题,使得对其直接进行状态评价较为困难。文章提出一种基于PCA-BP神经网络的船舶动力设备运行状态评价模型,模型采用主成分分析的方法去除船舶动力设备运行数据的数据相关性,实现数据降维,然后在确定船舶动力设备的状态评价标准的基础上,建立船舶动力设备的运行状态评价模型,并以"某轮"燃烧系统作为案例,对模型的准确性进行验证分析。模型验证结果表明,所建船舶动力设备运行状态评价模型具有一定的准确性、有效性和普适性,可以很好地应用于船舶动力设备运行状态的评价分析。     

某舰用变压器在线监测与故障诊断系统研究

[目的]舰船变压器是大型舰船综合电力系统安全、稳定、可靠运行的关键,故应避免出现严重故障。[方法]基于高级精简指令集计算机(ARM),构建变压器状态在线监测与故障诊断系统。通过抗干扰和数据处理,用以保证实时、可靠、准确地获取运行状态数据;通过诊断系统数据分析,以准确预测和判断故障类型并报警,从而保证系统及时动作以防止故障扩大化;通过屏幕化显示,用以提高调度员对变压器运行状态的准确把握能力。[结果]Multisim仿真建模分析与现场运行测试结果表明:该系统可以准确采集变压器的运行状态数据,判断故障类型,并实时反馈给集控中心,从而制定合理的控制策略和规划调度方案,保证舰船综合电力系统正常工作。[结论]研究成果可为舰用变压器在线监测与故障诊断提供参考。