舰船甲板起重机旋转故障自动诊断方法

利用传统方法对舰船甲板起重机旋转故障进行自动诊断,普遍存在鲁棒性较差的问题,从而导致诊断可靠性不高。针对上述问题,提出一种基于ICA-SVM的起重机旋转故障自动诊断方法。该方法首先利用传感器采集起重机旋转故障振动信号,接着利用ICV将源故障信号与干扰信号进行分离,然后从源故障信号中提取故障特征,最后利用SVA分类器进行故障匹配与识别,实现起重机旋转故障自动诊断。结果表明:与3种传统故障自动诊断方法:基于遗传算法的旋转故障诊断、基于粗糙集理论的旋转故障诊断以及基于Hilbert-Huang变换的旋转故障诊断相比,本诊断方法的最大误报率(3.5%)和漏报率(3.2%)最低,鲁棒性更好,说明本方法的诊断结果更可靠。     

舰船电场传感器线路故障在线诊断方法

当前方法不能准确反映舰船电场传感器线路故障的变化特点,且存在诊断效率低等难题,从而无法准确实现舰船电场传感器线路故障在线诊断。为了改善舰船电场传感器线路故障在线诊断效果,提出基于数据挖掘的舰船电场传感器线路故障在线诊断方法。首先分析当前舰船电场传感器线路故障在线诊断的研究进展,描述了舰船电场传感器线路故障在线诊断原理。然后采集舰船电场传感器线路故障信号,从中提取舰船电场传感器线路故障在线诊断特征向量,采用数据挖掘技术建立舰船电场传感器线路故障在线诊断分类器。最后在Matlab 2019平台实现了舰船电场传感器线路故障在线诊断仿真测试。结果表明,本文方法的舰船电场传感器线路故障诊断成功率高,诊断速度快,能够实现舰船电场传感器线路在线诊断。     

故障并行计算在船舶电力设备故障信号诊断中的应用

船舶电力系统为自发电、自分配的独立电力系统,当电力设备出现故障时,会影响船舶的航行安全。为了对船舶电力设备故障信号进行准确的诊断,依据故障计算原理,利用故障并行计算方法进行船舶电力设备故障信号诊断,仿真试验证明,并行计算方法的故障诊断正确率与所耗时间均优于对比算法,同时,随着参与并行计算的线程的增加,诊断的实时性随之增强,是一种高效的船舶电力设备故障诊断方法。     

基于SOM神经网络的船舶分油机故障诊断研究

为了实现对船舶分油机故障的智能诊断,提出一种基于SOM神经网络的诊断方法。首先,在分析分油机典型故障及特征参数的基础上,提取故障特征向量并建立学习样本。其次,建立了SOM网络模型,通过样本数据集进行训练,获取了输入与输出间的非线性映射。最后将建立的SOM网络应用于分油机的故障分类和诊断。实验验证表明:该方法诊断准确度高和对不同故障识别的适应性强,是一种可行有效的分油机故障智能诊断方法。     

模糊C-均值聚类算法及其在船舶故障诊断中的应用

船舶设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶设备繁多,运行环境特殊,各种设备的故障症状与故障原因之间的关系十分复杂,致使传统诊断方法在实际应用中效果不理想。因此,研究采用模糊C-均值聚类算法来实现船舶故障的诊断乃是非常必要的。将被诊断对象间故障和症状的特征通过建立模糊关系矩阵进行故障分类,用当前所得的故障征兆群与过去该设备故障征兆结果相对照,找出最相似的结果,从而确定其故障。通过船舶主机轴系诊断的实例,证明了该方法的有效性。     

柴油机扭振参数的模糊诊断和灰色诊断比较

分别采用模糊诊断方法和灰色诊断方法,利用柴油机轴系扭振参数对单缸熄火故障状态进行了诊断。对实测的故障结果进行分析得出诊断在准模,用扭振理论的仿真计算结果作为诊断待检模来进行诊断,均取得了较好的效果。说明能有多种方法利用轴系扭振参数对柴油机故障进行有效诊断。对这两种诊断方法的结果进行比较分析表明,模糊诊断方法效果更好些。     

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。     

柴油机故障的模糊诊断

在对柴油机故障原因和故障症状之间的关系进行分析的基础上,采用二级模糊综合评判方法对柴油机的故障进行诊断.利用Visual Basic 5.0软件,设计了对柴油机故障进行模糊逻辑诊断(综合评判)的专用软件,并利用该软件对一故障实例进行了分析.     

灰关联分析在船用制冷系统故障诊断中的应用

灰关联分析方法是一种实用性强、可信度高的设备故障诊断方法,但其存在一定的应用限制。将D-S证据组合规则与灰关联方法相结合,能有效地处理故障征兆与故障类型关系的复杂性与不确定性,且诊断结果可信度较高。通过对某船用制冷系统故障实例计算,证明该方法简单、实用、诊断准确率高。     

基于模糊综合评价法的舰船柴油机故障诊断研究

在对舰船柴油机故障原因和故障症兆关系进行分析的基础上,运用群组AHP和模糊综合评价的方法对舰船柴油机进行故障诊断研究。提出了一种实用的模糊逻辑故障诊断的方法,并给出了该诊断方法的软件设计方法及步骤,为舰船动力装置故障的智能化诊断提供了有益的借鉴。     

一种新的船舶柴油机模糊故障诊断方法

为进一步提高船舶柴油机故障诊断的可靠性,将一种基于模糊信息多级融合的故障诊断方法应用到船舶柴油机的故障诊断中,该方法将各级诊断数据充分融合后再进行船舶柴油机的故障诊断,应用结果表明该方法准确有效,不但在正常情况下作出了准确的故障诊断,而且在局部检测传感器失灵发生误检的情况下亦能避免船舶柴油机故障诊断的误判,为提高船舶柴油机故障诊断的可靠性提供了有益的借鉴.     

基于时间和状态约束的故障因果关系图及其在燃气轮机中的应用

故障原因及其产生位置的确定是决定故障诊断系统是否可用的关键因素。文章定义了离散事件系统中故障之间两种类型的因果关系,给出了故障因果图（FSCG）的概念,进一步给出了描述故障之间基于状态和时间约束关系的因果图,基于此,将上述方法应用在某燃气轮机的故障诊断过程中,在对燃气轮机的内部结构进行概述的基础上,结合具体的故障发生情况,给出了其部分故障树结构,进而给出了相应的故障因果关系图,将其应用到实际的故障诊断中,并与传统的故障树方法进行相关对比,证明了该方法的有效性。     

非平稳特征提取方法与智能诊断技术在自动机故障诊断中的应用

回顾对目前常用的非平稳特征提取方法与智能诊断技术,并总结舰炮自动机故障诊断需解决的难题,介绍非平稳特征提取方法与智能诊断技术在舰炮自动机故障诊断中的应用现状,详细阐述舰炮自动机故障诊断研究中存在的问题及对发展趋势的展望。     

测控装备故障诊断专家系统的设计与实现

通过分析测控装备故障诊断专家系统的目的和任务,将模糊神经网络理论与专家系统相结合用于测控装备故障诊断,建立了故障诊断专家系统的模型。探讨了故障诊断专家系统中知识库的构建及维护、不精确推理等问题。用面向对象分析方法分析故障诊断专家系统,并用软件加以实现。     

燃气轮机混合智能故障诊断专家系统

该文针对燃气轮机的状态监测和故障诊断问题。在单一故障诊断方法无法获得较为满意的诊断结果的情况下,提出了综合利用算法诊断、规则诊断和模型诊断等方法的混合智能诊断方法,根据系统故障诊断过程在不同状态下所具有的特点和任务,利用神经网络、规则推理和建立诊断数学模型等方法来有效的完成诊断任务。     

船用柴油机故障诊断的综合法研究

文章针对当前船舶柴油机常用故障诊断方法的基本原理，总结了各种方法的优缺点，提出了故障诊断综合法。运用该方法对两起故障进行了分析，结果表明综合法对及时发现并排除故障是有效的，具有一定的现实意义。     

一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。     

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BP神经网络的故障诊断技术在装备维修中的应用

传统故障诊断方法在装备保障中的诸多局限性。文章介绍了基于BP模型的神经网络,研究了基于BP模型神经网络的故障诊断推理方法,并利用Matlab仿真软件对结果进行了运行和计算。结果证明,基于BP神经网络的故障诊断技术对装备故障诊断是行之有效的。     

基于知识的燃气轮机故障诊断系统的研究与开发

结合MS6001型燃气轮机，对基于知识的燃气轮机故障诊断技术进行了研究。介绍了系统的总体结构，建立了基于框架的热力参数的知识表示方法。通过总结发生单一故障情况下燃气轮机的故障诊断规则，设计了基于产生式规则的推理方法，实现了系统的诊断功能。结果证明，这是一种行之有效的故障诊断研究方法，具有实用价值。