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。     

神经网络技术在船舶柴油机故障在线诊断中的应用研究

文章主要研究基于RBF神经网络理论为数学工具对柴油机故障进行计算机仿真诊断,建立船用柴油机征兆与故障样本集,作为神经网络故障诊断的专家知识库,以实现船用柴油机故障诊断。并对柴油机性能工况的故障在线自动诊断进行探索,以提高故障诊断的及时性和准确率,减少误诊。     

船舶柴油机运行工况诊断仿真研究

提出了基于RBF神经网络的故障智能诊断方法。应用神经网络理论对柴油机故障进行智能仿真诊断，并考虑到海上航行环境的大气温度变化，实现大功率船用柴油机运行性能的主要故障的仿真。以对柴油机燃烧系统故障为例进行仿真分析、处理故障并制订相应的维修对策，从而提高柴油机的使用效率和寿命。此外，对开发实船柴油机故障诊断的辅助分析系统和轮机模拟器的功能扩展有实际意义。     

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。     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法，本文较为系统地介绍了其测量、故障参数提取及分析方法，并在诊断分析中使用了进化RBF神经网络，此网络的训练采用遗传算法，优化了径向基神经网络的结构和参数，加强了网络的实用性。最后用神经网络对所模拟的故障进行辨识，证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性。     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法,本文较为系统地介绍了其测量、故障参数提取及分析方法,并在诊断分析中使用了进化RBF神经网络,此网络的训练采用遗传算法,优化了径向基神经网络的结构和参数,加强了网络的实用性.最后用神经网络对所模拟的故障进行辨识,证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性.     

基于分形特征和神经网络的柴油机故障诊断

针对现有柴油机故障诊断方法的不足,提出了一种基于分形特征和神经网络的诊断方法。讨论了关联维数的计算方法,利用Lab VIEW虚拟仪器开发平台,组建了一套基于声信号关联维数的柴油机故障诊断系统。计算了柴油机在不同工况下声音信号的关联维数,设计一个BP神经网络实现了柴油机故障诊断并进行离线训练,并进行试验验证,结果表明该方法能有效检测故障。     

基于支持向量机的船舶柴油机故障诊断

介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高.     

RBF神经网络的舰船电力系统故障诊断模型

舰船电力系统故障诊断是当前的热点问题,经典舰船电力系统故障诊断模型存在各自的缺陷,影响舰船电力系统故障诊断结果,为了改善舰船电力系统故障诊断结果,提出了RBF神经网络的舰船电力系统故障诊断模型。首先分析当前舰船电力系统故障诊断研究进展,阐述了RBF神经网络的舰船电力系统故障诊断原理,然后从舰船电力系统工作状态中提取特征向量,引入RBF神经网络进行学习,产生舰船电力系统故障诊断模型,并对RBF神经网络参数优化问题进行改进,最后与当前几种经典模型进行了故障诊断对比测试,RBF神经网络的舰船电力系统故障诊断正确率超过92%,而经典模型的舰船电力系统故障诊断正确率低于90%,误诊现象出现的概率很高,验证了RBF神经网络用于舰船电力系统故障诊断的优越性。     

船舶柴油机故障远程诊断系统研究

为解决船舶柴油机运行中故障诊断与处理问题，在分析系统总体结构的基础上，提出了用RBF神经网络作为本地故障诊断系统，用IEEE802．3方案组网作为远程诊断中心局域网，用Internet中TCP/IP作为系统网络传输协议，用JAVA技术作为通讯接口的方法，建立了船舶柴油机远程故障诊断系统。结果表明，该系统技术成熟，具有广泛应用前景。     

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。     

基于虚拟仪器的柴油机齿轮传动故障诊断系统设计与实现

柴油机的传动机构中,较普遍采用齿轮传动,齿轮的工作状态直接影响着传动的准确性,从而影响柴油机的正常工作。基于虚拟仪器柴油机齿轮传动故障诊断系统,能够对齿轮工作状态实时状态监测、时频域分析、诊断,从而有效地分析出齿轮传动中所发生的故障部位、性质、程度、原因等,为柴油机的工作可靠提供保障。     

基于粗糙集理论的柴油机燃油系统故障诊断研究

针对柴油机燃油系统的故障种类多的特点利用小波方法对燃油波形进行分析,提取时域及频域的故障特征参数,并使用粗糙集理论对这些故障特征参数进行约简,达到简化故障识别的神经网络的结构、加快辨识速度的目的.最后用RBF神经网络对所模拟的各类故障进行辨识,证实了粗糙集理论在柴油机燃油系统故障诊断中应用的可行性.     

基于BP神经网络的船用柴油机振动状态监测

通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。     

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。