共查询到20条相似文献,搜索用时 31 毫秒
1.
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。 相似文献
2.
《舰船科学技术》2020,(4)
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。 相似文献
3.
4.
近年来人工智能技术在很多领域得到了成功应用,特别是故障诊断方面。船舶电力系统是保障船舶自动化系统正常工作的重要组成部分。由于船舶电力系统工作环境恶劣,因而船舶电力系统一旦出现故障将会产生很严重的后果。传统船舶电力系统故障检测费时费力,本文通过对人工智能技术进行分析,研究了人工智能技术在船舶电力系统故障诊断中的应用,提出了一种故障诊断系统架构,重点研究了基于人工神经网络以及专家系统的电力系统故障诊断,设计了神经网络模型,给出了推理机的故障诊断流程。 相似文献
5.
船舶电力系统拓扑结构日趋复杂,故障种类繁多且不易区分。为确保继电保护动作的正确性,本文基于船舶电力系统故障录波数据,利用全卷积网络(Fully Convolutional Network, FCN)在局部特征提取上的优势,以及长短期记忆网络(Long Short-Term Memory, LSTM)在时序特征提取上的优势,提出了一种基于改进LSTM-FCN网络的故障诊断模型,并应用于船舶电力系统故障识别。依托PSCAD/EMTDC仿真软件对典型船舶电力系统各种故障进行仿真,通过小波变换对采样信号进行预处理。实验结果表明:本文所提出的故障诊断模型能够很好地对船舶电力系统故障进行分类识别。 相似文献
6.
当前船舶电子设备故障诊断方法无法准确表达船舶电子设备故障变化特点,船舶电子设备故障诊断成功率低,出现了大量错误的船舶电子设备故障诊断结果,同时船舶电子设备故障诊断实时性差,为此设计了基于数字信号处理技术的船舶电子设备故障诊断模型。首先分析当前船舶电子设备故障诊断模型存在缺陷的原因,通过数字信号处理技术采集船舶电子设备工作状态信号,并从信号中提取船舶电子设备故障特征向量,然后将船舶电子设备故障特征向量作为极限学习机的输入,通过确定极限学习参数建立船舶电子设备故障诊断模型,最后在Matlab2016平台上进行了船舶电子设备故障诊断仿真模拟测试。结果表明,本文模型可以提取描述船舶电子设备工作状态的信号,提取特征向量可以很好描述船舶电子设备故障类型,使得船舶电子设备故障诊断成功率得到提高,故障诊断的错误率降低,有利于船舶电子设备故障处理。 相似文献
7.
8.
9.
船舶柴油机在工作过程中,经常会发生机械磨损故障,给船舶柴油机的工作稳定性带来困扰,针对当前船舶柴油机机械磨损故障存在的诊断准确率低、机械磨损故障诊断时间复杂度高等缺陷,设计了一种船舶柴油机机械磨损故障诊断的模式识别方法。首先分析当前船舶柴油机机械磨损故障的原理,并提取船舶柴油机机械磨损故障诊断特征,然后采用层次分析法分析确定每一个船舶柴油机机械磨损故障特征的权值,并根据RBF神经网络确定船舶柴油机机械磨损故障诊断的模式识别模型,最后进行船舶柴油机机械磨损故障诊断的验证性测试,分析本文方法的船舶柴油机机械磨损故障效果。本文方法的船舶柴油机机械磨损故障诊断率超过了90%,不仅远远高于对比方法的船舶柴油机机械磨损故障诊断率,而且船舶柴油机机械磨损故障效率得到有效的改善,具有很好的推广前景。 相似文献
10.
11.
12.
舰船电力系统量子遗传算法的故障诊断方法研究 总被引:2,自引:0,他引:2
为能准确的确定故障元件,建立了考虑保护或断路器拒动情况下适合舰船电力系统故障诊断的数学模型,利用量子遗传算法对故障诊断数学模型进行求解,并利用典型舰船电力系统故障算例对所提方法进行了验证,算例结果说明了该故障诊断模型的合理性和诊断结果的准确性。 相似文献
13.
基于信号变换的诊断方法、基于专家经验法诊断方法故障空间的局限性,导致故障定位精准度较低。为此,提出基于OPC(OLE for Process Control)技术的电力推进船舶混合动力故障定位研究。构建故障定位模型,剔除工作状态外部干扰信息。描述电力推进船舶混合动力系统故障定位特征向量,确定故障空间。计算故障出现概率,提取主要故障特征。借助人机接口对输入信号进行滤波处理,使用OPC技术匹配知识库中故障规则,找到具体故障位置。搭建电力推进船舶混合动力监控系统,利用Matlab进行实验仿真研究。实验结果表明,该方法与实际定子磁链轨迹坐标一致,具有精准定位效果。 相似文献
14.
15.
16.
17.
针对船舶电力系统在发生故障后难以快速准确地找到故障点的问题,论文采用故障诊断专家系统来对发生的故障进行诊断,以此来提高船舶电力系统供电的持续性。论文在分析船舶电力系统特点的基础上将可能发生的故障分为四类。在知识的表示形式上采用框架式结构来描述船舶电网各部分的联系,运用产生式规则对具体故障进行描述,同时结合模糊推理的思想来处理故障诊断中的不确定性。通过测试,论文所设计的专家系统能够快速准确地找到故障点并提供解决方案,提高了船舶电力系统的可靠性。 相似文献
18.
19.
20.