基于Stacking的机舱设备剩余寿命预测方法北大核心CSCD

[目的]在参考中国船级社《智能船舶规范》中智能机舱定义和要求的基础上,探索机舱设备故障预测与健康管理相关技术,开展轴承剩余寿命预测方法研究。[方法]针对常规数据驱动的轴承剩余寿命预测存在预测精度不佳的问题,利用集成学习Stacking融合策略,优选极限梯度提升(XGBoost)与人工神经网络(ANN)为基学习器,岭回归(ridge regression)为元学习器,构建R-A-X(Ridge-ANN-XGBoost)融合预测模型。选用IEEE PHM 2012 Prognostic Challenge同工况下的全寿命周期数据作为数据集设计预测性能对比实验,以MAE和R2为性能评价指标,对比研究基于单一算法、简单平均融合方式以及R-A-X融合方法的轴承剩余寿命预测性能。[结果]结果表明,基于Stacking构建的R-A-X融合预测模型的绝对平均误差(MAE)与决定系数(R2)评价值均优于文中涉及的其他方法,预测精度最高可提升20%。[结论]所提出的方法可提升轴承剩余寿命预测精度,对智能机舱中设备健康管理的实现具有一定的参考价值。     

考虑船位预测不确定性的船舶碰撞危险度计算方法

[目的]船舶碰撞是威胁智能船舶航行安全的主要因素。船舶碰撞危险度计算模型应及时发现船舶航行中潜在的碰撞风险,为智能船舶的自主避让决策提供依据。[方法]首先,根据船舶领域侵入程度与侵入时间等参数,分析基于领域的碰撞危险参数计算模型,将航行场景划分为单船会遇局面和本船与船舶群组的会遇局面,给出一种新的多船会遇情况下的碰撞危险参数计算模型;其次,基于维纳过程对船位预测不确定性进行建模,根据卡方分布获取船位预测不确定性椭圆;最后,给出考虑船位预测不确定性的碰撞危险参数计算方法。[结果]该计算模型能够考虑船位预测不确定性对船舶碰撞危险的影响。[结论]可以进一步保障智能船舶的海上航行安全。     

基于改进多阈值方法的舰船发电用柴油机增压器润滑失效预测

针对舰船发电用柴油机增压器的润滑失效问题,提出一种改进多阈值方法来实现对多工况异常情况的实时预测。该方法包含两部分,首先参考滑动平均滤波法对比分析各机组的运行数据,实现对异常数据的提取;其次采用一种基于外部特性法的箱型图法对分析后提取的异常数据进行多阈值表达式的设定。为了验证方法的有效性,基于某发电用柴油机在发电机工作过程中的实际故障数据进行验证,利用C++和Qt建立了可视化的增压器润滑失效故障在线监测与预测系统。验证表明,依据改进多阈值方法建立的系统可以实现对增压器在发电机全负载工作过程中异常情况的判断和对润滑失效的预测。     

Fault diagnosis of marine diesel engine intake and exhaust system based on dynamic feature fusion北大核心CSCD

[目的]船舶系统由多设备的复杂机构组成,各组件参数具有动态性和非线性的特点,所以故障诊断过程复杂。为提高诊断效率,提出一种动态特征融合方法。[方法]利用分形理论、动态理论及核主元分析(KPCA)法对系统状态数据进行重构、映射及筛选,得到主元特征数据矩阵,求得平方预测误差(SPE)及相应的控制限,构建出基于船舶柴油机进排气系统健康数据的离线监测模型,利用该模型对系统进行故障诊断分析。为验证模型的有效性,选取某船舶柴油机进排气系统的故障数据进行验证分析。[结果]结果表明,动态特征融合分析方法可有效实现对系统动态非线性状态数据的精确分析,实现对系统故障的高效分析和诊断。与KPCA及支持向量机(SVM)方法相比,所提方法具有更好的故障诊断性能。[结论]该方法可实现船舶柴油机进排气系统故障的检测和诊断,提升系统运行的可靠性和安全性。     

基于机器学习的船舶机舱设备状态监测方法

[目的]为实现船舶机舱设备的智能状态监测,引入机器学习算法,提出一种结合流形学习和孤立森林的船舶机舱设备状态监测方法。[方法]由于船舶机舱设备的状态监测数据是多维度数据,基于该监测系统,通过流形学习来提取有效的数据特征,实现对原始数据的降维,减少数据复杂度。基于孤立森林算法,在仅利用正常工况数据集的情况下,训练并构建多个子森林检测器,用于实现对目标设备的故障监测。在Matlab/Simulink环境下建立大型船舶二冲程柴油机模型,对其正常工况和故障工况下的数据进行仿真,以验证该方案的有效性。[结果]通过状态仿真数据对不同故障监测方案性能的比较,验证了所提故障监测方案具有98.5%的故障检测率和3%的故障虚警率。[结论]所提方法能显著提高船舶机舱设备的故障监测性能。     

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。     

基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。     

基于区间约束GPC的船舶SCR脱硝系统多工况控制

不同工况下的船舶柴油机脱硝系统具有很强的非线性和时变性，常用的单一控制器难以准确控制，因此对船舶选择性催化还原（SCR）脱硝系统进行自适应控制研究尤为重要。从SCR的反应微分方程入手，建立船舶柴油机SCR脱硝系统的机理模型，并通过模型仿真的离线数据辨识建立不同工况下该系统的ARMAX模型；设计基于该模型的广义预测控制器以实现多工况的自适应控制。考虑到执行机构的使用寿命，加入区间约束算法，提出并设计带区间约束算法的广义预测控制（GPC）控制器。研究结果表明：与传统的GPC和模型预测控制（MPC）控制器相比，带区间约束的GPC控制器不仅能在变工况时保持较高的脱硝率，而且能显著减少执行器的动作次数，从而提高船舶柴油机SCR脱硝系统的使用寿命。     

船用低速柴油机变工况性能预测

为提高容积法柴油机模型在全工况范围的准确性,使用非线性最小二乘法得到台架试验各种工况点的燃烧参数.通过非线性多元回归分析得到燃烧参数的回归模型,用回归模型代替传统的插值法计算柴油机变工况燃烧过程.仿真实验表明改进的容积法模型能准确地预测柴油机在变工况下的性能,模型的实时性佳.此模型对研究变距桨船舶柴油机的控制策略及其动态性能具有较强的实用价值.     

基于性能退化模型的船舶部件视情维修决策优化

与定期维修策略不同,在视情维修策略下安排船舶部件的维修活动,能够提高船舶部件运行可靠性,降低维修成本。而掌握船舶部件的性能退化规律,是对船舶进行视情维修决策优化的前提。针对上述问题,文章建立了基于维纳过程的船舶部件性能退化模型,以此为基础,研究了船舶部件的视情维修策略,建立了视情维修决策优化模型,并通过实例,对视情维修决策优化模型的有效性进行了验证。     

船用柴油机与涡轮增压系统匹配及性能研究

利用AVL BOOST软件建立了4190ZL C-2型船用中速四冲程增压柴油机的仿真模型,利用BOOST模型进行柴油机推进特性和负荷特性工况的计算,通过与实验数据对比,验证模型的正确性.利用BOOST软件对4190ZL C-2型船用中速柴油机与现有增压器联合运行规律进行研究,得到柴油机与涡轮增压器匹配特性.结果表明,4190ZLC-2型柴油机与压气机联合运行性能很好符合增压器匹配的要求.     

船舶主柴油机建模与仿真

船舶主柴油机作为船舶动力装置的核心设备,在船舶安全航行中有着至关重要的作用。对船舶主柴油机进行建模可以进一步研究柴油机的工况及性能,文章以7K98MC型柴油机为研究对象,基于Matlab/Simulink平台搭建柴油机工作过程的仿真模型,并对模型正确性进行验证分析。     

基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算。仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型。并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性。利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度。     

基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算.仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型.并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性.利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度.     

三菱重工推出混合动力涡轮增压器

[据中国船舶在线2010年8月30日报道]日本三菱重工已经为船用推进柴油机开发出了发电机集成混合动力涡轮增压器。该增压器不仅能利用柴油机废气驱动增压器，而且能够发电。     

基于多元退化的航空机电系统的剩余寿命预测

针对性能退化故障和突发故障同时并存的问题建立基于竞争故障的航空机电系统剩余寿命预测模型,该方法利用状态监测数据,分析性能退化故障与突发故障的相关度,通过采用监测参数退化率的变化趋势预测剩余寿命,最后基于性能退化故障与突发故障相关度建立了航空机电系统寿命变化趋势预测模型,提高了航空机电系统剩余寿命预测的准确度,并为航空机电系统维修决策理论奠定了基础。     

基于谱分析法的FPSO剩余疲劳寿命研究

疲劳破坏是船舶与海洋工程结构破坏的主要模式之一。多年来,船舶结构的疲劳断裂问题一直是造船界广泛关注的问题[1]。对于由大型油船改装而成的FPSO而言,预测并延长其服役寿命是很关键的。本文通过谱分析法对船体疲劳损伤度进行计算,分别对油船和FPSO阶段进行计算从而得到FPSO剩余疲劳寿命。通过建立3D有限元模型,采用热点应力方法来确定评估处应力传递函数,分别计算各个短期海况损伤度并通过线性叠加来计算总的损伤度以及剩余疲劳寿命。根据疲劳评估结果,更加高效地实施船体结构的检测及维修。     

通过增加喷嘴环叶栅改善柴油机低负荷运行工况的探讨

针对船舶涡轮增压柴油机在低负荷工况运行时,出现增压压力不足,燃烧过量空气系数过小的特性,提出了一种通过增加增压器喷嘴叶栅数来提高增压器的压比和空气量的新方法,以改善增压器与柴油机的匹配与柴油机低负荷工况运行的性能。     

基于小波能量谱分析与SVM的柴油机气阀间隙异常故障诊断

船舶动力设备因故障监测信号样本少、变化缓慢、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。尤其是柴油机气阀间隙异常的故障诊断,由于柴油机气阀间隙振动信号噪声多,利用SVM对柴油机气阀间隙进行预测时需要进行特征提取。鉴于此,研究了基于小波能量谱分析的SVM柴油机气阀间隙的故障诊断方法,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当前状态。     

内河船用中速柴油机油耗率模型的建立

为研究柴油机的油耗率,结合内河船舶经常使用的XCW6200ZC型中速柴油机的台架试验数据,采用多项式拟合的方法对这些数据进行处理,建立柴油机推进特性下的油耗率与推进特性系数、转速之间的数学模型。运用该模型对船舶柴油机的油耗率进行计算和预测,结果表明:该模型能够较好地预测柴油机的油耗率。