基于多尺度模糊熵和主成分分析的 轴承故障特征提取

针对滚动轴承故障特征难以提取的问题,文章提出了基于多尺度模糊熵(MFE)和主成分分析(PCA)相结合的滚动轴承故障特征提取方法。首先利用经验模态分解(EMD)将原始振动信号分解成若干个本征模态函数(IMF),并根据相关系数和峭度值准则剔除虚假IMF分量;然后在不同尺度下求取真实IMF分量的模糊熵值,利用PCA对其进行降维处理,形成能表征不同轴承故障的特征向量,最后借用支持向量机对其进行诊断验证。实验表明,该方法可以有效地提取轴承故障信息,对4种轴承状态的识别率为95%,实现了对轴承故障的精确诊断。     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...     

基于GA-BP的船舶同步发电机定转子绕组匝间短路故障诊断研究

为诊断与分析船舶同步发电机定转子绕组匝间短路故障,文章采用基于主成分分析法(PCA)和遗传算法(GA)优化BP神经网络(GA-BP神经网络)的故障诊断方法。首先利用Maxwell软件平台故障仿真得到的定子三相电流作为特征信号,通过小波包分解重构以及PCA降维的处理方式,生成15维的样本数据,降低了网络规模以及处理计算时间,并针对传统BP神经网络收敛速度慢以及易陷入局部极小值的特点,利用GA算法对BP神经网络权值与阈值进行优化。通过样本数据对GA-BP神经网络进行训练测试,验证了PCA和GA-BP神经网络对于船舶同步发电机定转子匝间短路故障诊断具有可行性以及准确性。     

小型混动游艇双向全桥型DC-DC变换器MOSFET开路故障诊断方法

针对船舶双向全桥型DC-DC变换器的金属氧化物半导体场效应晶体管(MOSFET)开路故障,文章提出一种基于小波包分析和概率神经网络(PNN)的故障诊断方法。首先,选用小波包分析提取故障特征向量并利用主成分分析法(PCA)降维。然后,利用遗传-粒子群算法(GA-PSO)优化PNN参数,使PNN故障分类器状态最优。最后,通过仿真实验,验证该方法适用性。结果表明,该方法可以准确诊断变换器MOSFET开路故障,稳定性和精度较好。     

面向港口营运指标预测的影响因素二次筛选方法研究

港口规模、能力及生产活动相关营运指标的预测对于港口的建设和规划有着极其重要的意义,而预测的首要步骤就是对相关的海量社会经济影响因素进行分析筛选。以此为目标,文章提出了一种基于主成分分析(PCA)与t值检验相结合的二次筛选方法,在众多影响因素中,甄别出显著性关键因素,进而对港口相关营运指标进行预测。最后,以某港口吞吐量指标因素筛选及预测作为实例分析,为港口规划建设提供参考依据。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

基于PCA-BP神经网络在船用柴油机热工故障诊断中的应用研究

利用AVL-BOOST对柴油机的热工故障进行仿真计算,首先通过主成分分析法对柴油机的热工故障进行分析,选取能够反映原始变量99.589%信息的3个主成分作为BP神经网络的输入,将柴油机的故障模式作为输出,构建一个3层的神经网络预测模型。结果表明,PCA-BP神经网络模型能够很好的对柴油机的故障模式做出诊断。     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法.用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类.将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%.实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率.     

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.     

基于随机森林方法的柴油机涡轮增压器故障诊断

为了提高柴油机故障诊断的精度,针对柴油机涡轮增压器故障的问题,提出基于随机森林的柴油机涡轮增压器故障诊断方法。使用AVL Boost对柴油机建立故障仿真模型,并生成故障样本。对构建的涡轮增压器模型使用随机森林方法诊断。结果表明,采用随机森林算法的故障诊断模型可以有效对涡轮增压器的故障进行分类,分类准确率超过95%。可知,随机森林方法在涡轮增压器故障诊断领域中有良好的应用价值。     

基于神经网络的舰艇装备模拟电路故障诊断方法

针对舰艇装备模拟电路故障诊断技术现状,提出了基于神经网络的故障诊断方法,利用PSPICE对电路进行分析,选取能反映故障特征的电路信号并利用主元分析方法降低其维数,再输入给神经网络进行训练和诊断,实验证明这种方法不仅优化了网络结构,并提高了辨识故障类别的能力。     

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。     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

船用燃气轮机建模技术研究

建立燃气轮机数学模型是船舶动力及其控制系统研制的重要手段,建模的关键在于提高精度和收敛速度.为解决缺少部件实验特性数据的问题,本文基于相似理论提出了运用转速相似、流量相似和几何相似参数,对已知机组特性数据进行变换,从而获得具有相似关系的待建模机组的特性数据.考虑到两个机组的非绝对相似性,对特性数据进行修正,以提高建模精度.采用传统N-R法与有限域搜索法相结合的方法有效地提高了收敛速度.上述方法业已成功地应用于某型三轴燃气轮机的建模中.     

主成分分析在柴油机运转状况描述中的应用

主成分分析是多元数据统计分析方法的一种，文中将主成分分析方法原理，应用于柴油机工作状态的描述指标体系，经过矩阵变换、降低数据维数，以提取柴油机运转状况信息的主要特征。通过对6．135ZC柴油机台架试验数据的分析处理说明，在有用信息量损失较小的前提下，该方法可以提炼运转状态信息，是一种解决高维复杂系统状态描述问题的简便有效的统计方法。     

振动噪声特征的主成分分析方法应用研究

运用主成分分析方法，经过矩阵变换，提取振动信号的主要信息，从而实现对振动噪声源的分析。通过对100CLG-30船用立式单级离心泵试验数据的分析处理说明，在有用信息量损失较少的前提下，该方法可以提炼运转状态信息，是一种解决高维复杂系统状态分析问题的简便有效的统计方法。     

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。     

基于主成分分析的振动噪声源耦合信息判别

主成分是通过把原来多个变量转化为少数几个互不相关的主成分的一种统计方法,最终达到数据化简、揭示变量间的关系和进行数据解释的目的.通过实船航行试验,证明了主成分分析可以在信息损失较少的前提下提取振动噪声源之间存在的耦合信息.     

多台船舶柴油机润滑油油料发射光谱数据比较

为监测同型号柴油机的磨损工况和分析不同润滑油的使用性能,对16台同一型号的船舶柴油机的润滑油定期取样,利用超谱M型油料发射光谱仪分析油样中的铁、铜、铝、铅等磨损金属元素质量浓度和添加剂元素的平均值和标准偏差,利用主成分分析,根据添加剂元素对润滑油进行分类,对磨损元素的显著性水平进行检验,得到铁和铜元素质量浓度在两种不同的润滑油工作中的差异。