近海石油平台支援船主机油耗优化模型的建立

针对近海石油平台支援船进行研究,建立了近海石油平台支援船关于风、浪、潮汐的船舶数学运动模型并计算了目标船裸船体阻力和附体阻力；根据主机功率的传递过程以及船舶有效功率的估算方法,建立船舶主机油耗优化模型；之后运用基于遗传算法的多目标优化方法对主机油耗优化模型进行计算与验证,结果表明优化后的主机油耗模型具有良好的节能效果。     

船舶动力装置智能诊断关键技术及难点分析

在无人驾驶船舶、智能机舱发展热潮下,针对船舶动力装置的组成和功能特点,结合自身经验,对实现船舶动力装置智能诊断的关键技术和难点进行了分析和探讨,为研究人员提供建议和思路。     

纵倾优化下的船舶能效数值模型

通过Fluent数值计算和Simulink建模仿真的方法,建立船舶的CFD计算模型及能确定转速(n)-航速(V_s)-船舶能效营运指数(EEOI)间对应关系的船舶能效准稳态仿真模型,进而分析不同工况下纵倾变化对船舶营运能效的影响。以定转速航行模式的46000t油轮为目标船,经模型的计算和船模试验的验证,发现适当纵倾可提高目标船的营运能效。结合相关海事公约法规,计算目标船的最佳纵倾在艉倾2.61m处,可降低EEOI达0.8%。     

基于RKGM-AR模型的船舶主机排气温度预测

为了对船舶主动力装置系统中非平稳变化的热力性能参数进行趋势预测,以实现对主动力装置故障状态预报,提出了一种新型RKGM-AR时间序列预测模型。该模型首次将四阶龙格-库塔法改进的灰预测模型与时间序列预测模型相结合,将热力参数分解成具有确定性的趋势项和具有不确定性的随机项,然后分别运用RKGM模型和AR模型对趋势项和随机项进行预测。通过某船舶主机排气温度预测实际应用案例对提出的模型进行了验证。实验结果表明,RKGM-AR模型预测结果的平均相对误差为0.276%,模型比较可靠、准确。     

基于船岸一体化的轮机工程专业船舶认识实习教改实践

以大连海事大学轮机工程专业学生在“育鲲”轮上的船舶认识实习为例,在对认识实习情况进行分析和总结的基础上,从船岸一体化的角度,分别就上船前、在船上、下船后三个阶段,对认识实习环节提出改革方案,并将部分方案在“育鲲”轮上付诸实践,从而探索高效、合理、与时俱进的轮机工程专业船舶认识实习实施方案。     

BP神经网络对船舶远程监控系统的改进分析

为了满足公司对于远洋船舶更加有效监控的要求,应用BP神经网络对监控系统加以改进,使船舶远程监控系统发出预警信号,并能在船舶上报警.此时,相应参数识别码也能够第一时间到达岸上公司,岸上公司即能在最佳时间协助船舶对设备进行维修.BP神经网络在远程监控系统的应用分析过程中,以6缸柴油主机排气温度变化趋势为模型,利用BP神经网络良好的学习特性,建立了排气温度变化的持续升高预警模型及其他非预警模型.分析表明,此种方法适用于远洋船舶的远程故障监测及船舶系统故障预测.     

近海石油平台支援船主机油耗优化模型的建立

对近海石油平台支援船进行研究,建立近海石油平台支援船关于风、浪、潮汐的船舶数学运动模型,并计算目标船裸船体阻力和附体阻力。根据主机功率的传递过程以及船舶有效功率的估算方法,建立船舶主机油耗优化模型。运用基于遗传算法的多目标优化方法对主机油耗优化模型进行计算与验证。结果表明,优化后的主机油耗模型具有良好的节能效果。     

基于混合预测模型的船舶海水冷却系统状态参数预测

为了提高船舶海水冷却系统状态参数的预测精度,提出了自回归滑动平均线性子模型和BP神经网络非线性子模型相结合的海水冷却系统状态参数混合预测模型。介绍混合预测模型的建模过程以及预测流程,选取"育鲲轮"海水冷却系统5天状态参数作为训练样本输入到混合预测模型,对第6天状态参数进行预测,将混合预测模型的预测值分别与自回归滑动平均预测模型预测值、实际观测值对比并运用平均绝对百分比误差法进行验证,结果表明搭建的混合预测模型可以提高海水冷却系统状态参数的预测精度,具有良好的预测能力。     

基于超球支持向量机的船舶高温淡水系统状态评估

文章建立了基于超球支持向量机的船舶高温淡水系统状态评估模型,对训练样本确定以及核函数确定等方面进行深入研究。研究表明,利用系统中各设备自身性能方程所获得的训练样本能够准确地反映系统最优状态,建立起评估基准。另外,当核参数为5时,所建立的超球体稳定且准确,适合用于状态评估。通过对3个实际工况的评估分析,结果表明该方法在船舶系统状态评估方面具有一定的实际应用价值。     

智能船舶动力系统设备的自适应阈值方法

[目的]针对智能船舶动力系统设备的状态监控报警不及时、阈值带宽过大、状态评估参数不准确等问题,提出自适应阈值的确定方法,用以对动力系统设备进行监控报警和状态评估。[方法]首先,采用模拟退火算法优化回归支持向量机(SVR)预测模型,对动力系统设备的常规状态特征参数进行建模;然后,对建模残差进行正态转化,并结合滑动时间窗来构建自适应阈值模型;最后,选取某船舶主推进柴油机的排烟温度作为研究对象进行实例验证。[结果]研究结果表明,相较于传统固定阈值,自适应阈值模型的带宽更为紧凑,具有良好的自适应性,能够提前识别动力系统设备的异常现象。[结论]所提方法提高了监控报警系统的效率和阈值精度,可为早期故障诊断和系统状态评估提供更准确的依据。