基于联合抗噪算法的滚动轴承故障诊断研究

轴承通常工作于复杂噪声环境下,使得时域振动信号容易受到各种噪声的污染,从而误导诊断结果。针对以上问题,提出基于一维卷积自编码(1D-DCAE)和一维卷积神经网络(1D-CNN)的联合抗噪故障诊断算法。为了模拟真实噪声环境,在原始振动信号中添加不同信噪比的高斯噪声,用1D-DCAE对原始信号降噪,再将降噪信号用于1D-CNN进行故障诊断。基于全卷积神经网络搭建1D-DCAE模型,并舍弃池化层以降低信息丢失,以提高联合诊断模型的抗噪能力。结果表明:采用基于全卷积网络搭建的1D-DACE有更好的降噪效果,改进后的模型能自适应诊断各种噪声环境下的故障。     

海底混响非瑞利特性研究及神经网络应用

基于单元散射理论介绍了瑞利分布模型和K分布模型,通过计算混响偏度和峰度判断出海底混响偏离瑞利分布模型,并利用CW信号、LFM信号的试验混响数据进行阵元域、波束域上的PDF曲线拟合。结果表明,海底混响的统计特性更趋向于K分布模型。利用BP网络方法和海底混响、点目标仿真信号的PDF特性进行了目标识别验证,其正确识别率达到了92%以上,且计算量大大降低。     

大型船舶动力装置故障的诊断研究

大型船舶动力装置工作负荷较大,故障诱因较多,为了有效准确排除大型船舶动力装置,提高工况稳定性,提出一种基于喘振谱特征提取的大型船舶动力装置故障检测诊断方法。采用多传感器进行大型船舶动力装置的物理信息采集,提取动力装置的振动信号和喘振信号,对提取的信号进行时频变换和离散谱特征分析,采用自相关匹配滤波器进行船舶动力装置振动传感信号的滤波处理,对滤波输出信号进行喘振谱提取,对提取的谱特征量输入到神经网络分类器中进行故障判别。仿真及结果表明,采用该方法进行大型船舶动力装置故障诊断的准确性较高。     

海上航行中的行程传感器电磁干扰信号抑制算法研究

保证船舶电子设备的正常运作是现代船舶业发展中的重要课题,船舶中传感器输出信号的精确度对于船舶安全行驶是至关重要的。本文利用小波降噪来抑制行程传感器电磁干扰信号,最后通过实验来获取小波分解层数,并且确定阈值函数。实验结果表明,经过小波去噪后,信号的误差非常小,系统的稳定性得以提高。     

基于神经网络的船舶计算网络安全评估架构

船舶工业的发展提高了船舶系统的复杂度,船舶计算网络的安全问题对安全评估架构提出了新的需求。传统的评估架构不能满足船舶网络对准确性和性能的要求。本文首先根据船舶网络的特点建立基于嵌入式web服务器的安全评估系统,然后使用神经网络预测船舶网络的安全性,提高评估的精确性和性能。     

遗传神经网络的船舶运动受扰力预测模型

船舶运动受扰力预测,是实现对船舶摇摆控制的关键步骤。为达到有效控制船舶摇摆的目的,基于遗传神经网络,完成船舶运动受扰建模预报和预测方法选择。模拟船舶航行状态,设计仿真对比实验结果表明,基于遗传神经网络的船舶受扰力预测模型,有效提升横向与纵向运动受扰力预测准确性,完成有效控制船舶摇摆的目的。     

基于能量分配的特定畸形波序列的数值模拟

文章对一个理论畸形波序列进行了数值模拟并且将数值结果与理论值做了对比.采用速度入口方法以实现波浪模拟.在造波边界处不考虑高阶波浪成分,只输入线性波浪速度.分别采用三种不同分辨率的网格进行数值模拟,以找到足够有效捕捉自由面的网格模型.考虑到快速傅里叶变换不能反映畸形波的时频特征,因而引入小波变换研究畸形波传播过程中的能量变化.最后比较了北海实测畸形波和文中理论畸形波小波变换的差异.     

小波分析在船舶测试信号中的算法研究

获得精准的船舶测试信号对于保障船舶航行安全非常重要。本文将小波分析应用于船舶测试信号去噪处理中,在处理的过程中详细的阐述了阈值的选择以及小波去噪的实现步骤。最后利用不同的小波系对获取到的含有高斯白噪声的VLCC振动信号进行去噪处理,并通过信噪比的评价得到处理效果较好的母小波函数。