排序方式: 共有9条查询结果,搜索用时 93 毫秒
1
1.
为克服传统专家经验在故障诊断方面的不足,实现船舶凝给水系统的智能诊断,在标准BP神经网络基础上提出一种优化后的CAWOA-BP故障诊断模型。采用混沌映射以及自适应权重调整策略优化WOA鲸鱼算法,利用优化后的WOA鲸鱼算法改进BP神经网络的权值及阈值矩阵。由于船舶凝给水系统的状态监测数据是复杂多维度数据,利用UMAP降维算法对原始数据进行降维。最后,利用降维处理后的数据训练CAWOA-BP神经网络模型,实现故障诊断。通过对正常及故障数据的学习,发现优化后的CAWOA-BP模型相比于标准BP,WOA-BP,PSO-BP故障诊断模型具有更高的准确率、精确率、召回率及预测误差。研究表明,基于优化后的CAWOA-BP神经网络故障诊断方法能够更加精确实现船舶凝给水系统的故障诊断。 相似文献
2.
[目的]船舶柴油机状态信息数据普遍存在类别不均衡的问题,非均衡数据集降低了基于数据驱动的故障诊断模型对柴油机健康状况自动识别的准确性。因此,提出基于样本间概率相似性的图卷积网络(GCN)模型,以解决非均衡数据集分类问题。[方法]首先,引入Kullback-Leibler散度来计算样本间的概率相似性,以挖掘样本间的非线性关系,将各个样本间的相似性用构造概率图的拓扑结构体现。然后,利用图学习对样本特征及邻近样本特征进行聚合和提取,为非均衡数据集的分类提供更多的信息。最后,通过构造多层图卷积层,对样本特征信息进行更深层次的挖掘。[结果]仿真及台架实验表明,所提出的图卷积网络能够有效地学习更多样本信息,通过聚合邻近样本信息来提高非均衡数据集分类的准确率。[结论]该模型的召回率和精确率均高于其他分类模型,具有一定的工程应用价值。 相似文献
3.
为应对IMO提出的日益严格的排放法规,降低船舶EEOI值,本文分析了EEOI的数学计算公式以及简化公式,并以某8063TEU大型集装箱船为目标船,基于MATLAB/Simulink建立了船舶能效系统的仿真模型.通过仿真研究,分析了船舶航速、航期、载货量、航程对船舶EEOI的影响,同时研究分析了EEOI对航速、载货量、航程变化的敏感性.结果表明随着航期的增加船舶EEOI逐渐减小;EEOI对航速的敏感性最高,对载货量的敏感性其次,而对航程的敏感性较低;降低主机工作负荷从而降低航速,以及提高船舶载货量都能有效降低船舶EEOI值,而增加航程则对降低EEOI值效果不明显. 相似文献
4.
针对燃料电池船的电能质量品质不高、蓄电池使用寿命短等问题,设计了由超级电容、磷酸铁锂电池组成的复合储能系统,并提出了基于功率分流式的能量管理策略。在MATLAB/Simulink环境下建立系统仿真模型,并采用自适应粒子群算法调用仿真模型,对复合储能系统的容量配置与能量管理策略的参数进行联合优化。仿真结果表明:优化后的复合储能系统可以满足船舶典型工况需求,并且能够缓冲负载波动对燃料电池与磷酸铁锂电池的冲击,使燃料电池工作在高效率区间,机动工况下船舶能量效率提高了3.17%;磷酸铁锂电池的充放电过程得到优化,能延长其使用寿命;母线电压波动减小,提高了电能质量。 相似文献
5.
传统故障诊断算法用于舰船蒸汽动力系统非均衡类样本问题存在准确率低且误分类的情况,本文提出一种基于支持向量机-BP神经网络集成学习的故障诊断模型。使用主层次分析法降低原始数据集的特征维度以改善数据量之间的冗余问题,然后设计3个并行的支持向量机分类器进行故障诊断,将分类器的结果数据融合作为BP神经网络的输入,进行二次诊断,得到最终的结果。用仿真平台采集的样本数据进行验证并重复运行30次获取结果,最终模型平均召回率为84%、平均准确率为95.04%。对比传统诊断算法及常用集成算法,该方法的准确率以及少数类样本的召回率明显高于其他诊断方法。 相似文献
6.
7.
[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。 相似文献
8.
9.
1