未来智能船舶推进系统的选型

对现有船舶机舱的安全现状进行阐述,对已发生的400多起远洋船舶机损事故进行统计分析,包括故障部件、故障类型和事故原因等。通过分析发现:主机系统是事故发生率最高的部位,特别是活塞、缸套、气阀和喷油器等燃烧室周围的部件易出现故障;在发生事故的原因中,人因失误仍然是主要因素,占全部事故的83.1%。在此基础上,从推进系统的系统冗余数、部件数量、部件材料和运行条件等方面对目前6种典型船舶推进系统的可靠性进行对比分析。结果表明,目前在远洋船舶中运用最多的单机单桨直接传动装置的可靠性最低,而多机多桨间接传动装置、调距桨推进和电力推进系统是适合未来智能船舶的推进型式,特别是电力推进系统将是未来智能船舶的最佳选择。     

未来智能船舶推进系统的选型

本文首先对现有船舶机舱的安全现状进行了研究,对已发生的远洋船舶400多个机损案例的故障部件、故障类型、事故原因进行了统计分析,发现主机系统是事故发生率最高的部位,特别是活塞、缸套、气阀、喷油器这些燃烧室周围的部件。在发生事故的原因中,人因失误仍然是主要因素,占全部案例的83.1%。在此基础上,对目前六种典型的船舶推进装置的可靠性进行了分析,从推进装置的系统冗余数、部件数量、部件材料及运行条件等方面,对不同推进装置的可靠性进行了对比,发现目前在远洋船舶中运用最广的单机单桨直接传动装置可靠性最低,而多机多桨间接传动装置、调距桨推进和电力推进装置是适合未来智能船舶可靠的推进型式,特别是电力推进装置将是未来智能船舶的最佳选择。     

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。     

基于AAKR模型的船用低速柴油机状态监测方法

针对船用二冲程低速柴油机运行状态监测,本文分析现有的柴油机状态监测方法,并指出现有方法的不足之处。提出基于AAKR模型的柴油机状态监测方法,同时阐述AAKR模型的原理。该方法具有无需故障数据、无需对模型进行训练与调参、高效快捷等优点。本文建立柴油机仿真模型,通过对柴油机模型进行模拟状态监测实验,证明基于AAKR模型的柴油机状态监测方法的有效性,最后讨论不同带宽的选择对模型性能的影响。该方法无需故障数据的特性使其具有更强的普适性,可广泛应用于船舶柴油机的在线状态监测和预警。