机用传感器组故障诊断方法研究

对于柴油机状态检测与故障诊断，传感器自身故障的及早发现很重要。文章提出一种基于神经网络和冗余率计算的传感器组故障监测与诊断的新方法。该方法先用RBF神经网络对传感器组中的各个输出进行预测，若预测值与输出值发生较大的偏差，可能是传感器故障或设备故障，运用传感器之间的冗余率，进一步判断传感器是否发生故障，进而采用对应的诊断策略。     

具有参数乘性摄动系统的鲁棒完整性研究

针对[0,σ]（σ≥）故障模型,讨论了具数乘性摄动的系统存在执行器故障、传感器故障及执行器和传感器同时发生故障时具有鲁棒完整性的必要条件和充分条件,并应用H∞控制理论,给出了鲁棒容错输出反馈控制器的设计方法。     

水下机器人传感器故障诊断的灰色预测模型

将灰色预测GM(1,1)原理引入到水下机器人传感器的故障诊断中,对传感器样本数据序列建立灰色动态预测型。通过对该模型输出信号与实际输出之间误差的分析,实时检测传感器的故障。针对Outland 1000无人水下机器人中的方向传感器,应用该方法对该传感器的三种典型故障模式进行了故障检测实验,结果表明所提故障检测方法准确可靠。     

基于无线传感器网络的船舶电力系统故障检测算法

为了解决传统故障检测算法存在的检测精度低的问题,提出了基于无线传感器网络的船舶电力系统故障检测算法。构建无线传感器网络,并利用该网络实现对船舶电力系统实时运行信号的采集。按照不同的电力系统故障类型设置故障特征,作为故障检测的数据对比标准。通过输出故障类型和故障发生位置,实现船舶电力系统的故障检测。实验结果表明,与传统检测算法对比,设计的故障检测方法得出的检测结果更加接近设置的故障数据,即设计的故障检测算法的检测精度更高。     

传感器在汽车电子控制系统中故障自诊断

论述了汽车发动机用的传感器与发动机控制器ECU控制功能的关系,概述了传感器的故障识别和故障处理。     

多航向传感器信息融合与容错联邦卡尔曼滤波器在舰艇综合导航系统中的应用

不同的航向确定方法呈现不同的误差特性,通过多航向传感器的信息融合能够获得更稳定、准确的航向测量。本文提出了一种包含多个航向传感器数据融合和故障容错联邦卡尔曼滤波器的组合导航方法。该方法能够实现多个航向传感器的数据融合,同时还能实现传感器的在线故障检测和实时容错。首先基于输出误差协方差的权值法对航向测量进行最优融合,然后基于状态卡方和残差卡方设计了一个容错联邦卡尔曼滤波器,该滤波器能够检测并隔离故障的航向传感器。实测数据试验表明,该方法能够达到预期的舰艇组合导航系统的故障容错性能。     

基于多传感器鲁棒容积卡尔曼融合的半潜式起重平台立柱快速压载舱液位估计

在半潜式起重平台立柱快速压载舱的液位测量过程中，由于可能存在传感器故障和外界干扰等因素，从而产生观察野值并导致系统输出的可靠性降低。针对此问题，本文提出一种基于多传感器鲁棒容积卡尔曼融合（Multi-Sensor Robust Cubature Kalman Fusion,MSRCKF）的液位估计算法。借鉴Huber等价权函数的思想，引入一个自适应因子以抑制观测野值对容积卡尔曼滤波的影响，再通过基于扩展信息滤波的矩阵变换推导出近似等效于集中式融合的MSRCKF算法。仿真结果表明，MSRCKF算法可以在单传感器发生故障的情况下有效地提高液位测量系统估计值的可靠性和稳定性。     

自噪声监测和故障噪声探测自动化

潜艇和水面舰船常常发出异常的噪声，这些未被发现和未经纠正的故障噪声，对被动声呐而言，是很容易探测到的信号。依靠人对噪声监测系统的观察，注意声被探测性的变化，只有在传感器数量少，无故障噪声状态的情况少时才现实。如果对自噪声监测有用的每一个传感器都要使用，故障噪声的探测就必须实现自动化。为了开发可靠的自动化系统，需要有大量包含了全部传感器所有可能的无故障噪声状态数据的数据库。遗憾的是，现有的声数据记录系统还没有足够的能力在海上长期不间断地大量搜集传感器样本数据。本文介绍了我们正在研制的，名为ASDIC（声特征信号数据和ISCMMS数据搜集）的数据记录器和故障噪声探测系统，该系统将数据存储到大容量的硬盘中。目前我们采用ASDIC建立了自噪声数据库，以能自动探测故障噪声。     

网络化传感器故障自诊断的模糊逻辑方法

介绍了网络传感器的概念及其实现方法。针对网络传感器的故障自诊断功能，提出了一种以模糊逻辑为基础的故障诊断方法，具有简洁有效的特点。仿结果表明了该方法的有效性。     

基于神经网络的水下机器人容错控制方法与实验研究

针对无人水下机器人(UUV)传感器常见故障,采用一种基于有限脉冲响应(FIR)滤波器模型的在线故障诊断方法.根据该模型的故障检测结果,提出一种基于BP神经网络模型的容错控制策略,实现水下机器人首向角的估计以及传感器信号的在线重构.将重构的信号替代故障传感器信号,实现水下机器人在线容错控制.在OUTLAND 1000 水下机器人定向控制系统中,首向角传感器(罗经)发生故障情形下,给出机器人的故障检测以及容错控制结果.     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用,并且首次将神经网络和虚拟仪器技术相结合,成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明,将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度,有很好的工程应用前景。     

RBF神经网络在传感器故障诊断中的应用研究

提出一种基于RBF神经网络的传感器在线故障诊断方法,用某气囊隔振系统隔振装置中大量的传感器数据进行了仿真实验,验证了方法的可行性.通过对每个传感器建立单独的神经网络预测模型,实现多传感器的故障诊断.     

一种改进的小波网络及其在故障诊断中的应用

为了提高故障诊断的准确性,提出改进的小波网络,增加基本小波网络输入层至输出层的直接连接权。结合抽油机井故障实例,进行仿真研究,结果表明改进的小波网络较BP网络和未改进的小波网络收敛速度快,且对故障诊断识别能力强。     

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D-S证据理论的直流电机故障诊断研究

多传感器、多手段检测的信息融合技术在电机故障诊断中的应用日益广泛。提出了一种基于D-S证据理论和BP算法的故障诊断方法,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,首先通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,然后利用多源信息间的冗余性和互补性,有效提取故障特征信息。将该方法应用于某型船直流电机的故障诊断,结果表明,该算法提高了故障诊断的可靠性和灵敏度。     

基于BP神经网络的故障诊断技术在装备维修中的应用

传统故障诊断方法在装备保障中的诸多局限性。文章介绍了基于BP模型的神经网络,研究了基于BP模型神经网络的故障诊断推理方法,并利用Matlab仿真软件对结果进行了运行和计算。结果证明,基于BP神经网络的故障诊断技术对装备故障诊断是行之有效的。     

Fault diagnosis of steam power system based on convolutional neural network北大核心CSCD

[Objectives]In order to improve the fault diagnosis level of marine power systems, this paper studies the real-time fault diagnosis of a marine supercharged boiler based on a convolutional neural network (CNN).[Methods]First, the simulation program of the marine supercharged boiler is developed based on the GSE platform, and the simulation fault data is obtained. The fault diagnosis model of the boiler is then established using the CNN method. Next, through the change trends of temperature, flow and other parameters, combined with a priori knowledge and the machine learning method, fault identification is carried out. Lastly, the performance of the method is evaluated against criteria such as confusion matrix and accuracy. [Results]According to the comparison results between the feature extracted dataset and the original dataset, the stability of the model output results and the generalization ability of the model are optimized and improved, with an overall fault classification accuracy reaching 99.53%.[Conclusion]The results of this study can provide valuable references for the intelligent monitoring of marine power systems. © 2022 Chinese Medical Journals Publishing House Co.Ltd. All rights reserved.     

带有偏差单元的递归神经网络诊断方法在齿轮箱故障诊断中的应用

提出了带有偏差单元的递归神经网络方法,并将其应用到齿轮箱的故障诊断中．通过对齿轮箱的基本零件齿轮故障的设置,研究TBP神经网络的改进算法与带有偏单元的递归神经网络用于齿轮箱故障诊断的有效性。研究表明,带有偏单元的递归神经网络方法比BP网络训练速度快,精度要高,节省时间,能够精确实现故障定位。     

基于粗糙集理论的柴油机燃油系统故障诊断研究

针对柴油机燃油系统的故障种类多的特点利用小波方法对燃油波形进行分析,提取时域及频域的故障特征参数,并使用粗糙集理论对这些故障特征参数进行约简,达到简化故障识别的神经网络的结构、加快辨识速度的目的.最后用RBF神经网络对所模拟的各类故障进行辨识,证实了粗糙集理论在柴油机燃油系统故障诊断中应用的可行性.     

船舶柴油发电机转速神经网络容错控制

结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。