船舶动力设备状态监测与故障诊断技术分析

船舶航运作为当今社会重要运输途径之一,在促进沿海地区经济发展中起到了积极作用,近年来,虽然船舶航运业发展迅速,但船舶重要设备的维护维修问题一直难以被有效解决,船舶动力设备作为船舶航运的动力源泉,一旦发生故障,将可能导致船舶瘫痪,造成巨大经济损失,采用何种技术才能有效监测船舶动力设备运行状态、实时发现诊断故障隐患逐渐成为...     

船舶动力设备退化基线计算及预测方法

船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。     

基于退化过程的船舶动力设备运行策略

为分析单航次船舶的系统退化过程,合理采取运行维护措施,定义船舶动力设备的运行策略,根据船舶动力设备的退化过程,利用Wiener-马尔科夫理论,分析船舶动力设备的退化特点.建立多目标运行优化策略模型,给出运行维护费用的表达式,确定船舶动力系统的可靠度和费用为优化目标.以船舶排气系统为例进行退化分析和优化,优化结果显示该方法能够有效地缓解系统退化,提升单航次船舶运行的可靠性和经济性,具有理论意义和重要的工程应用价值.     

船舶动力定位系统的在线模型预测控制

针对船舶动力定位问题提出了基于线性核函数在线支持向量回归的模型预测控制方案.在线支持向量回归算法的引入可以通过在线调整,确保预测模型的精确性.基于线性核函数的模型预测控制能够方便、迅速地求取控制律的解析表达式,保证控制律的最优性以及算法的快速性.仿真结果证明了该控制方案的有效性.     

基于马尔科夫模型的船舶设备多状态系统可靠性分析方法

基于多状态理论和马尔科夫模型,建立船舶设备复杂系统的多状态可靠性模型,推导封闭形式的时变状态概率微分解算方程,给出可用度、期望性能输出和期望性能失效等可靠性度量参数分析方法。针对多状态船舶设备特种装置,实施时变可靠性典型算例分析,结果表明:利用马尔科夫模型分析多状态系统可靠性能,具有程式化高、通用性好且结论合理的特点,形成的建模思路、解算程式和分析方法可为船舶设备复杂系统的可靠性分析技术发展提供参考。     

基于SVM的电子装备故障预测方法研究

探讨了支持向量机时间序列预测模型的应用。将支持向量机时间序列预测技术应用于电子装备故障预测中,对某型电子装备的数据传输插件板进行了故障预报,通过实验证明了该方法的有效性和实用性。     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

基于大数据的船舶故障趋势预测

船舶故障趋势预测的研究具有重要实际应用,船舶故障趋势复杂多变,当前船舶故障趋势预测方法无法高精度描述其故障变化特点,使得船舶故障预测趋势结果靠性低。为了提高船舶故障趋势预测效果,设计了基于大数据的船舶故障趋势预测方法。首先分析当前船舶故障趋势预测研究进展,找到各种方法的船舶故障趋势预测的局限性,然后采用船舶故障趋势数据,并利用大数据分析技术拟合船舶故障变化趋势,构建船舶故障趋势预测模型。最后在相同平台下,与其他船舶故障趋势预测方法进行了对比测试。结果表明,大数据的船舶故障趋势预测精度超过95%,不仅完全达到了船舶故障控制的实际应用要求,而且船舶故障趋势预测效果要优于对比方法,具有更加广泛的实际应用范围。     

结合状态观测与遗传算法的船舶路径预测控制

为实现具有速度不易测﹑模型不确定﹑受外界因素干扰﹑输入需约束及优化等特点的欠驱动船舶的路径跟踪,提出带状态观测的模型预测控制（MPC）。在限制条件下利用MPC求解性能指标函数,处理舵角优化﹑舵幅与舵速约束问题。设计扩张状态观测器（ESO）对环境干扰和模型不确定项进行估计,提高MPC的性能。通过预测未来估计误差,利用遗传算法在线调节ESO参数,提高估计性能。基于指数函数建立速度观测器,避免速度不易测。稳定性分析和仿真试验结果表明,采用该结合状态观测的MPC船舶路径控制方案,当速度和干扰均未知时,船舶仍能跟踪上参考路径,舵角平滑且始终在约束值内,MPC控制精度和ESO估计精度均得到提高。研究结果说明该方案是可行的、有效的。     

基于EEMD和EIIKF的船舶轴系状态趋势预测研究

监测、分析、预测轴系的状态数据对保障船舶动力系统正常工作具有重要意义。基于船舶轴系振动状态监测,提出集合经验模态分解(EEMD)和增强型间歇性未知输入卡尔曼滤波器(EIIKF)相结合的故障趋势预测方法。在进行模态分解前,通过加入白噪声信号优化信号的可分解性,避免出现模态混叠。进而对滤波重构后的信号进行序贯分析得到振动信号的特征曲线,采用EIIKF方法对特征曲线分析预测,并通过引入间歇性参数,对部分未知输入项带来的不确定性进行补偿。在此基础上通过故障判别模型进行故障诊断,实现基于轴系振动信号的故障预测。利用实测故障样本数据对所提出的方法进行验证,其预测结果的及时性和准确性均优于一般模态分解和卡尔曼滤波器预测的方法,验证了改进后方法的有效性和优越性。     

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...     

基于支持向量机的模式识别方法研究

本文对支持向量机的原理和应用进行了综合论述。首先,概要叙述了支持向量机(SVM)的产生背景和发展前景。简要介绍了SVM的定义、分类及算法。最后,对SVM在文本识别、数字识别、人脸检测、人脸识别、人脸认证、回归分析及预测、图像检索、特征提取等方面的应用进行了讨论。     

基于免疫遗传算法的核动力船舶设备故障诊断

针对传统遗传算法收敛速度慢且容易未成熟收敛引起的核动力船舶设备故障诊断响应延迟、误诊、漏诊问题,提出一种基于信息熵的免疫遗传算法用于核动力船舶设备的故障诊断:利用已知船舶设备故障征兆集合,选用概率因果模型,引入信息熵免疫遗传算法,求解具有最大后验概率的故障集合.某船用核动力蒸汽发生器与液压泵故障仿真结果表明,基于信息熵免疫遗传算法优化的概率因果模型不受故障样本的限制,具有较好的通用性,且模型故障诊断精度较高、寻优速度快.本方法同样适用于其他领域的故障诊断问题.     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6％,可以很好地实现船舶识别.     

基于支持向量机回归树的内燃机振动信号趋势预测

针对标准回归树建立在统计分析基础上所存在的缺陷,提出一种基于支持向量机的回归树预测模型。首先,根据原始振动信号趋势序列构建回归树;然后,针对回归树上包含样本数过少的节点,利用支持向量机,建立能够反映重要变量与响应变量之间映射关系的回归模型。仿真结果表明:即便由于设备出现异常,导致振动信号趋势序列出现非平稳、突变情况,该方法也能准确地预测,性能优于标准分析方法,具有一定的工程实用性。     

基于串联灰色神经网络的船用柴油机状态预测研究

文章首先对灰色预测模型进行了改进,建立了GM（1,1）综合预测模型;其次针对灰色理论和神经网络的互补性,创建了以等维新息GM（1,1）模型＋BP神经网络的串联型灰色神经网络预测方法,在此基础上提出了3＊3＊1＊1结构的预测模型,并对其建模过程和算法进行了分析讨论;最后以某型船用柴油机铁谱监测数据为样本,对这种新预测模型的可行性与准确性进行了验证。     

支持向量机网络在船舶电力推进系统状态评估中的研究

船舶电力推进系统状态评估是状态检修的前提和基础,建立合适的舰船电力推进系统状态评估流程与模型,并开发出可行的评估系统是舰船状态评估的必须步骤。本文在对船舶电力推进系统的状态评估方法进行概述和分类的基础上,提出船舶电力推进系统状态评估流程、基于支持向量机网络的船舶电力推进系统状态评估模型和具体的评估步骤。     

基于SVM的船体外板冷弯回弹预测模型研究

研究方形压头非对压成形装置成形原理的基础上,分析准确预测回弹对板材数控冷弯成形的意义。针对预测样本较少的情况,采用支持向量机技术进行回弹预测分析,并对模型中的核函数及其损失函数参数ε和惩罚因子C进行分析研究,建立板厚与回弹量的预测模型,并将其预测结果与试验结果及采用BP神经网络预测结果进行比较验证其准确性,为船体外板数控成形加工解决回弹问题提出新的思路。     

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.