船用离心泵故障SOM网络诊断方法

为了实现对船用离心泵的实时在线智能故障诊断,进行了基于SOM网络(自组织特征映射神经网络)的船用离心泵故障诊断方法研究.在分析船用离心泵典型故障及特征的基础上,建立故障模型,提取故障特征向量并建立学习样本;设计和组建了SOM神经网络,将SOM网络的抽取输入信号模式特征的能力应用于故障诊断;通过网络训练建立了 SOM网络输入与输出属性间良好的非线性映射,实现了将特征向量输入网络来诊断故障.经实验验证,该方法具有良好的准确度和适应性.     

基于输出电压和电源电流的模拟电路故障诊断

为了提高模拟电路故障诊断的准确率,要尽可能的采集有效故障样本信息作为 BP 神经网络的输入。提出利用输出电压和电源电流信息融合的方法进行模拟电路故障诊断。收集输出电压和电源电流的故障样本集,然后作为 BP 神经网络的输入对网络进行训练和判断。利用不同故障对输出电压和电源电流的影响不同,能减少故障特征的重叠,提高模拟电路的故障诊断正确率。仿真结果表明利用输出电压和电源电流信息融合的方法比单纯利用输出电压或电源电流进行诊断准确率和速度都有明显提高。     

基于灰色关联度分析的模拟电路故障诊断

一般情况下,模拟电路中存在着元件容差,使得电路的测量数据存在着不确定的信息,增加了故障诊断的难度。而灰色关联度分析在处理此种不确定信息方面有着独到的优势,可以代替传统故障字典法单纯采用样本距离作为故障的分类指标方法进行故障诊断。因此,灰色关联度分析非常适合于容差模拟电路的故障诊断。     

模拟电路故障诊断的研究

对模拟电路故障诊断的方法作了研究。首先对模拟电路中的故障类型进行分析,然后对已有的故障诊断方法进行分类和比较,并对故障诊断的主要研究方向进行了理论总结。     

基于支持向量机方法的模拟电路故障诊断

模拟电路故障诊断是电路故障诊断的难点问题,也是制约电路故障诊断技术发展的瓶颈.支持向量机方法被看作是对传统学习分类方法的一个好的替代,特别在小样本、非线性情况下,具有较好的泛化性能.本文采用支持向量机方法对模拟电路故障诊断进行了研究,并从核函数、模型参数等方面对其故障诊断性能进行了分析.实验表明,支持向量机方法能获得比神经网络方法更好的故障诊断性能.     

舰船继电器控制线路绝缘性故障检测系统设计

船舶电力系统变电站的主电路通常由继电器控制电路来间接控制,这种控制方式不仅可以降低操作人员误触的风险,还可以提高电力系统主控制电路的可靠性。由于海上舰船的工作环境复杂,因此继电器常出现线圈破损、绝缘性降低等故障。为了提高电力系统继电气控制线路的监测水平,本文基于虚拟仪器技术设计一种继电器控制线路的绝缘性故障检测系统,并针对该系统的硬件组成与虚拟仪器程序进行介绍。     

基于虚拟仪器的某型装备故障诊断系统设计

为了改变依靠传统的人工故障检测、分析手段进行检测维修效率低的现状,利用虚拟仪器技术与专家系统技术,设计实现了一个针对某型通信装备的故障诊断系统。该系统利用装备的自检功能进行板级故障定位,再利用虚拟仪器检测电路关键部位的电气参数作为故障信息,通过专家系统对故障信息进行分析处理后将故障定位到电路板的元器件级。该系统还通过网络连接为用户提供了专家远程辅助诊断功能,降低了对维修人员的技术要求,提高了故障定位的效率和准确率。     

CPN神经网络在模拟电路故障诊断中的应用研究

提高模拟电路的故障诊断速度对于装备保障具有重大意义,采用CPN神经网络对模拟电路进行故障诊断,运用Matlab神经网络工具箱对其进行建模、网络训练和故障识别,结果表明采用CPN神经网络可以大大提高故障定位的准确率.     

船舶发电机电路故障分类和诊断

发电机是船舶的动力设备之一,而电路是船舶发电机的核心部件,当前船舶发电机电路故障诊断方法的误诊率相当高,为此本文设计了一种基于模式识别的船舶发电机电路故障分类和诊断方法。首先提取船舶发电机电路故障特征,并进行归一化作为输入向量,然后通过模式识别技术建立船舶发电机电路故障的分类器,从而建立船舶发电机电路故障的诊断模型,最后在相同环境下与其他船舶发电机电路故障诊断模型进行仿真实验。实验结果表明,本文模型的船舶发电机电路故障诊断成功率大幅度提升,船舶发电机电路故障的误诊率和漏诊率急剧下降,同时船舶发电机电路故障诊断效率也要优于对比模型,具有更高的实际应用价值。     

改进的BP网络及其在电路故障诊断中的应用

BP神经网络在模拟电路故障诊断中的应用是一个十分热门的研究课题，但BP网络自身的学习收敛速度慢、容易陷于局部极小等缺陷则限制了其应用。提出了一种改进型的BP网络诊断模拟电路故障的方法，详细介绍了自适应学习率动量法，对模拟电路故障进行诊断和分析研究。最后，给出了仿真实例，验证了自适应学习率动量法加快了样本学习收敛速度，具有更好的实时性和诊断效率。     

高速电磁阀驱动电路故障诊断与补偿系统研究

为了满足船用柴油机高速电磁阀高速响应特性,设计了基于高、低电压的双电源驱动和自举悬浮的驱动电路,根据驱动电路在正常工作情况和不同故障状态下的峰/保驱动电流波形的特征,设计一种基于电流波形特征值的高速电磁阀驱动电路的故障诊断方法,对不同的故障进行原因分析,并针对有电流输出的故障给出了应对补偿措施,故障诊断和补偿电路简单,只需要占用较少的CPU资源。试验表明,该系统能够实时地检测出高速电磁阀驱动电路的故障,并且能实时地保护电路,应急补偿控制电路和算法能根据故障类型快速地调整驱动电路和电流波形参数等,以维持各缸喷油的均匀性。     

船舶自动舵放大器在线故障诊断仪设计

应用状态监测与故障诊断系统的基本构成方法,设计了某船舶自动舵放大器在线故障诊断仪,并讨论其信号测量电路、小信号调理电路、干扰隔离电路及故障诊断流程等硬件和软件的设计方法.     

基于自编码网络的船载变压器故障诊断研究

采用传统故障诊断技术容易受到外界因素干扰影响,导致故障诊断精准度较低,提出了基于自编码网络的船载变压器故障诊断研究。分析船载变压器结构,设计故障诊断流程,利用自编码网络故障诊断技术对故障信息进行等级划分,并标注故障数据。采用归一化计算方式处理无标注故障数据,可改善外界因素干扰问题。由实验对比结果可知,采用自编码网络技术故障诊断结果精准度最高达到90%,使船载压器能够保持良好工作性能。     

基于贝叶斯网络的舰船故障建模方法研究

舰船故障建模是进行故障诊断的主要技术,舰船故障的种类多,变化复杂,兼具有随机性和规律性,当前舰船故障诊断的建模方法无法描述其变化特点,使得舰船故障诊断结果不理想。为了改善舰船故障诊断效果,设计了基于贝叶斯网络的舰船故障建模方法。首先对舰船故障诊断的工作原理进行分析,指出当前舰船故障诊断方法出现缺陷的影响因素,然后采用贝叶斯网络对舰船故障诊断过程进行模拟和建模,最后采用仿真实验与其他舰船故障诊断模型的结果进行对比。结果表明,贝叶斯网络的舰船故障诊断正确率更高,可以更好反映舰船故障诊断随着时间改变的变化趋势,避免了出现故障诊断错误率高的难题,具有广泛的应用前景。     

一种数字电路测试向量自动生成系统的研究

描述用于组合电路和同步时序电路测试数据的自动产生的数字电路测试向量自动生成系统.该系统通过录入用户的电路网表文件对被测数字电路(CUT)进行分析,按故障模型自动生成CUT的故障集,并自动推导该故障集的测试集,然后通过故障模拟计算出该测试集的故障覆盖率,产生相应的故障字典.以自动生成软件代替人工分析方法,提高了故障诊断的效率和质量,对我军的电子装备保障有着重要的军事和经济意义.     

基于神经网络的舰艇装备模拟电路故障诊断方法

针对舰艇装备模拟电路故障诊断技术现状,提出了基于神经网络的故障诊断方法,利用PSPICE对电路进行分析,选取能反映故障特征的电路信号并利用主元分析方法降低其维数,再输入给神经网络进行训练和诊断,实验证明这种方法不仅优化了网络结构,并提高了辨识故障类别的能力。     

基于支持向量机的SCR整流电路故障诊断方法

提出一种基于支持向量机(SVM)的可控整流电路故障诊断方法。只需要通过对整流阀输出波形的直接分析,利用SVM进行模式识别,就可对整流装置进行故障诊断。以三相桥式晶闸管(SCR)整流电路为例,进行了验证。通过实验研究结果表明:该方法能准确地对可控整流电路进行故障诊断和故障定位,具有良好的实用价值和广阔的应用前景。     

旧船SMA-02型报警系统的PLC改造

旧船上SMA-02型报警系统是采用继电器控制电路实现的,故障率高,故障原因难于查找和排除。用可编程序控制器取代继电器电路,可以大大改善报警系统的性能。     

基于模糊信息融合的船舶动力装置综合故障诊断方法研究

在模糊集理论的基础上,将决策级信息融合技术应用于故障诊断系统中,提出了一种基于系统模糊综合评价融合结构下的综合故障诊断方法.该方法以模糊逻辑运算和全局决策融合来自多传感器的局部判决来获取诊断对象的综合诊断结果,并对船舶主动力系统的运行故障进行诊断研究,结果表明,该方法准确有效,为船舶动力装置故障的智能化诊断提供了有益的借鉴.     

船舶电力推进系统故障诊断与预测技术综述

船舶电力推进系统结构的复杂性增加了故障发生的概率和故障检测难度,故障诊断与预测技术有助于提高电力推进船舶的安全性,减少维修成本与周期。故障诊断技术是故障预测技术的基础,故障预测技术是实现船舶电力推进系统智能健康管理的终极途径。本文对船舶电力推进系统的故障诊断与预测技术研究现状进行了详细综述,在此基础上,指出多方法结合和基于"时域""空域"多源信息融合的故障诊断与预测是未来重点研究方向。