基于LabVIEW的船舶柴油机不同工况下的机身振动信号分析

机身振动信号对船舶柴油机故障的识别具有重要作用,可为故障的分析提供重要的参数,因此编写了基于LabVIEW的柴油机振动信号的采集与分析系统,应用搭建的平台在正常工况和几种典型的故障模式下进行振动信号的采集与分析试验。从采集到的状态信号中提取与设备故障密切相关的机身振动信号进行时域、频域和幅值域的分析,同时通过各特征参数的分析对柴油机进行简单有效的故障诊断与识别,并根据计算得出的特征值的变化趋势来分析确定信号中故障的发生与发展,及时对故障作出分析诊断。这对保证船舶安全航行以及对设备实行预知维护都具有十分重要的意义。     

舰船发动机燃油电磁阀故障实时诊断方法

基于舰船发动机燃油电磁阀驱动电路,分析电磁阀电流特性与故障情况下的电流特征,发现燃油电磁阀的电流波动,对电磁阀故障具有重要影响。因此,利用小波包分解技术重构电流信号,提取电流信号的频带幅值,将其作为舰船发动机燃油电磁阀不同故障的特征向量,将该特征向量输入多输入层卷积神经网络中,经过训练、测试的多输入层卷积神经网络可以准确输出电磁阀的不同故障类型。实验结果表明,该方法可准确提取舰船发动机燃油电磁阀故障信号中的各类状态特征,诊断出电磁阀正常、弹簧断裂和阀芯卡死的故障类型,可靠性高。     

基于物联网技术的船舶电气设备检修方法优化分析

受到海上温度与湿度的影响,船舶电气设备的故障率远高于设备保养参数与使用参数。船舶电气设备的稳定是保障船舶航向安全的首要条件。传统的电气检修方法在对设备故障检测感应反馈上,存在响应滞后的问题,究其根源在于信号的传输方式。结合物联网技术,提出基于物联网技术的船舶电气设备检修方法优化分析。首先,对船舶电气设备检测程序结构进行优化,增添多组电气设备故障感应模组,采用网络传输替换传统电频信号的传输方式;接着,采用故障信号抗干扰算法对电气设备故障点报警信号进行优化补偿计算,达到增强信号感应灵敏度的效果;最后,通过实验对提出设计的故障检测灵敏度进行测试,通过数据证明设计方法优于传统检修方法。     

基于人工鱼群算法的船舶电子设备故障智能诊断方法

为实现电子设备的高效维护,确保船舶安全航行,设计了基于人工鱼群算法的船舶电子设备故障智能诊断方法。采用离散小波变换法分解电子设备运行信号样本,通过计算不同尺度下的小波能量值完成船舶电子设备故障特征参数的提取,将其作为基于RBF神经网络的故障诊断模型的输入,利用人工鱼群算法对故障诊断模型的权值、阈值参数作优化处理,最终输出不同类型故障发生概率,实现电子设备故障诊断。实验结果表明,正常以及不同故障状态下,电子设备运行信号的时域波形存在很大差异,研究方法可实现故障特征参数的提取,并完成故障类型的识别,30次迭代后MSE指标即可降至最低,仅为10^-4。     

基于HHT的船舶综合电力系统故障时间定位新方法

针对强噪声环境下船舶综合电力系统故障时间定位精度不高的问题,提出一种基于Hilbert-Huang变换(HHT)和自适应软阈值法的船舶综合电力系统故障时间定位新方法。首先,电能信号经EMD分解为若干固有模态函数(IMF),对第一个IMF分量进行Hilbert变换得到其瞬时幅值向量。然后,在分析故障波形变化规律的基础上,定义并计算故障信号的瞬时幅值差分向量。最后,设计一种自适应软阈值处理方法,将瞬时幅值差分向量变换为故障时间特征向量,经加权均值后,实现故障时间定位。仿真试验结果表明,该方法能够精确定位不同强度噪声下的故障起止时间,在1 k Hz采样频率下精度为0.88 ms,适用于实际船舶综合电力系统故障的时间定位。     

基于小波包分解的船用柴油机燃油电磁阀故障诊断方法

为了精准识别电磁阀故障,确保船用柴油机安全、平稳运行,提出基于小波包分解的船用柴油机燃油电磁阀故障诊断方法。采用小波包分解法对船用柴油机燃油电磁阀电流信号作分解,获取其多频带特征。通过核主成分分析法对其作降维处理,完成敏感特征选择。将其作为最小支持向量机的输入,自适应蚁群优化算法通过自适应调整挥发因子、状态转移规则确定最优模型参数,实现燃油电磁阀故障的准确诊断。结果表明：故障、正常工况下的燃油电磁阀电流特性曲线存在较大差异;该方法可提取电流信号的8个频带特征、不同频带特征间差异度大;特征选择有利于提高燃油电磁阀故障辨识度。本文方法可实现燃油电磁阀故障诊断,诊断效果突出。     

信号识别下无线网络通信故障断点智能检测方法

传统船舶通讯故障检测方法存在多干扰源区域,由于策略问题出现通信信号间歇性传输误判的问题。导致船舶通信故障检测误判率升高,准确度降低。针对此问题,提出基于信号识别的船舶通信故障断点智能检测方法。依据检测方法策略优先的原则,采用交替分簇决策策略,修正传统方法中的策略缺失,找到正确分簇头。然后,引入混沌波协方差,在确定的信号分簇上对多干扰源进行滤除,得到纯净通信波,确定故障位置。最后,通过对比实验证明,提出的基于信号识别的船舶通信故障断点智能检测方法,能够有效解决传统方法存在的误判率高的问题。     

信号瞬态分形特征分析技术在机械故障诊断中的应用

首先对一种信号分形维数计算方法即相关分形维数进行了讨论,发现其对信号幅值的变化反映敏感.为满足分析的需要,进一步提出了一种对信号瞬态分形特征进行分析的方法,并将此技术用于实际故障的诊断过程.实践证明,文中提出的信号瞬态分形特征分析技术完全可以对机械信号的瞬态幅值变化信息进行准确提取,且具有计算量小、方便实用等特点,有望在机械故障的诊断实践中得以推广应用.     

基于扭振信号的柴油机单缸熄火故障诊断与监测

利用曲轴扭振波形参数对柴油机熄火故障进行监测和故障定位分析,并开发故障监测系统。通过试验模拟柴油机熄火故障,利用曲轴扭角峰峰值、各谐次幅值和峭度值可准确地监测熄火故障。对扭角时域波形进行滤波处理后,与上止点参考信号和发火间隔角结合分析,可准确定位发生熄火故障的气缸,开发的故障监测系统可及时对熄火故障进行报警。     

离散描述系统干扰解耦状态观测器设计及鲁棒故障诊断

对一类带有未知输入干扰的离散描述系统，提出了一种新型的干扰解耦状态观测器；对一类带有未知输入干扰和有界不确定性的离散描述系统，以状态观测器为基础，利用故障信号与观测误差之间的关系，构造了一种带有未知输入干扰的离散描述系统的鲁棒故障诊断方法。该方法不但能够检测系统中是否出现故障，而且还可以估计出故障的幅值大小。文中还讨论了阈值的选取、该算法能检测到的最小故障信号和故障信号的估计误差，其仿结果表明了该方法的有效性。     

基于支持向量机的液压调节器多类故障辨识

针对目前故障诊断中故障数据样本获取及特征提取困难的问题,分析了液压调节器的4种典型故障,建立了基于支持向量机的多类故障分类器,并直接将少量的时间序列信号作为分类器的输入。实验结果表明,在小样本情况下,不必对信号预处理以提取特征,该分类器便可实现液压调节器的多类故障分类,证明该方法是有效、可行的。     

基于神经网络与专家系统的火控系统故障诊断

为了能在火控系统发生故障时，更快更好地诊断和排除，分析了人工神经网络和专家系统各自特点及其局限性，采用人工神经网络技术与专家系统相结合的方法，建立基于人工神经网络与专家系统故障诊断机制，对火控系统的故障进行智能诊断。克服了传统的诊断专家系统缺少有效的自学习、自适应机制，难以解决非线性系统故障问题的不足。这对于解决火控系统多征兆、多原因的复杂故障问题，是一条方便快捷的途径。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

船用柴油机工作过程故障诊断的仿真研究

利用计算机数值计算方法进行了船用柴油机性能故障的仿真计算,通过对各故障下热工参数的特征分析,揭示了热工参数在不同性能故障、不同运行工况和不同航行工况下变化规律,探讨了热工特征参数的优化选择、性能故障的分类和计算机仿真建模等问题,提出了热工参数的相对偏差分析法,并介绍了人工神经网络在船用柴油机故障诊断中的具体应用。     

基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

基于PSO-ELM算法实现船舶发电机组故障识别

针对船舶发电机组的不同故障类型,通过传感器采集不同故障下柴油机缸盖处的振动信号,构成大量数据集,选取部分数据集作为样本数据。通过EEMD算法对样本数据进行分解降噪,把一维数据分解成能反映柴油机工况信息的多维数据,对分解形成的多维数据使用KICA算法进行特征提取,并对提取后的数据进行训练集、验证集分组。使用PSO-ELM算法搭建故障识别模型,并使用训练集训练模型,使用验证集验证模型,根据验证结果评价模型是否满足故障识别的精确度。     

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.     

船舶动力系统中齿轮箱故障特征提取与模式识别方法研究

A marine propulsion system is a very complicated system composed of many mechanical components.As a result,the vibration signal of a gearbox in the system is strongly coupled with the vibration signatures of other components including a diesel engine and main shaft.It is therefore imperative to assess the coupling effect on diagnostic reliability in the process of gear fault diagnosis.For this reason,a fault detection and diagnosis method based on bispectrum analysis and artificial neural networks (ANNs) was proposed for the gearbox with consideration given to the impact of the other components in marine propulsion systems.To monitor the gear conditions,the bispectrum analysis was first employed to detect gear faults.The amplitude-frequency plots containing gear characteristic signals were then attained based on the bispectrum technique,which could be regarded as an index actualizing forepart gear faults diagnosis.Both the back propagation neural network (BPNN) and the radial-basis function neural network (RBFNN) were applied to identify the states of the gearbox.The numeric and experimental test results show the bispectral patterns of varying gear fault severities are different so that distinct fault features of the vibrant signal of a marine gearbox can be extracted effectively using the bispectrum,and the ANN classification method has achieved high detection accuracy.Hence,the proposed diagnostic techniques have the capability of diagnosing marine gear faults in the earlier phases,and thus have application importance.     

船舶主机性能故障的主成因分析

介绍了船舶主机２０种典型性能故障的仿真模型计算结果。通过对各故障下热工参数的主成因分析,揭示了热工参数的相关性,提出了性能故障的降维识别方法,并介绍了人工神经网络在船舶主机故障诊断中的具体应用。     

柴油机状态在线监测与故障诊断系统开发

介绍了状态监测与故障诊断系统的原理和方法,使用LabVIEW平台及多功能数据采集卡研制柴油机的故障诊断系统。提出了几种特征参数分析方法,开发了多个子仪器,可较好的对柴油机的不同故障进行监测。