基于数据预处理的神经网络在船用空压机故障诊断中的应用

船舶空压机作为重要的船用机械,安全性至关重要。为了加强空压机的维修效率,文章提出了一种PCA和BP神经网络的故障诊断方法。首先通过PCA对故障主特征进行提取,然后提取出的特征作为神经网络的输入,最后神经网络模型输出故障诊断的结果。采用该方法可以提高模型的时效性,节约计算的时间,为工程故障监测提供可靠的技术支持。     

船用计程仪信号传输系统的神经网络故障诊断算法

计程仪信号传输系统是由步进电机通过齿轮带动多个旋转变压器。为实现对其故障的智能诊断,提出一种基于BP神经网络算法的故障诊断方法,并采用LM(Levenberg-Marquardt)最优化算法对BP网络进行训练。通过Matlab神经网络工具箱仿真计算,结果表明LM算法提高了BP神经网络的学习效率及稳定性,明显加快了网络的收敛速度。使用BP神经网络对步进电机带动多旋变系统故障诊断的方法行之有效,在减少故障诊断人员工作量同时提高了系统故障诊断的效率。     

人工神经网络在故障诊断系统中的应用

人工神经网络以其独到的联想、记忆、储存和学习功能，在故障诊断领域受到了广泛关注。其中，BP网络是最成熟、应用最广泛的一种网络。但BP网络在实际应用中也存在诸多不足，如学习率的取值需要凭借经验或试算选取，网络学习收敛速度慢以及易陷入局部最小点等。针对BP网络的这些不足，采用了Rumelhan附加惯性冲量和动态调整学习率相结合的改进的BP网络方法，并尝试用该改进算法来对凝汽器进行故障诊断。事实证明，在平均情况下，本系统收敛速度远远快于基本的BP算法。     

舰船空气压缩机气阀故障诊断装置设计与实现

空气压缩机的气阀故障是影响空压机正常运行的主要原因。本文首先介绍空压机气阀故障诊断方法的现状,给出了基于频域分析的空气压缩机气阀故障诊断装置的设计方法,并进行了实际测试,测试结果表明频域分析对与气阀的故障诊断是有效的,这对于空压机气阀的故障诊断具有重要意义。     

基于BP网络的线性电路软故障诊断

线性电路的软故障诊断一直是个难点,BP神经网络可用于模式识别和分类。本文主要介绍了BP网络的基本算法、训练过程及其改进,分析了BP网络在模拟电路故障诊断中的实用性。     

优化的BP网络在船舶故障诊断中的应用

船舶各种设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶上设备繁多,运行环境特殊,因此,各种设备的故障症状与故障原因之间关系十分复杂,使用传统诊断方法在实际应用中效果不理想。BP神经网络在故障诊断中有广泛的应用,但由于BP网络采用的是沿梯度下降的搜索求解算法,存在收敛速度慢,且容易陷入局部极小等问题。而遗传算法具有全局搜索速度快的优点。为此,采用自适应遗传算法来优化BP神经网络,并以船舶主机轴系的故障诊断为实例,证明遗传算法优化的BP网络方法非常适用于对船舶各种设备故障的早期诊断和预测。     

神经网络技术在核动力装置故障诊断方面的应用探讨

主要针对核动力装置中的冷凝器故障，建立了冷凝器故障仿真模型和基于BP网络的故障诊断模型，探讨了利用神经网络技术实施故障诊断的方法。     

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。     

基于灰色关联度分析某型空压机故障诊断

一般情况下,级差式空压机各级缸互相影响,使得空压机的测量数据存在着不确定信息,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。因此,灰色关联度分析非常适合于级差式空压机的故障诊断。     

船用空压机气阀监测诊断系统研究

气阀是空压机中关键的零部件,对其磨损故障进行监测诊断研究具有重要的工程意义。文章采用希尔伯特-黄变换(HHT)得到CZ60-30船用往复式空气压缸盖表面振动信号的时频谱图,并从中提取标准差、峭度、不变矩等时频特征参数,用支持向量机(SVM)实现故障的识别,并基于Lab VIEW虚拟仪器软件开发了船用空压机气阀磨损智能监测诊断系统。结果表明:通过时频联合分析判断气阀故障正确率可达到96.97%。     

船用空压机故障分析

在论述船用空压机基本结构的基础上,总结了船用空压机的故障特点.根据调研数据总结了船用空压机常见的故障现象,并分析了各种故障现象下的故障原因和故障排除方法,有助于快速查找故障部位和排除故障.     

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。     

船用空压机典型故障的事故树分析

运用FTA（事故树定性分析）的定性方法，分析船用空压机典型故障问题的事故树模型，探讨船用空压机典型故障的预防途径，为船用空压机管理过程中的安全管理、安全评价以及事故分析提供参考。     

船舶动力装置可组态智能故障诊断系统设计

旋转机械是许多船舶动力装置的核心设备,其设备状态与安全性直接关系到船舶航行的安全.为了保障船舶安全正常航行,针对当前船舶动力装置故障诊断系统的不足,研究开发了基于旋转机械监测诊断技术、数据库技术、网络技术以及组态式软件技术的船舶动力装置可组态智能故障诊断系统,介绍了该系统的体系结构、硬件结构、软件功能、网络技术及特点....     

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.     

船用空气压缩机故障现象及维护管理

通过对船用空气压缩机运行中常见故障现象的分析,结合多年的船上管理经验,指出空气压缩机停车和运行管理中应注意的关键问题,并对空气压缩机易损件的检修提出建议,特别是结合“YK”号船空气压缩机的放残系统及其在运行中的作用及管理作了阐述,供轮机管理人员借鉴和参考。