非平稳特征提取方法与智能诊断技术在自动机故障诊断中的应用

回顾对目前常用的非平稳特征提取方法与智能诊断技术,并总结舰炮自动机故障诊断需解决的难题,介绍非平稳特征提取方法与智能诊断技术在舰炮自动机故障诊断中的应用现状,详细阐述舰炮自动机故障诊断研究中存在的问题及对发展趋势的展望。     

智能传感器在舰炮系统中的应用

舰炮系统作为舰艇常规装备,近年来面临着智能化发展需求。本文首先对传统传感器在舰炮系统中应用的问题进行梳理,较为详细地叙述智能传感器的主要功能及特点,针对传统传感器的使用问题及舰炮系统智能化需求,分别从故障诊断、智能供弹、健康管理、数字孪生等4个方面对智能传感器在舰炮系统中的应用问题进行探讨,为智能传感器在舰炮系统中的实际应用提供一些思路和建议。     

粗糙集在智能故障诊断中的应用

本文运用粗糙集理论的约简方法,探索了一个基于神经网络的故障诊断系统; 尝试了对一个较复杂的系统实例的论证,证明约简方法能简化结构、提高速度,尤其适合于大型神经网络的构建.     

泛系方法论在有限自动机中的应用

本文探讨将泛系方法论的一些概念和思想应用于有限自动机后所得的一般形式的状态稳定集、自动机的约经等问题，进一步加深了可观控性的泛权网络问题的研究，得到了１０个定理结论。     

故障诊断技术在武器装备维修中的应用研究

状态监测与故障诊断在武器装备维修中的应用研究在近二十年发展较快,就目前发展的状况而言,已基本形成了自己的体系,文章对目前该领域发展的特点、基本内容、不足之处以及发展趋势进行了较为详细的介绍,并指明了非线性故障诊断在武器装备维修中的应用趋势,最后着重介绍了神经网络和分形在非线性故障诊断中的研究及应用现状。     

基于小波包的舵机故障特征提取方法研究

舵机是船舶控制的核心部件之一,舵机一旦发生故障,轻则延误航期造成经济损失,重则严重威胁船舶航行安全。设备运行时受外界环境和本身故障等因素的影响,其振动信号中蕴含了丰富的故障信息和非平稳随机信号,故障特征提取是当前智能故障诊断中的重点和难点,它直接关系到诊断结果的准确性与可靠性。提出一种小波包分解的故障特征提取方法,仿真结果表明,该检测方法稳定有效,具有较好的推广性。     

小波分析技术在故障诊断中的应用

小波分析是20世纪80年代中期发展起来的新的数学理论和方法,并已在实践中得到了广泛应用。本文对小波分析、小波分析与神经网络相结合的小波网络及小波分析与模式识别相结合在故障诊断中的应用进行了详细的介绍,最后指出了这一领域有待进一步研究的问题和发展趋势。     

Multi-agent技术在电子对抗装备故障诊断中的应用

引入多Agent技术构造电子对抗装备故障诊断系统模型,并详细阐述了该诊断系统流程及主要特点。     

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。     

光电耦合技术在电路故障诊断中的应用

将光电耦合技术的原理和特点应用到电路故障诊断中,解决多供电制控制系统电路故障诊断中的干扰问题,将不共地的多种电源信号转换成可供计算机采集和处理的TTL电平信号.     

数据挖掘技术在乳化器故障诊断中的应用

决策树是一个类似于流程图的树结构,主要用途是提取分类规则,进行分类预测。该文针对乳化炸药生产过程中的乳化器维护面临的实际问题,提出了用决策树算法对反映设备状态属性的数据进行挖掘,发现故障数据中存在的规律,并以规则的形式表现出来,从而为乳化器的维护提供决策信息。结果表明,采用决策树方法所得出的规则是正确的,并能正确用于故障的分类工作。     

图像识别技术在舰炮控制系统中的应用

初步探讨了舰炮控制系统应用图像识别技术的可行性和几种典型应用 ,提出了工程化中需要解决的技术难点。     

人工智能技术在船舶动力装置故障诊断中的应用

传统的动力装置故障诊断方法需要大量的故障数据样本,导致诊断效率和实时性差,无法满足现代船舶航行的需求。针对上述问题,提出人工智能技术在船舶动力装置故障诊断中的应用。使用小波包分析技术对传感器采集的信号进行去噪、分解重构以及能量谱特征提取处理后,构建船舶动力装置故障集。使用D-S理论对BP神经网络输出的诊断结果进行数据融合和置信度判断,得到可靠的诊断结果完成故障诊断。对比实验数据显示,利用人工智能的方法诊断精度较高,并且诊断响应效率高,具有良好的泛化能力。     

故障诊断专家系统在船舶电力系统故障诊断中的应用

为保证船舶电力系统的供电连续性,尽可能的缩短船舶电站的停电时间,文中阐述了故障诊断专家系统在船舶电力系统故障诊断中的应用,能够处理电力故障中的不确定问题,恢复电力系统的正常运行。     

分形矩在印刷体藏文特征提取中的应用

运用分形矩理论,提出了一种基于分形矩的藏文字符特征提取方法。用该方法提取的特征有效地反映了藏文字丁的局部和全局特征,减少了图像中像素位置变化给识别部分带来的负面影响,并在一定程度上克服了藏文字丁极多而造成的误识率高的缺点,解决了由于特征向量维数较多造成的运算速度慢的问题。     

Petri网络技术在船舶电力系统故障诊断中的应用研究

电力网络由于其复杂性,常常在发生故障时,增加了确定故障位置的难度会导致所波及的范围更广,损失更加严重,因此一般的船舶电力系统在设计时都会设计有故障诊断和预测机制,能够避免发生大规模的断电事故。本文采用了复杂网络Petri理论建立起船舶电力系统的内在故障产生机制,从而能够揭示出内部故障之间的联系。首先建立电力故障的状态判断机制,然后得到故障内在的特性值,最后通过Petri网络建立故障诊断流程。     

虚拟现实技术在船舶推进系统故障诊断中的应用

虚拟现实技术(VR)是一种利用计算机建立模拟环境,使用户"沉浸"于虚拟环境中并实现用户与模拟环境信息交互的技术。近年来,将虚拟现实技术应用到工程领域,比如航空航天、船舶等成为一种趋势。船舶推进系统的结构与功能复杂,是船舶的核心区域,为了提高船舶推进系统的运行稳定性、安全性,对船舶推进系统故障诊断技术的革新非常重要。本文研发了一种基于虚拟现实技术的船舶推进系统的故障诊断系统,并详细介绍了该系统的原理和工作过程。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

分形技术与概率神经网络在船舶柴油机故障诊断中的应用

船舶自动化程度的提高对能源的需求也日益增长,而船舶的柴油机系统作为能源的主要来源,其重要性也越来越明显。为提高柴油机的稳定性能,降低故障发生率,本文提出一种基于分形技术和神经网络算法的故障诊断模型。该模型中的分形理论能够甄别出故障的非线性特征,精确锁定故障的来源;然后利用神经网络算法对柴油机故障的诊断进行深度训练。最后利用LabVIEW仿真平台和Matlab软件进行故障诊断能力仿真验证,本文提出的综合诊断方法能够有效识别故障来源和类型。     

Cat Boost算法在舰船轴承故障诊断领域的应用

轴承是舰船故障发生的常见位置,针对现有机器学习方法在舰船轴承故障诊断领域中存在多分类精度差、运算效率低等问题,提出一种基于Cat Boost(category boosting)算法的轴承诊断技术。首先,对振动信号进行时域分析、频域分析以及EMD(empirical mode decomposition)分解,得到截选振动信号段的特征指标;其次,利用Cat Boost算法在所提取特征中进行筛选,通过基尼指数快速建立树结构并进行排序。最后,选取不同维数特征输入进行模型算法评价,并与传统方法分类的准确率进行对比。试验结果表明,该方法在处理滚动轴承故障多分类问题上故障特征提取更为有效,识别效果明显高于其他传统算法。