基于改进小波算法的舰炮齿轮箱故障特征提取

小波变换具有优良的时频分析特性,适合于提取齿轮箱等机械设备的故障特征。但是由于小波滤波器的频响应特性不理想,因此直接对信号进行小波变换会产生一定的虚假频率,从而影响故障特征提取的准确性。针对小波分析的混频现象,在深入分析该现象产生原因的基础之上提出一种改进算法,并给出了利用该算法提取故障特征的具体步骤,为舰炮齿轮箱故障特征提取提供了一个新途径。仿真结果表明,该方法能有效地消除混频现象,提高了故障特征提取的准确性。     

船舶电力系统配电网故障恢复重构算法研究

配电网故障恢复重构问题是船舶电力系统中一个多目标、多约束的优化问题,针对当前算法存在配电网故障恢复精度低的缺限,提出了改进粒子群算法的船舶电力系统配电网故障恢复重构策略,首先建立配电网故障恢复重构问题的数学模型,然后采用改进粒子群算法进行求解,最后进行了船舶电力系统配电网故障恢复的仿真实验,结果表明,改进粒子群算法提高了配电网故障恢复重构精度,加快了配电网故障恢复重构速度,而且综合性能要明显优于其它配电网故障恢复重构算法,船舶电力系统具有重要的实际应用价值。     

基于智能重构算法的舰船电力系统研究

现代船舶电力系统结构复杂,电网组网规模庞大,如何保障电网及电力系统运行稳定是船舶安全运行的首要解决条件。配电网络管理系统是监测、管理电网负载运行的有效手段,对于电网故障,需要通过重构网络及算法分析定位故障点及原因,基于电网重构故障定位的准确性与时效性直接关系到电网运行稳定,随着组网规模扩大,传统重构算法已不能满足要求。本文重点研究了基于高斯动态算法智能电网故障重构方法,有效提高了故障搜索的准确性。     

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。     

改进差分进化算法在舰船电力系统网络重构中的应用

针对舰船电力系统的网络重构,建立了以负载恢复量、开关操作数和发电机效率均衡为多优化目标的舰船电力系统故障恢复模型,提出了一种带自适应离散断点算子和动态变异、交叉因子的改进离散差分进化算法进行求解。改进后的算法能有效地提高收敛速度,并克服传统差分进化算法收敛精度不高、易陷入局部最优的问题。舰船电力系统网络故障恢复算例表明,该方法能获得更好的系统重构方案,并具有较好的优化性能。     

基于模糊方法的舰炮故障诊断

在舰炮武器系统的故障诊断中,由于系统的复杂性和直接监测的困难,应用故障机理分析方法判断征兆故障成因间的关系极为困难。介绍了应用模糊数学进行的故障诊断方法,充分利用故障统计数据和专家经验,根据隶属度与贴近度函数来判断征兆群与故障成因之间的关系,从而实现当输入系统征兆后计算机对系统状况的自动诊断。     

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。     

基于量子粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构可以看作为一个多目标、多约束、多时段、离散化的非线性规划最优问题。根据船舶电网结构的特点,提出了运用量子粒子群算法解决重构问题的思想。加入量子粒子群算法的离散化操作,使之能够满足船舶电网重构模型的要求。仿真结果说明该算法能够得出船舶电力系统网络重构的全局最优解,实现了网络重构最优,并且通过相应的算例与其他优化算法进行横向比较的结果也验证了量子粒子群算法有更好的可行性。     

基于小波变换的图像融合算法研究

为解决单源图像无法全面准确捕捉信息的问题,提出了一种基于小波变换的图像融合算法.首先,将多源图像进行多层小波分解,得到各个图像的低频信息和高频信息.接着对小波系数采用像素点区域特征的融合规则进行融合处理,最后通过小波逆变换得到重构图像.仿真结果表明,融合后的图像低频信息部分并没有发生改变,而高频细节部分融合了两幅源图片中的细节部分,使得融合后的图片更加清晰,可信度更高.     

基于高频特性的发电机定子匝间短路故障信号检测

本文探讨了一种利用发电机定子匝间短路时产生的高频瞬时电压和电流进行故障检测的新方法,该方法通过对发电机定子匝间短路时因内部对称性被破坏而产生的高频瞬时电流和电压进行小波分析,找出判定故障的特征.通过仿真模拟与研究,证明发电机定子匝间短路时的高频瞬时电流是可以做为故障特征来判定的.     

基于本体论与贝叶斯式网络的舰炮武器系统故障诊断方法研究

针对舰炮武器系统在故障诊断过程中存在不确定性以及新故障知识不易添加的问题,提出了一种将本体论与贝叶斯网络相结合故障诊断方法。利用本体的知识表示方法建立关于舰炮武器系统的本体模型,然后将此模型转化为贝叶斯网络模型,最后利用贝叶斯网络进行舰炮武器系统故障方面的不确定性推理。利用此方法可以有效解决舰炮武器系统复杂故障现象问题。     

基于变精度粗糙集的故障特征选择方法

粗糙集理论是近年来发展起来的一种有效处理不确定、不精确问题的新型数学工具。文章阐述了传统Pawlak粗糙集的核心内容,并介绍了变精度粗糙集的基本概念。从信息论观点出发,提出了基于变精度粗糙集的信息表属性约简方法,并验证了将该方法应用于故障特征选择的可行性。柴油机的实际诊断结果表明,该方法节省了硬件费用,改善了运算效能。     

舰载网络故障管理机制与实现技术研究

文章分析了舰艇中舰载网络故障管理的工作内容、步骤和流程,归纳了故障管理的检测和诊断机制,描述了故障管理的实现技术,包括故障管理体系结构与层次功能等内容。     

基于故障树贝叶斯网络的装备故障诊断方法研究

针对复杂系统故障诊断的难点,通过某装备信息机的实例给出了一种基于故障树贝叶斯网络的故障诊断方法。该方法通过结构转变、证据传播,采用局部计算进行故障概率推理,不仅使FBN故障概率推理简洁易行,而且使FBN故障概率推理的复杂性大大降低。     

基于LM算法的组合导航系统的故障诊断

LM (Levenberg-Marquardt)算法是梯度下降法与高斯-牛顿法的结合,在训练次数与精度上明显优于标准的BP算法.介绍了BP神经网络,采用LM算法对标准BP算法进行改进,并应用于船舶组合导航系统的故障诊断.仿真结果表明,LM算法可有效地提高学习速度,缩短训练时间,诊断效果好.     

基于遗传算法的船用核动力装置故障诊断

介绍一种将概率因果模型和遗传算法相结合的核动力装置二回路凝给水系统的故障诊断方法,该方法将概率因果模型的似然函数作为遗传算法的适应函数,从而将复杂系统的故障诊断转化为最优问题。仿真结果表明,该方法能够适应诊断过程中出现的不确定性,并实现多故障诊断,具有较高的诊断可靠性和实用性。