船用三轴燃气轮机气路故障建模与聚类诊断技术

船用燃气轮机运行在高速、高湿和高盐的工作环境中时,其气路部件在运行过程中发生故障的可能性增大,开展典型气路故障诊断技术研究有助于提升船用燃气轮机运行的可靠性和安全性。通过分析船用燃气轮机积垢、压气机叶顶间隙增大、叶片磨损、机械损伤、涡轮热腐蚀和燃烧室故障等典型气路故障的机理,给出9种典型气路故障时性能参数相对变化的经验判据。采用小偏差建模方法,建立船用三轴燃气轮机气路故障仿真模型,基于经验判据对0.8工况下船用三轴燃气轮机典型气路故障进行模拟,仿真得到9种典型故障下测量参数的相对变化。提出基于聚类分析的船用燃气轮机气路故障诊断方法,并以9种典型气路故障仿真结果为例,验证了该诊断方法的可行性。     

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.     

神经网络技术在船舶柴油机故障在线诊断中的应用研究

文章主要研究基于RBF神经网络理论为数学工具对柴油机故障进行计算机仿真诊断,建立船用柴油机征兆与故障样本集,作为神经网络故障诊断的专家知识库,以实现船用柴油机故障诊断。并对柴油机性能工况的故障在线自动诊断进行探索,以提高故障诊断的及时性和准确率,减少误诊。     

贝叶斯网络在柴油机动力装置故障诊断中的应用

试图将贝叶斯网络应用于柴油机装置的故障诊断中,采用贝叶斯网络故障模型,理论上可以表示更加复杂的系统,从而改善诊断结果,并按最优原则充分利用观测信息,进行专家知识积累。     

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。     

船用柴油机机械微磨损故障诊断系统设计

为有效诊断舰船用柴油机机械微磨损故障,设计新型船用柴油机机械微磨损故障诊断系统。此系统传感模块通过电感式传感器采集柴油机机械表面油液磨粒的静电信号后,由油液分析芯片启动基于MACNN的微磨损故障类型识别模型,使用多层卷积神经网络,全面提取静电信号的多维波动特征图后,以重组的方式将多维特征图转换为一维向量,通过序列注意力机制,学习重组后油液磨粒静电信号一维向量的序列特征,识别特征所属微磨损故障类型,完成柴油机机械微磨损故障诊断。若机械磨损严重或表面存在污秽,便会驱动图像分析模块,进行图像采集配合诊断。经测试,此系统对多种微磨损故障类型的诊断结果无错分情况,诊断结果有效。     

船用空压机装置故障诊断方法研究

随着船舶自动化要求的提高,船用空压机作为重要设备,有必要加强其对故障自动诊断的功能。文章通过分析空压机的工作原理、故障历史记录,建立了船用空压机常见的4种故障树,并对故障树进行定性和定量分析,根据结构重要度对故障树进行简化。然后完成故障树到贝叶斯网络的转化,并根据专家经验运用模糊综合评价法得到先验概率和条件概率,完善了贝叶斯网络。最后根据以往事故对模型进行了验证。     

船用柴油机故障在线智能仿真诊断技术的应用研究

本文提出了一种船用柴油机性能故障在线自动诊断的新方法,把仿真以及神经网络技术直接应用于柴油机故障在线诊断系统,建立船用柴油机症状与故障样本集,作为神经网络故障诊断的专家知识库,以和柴油机故障在线诊断。尤其是对网络容错能力进行评估分析,并确定较有代表性的径向基函数ＲＢＦ网络分布常数Ｓｃ,从而提高故障诊断的及时性和准确率,减少误诊。     

深度神经网络在船用齿轮箱故障诊断中的应用

船用齿轮箱故障诊断系统,通常采用的是基于模型的故障诊断方法,需要依赖专家对采集到的振动信号进行分析和判断,且设备的运行状态会随着时间的推移发生变化。传统的故障诊断方法受专家知识和经验的影响较大,难以获得全局最优解,导致其准确率较低。针对该问题,本文基于深度神经网络（DNN）的故障诊断方法,通过大量实验研究,确定了DNN模型中最佳参数和超参数。实验结果表明,在船用齿轮箱故障诊断领域,DNN模型不仅能够有效地对齿轮箱进行故障诊断,而且具有较高的准确率和较快的收敛速度。     

支持向量机的舰船发动机故障诊断

发动机故障诊断是舰船领域的一项关键研究内容,舰船发动机故障与多种因素相关,而且故障类型很多,针对传统舰船发动机故障诊断模型存在的局限性,设计基于支持向量机的舰船发动机故障模型。首先采集舰船发动机工作状态信号,并从工作信号中提取舰船发动机工作状态特征;然后对舰船发动机工作状态特征进行降维处理,并采用支持向量机构建舰船发动机故障诊断的多分类器;最后采用仿真模拟实验测试了本文舰船发动机故障诊断模型的性能,支持向量机可以准确识别各种舰船发动机故障,舰船发动机故障诊断性能要优于传统舰船发动机故障诊断模型,而且诊断效率可以满足舰船发动机故障在线诊断要求。     

基于面向对象贝叶斯网络的船用锅炉炉膛安全性定量分析

在对船用锅炉炉膛进行安全性分析时发现,故障隔离功能丧失在部件之间存在重复故障片段.借鉴面向对象贝叶斯网络建立故障模型,采用基于Bayes的蒙特卡罗仿真得到底事件概率先验信息.与故障树等传统方法比较,该模型直观简洁,有效缩小关键故障因子容量,诊断更加准确.     

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。     

粗糙集和贝叶斯网络融合故障诊断方法

融合贝叶斯网络和粗糙集对不确定故障诊断的优势,以及粗糙集对冗余信息的处理能力,给出了一种粗糙集和贝叶斯网络进行融合的装备故障诊断方法,获得最小属性集的贝叶斯网络故障诊断模型及诊断规则,并应用于某型机载电台装备中进行验证,结果表明该方法不仅有效,而且得到的诊断规则也比单纯应用贝叶斯网络要优。     

基于SPA的船用柴油机热工故障诊断研究

船用柴油机热工参数蕴含着大量的故障信息,外界干扰小,诊断范围广,具有很好的诊断价值。本文将集对分析应用到柴油机热工故障诊断当中,介绍了集对分析(SPA)的基本理论,在此基础上,建立了基于SPA的柴油机热工故障诊断模型。再利用4190型船用中速柴油机AVL BOOST工作过程仿真模型,进行故障仿真计算,提取了13类热工参数进行分析,获取了基准故障集和待检工作状态集,验证了模型的准确性;同时证明了集对分析在柴油机故障诊断中的可行性,为柴油机故障监测和诊断提供了新方法。     

改进遗传算法的船用动力装置故障诊断系统

现有的故障诊断系统忽略了故障数据中的特征偏差系数,导致故障检测的计算过程较为繁琐,难以处理并行数据,因此基于改进遗传算法设计船用动力装置故障诊断系统。设计电源滤波电路作为系统硬件,在软件设计中,提取船用动力装置故障特征,基于改进遗传算法建立模型诊断故障。设计对比实验,实验组系统在动力系统关闭、动力系统不完全关闭、动力系统完全关闭时,诊断用时均小于2个对照组。结果表明,改进遗传算法的故障诊断系统信息处理效率高于现有系统。     

基于振动信号的舰船发动机故障诊断

传统舰船发动机故障诊断方法诊断时,需要对舰船发动机进行一定程度上的拆卸,无法完成零拆卸的故障检测,为此提出基于振动信号的舰船发动机故障诊断方法。使用不同波段振动信号作为检测探伤手段,采集多频段的振动信号,分析信号携带的诊断信息,完成舰船发动机故障诊断模型构建;计算振动信号非线性鲁棒值,锁定故障位置,通过编程分析,实现舰船发动机故障诊断。试验结果表明,设计的故障诊断方法比传统方法诊断定位准确率高2%,说明设计的诊断方法具备极高的有效性。     

船用柴油机故障诊断多信息融合技术研究

为了解决船用柴油机故障诊断中基于单传感器信息的方法诊断精度低的缺点,应用神经网络原理,提出了一种基于气缸压力,缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。通过提取船用柴油机工作过程故障三种信号的八个特征值,按正常和五种故障状态的构造学习样本文集和检验样本文集,对输入进行归一化处理,该方法能有效地提高其故障诊断精度。     

舰船主冷凝器多连片贝叶斯网络故障建模方法研究

主冷凝器作为舰船蒸汽动力装置的主要设备运行中发生战损,故障模式复杂、不确定性较大,传统故障诊断方法难以有效解决。本文提出采用贝叶斯网络故障建模的方法解决这一难题,建立具有时间序列特性的动态多连片贝叶斯网络模型。通过实验分析表明模型准确可靠,不仅能够进行从故障原因到现象的正向推理,还能进行故障现象到原因的反向推理,可为蒸汽动力设备的故障诊断提供有效决策。     

舰船主冷凝器多连片贝叶斯网络故障建模方法研究

主冷凝器作为舰船蒸汽动力装置的主要设备运行中发生战损,故障模式复杂、不确定性较大,传统故障诊断方法难以有效解决。本文提出采用贝叶斯网络故障建模的方法解决这一难题,建立具有时间序列特性的动态多连片贝叶斯网络模型。通过实验分析表明模型准确可靠,不仅能够进行从故障原因到现象的正向推理,还能进行故障现象到原因的反向推理,可为蒸汽动力设备的故障诊断提供有效决策。     

融合D-S理论的锅炉人因贝叶斯网络安全性定量分析

针对船用锅炉人因安全性分析中存在的知识不确定性,采用D-S证据理论对多专家信息进行融合并建立考虑人因的贝叶斯网络,得到节点条件概率的区间表示形式.经加权平均后代入贝叶斯网络计算,与面向对象贝叶斯网络和FTA等方法的对比显示,该方法能够更加有效地融合不同专家信息,也更为符合工程实际.