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.     

基于数字信号处理技术的船舶电子设备故障诊断

当前船舶电子设备故障诊断方法无法准确表达船舶电子设备故障变化特点,船舶电子设备故障诊断成功率低,出现了大量错误的船舶电子设备故障诊断结果,同时船舶电子设备故障诊断实时性差,为此设计了基于数字信号处理技术的船舶电子设备故障诊断模型。首先分析当前船舶电子设备故障诊断模型存在缺陷的原因,通过数字信号处理技术采集船舶电子设备工作状态信号,并从信号中提取船舶电子设备故障特征向量,然后将船舶电子设备故障特征向量作为极限学习机的输入,通过确定极限学习参数建立船舶电子设备故障诊断模型,最后在Matlab2016平台上进行了船舶电子设备故障诊断仿真模拟测试。结果表明,本文模型可以提取描述船舶电子设备工作状态的信号,提取特征向量可以很好描述船舶电子设备故障类型,使得船舶电子设备故障诊断成功率得到提高,故障诊断的错误率降低,有利于船舶电子设备故障处理。     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。     

基于模糊C均值聚类的柴油机故障诊断

通过对柴油机运行时的表面振动信号进行分析处理得到由一系列特征参数组成的特征向量,利用模糊C均值聚类方法对特征向量进行模式识别,结果表明该方法可通过特征向量准确地区分不同的柴油机故障模式,模糊C均值聚类方法在柴油机状态监测与故障诊断中有较好的适用性。     

模糊聚类在柴油机故障诊断中的应用

柴油机状态监测与故障诊断可以看作是一种故障模式的识别过程,模糊聚类方法是模式识别方法的一种,本文利用模糊C均值聚类方法对表征柴油机状态的特征向量进行模式识别,结果表明该方法可通过特征参量准确地区分不同的柴油机故障模式,模糊聚类方法在柴油机状态监测与故障诊断中有较好的适用性.     

CPN神经网络在模拟电路故障诊断中的应用研究

提高模拟电路的故障诊断速度对于装备保障具有重大意义,采用CPN神经网络对模拟电路进行故障诊断,运用Matlab神经网络工具箱对其进行建模、网络训练和故障识别,结果表明采用CPN神经网络可以大大提高故障定位的准确率.     

船舶电力系统故障特征提取的小波变换方法

船舶电力系统故障时暂态号中包含丰富的特征息,对故障工况暂态号特征息的有效提取是船舶电力系统故障诊断的核内容之一。基于小波变换理论,利用小波分析和小波包能量熵方法,在Matlab仿真环境下,对船舶电力系统电故障暂态号进行了分析和特征息提取。结果表明两种方法都有效地提取了故障特征息,其中小波分析方法有特征向量与故障之间的映射关系简单明了的特点,小波包能量熵方法提取的特征向量与故障之间是一种非性的映射关系,适用于与其他智能故障诊断方法结合。说明特征提取可以为故障的识别与诊断提供基础。     

基于振动信号诊断柴油机气门机构故障的研究

通过对气门机构运动规律的理论分析和仿真计算,揭示了缸盖表面振动与气门间隙的内在联系;实测船用柴油机的缸盖振动信号,结合功率谱密度和小波包分解提取气门故障的特征向量,再利用高频能量比的判别实现了气阀故障状态识别;试验数据证明,该诊断技术测量方便、速度快,便于对气门机构进行在线实时的快速无损检测及故障诊断.     

故障树分析法在柴油机遥控系统电路故障诊断中的应用

应用故障树分析法对柴油机遥控系统进行定性分析,并很好的解决了知识库建立和知识获取的难题,保证了故障诊断的完整性和可靠性.成功的将故障定位到回路,解决了系统故障诊断的难点.     

使用数据挖掘实现舰船故障数据定位

为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。