基于人工神经网络的船舶油耗模型

针对船舶能效管理计划SEEMP的实施需求,寻求建立油耗模型的通用方法,为航行优化提供决策基础。以丹麦籍客滚轮MS Smyril号作为研究案例,对船舶实测运行数据进行了分析和预处理,并采用人工神经网络构建了船舶油耗和航速的黑箱模型。基于实测数据与模型预测数据的对比,验证了上述油耗模型的准确性和实用性,对于提高船舶能效运行指数EEOI具有重要意义。     

基于退化过程的船舶动力设备运行策略

为分析单航次船舶的系统退化过程,合理采取运行维护措施,定义船舶动力设备的运行策略,根据船舶动力设备的退化过程,利用Wiener-马尔科夫理论,分析船舶动力设备的退化特点.建立多目标运行优化策略模型,给出运行维护费用的表达式,确定船舶动力系统的可靠度和费用为优化目标.以船舶排气系统为例进行退化分析和优化,优化结果显示该方法能够有效地缓解系统退化,提升单航次船舶运行的可靠性和经济性,具有理论意义和重要的工程应用价值.     

船舶动力设备状态监测与故障诊断技术分析

船舶航运作为当今社会重要运输途径之一,在促进沿海地区经济发展中起到了积极作用,近年来,虽然船舶航运业发展迅速,但船舶重要设备的维护维修问题一直难以被有效解决,船舶动力设备作为船舶航运的动力源泉,一旦发生故障,将可能导致船舶瘫痪,造成巨大经济损失,采用何种技术才能有效监测船舶动力设备运行状态、实时发现诊断故障隐患逐渐成为船舶航运业的重点关注问题。本文以柴油机为例,分析振动法监测技术在船舶动力设备状态监测与故障诊断中的应用价值。     

周期性载荷作用下船舶推进轴系运行状态的数值仿真

针对船舶推进轴系运行状态描述、规律分析等问题,首先通过理论分析及推导方法,建立周期性载荷作用下船舶推进轴系运行数学模型,再以某64 000吨散货船为研究对象进行数值模拟仿真计算,利用仿真计算结果和实船测试数据进行对比分析,对船舶推进轴系动态运行状态、特征及其规律进行讨论与分析,验证了周期性载荷作用下船舶推进轴系运行数学模型的准确性。     

基于小波能量谱分析与SVM的柴油机气阀间隙异常故障诊断

船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机气阀间隙异常的故障诊断,由于柴油机气阀间隙振动信号噪声多,利用SVM对柴油机气阀间隙进行预测时需要进行特征提取。鉴于此,研究了基于小波能量谱分析的SVM柴油机气阀间隙的故障诊断方法,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备当前状态。     

模糊神经网络在船舶电力推进系统状态评估中的应用

船舶电力推进系统状态评估是状态检修的前提和基础,建立科学、全面、合理的评估指标体系,选择合适的评估方法,并最终开发切实可行的状态评估系统是船舶电力推进系统状态评估的必要步骤。提出船舶电力推进系统状态评估的流程、基于模糊神经网络的船舶电力推进系统状态评估模型和具体评估步骤,结合船舶电力推进系统的实船运行数据进行状态评估模型仿真试验。仿真试验结果表明,模糊神经网络方法应用于船舶电力推进系统的状态评估具有一定的准确性。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

基于贝叶斯网络的浙江沿海船舶通航风险分析

针对浙江沿海水域通航环境复杂、商船和渔船航行矛盾突出等问题,面向该水域提出基于事故特征的船舶通航风险贝叶斯网络模型。运用风险要素相关性分析方法和贝叶斯概率模型,建立浙江沿海船舶通航风险评价模型;结合事故数据和专家的主观评价,实现对浙江沿海水域船舶通航风险的定量化计算。通过误差分析和灵敏性分析验证模型的可用性和可靠性,进一步通过模型中节点变量状态对通航风险的影响分析提取通航风险关键因素。在分区域通航风险研究的基础上,利用贝叶斯方法对某大型水域通航风险进行定量化计算,为进一步研究浙江沿海水域通航风险细粒度特征和安全保障措施提供参考。     

基于大数据的船舶建造供应商RBF神经网络评价模型研究

本文在航运和船舶建造的大数据背景下,以对船舶建造供应商评价为研究对象,选取大数据指标,用Matlab、Excel软件进行数据分析处理,使用RBF径向基函数网络方法建立船舶建造供应商的评价模型,并以16家船舶建造供应商的实例数据对此评价模型进行分析验证,解决了大数据背景下的船舶建造供应商选择评价问题。     

船舶动力机械设备噪声数据远程监测方法

船舶动力设备作为船舶动力发生核心单元,其设备运行的稳定尤为重要。其中,动力设备运行过程中的噪声数据,可直接作为监测判定船舶动力设备故障与否的重要信息源。在对噪声源监测过程中发现,传统的动力设备噪声监测方法,对噪声数据源单频信号通道支持计算缺乏逻辑支撑,导致数据分析无法接入网络,完成远端的监测执行,不利于噪声数据的远端综合分析与大数据化的指挥调度。为此,提出船舶动力机械设备噪声数据远程监测方法。1)通过对现有噪声数据监测算法的数学建模,得到单频通道下的噪声信号频谱特征规律;2)根据单频噪声信道频谱规律计算得出单频信道的逻辑函数;3)引入EEDM单频噪声信道特征逻辑算法,对噪声单频信道逻辑进行优化计算,实现对远程执行协议逻辑的支持,完成动力设备噪声数据的远程检测;4)通过仿真实验证明提出方法的有效性。     

基于BP神经网络的船舶网络安全状态评价

船舶网络是一种特殊的移动网络,面临巨大的安全隐患,传统线性船舶网络安全状态评价的偏差大,结果极不科学。为改善船舶网络安全状态评价效果,设计了基于BP神经网络的船舶网络安全状态评价方法。该方法首先分析船舶网络安全状态评价影响因素,采集船舶网络安全状态评价数据,然后将影响因素和船舶网络安全状态评价分别作为BP神经网络的输入和输出,通过BP神经网络学习,对船舶网络安全状态进行评价,最后采用VC编程实现了船舶网络安全状态评价仿真实验,结果显示BP神经网络可以区分各种船舶网络安全状态,评价准确性得到大幅度改善,同时提升了船舶网络安全状态评价效率,可以有效保证船舶网络安全。     

船舶主海水系统智能状态评估模型

随着船舶系统维护方式智能化升级,为提高轮机人员工作效率,实现船舶海水系统的视情维修,基于状态识别与层次分析(AHP)-模糊综合评估(FCE)构建了智能状态评估模型(AHP-FCE).首先,搭建并验证RBF神经网络状态识别模型,获取连续多期系统状态概率向量;然后,利用多级模糊综合状态评估模型对系统当前状态进行综合评估;最后,基于"育鲲"轮真实数据进行可靠性验证,结果证明该模型的计算结果与实际情况匹配.该模型综合考虑连续多期参数,评估结果更加科学合理,可为其他船舶系统的状态评估提供一种新的应用思路.     

基于AIS数据的船舶航行安全评价模型构建

针对现有船舶海上航行安全度求解复杂、参考因素权重确定困难等方面的不足，研究影响评价模型准确性的数据来源、模型构建方法等问题，提出一种基于关系型数据库的船舶重要指标筛选方法和数据库构建及检索设计方案。构建基于模糊数学方法、层次分析法(Analytic Hierarchy Process, AHP)和专家评价法的船舶碰撞危险度(Collision Risk Index, CRI)求解模型，并根据实船自动识别系统(Automatic Identification System, AIS)数据对船舶航行安全评价数学模型和构建的数据库进行验证。结果表明，基于AIS数据的船舶航行安全评价数据库具有较好的可靠性和易用性。船舶航行安全评价模型计算结果可信，符合专家经验及《国际海上避碰规则》要求，可为船舶海上航行安全评价提供技术和理论支持。     

基于BP神经网络的船舶主机能效状态评估

[目的]在船舶航行期间,需要通过分析船舶和主机的运行参数来客观判断主机当前的工作情况,从而准确评估主机的能效状态。[方法]以状态良好的船舶运行记录为样本,结合主成分分析法和BP神经网络算法,构建船舶的航行状态识别模型和主机油耗模型,并在船舶航行期间对船舶实时运行参数进行分析,得出船舶主机在当前工况下的油耗量正常值。以某30万吨级远洋散货船为例开展模型计算验证,将正常油耗值与实际油耗值进行对比,以二者的残差值为依据,进而评估当前的主机能效状态。[结果]计算结果显示,航行状态识别模型的正确率为98.05%,油耗模型的平均误差为3.47%,2种模型的可靠性均较高。[结论]研究成果可为智能船舶的能效管理提供一定的参考。     

船舶动力设备机械振动控制模型

为增强船舶动力设备机械振动控制效果,设计一个船舶动力设备机械振动控制模型。设定船舶动力设备机械振动控制模型,依据采集的振动信号模型得到机械振动位移量,同时依据位移量提出控制计算方法,以此完成船舶动力设备机械振动控制。实验结果表明,所设计的船舶动力设备机械振动控制模型加强了船舶在低频激励下的效果,并降低了机械振动控制的控制误差,具备实际应用的意义。     

大型船用推进电机振动监测技术研究

船用推进电机是船舶上重要的动力设备,对其开展状态监测和诊断对保障其安全运行具有重要的作用。在对某大型船用推进电机结构和运行特点分析的基础上,依据振动测试理论,对电机进行实时振动监测。根据测试数据对电机运行状态进行了分析,并根据分析结论提出具体使用维修建议,保证了电机的可靠运行。     

船舶电网系统三维点云数据聚类提取分析算法

船舶电网系统结构直接对船舶电力系统运行的稳定性和可靠性产生影响,船舶航行过程中经常出现供电不足等问题,严重威胁船舶航行安全。为解决上述问题,采用三维点云数据聚类算法对船舶电网运行状态和可靠性进行评估计算,并结合可靠性评估计算结果对船舶配电系统结构进行优化设计,将船舶电网系统中的电缆设计为环状结构辐射网,以便保障电力系统运行效果。为了对船舶电网系统三维点云数据聚类提取分析算法的准确性进行检测设计了仿真实验,实验结果证实,三维点云数据聚类提取分析算法可更好的提高船舶电力系统的运行效果,保障船舶航行安全     

概率度量算法在船舶设备故障分析与定位中的应用

传统的船舶设备故障分析采用历史数据驱动法,通过综合分析对比采集故障信息与历史数据挖掘故障原因,随着船舶动力设备复杂度的增加,处理的数据量越来越大,性能也越来越低。概率度量算法PMA结合了船舶故障类型特点,分析了采集数据与历史数据相关性,本文综合研究了基于概率度量的船舶故障分析算法,最后进行仿真。     

内河船舶交通流建模与仿真研究

为了更精确地模拟内河船舶交通流的运行状态,根据内河船舶相互影响特性,将航道作为交通流中为船舶提供通航服务的主要资源,将船舶行为及相互之间的耦合关系模型化,在此基础上构建基于通航服务资源的内河船舶交通流模型.利用仿真软件进行仿真实验,结合长江干线某断面流量数据进行实例验证.实验结果表明,该模型能较好地模拟内河宏观交通流.     

Fault diagnosis of marine diesel engine intake and exhaust system based on dynamic feature fusion北大核心CSCD

[目的]船舶系统由多设备的复杂机构组成,各组件参数具有动态性和非线性的特点,所以故障诊断过程复杂。为提高诊断效率,提出一种动态特征融合方法。[方法]利用分形理论、动态理论及核主元分析(KPCA)法对系统状态数据进行重构、映射及筛选,得到主元特征数据矩阵,求得平方预测误差(SPE)及相应的控制限,构建出基于船舶柴油机进排气系统健康数据的离线监测模型,利用该模型对系统进行故障诊断分析。为验证模型的有效性,选取某船舶柴油机进排气系统的故障数据进行验证分析。[结果]结果表明,动态特征融合分析方法可有效实现对系统动态非线性状态数据的精确分析,实现对系统故障的高效分析和诊断。与KPCA及支持向量机(SVM)方法相比,所提方法具有更好的故障诊断性能。[结论]该方法可实现船舶柴油机进排气系统故障的检测和诊断,提升系统运行的可靠性和安全性。