小波网络专家系统在船舶电站机组故障诊断中的应用

在故障诊断中,首先分析了柴油机冷却系统的故障机理,并得到其故障征兆集、故障原因及它们之间的关系.然后应用小波网络建立起故障征兆和故障原因的映射关系进行分类,主要利用小波网络的非线性映射功能对故障分类诊断.文中还利用专家系统的知识对小波网络的诊断结果给予解释,成为小波网络的有力补充.     

基于小波分析的船舶螺旋桨故障诊断

电力推进船舶的推进系统由推进电机和螺旋桨组成,其中螺旋桨工作环境恶劣,常因种种故障影响船舶航行安全。针对螺旋桨在水下可能出现的常见故障,提出基于小波分析的信号奇异性检测方法,通过分析推进电机中定子电流信号出现的异常对螺旋桨出现的故障进行故障诊断,仿真实验证明了方法是正确有效的。     

基于随机森林算法的船舶电站故障诊断

针对船舶电站故障诊断中常用的BP神经网络算法存在的收敛速度慢和诊断准确率不高等问题,提出一种基于随机森林算法的船舶电站诊断模型。在Simulink软件中搭建船舶电站故障模型,通过在Simulink中仿真得到船舶电站故障数据,分析基于随机森林算法的船舶电站故障诊断原理。在MATLAB软件中分别建立基于随机森林算法和BP神经网络算法的船舶电站故障诊断模型,并对二者的故障诊断结果进行对比分析。结果表明,基于随机森林算法的诊断模型相比基于BP神经网络的诊断模型,能显著提高船舶电站故障诊断的效率和准确率。     

基于LSTM神经网络算法的船舶电站故障诊断

船舶电站是船舶中的重要组成部分,船舶电站的故障类型较为复杂。文章利用Simulink软件平台对船舶电站各种短路故障进行仿真建模,选取各相电流电压参数作为数据集的来源,并在MATLAB中进行数据的处理和预测图像的绘制。LSTM神经网络算法相比于其他算法,解决了长时依赖问题,并对预测数据有极高的解释度。结果表明：基于LSTM神经网络算法的故障诊断模型能够很好的对船舶电站故障模式做出诊断。     

船舶控制系统故障诊断专家系统的研究

本文结合船舶控制系统的特点，提出了船舶控制系统故障诊断专家系统的组成、结构、知识的表达方法，诊断的逻辑推型。特别提出了基于元件的可维性系数和故障的可靠性值的模糊推理方法，在专家系统的智能化方面，讨论了利用创造思维推理对故障诊断模型的修改及利用指数修匀法对可能性值的修正方法。     

基于时间序列与小波分析的船舶柴油机故障诊断

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号.采用时间序列分析方法对船舶柴油机缸盖振动信号功率谱进行识别,采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断.     

基于LabVIEW的船舶电站系统仿真

首次将虚拟仪器的概念引入船舶电站系统的仿真，利用LabVIEW实现了船舶电站系统的虚拟仿真。从船舶电站的运行模拟、监控报警和数据库应用等方面分别进行介绍，主要分析了实现过程中遇到的主要问题。目前已经取得了预期的效果，有待于更进一步的研究。     

船舶柴油机故障诊断专家系统

本文主要介绍自行开发的船舶柴油机专家系统的系统组成模块、各模块的工作原理以及它们的功能，针对其中的故障诊断、处理以及分析解释等机制讨论了系统推理机和知识库的相互作用关系。最后论述了人机界面处理系统中的人机语言翻译转化的机理。     

船舶电站建模及其应用

本文简要介绍了轮机仿真器中船舶中电站的仿真机理及功能，分析了船舶电站的建模方法，重点强调在故障和非正常态下模型的仿真功能，实时模型可全面地仿真电站的工况，并地其进行监测分析。     

基于混合推理的船舶柴油机故障诊断专家系统

采用基于规则推理和案例推理的混合推理设计了船舶柴油机故障诊断专家系统,建立专家系统的结构模型,介绍诊断模块及系统的工作过程,以CLIPS和Visual C 混合编程的方法进行了系统实现。     

基于DSP的船舶电子设备故障诊断研究

船舶运输在全球经济中发挥着不可替代的作用,船舶电子设备的稳定工作对于保障船舶运输安全以及船舶自动化控制系统的可靠性具有非常重要的作用。对船舶电子设备故障进行诊断研究可以有效发现设备故障位置,并及时采取措施。本文提出一种基于BP神经网络和DSP技术的船舶电子设备故障诊断系统,以DSP为硬件核心实现神经网络解决电子设备故障诊断问题,重点介绍神经网络算法的实现以及数据采集电路的设计等。     

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。     

基于小波网络的水下机器人故障诊断研究

由于水下机器人系统的复杂性、不确定性及强非线性等使得对其建模异常困难,采用一种最小调整的小波神经网络对其进行运动建模以获得理想的建模效果.通过该网络的自学习,调节小波函数的伸缩因子与平移因子以及网络连接权值,既能以任意精度逼近函数的整体轮廓,也能捕捉函数的变化细节,使得函数的逼近效果较好.对比模型的输出与实际传感器测量值来生成残差,通过分析残差特性来提取故障诊断判据,进而完成推进器故障诊断.完成了推进器故障诊断的仿真试验,仿真结果验证了该方法的有效性和可行性.     

采用ARM核的船舶故障诊断控制器研究

海上运输业在国民经济中发挥着重要的作用,电力推进船舶作为运输的主体,其安全是至关重要的。本文设计基于ARM核的船舶电力系统故障诊断控制器,此系统主要包含故障数据采集、GPRS通信以及上位机的界面显示。本文对系统的功能进行阐述,在今后的工作中会进一步加强系统测试分析。     

舰船非线性配电网络的故障诊断与恢复策略研究

现代化的舰船配电网络非常复杂,需要兼顾到船舶上的各种用电设备。因此当配电网络出现故障时,为了能够最大程度降低故障造成的损失,需要合理控制配电网络的工作节点,隔离出现故障的子网络。本文主要采用了神经网络算法,对船舶非线性配电网络的工作模式进行训练,通过合理控制配电参数,能够有效监控网络中的故障,并提出了故障诊断算法,在故障发生时,能够自动产生恢复策略,并解决一些简单的故障,这种方式大大提高了系统的稳定性。     

基于参数优化的舰船电动机故障诊断

相关向量机在舰船电动机故障诊断过程中,参数直接影响舰船电动机故障诊断结果,为了解决当前相关向量机参数优化难题,设计了粒子群算法优化相关向量机的舰船电动机故障诊断方法。首先分析舰船电动机故障诊断现状,并采集舰船电动机工作状态信号,然后提取舰船电动机工作状态信号提取特征,利用相关向量机建立舰船电动机故障诊断模型,并采用粒子群算法对舰船电动机故障诊断模型参数进行优化,最后进行舰船电动机故障诊断仿真实验。结果表明,相对于其他舰船电动机故障诊断方法,本文方法的舰船电动机故障诊断精度更高,故障诊断结果更加可靠,诊断效率更高,具有一定的工程应用前景。     

基于克隆算法的船舶配电网络故障恢复研究

配电网络是连接船舶电站和船载用电设备的桥梁,其安全性、可靠性决定了船舶的正常航运。船舶配电网络的故障恢复是指利用分段开关和联络开关的功能,改变整个配电网络的结构,进而避开故障节点使配电网络恢复正常。本文系统介绍克隆算法和模拟退火算法,进行船舶配电网络的故障恢复多目标重构计算,并在此基础上研究了船舶配电网络的故障恢复技术。     

基于遗传算法的船舶动力定位系统故障诊断研究

船舶动力系统结构复杂,动力系统各元器件之间存在松散耦合的关系,传统的基于集中式故障诊断方法已经越来越不适应现代船舶动力系统故障的定位诊断性能要求。基于遗传算法的诊断模型将动力系统描述为分布式架构,各固件通过遗传因子来传递故障现象与原因之间的联系。本文分析基于遗传算法的船舶动力定位系统故障诊断策略,使用故障向量及图论来描述系统的故障现象,给出基于软件的故障定位方法及验证结果。