基于模糊决策分析的建筑结构可靠性的评定

船舶电气设备的故障管理包括对设备故障的预防、故障原因查找和故障后果处理,文章从管理的角度阐述了防止船舶电气设备故障的预防措施,介绍了查找故障原因和处理故障的一般通用方法.     

轨道交通用直流开关电器故障分析

基于现有轨道交通用直流开关电器在使用中出现的故障,本文对地铁车辆检修时出现的断路器和接触器典型故障进行了统计,按非金属件故障和金属件故障进行了归类,通过分析故障的危险程度,将故障分为一般故障和严重故障,发现了故障存在共性问题,为车辆检修提供了更换或继续使用的评判依据。同时本文对各种故障进行分析,也对其提供了解决故障的有效措施及处理意见,旨在进一步提高产品可靠性,降低产品故障率。     

基于大数据的船舶故障趋势预测

船舶故障趋势预测的研究具有重要实际应用,船舶故障趋势复杂多变,当前船舶故障趋势预测方法无法高精度描述其故障变化特点,使得船舶故障预测趋势结果靠性低。为了提高船舶故障趋势预测效果,设计了基于大数据的船舶故障趋势预测方法。首先分析当前船舶故障趋势预测研究进展,找到各种方法的船舶故障趋势预测的局限性,然后采用船舶故障趋势数据,并利用大数据分析技术拟合船舶故障变化趋势,构建船舶故障趋势预测模型。最后在相同平台下,与其他船舶故障趋势预测方法进行了对比测试。结果表明,大数据的船舶故障趋势预测精度超过95%,不仅完全达到了船舶故障控制的实际应用要求,而且船舶故障趋势预测效果要优于对比方法,具有更加广泛的实际应用范围。     

关于船机故障的几个问题

阐述了船机故障的分类;故障发生前的征兆;故障模式;故障规律及故障的人为因素,特别指出轮机管理中人为因素对船机故障的重大影响.     

主机油雾监测系统故障原因分析

文章针对主机油雾监测系统在使用过程中出现的各类故障进行原因分析,结果判断为控制器故障、传感器故障、采集通道故障,根据相关的故障代码提出了对应的分析判断及故障排除。     

大型船舶轴系故障非接触式监测方法

大型船舶轴系故障具有多变性,导致当前故障识别方法无法有效对各种类型的大型船舶轴系故障进行准确识别,为了提高大型船舶轴系故障识别的效果,设计一种新型的大型船舶轴系故障非接触式监测方法。首先采集大型船舶轴系故障识别信号,采用小波对其进行去噪,然后换提取大型船舶轴系故障识别信号特征,最后采用最小二乘支持向量机设计大型船舶轴系故障识别的分类器,并进行了具体的大型船舶轴系故障识别模拟实验。与其他大型船舶轴系故障识别方法相比,本文方法通过小波抑制了大型船舶轴系故障识别信号中的噪声干扰,提高了大型船舶轴系故障识别成功率,加快了大型船舶轴系故障识别的训练时间,建立更高效率的大型船舶轴系故障识别分类器。     

海浪载荷干扰下船舶发动机故障检测数学模型研究

针对传统船舶发动机故障检测数学模型故障检测速率较低的问题,提出一种海浪载荷干扰下船舶发动机故障检测数学模型,在海浪载荷干扰下对船舶发动机进行振动测量,提取船舶发动机的时域故障特征,通过测量获取船舶发动机转子系统的3阶、2阶、1阶临界转速以及轴向转子的固有频率,对船舶发动机的频域故障特征进行提取,利用获取的时域故障特征数据与频域故障特征数据建立船舶发动机的故障检测数学模型,实现船舶发动机的故障检测。为了验证建立的数学模型的故障检测速率较高,将该模型与基于线性分段方法的船舶发动机故障检测数学模型、基于异常检测算法的船舶发动机故障检测数学模型、基于异常子序列的船舶发动机故障检测数学模型进行对比实验,实验结果证明该模型的故障检测速率最高,说明该模型更适用于船舶发动机的故障检测。     

船舶起重设备异步电机故障维修方法

传统的异步电机故障维修方法存在着维修效率低的缺陷,为此提出船舶起重设备异步电机故障维修方法。采用传感器、采集卡等设备对异步电机的振动信号和电流信号进行采集,通过时域特征方法在采集的信号中提取故障特征量,将其导入故障识别算法实现了异步电机故障的识别。以得到的故障识别数据为依据,建立异步电机故障维修模型,将故障数据导入模型中,实现异步电机故障的维修。通过实验得到,提出的异步电机故障维修方法的维修效率比传统方法高出23.9%,说明提出的异步电机故障维修方法具备极高的有效性。     

船用空压机故障分析

在论述船用空压机基本结构的基础上,总结了船用空压机的故障特点。根据调研数据总结了船用空压机常见的故障现象,并分析了各种故障现象下的故障原因和故障排除方法,有助于快速查找故障部位和排除故障。     

船用空压机故障分析

在论述船用空压机基本结构的基础上,总结了船用空压机的故障特点.根据调研数据总结了船用空压机常见的故障现象,并分析了各种故障现象下的故障原因和故障排除方法,有助于快速查找故障部位和排除故障.     

某调距桨装置故障处理

针对某型调距桨装置调距故障的现象,从电控系统、液压系统、机械部套展开故障原因分析,并以此为基础开展实际故障排查,通过逐步排查,确定故障原因存在于液控单向阀,更换元件后故障消除,验证了该故障排查方法的正确性。     

港口供电系统故障录波装置应用

故障录波装置应用于供电系统变电站，可实现报文记录与故障录波功能。以某港口供电站故障录波装置为例，进行港口供电系统故障录波装置应用分析，并结合故障案例，研究故障录波装置在港口供电系统运行监测、故障分析及故障排查等方面的应用。实际应用表明，故障录波装置在港区供电系统的应用，可为港区供电系统的运行监测与分析提供便利。     

船舶电力系统的故障诊断及处理研究

介绍了一种船舶电力系统监控架构,针对该监控架构提出故障诊断及处理策略,将电力系统的故障分为直流幅压电网故障、交流电网故障和直流24 V电网故障,给出不同故障诊断的依据及判断部位.针对不同故障,提出不同的处理措施,当供电支路发生过载或短路故障时,通过分级保护实现供电支路的隔离;当电源发生故障停机时,通过电力系统拓扑结构改变,实现故障重构,恢复未故障区域供电.该故障诊断及处理策略能够满足电力系统自主运行的需求,适用于无人舰船.     

燃气轮机运行典型故障分析及处置

对某工业型燃气轮机常见典型故障进行分析,针对各典型故障可能出现的故障诱因,总结出故障排查方向;针对常发生的典型故障,提出燃气轮机运行注意事项,对燃气轮机稳定运行具有重要意义。     

舰船云计算系统服务器故障的识别模型

舰船云计算系统服务器故障的种类多,故障与特征之间是一种非常复杂的映射关系,传统舰船云计算系统服务器故障识别模型难以获得理想的识别结果。为了克服当前舰船云计算系统服务器故障识别模型存在的不足,设计一种基于数据挖掘的舰船云计算系统服务器故障识别模型。首先采集舰船云计算系统服务器故障识别数据,然后采用数据挖掘技术对舰船云计算系统服务器故障识别数据进行分析和建模,建立舰船云计算系统服务器故障识别的分类器,最后进行了舰船云计算系统服务器故障识别仿真对比实验。本文模型的舰船云计算系统服务器故障识别率高达95%,而且舰船云计算系统服务器故障的误识率要小于当前其他舰船云计算系统服务器故障识别模型,结果验证了本文模型的优越性。     

吊机液压系统典型故障的维修和改进

针对吊机液压系统经常出现的故障,在认真查找导致故障的根本原因的基础上,对故障进行对比分析,发现密封圈的老化和破损是造成故障的根本原因,提出针对这类故障的维修措施和改进意见。     

基于关联规则的船舶故障数据自动分类方法

为了提高船舶故障诊断能力,需要进行故障数据的自动分类设计,提出基于关联规则的船舶故障数据自动分类方法。构建船舶故障数据的数据信息流模型,采用高维特征分组方法进行船舶故障数据的分组重构,采用分段线性检验方法进行船舶故障数据的统计特征分析,提取反映船舶故障类别属性的关联规则向量集,根据特征提取结果进行模糊聚类处理,实现船舶故障信息融合,结合自适应分组检测方法,实现船舶故障数据关联规则的自动分类。仿真结果表明,采用该方法进行船舶故障数据自动分类的自适应性较强,误分率较低,提高了船舶故障的诊断检测能力。     

基于RFID技术的船舶电子故障分类系统设计

目前设计的船舶电子故障分类系统无法精准地识别故障波形,实现故障分类。为了解决上述问题,基于RFID技术设计一种新的船舶电子故障分类系统。系统硬件分别设计了故障采集器、射频收发器和CAN总线节点,选用SPl2采集器对数据进行采集,通过nRF2401A进一步接收信号,利用CAN总线节点进行数据通信。计算频率信号,采集船舶电子数据。分析控制逻辑原理,实现数据传输与交互,计算故障分类数量,通过数据检测完成船舶电子故障分类。实验结果表明,基于RFID技术的船舶电子故障分类系统能够精准地识别船舶电子故障,故障识别准确率在98%以上。     

基于FMEA的船舶电力设备故障信息处理系统

针对传统船舶电力设备故障信息处理精度不高的现象,提出基于FAMA的船舶电力设备故障信息处理系统设计。硬件系统包括故障信息采集器与服务器的设计,通过建立二者的线上连接,分析故障发生的位置信息与故障特征;软件系统的设计,通过确立故障处理代码,存储故障特征值,采用拉普拉斯锐化算法,对故障特征值进行计算,实现电力设备故障信息的准确处理。仿真实验结果表明,基于FAMA的故障信息处理系统比传统故障处理系统的故障处理精度高出20%,具备极高的有效性。     

舰船维护中机械潜在故障智能预测方法

舰船机械部件是一个非线性系统,舰船机械部件出现故障概率相当高,当前故障预测方法无法描述舰船机械部件故障的不确性,因此舰船机械部件故障预测精度低,为了提高舰船机械部件故障预测精度,克服当前舰船机械部件故障预测方法的缺陷,设计了一种舰船维护中机械潜在故障智能预测方法。首先提取描述舰船机械部件故障类别的特征信息,然后采用BP神经网络对舰船机械部件故障特征信息进行学习,确定相对应的舰船机械部件故障类别,并解决BP神经网络参数确定问题,最后与其他方法进行了对比实验。结果表明,本文方法的舰船机械部件故障预测精度超过95%,远远高于对比方法的舰船机械部件故障预测精度,改善了舰船机械部件故障诊断速度,具有十分广泛的应用前景。