人工智能技术在船舶动力装置故障诊断中的应用

传统的动力装置故障诊断方法需要大量的故障数据样本,导致诊断效率和实时性差,无法满足现代船舶航行的需求。针对上述问题,提出人工智能技术在船舶动力装置故障诊断中的应用。使用小波包分析技术对传感器采集的信号进行去噪、分解重构以及能量谱特征提取处理后,构建船舶动力装置故障集。使用D-S理论对BP神经网络输出的诊断结果进行数据融合和置信度判断,得到可靠的诊断结果完成故障诊断。对比实验数据显示,利用人工智能的方法诊断精度较高,并且诊断响应效率高,具有良好的泛化能力。     

基于模糊聚类算法的船舶故障诊断技术

由于大型设备故障症状与故障原因之间关系十分复杂，使得传统诊断方法在实际应用中效果不理想。研究采用模糊C-均值聚类算法，将被诊断对象间故障和症状的特征通过建立模糊关系矩阵进行了故障分类，用当前所得的故障征兆群与过去该设备故障征兆结果相对照，找出最相似的结果，从而确定其故障。通过船舶主机轴系诊断的实例，充分证明了该方法的有效性。     

模糊C-均值聚类算法及其在船舶故障诊断中的应用

船舶设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶设备繁多,运行环境特殊,各种设备的故障症状与故障原因之间的关系十分复杂,致使传统诊断方法在实际应用中效果不理想。因此,研究采用模糊C-均值聚类算法来实现船舶故障的诊断乃是非常必要的。将被诊断对象间故障和症状的特征通过建立模糊关系矩阵进行故障分类,用当前所得的故障征兆群与过去该设备故障征兆结果相对照,找出最相似的结果,从而确定其故障。通过船舶主机轴系诊断的实例,证明了该方法的有效性。     

模糊核聚类在船舶故障诊断中的应用

船舶故障具有非线性和模糊性的特点,本文将模糊核聚类算法应用于船舶故障诊断。首先阐述模糊核聚类算法的实现过程,并将此算法与模糊聚类在目标函数收敛性、学习能力、诊断正确率等方面进行对比,实验结果表明,本文算法在船舶故障诊断方面鲁棒性强、收敛速度快、学习能力强。     

基于PCA-BP神经网络在船用柴油机热工故障诊断中的应用研究

利用AVL-BOOST对柴油机的热工故障进行仿真计算,首先通过主成分分析法对柴油机的热工故障进行分析,选取能够反映原始变量99.589%信息的3个主成分作为BP神经网络的输入,将柴油机的故障模式作为输出,构建一个3层的神经网络预测模型。结果表明,PCA-BP神经网络模型能够很好的对柴油机的故障模式做出诊断。     

免疫克隆算法在船舶故障诊断中的应用

分析免疫克隆算法的缺点,提出利用聚类竞争机制进行算法改进。详细阐述算法的实现流程,包括聚类竞争、克隆扩增等。最后通过与遗传算法、BP神经网络算法、免疫克隆和本文改进的算法,从诊断精度、收敛速度等方面进行对比。实验结果表明,本文算法识别率高、收敛速度快。     

基于信息融合的船舶机电设备故障诊断

对船舶机电设备故障进行了分析,指出故障诊断必须从多类数据中寻找隐藏的信息,进而提出了对于观测数据运用模糊聚类方法进行信息融合,寻找故障模式.算例证明方法有一定的效果.     

基于多源信息融合的柴油机故障诊断方法

为提高柴油机这一复杂系统的故障诊断精度,在采集缸盖声发射信号、缸盖振动信号和机体声发射信号特征信息的基础上,利用3个BP神经网络进行局部诊断并获得证据体,对各证据体应用D S证据组合规则进行决策融合。针对D S证据理论在处理冲突证据时存在的局限性问题,提出一种多源加权融合的故障诊断方法。该方法利用各证据体对命题识别的正确率和证据体之间的距离对各证据体进行修正。故障模拟试验表明:提出的方法可提高柴油机的故障诊断精度,充分验证其应用在柴油机故障诊断中的可行性。     

基于BP神经网络的故障诊断技术在装备维修中的应用

传统故障诊断方法在装备保障中的诸多局限性。文章介绍了基于BP模型的神经网络,研究了基于BP模型神经网络的故障诊断推理方法,并利用Matlab仿真软件对结果进行了运行和计算。结果证明,基于BP神经网络的故障诊断技术对装备故障诊断是行之有效的。     

基于神经网络结构的自适应模式识别技术在机械故障诊断中…

本文利用神经网络聚类学习方法对机械故障的故障模式进行分类，通过实验研究证明该方法作为一种新的自适应模式识别技术，比传统的聚类方法和基于ＢＰ神经网络故障模式识别方法具有较高的模式分类能力。     

Application of data fusion method to fault diagnosis of nuclear power plant

The work condition of nuclear power plant (NPP) is very bad, which makes it has faults easily. In order to diagnose the faults real time, the fusion diagnosis system is built. The data fusion fault diagnosis system adopts data fusion method and divides the fault diagnosis into three levels, which are data fusion level, feature level and decision level. The feature level uses three parallel neural networks whose structures are the same. The purpose of using neural networks is mainly to get basic probability assignment (BPA) of D-S evidence theory, and the neural networks in feature level are used for local diagnosis, D-S evidence theory is adopted to integrate the local diagnosis results in decision level. The reactor coolant system is the study object and we choose 2# steam generator Utubes break of the reactor coolant system as a diagnostic example, The experiments prove that the fusion diagnosis system can satisfy the fault diagnosis requirement of complicated system, and verify that the fusion fault diagnosis system can realize the fault diagnosis of NPP on line timely.     

基于知识的故障诊断技术及其在船舶上的应用

介绍基于知识的故障诊断技术的基本原理,探讨故障诊断技术发展的趋势,提出了一种基于多种智能集成的故障诊断系统的组织结构,并给出其在船舶上应用的实例.     

动力装置故障诊断技术研究

讨论了故障诊断系统数据库要求、架构和功能设计与实现等技术,对故障诊断推理机制进行了探讨,研究并构建了界面友好的柴油机故障诊断系统.利用该系统可对柴油机状态监控,对故障征兆(趋势)实时预报,对已发生的故障快速诊断,缩短故障维修时间,保障装备的良好工作状态,提高船舶的生命力.     

Application of the fault diagnosis strategy based on hierarchical information fusion in motors fault diagnosis

1Introduction Withthedevelopmentofequipmentinsize,complexity andsystematization,ithasdrawnwideattentionof scholarsathomeandabroadtointroducetheinforma tionfusiontheoryintothefieldoffaultdiagnosis.Neu ralnetworktechnology[1,10]isconsideredpracticaland effe…     

船舶动力装置凝给水系统故障诊断半实物仿真试验系统研究

讨论了船舶动力装置凝给水系统的故障机理、故障模式和故障诊断方法,着重介绍了故障诊断半实物仿真试验系统的软、硬件设计.该仿真试验系统采用神经网络和规则诊断相结合的复合诊断方法,软件采用VC6.0与MATLAB6.5混合编程,通过半实物故障仿真平台,实现在线仿真和试验.     

船舶状态评估及预算系统

  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。     

共振解调技术在船舶机械故障诊断中的应用

介绍共振解调检测机械故障原理,探讨共振解调技术在船舶中的应用,运用共振解调对某船涡轮增压系统轴承进行故障诊断,验证了该技术的行之有效.     

混合型专家系统在船舶动力装置故障诊断系统中的应用

介绍了一种基于人工神经网络的混合型专家系统及其在船舶动力装置故障诊断系统的应用。具体描述了混合型专家系统的基本原理,论述了船舶动力装置故障诊断系统的结构与功能。最后用一个实例说明混合型专家系统在船舶动力装置故障诊断系统上的应用。     

基于遗传算法的船舶核动力装置冷凝器故障诊断研究

根据核动力装置冷凝器的运行特点,分析了导致冷凝器故障的各种原因,并结合领域专家的知识建立了故障征兆集.将遗传算法与概率因果模型相结合,建立了故障诊断系统.从系统的诊断结果看,该方法能准确、快速诊断出故障,这对保证核动力装置的安全运行具有一定的指导意义.     

某舰载大功率通信设备故障智能诊断系统的设计

大功率通信设备故障诊断往往存在定位、隔离困难的问题,文章以某舰载大功率通信设备为例,将神经网络和传统的专家系统相结合,设计了实时的故障智能诊断系统,不仅避免了专家系统存在的一些问题,而且提高了传统故障诊断系统的智能性,使故障诊断更为科学、精确和智能。