基于BP神经网络的船用柴油机振动状态监测

通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。     

船用柴油机缸套磨损量预测研究

对船用柴油机缸套磨损量的预测进行了研究,提出了灰色预测方法,对灰色预测方法的建模原理、模型精度的检验方法等进行了介绍,最后进行了实例分析。     

基于模糊神经网络的柴油机排气噪声预测

应用模糊神经网络FNN（Fuzzy Neural Networks）的模糊推理对噪声数据的预测进行了研究分析。和传统的BP网络方法相比,模糊神经网络具有概念清晰,逻辑清楚,且不会限于局部极小点等特点,实验结果充分证明了这种方法的有效性,并且本文用较小规模的正交试验数据作为训练样本,达到了试验量少效果好的目的。     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明：灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

灰色数据挖掘在船用柴油机中的应用

船用柴油机作为船舶航行中的动力源,具有非常重要的作用。但柴油机在运行过程中的运行状态及故障发生都对船舶的正常运行影响很大。本文通过研究灰色数据挖掘的特点,结合船舶柴油机的结构与故障特性,研究出一种基于灰色数据挖掘的故障诊断方式,通过对灰色关联算法在计算机上进行编程仿真,检验这种方法对船舶柴油机的故障诊断具有较好的诊断结果,对船舶柴油机的正常航行具有一定的意义。     

基于GA优化的灰色神经网络船舶交通流量预测方法研究

结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.     

基于信息融合技术的柴油机状态评估方法研究

如何有效地利用各种信息是对柴油机进行全面状态评柴油机多源信息的状态评估模型,首先运用油液分析、振动分析和热力性能参数并根据专家知识分别构建子神经网络对柴油机进行状态评估,各部分的评估结果运用D-S证据理论进行融合判断,得到融合决策评估结果.结果表明,该方法逻辑清晰,评估结果符合实际.     

基于神经网络的柴油机混合建模方法研究

针对柴油机性能仿真中的建模问题,分析不同建模方法的特点,提出机理和神经网络相结合的混合建模方法,采用神经网络在线补偿机理模型的误差,提高模型精度,并能够适应柴油机的时变特性。以6PA6型涡轮增压柴油机为例,在Matlab环境下建立机理-神经网络混合模型。仿真分析得出混合建模的一些结论。     

基于并联型灰色神经网络模型的港口吞吐量预测方法探讨

港口吞吐量预测是港口规划的基础,在确定港口发展方向、投资规模等方面发挥着十分重要的作用,因此有必要对港口吞吐量的发展趋势做出合理的预测。结合灰色理论和神经网络模型的特点,尝试用灰色神经网络组合模型之一——并联型灰色神经网络模型进行港口吞吐量预测。用实际算例证明了该方法在港口吞吐量预测中的有效性。     

神经网络在船用柴油机性能诊断中的应用

现代海洋船舶的动力系统主要利用柴油发动机,其故障检测手段及修复一直是船舶动力系统重要研究方向。传统的柴油性能及故障检测一般由工作人的经验进行初始判断,利用检测工具进行定位,而人为因素可靠性及效率较低,已不能满足现代航运业的发展。随着现代计算科学及传感信息技术的发展,自动化的船用柴油故障检测系统成为重要的发展方向。本文研究自适应神经网络,将其应用到柴油机故障诊断中,有效提高诊断的准确性及实效性。     

基于数据融合的舰用柴油机状态预测系统研究

融合柴油机热工、油液及振动3大类信息,采用灰色理论、自适应谐振理论(ART)和BP网络等相结合的决策级融合技术,建立了一套具有数据融合、分析诊断和状态预测能力的舰用柴油机状态预测系统,并以12PA6V-280型柴油机为研究对象,进行了工作过程仿真及故障模拟研究。     

船舶柴油机NOx排放特性神经网络预测中的试验设计

研究船舶柴油机NOx排放特性神经网络预测中的学习样本选取试验设计方法。根据用于主机的船舶柴油机可能持续运行范围的工况变化特点,提出采用功率因素变边界的均匀设计法进行试验设计选取样本,并验证了其可行性。研究结果表明,变边界均匀设计法选取的样本用于神经网络训练,预测精度明显高于随机样本选取法。4位级变边界均匀设计法选取的样本训练得到的神经网络模型,NOx排放浓度预测误差小于3.8%,NOx比排放预测误差小4.5%。     

基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算.仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型.并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性.利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度.     

船舶柴油机颗粒物排放控制技术研究进展

颗粒物是船舶柴油机排气中的主要污染物,严重危害人体健康和大气环境,如何降低船机颗粒物排放已成为环境保护及柴油机领域的一个重点研究方向。本文对船机排放颗粒物的组分及来源进行分析,梳理论述目前主流的颗粒物排放控制技术及DPF再生技术。认为后处理技术是今后颗粒物排放控制技术研究的重点,其中,最有效、应用最广泛的是DPF技术,复合再生技术是DPF再生过程的发展方向,提出了船机颗粒物排放控制未来需重点研究的关键技术及长远发展目标。     

船舶柴油机供油系统故障诊断研究

柴油机燃油供给系统工作质量的好坏,直接影响柴油机的工作性能。阐述了在虚拟仪器中对柴油机喷油系统压力波的数据采集和特征参数提取,并介绍了在各种故障模式下柴油机喷油器产生故障的原因和特征参数的变化,利用人工神经网络模型实现故障诊断。结果表明,该方法可实现柴油机喷油器不解体故障诊断,在实际的故障诊断中具有一定的应用价值。     

Fuzzy neural network control of underwater vehicles based on desired state programming

1 Introduction1 With the development of the activities in deep sea, the application of underwater vehicle is widespread. However, owing to the nonlinearity and unpredictable operating environment of underwater vehicles, many factors must be taken into con…     

Ship motion extreme short time prediction of ship pitch based on diagonal recurrent neural network

A DRNN （diagonal recurrent neural network） and its RPE （recurrent prediction error） learning algorithm are proposed in this paper . Using of the simple structure of DRNN can reduce the capacity of calculation. The principle of RPE learning algorithm is to adjust weights along the direction of Gauss-Newton. Meanwhile, it is unnecessary to calculate the second local derivative and the inverse matrixes, whose unbiasedness is proved. With application to the extremely short time prediction of large ship pitch, satisfactory results are obtained. Prediction effect of this algorithm is compared with that of auto-regression and periodical diagram method, and comparison results show that the proposed algorithm is feasible.