基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。     

一种基于特征数的舰船设备振动异常判断方法

舰船设备一旦出现故障,将产生一系列后果,如停机损失、维修费用等,甚至造成经济与人员的重大损失。介绍了一种通过实时监测设备振动状态,利用特征数进行舰船设备振动异常判断的方法。该方法不致出现信号畸变和泄露,不受工况变化影响,可以及早发现设备早期故障,达到视情维护的目的。     

一种港口起重设备健康监测方法

介绍了一种新的港口起重设备健康监测方法。该方法通过传感器收集机构运行时的振动速度与振动位移数据，进行处理后与设定阈值比较判断设备损坏情况，进而求解寿命预估函数，对设备剩余寿命进行实时计算，并对振动信号进行时频分析与解调，判断损坏部位。     

基于改进多阈值方法的舰船发电用柴油机增压器润滑失效预测

针对舰船发电用柴油机增压器的润滑失效问题,提出一种改进多阈值方法来实现对多工况异常情况的实时预测.该方法包含两部分,首先参考滑动平均滤波法对比分析各机组的运行数据,实现对异常数据的提取;其次采用一种基于外部特性法的箱型图法对分析后提取的异常数据进行多阈值表达式的设定.为了验证方法的有效性,基于某发电用柴油机在发电机工作...     

基于振动阈值的船舶离心泵系统建造阶段声学故障诊断方法

该文针对舰船建造阶段声学故障诊断阈值与历史实测数据缺乏内在联系的问题,以离心泵系统为研究对象,围绕基于振动阈值的舰船离心泵系统声学故障诊断开展研究。首先,通过实船测试数据分析得出船舶离心泵系统由于边界条件差异及设备差异导致振动特性波动最大超过10 dB;其次,对振动偏离值进行正态分布假设,并通过对实测数据的统计分析进行验证;最后,根据正态分布区间估计原理提出阈值提取方法,在此基础上通过模拟试验对以上阈值的有效性进行验证,结果显示,该方法提取的阈值对正常工况的诊断准确率为99.45%,对故障工况诊断准确率为92.3%,该文研究成果可为船舶建造阶段离心泵系统提供一种合理可操作、准确率较高的声学故障诊断方法。     

基于大数据技术的舰船磁场异常信号粗提取

舰船磁场异常阈值滤波的幅度特征不一,导致异常信号粗提取信噪比值过低。基于此,提出基于大数据技术的舰船磁场异常信号粗提取方法。基于大数据技术设计舰船磁场异常信号粗提取方法,分解舰船异常信号,并从重构的分解异常信号中提取异常特征值。在此基础上,对磁场异常阈值进行滤波识别,对磁场异常阈值滤波的幅度特征进行整合,获取舰船磁场异常信号。至此,完成基于大数据技术的舰船磁场异常信号粗提取方法设计。分析实验结果:采用基于大数据技术的舰船磁场异常信号粗提取方法异常信号粗提取的信噪比值最高为-3 dB,表明所提方法异常信号粗提取效果较好。     

舰船中压发电机组振动监测与故障诊断

中压发电机组是舰船的动力核心,中压发电机组在使用较长时间之后可能会出现振动异常的问题,通过对其进行振动检测,能够确定振动异常的位置和原因,并通过针对性的措施来解决问题,维护中压发电机的正常运行。本文以某舰船的中压发电机组故障问题为例,对中压发电机组振动监测与故障诊断进行了详细的分析。     

舰船电气设备异常自动化监测及易损性分析方法

考虑到舰船电气设备受到海上多种环境因素的影响经常出现故障,为了实时监测舰船电气设备的异常状态,提出舰船电气设备异常自动化监测及易损性分析方法研究。利用高维随机矩阵对舰船电气设备异常数据进行处理,采用相关性矩阵衡量了舰船电气设备在运行过程中的影响因素,根据矩阵计算结果,实现舰船电气设备异常的自动化监测;通过分析冲击破坏、火灾破坏以及进水破坏对电气设备的破坏,描述了船舶的破口半径,在受到武器攻击的情况下,对舰船电气设备的易损性进行分析。最后通过实验的方式,得出本文监测方法对于舰船电气设备的异常状态具有更高的监测效率,还可以满足舰船电气设备异常监测要求,具有更好的监测性能。     

基于振动特征的舰船机械噪声监测模型

传统船舶机械噪声监测模型在实际应用中,存在特定噪声滤波信号阈值差异问题,导致监测模型整体对噪声监测自适应性降低,在一定程度上影响模型输出准确度。为了解决模型自适应性差的问题,提出振动特征的舰船机械噪声监测模型。首先,通过拟合计算方式,对机械噪声数据进行拟合计算,根据拟合结果,结合噪声产生的振动特征,建立噪声振动特征监测模型。最后,以模型数据为优化基础值,完成对噪声监测模型自适应阈值的优化,从而实现改善模型自适应能力,提升舰船机械噪声监测模型输出准确度的效果。通过多组实例数据的仿真调试对比,证明提出模型能够适应不同参量噪声数据的监测,且保证监测效果符合技术标准。     

小波分析的舰船动力机械噪声抑制研究

针对传统噪声抑制方法内噪声抑制函数存在不连续性,导致最终可抑制的噪声数值较小,设计小波分析的舰船动力机械噪声抑制方法。将周期性的振幅调制处理为一个随机变量,提取舰船机械噪声特征信息。采用非似然估量处理方法定义阈值中的元素,利用小波分析设定噪声阈值。构建动力机械噪声平衡数值关系,最终实现对舰船动力机械噪声的抑制。准备已知参数的舰船动力机械后,连接数据采集设备,采用2种传统噪声抑制方法与所设计的噪声抑制方法进行对比实验。结果表明,所设计的噪声抑制方法可抑制的噪声数值为50 dB,实际可抑制的噪声数值最大。