舰船中压电力系统接地故障识别的仿真研究

为了减小舰船电力系统发生单相接地故障的危害,提出一种利用数学形态学中的梯度变换和闭运算变换级联的方式识别接地故障类型的方法。该方法能识别出金属性接地和间歇性接地发生时的不同。通过大量仿真验证了该方法,不同条件下其均能良好的识别故障。     

船用柴油机机械微磨损故障诊断系统设计

为有效诊断舰船用柴油机机械微磨损故障,设计新型船用柴油机机械微磨损故障诊断系统。此系统传感模块通过电感式传感器采集柴油机机械表面油液磨粒的静电信号后,由油液分析芯片启动基于MACNN的微磨损故障类型识别模型,使用多层卷积神经网络,全面提取静电信号的多维波动特征图后,以重组的方式将多维特征图转换为一维向量,通过序列注意力机制,学习重组后油液磨粒静电信号一维向量的序列特征,识别特征所属微磨损故障类型,完成柴油机机械微磨损故障诊断。若机械磨损严重或表面存在污秽,便会驱动图像分析模块,进行图像采集配合诊断。经测试,此系统对多种微磨损故障类型的诊断结果无错分情况,诊断结果有效。     

舰船大容量变压器励磁涌流的故障识别

舰船电力系统已经逐步由传统的低压电力系统过渡到中压电力系统,变压器在舰船电力系统中地位和作用也日益凸现,对变压器的保护也日益重要,尤其是在发生短路故障时,迅速可靠的跳闸,是保证变压器安全的重要手段。大容量变压器的内部短路故障主要依靠差动保护,而励磁涌流往往会引起差动保护误动作,因此如何快速识别励磁涌流是确保变压器安全可靠的前提条件。     

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。     

基于压力识别的船舶柴油机状态评估方法综述

气缸压力是表征柴油机运行状态的重要性能指标之一，利用间接法识别气缸压力成为柴油机状态评估的有效方法。详细介绍了通过缸盖振动信号和瞬时转速信号识别压力的各种方法，以及针对柴油机系统的非线性利用神经网络进行压力识别的可行性和实用性；另外，在未知气缸压力的前提下识别气缸压力也成为一个新的研究方向。     

柴油机气阀的磨损和下陷分析及研究

从气阀的工作条件出发,分析了气阀磨损和下陷的原因及其影响因素,提出了预防柴油机气阀磨损的措施。     

舰船柴油机喷油器故障3例

文章对几例常用舰船柴油机喷油器的偶发性故障进行了剖析,给出了排除过程和方法,最后对喷油器的使用维护提出了几点建议,对开拓柴油机使用管理人员的思路、吸取有关经验、提高维修技能有一定的参考借鉴作用。     

舰船用柴油机故障在线智能诊断研究

通过对目前机械故障诊断，特别是对各种柴油机故障诊断理论和技术方法的综合研究，结合舰船上常用的柴油机的特点，提出了用应变片采集缸盖振动的应变响应、用局域波理论实施非平稳信号分析的在线智能的故障诊断新思路，并给出了这种方法的基本原理、主要内容以及实施方法。     

船舶柴油机机械磨损故障诊断的模式识别

船舶柴油机在工作过程中,经常会发生机械磨损故障,给船舶柴油机的工作稳定性带来困扰,针对当前船舶柴油机机械磨损故障存在的诊断准确率低、机械磨损故障诊断时间复杂度高等缺陷,设计了一种船舶柴油机机械磨损故障诊断的模式识别方法。首先分析当前船舶柴油机机械磨损故障的原理,并提取船舶柴油机机械磨损故障诊断特征,然后采用层次分析法分析确定每一个船舶柴油机机械磨损故障特征的权值,并根据RBF神经网络确定船舶柴油机机械磨损故障诊断的模式识别模型,最后进行船舶柴油机机械磨损故障诊断的验证性测试,分析本文方法的船舶柴油机机械磨损故障效果。本文方法的船舶柴油机机械磨损故障诊断率超过了90%,不仅远远高于对比方法的船舶柴油机机械磨损故障诊断率,而且船舶柴油机机械磨损故障效率得到有效的改善,具有很好的推广前景。     

振动分析诊断发动机活塞——气缸套磨损间隙

分析了发动机活塞－－气套的间隙与机身表面振动信号的相关性，介绍了利用振动信号特征量诊断间隙的方法。     

用于故障识别的神经网络

在船舶和动力工业中，目前有一种利用人工智能技术来分析发动机性能数据的工况监测系统。已证明这种系统在优化发动机性能以及通过制定合理的维修计划从而减少停机时间是十分有用的。这种系统需对发动机性能数据，如发动机速度、燃烧状况、增压压力、涡坟器速度以及排报温度进行仔细地监测。系统彩内插法和模式识别算法将监测得到的数据与预先储存在查询中数据进行比较。     

舰船柴油机智能化在线监测及故障预报技术研究

使用故障预报数据库、专家系统、知识库、故障预报推理模型,结合硬件高速处理技术,实现了舰船柴油机智能化在线监测、故障实时预报和趋势分析,可有效避免故障的发生,降低柴油机备件数量和维修费用,保证装备的战技性能和高可靠性,满足海军战略转型对柴油机维修技术发展的需求.     

柴油机活塞—缸套磨损故障振动诊断机理的研究

通过对活塞组横向撞击的理论分析和活塞－缸套磨损故障的模拟试验，揭示了机身侧面振动的内部激励源及其与柴油机工况，活塞－缸套磨损间隙的内在联系，讨论了故障诊断中振动特征能量折优化选择问题，提出了和种适用于多种机型柴油机不同工况下活塞－缸套工作间隙的振动监测方法。     

神经网络在舰船噪声识别中的应用

本文基于多层前馈型网络模型发展了一种利用声纳信号进行目标识别的技术，并在对传统BP算法局限性详细分析的基础上，对其稍作改进，提出了BP－选择学习算法。实验表明，此算法对噪声信号的识别效果好于BP算法。     

舰船磁场模型参数在目标识别中的应用

在深入研究舰船磁场单一旋转椭球体建模及其模型参数稳定性的基础上,以该模型参数作为舰船目标识别的新特征量,用人工神经网络方法对船型、航向等目标模式进行识别,达到了良好的识别效果。     

人工智能技术舰船发动机状态分析

发动机振动信号分析是判断发动机状态的重要因素,传统方法忽略对发动机振动信号的处理,导致舰船发动机状态分析时间较长,为此设计一种基于人工智能技术的舰船发动机状态分析方法。采集舰船发动机的振动信号,采用时域分析法对振动信号处理,获得发动机振动信号特征中不同信号和不同时刻的相互依赖关系,依据人工智能技术确定振动信号的鲁棒值,从而确认舰船发动机异常情况,以此完成舰船发动机状态分析。在舰船发动机无故障情况下和有故障情况下进行了发动机状态分析的实验。结果证明,在无故障情况下和有故障情况下,本文设计方法对发动机状态的分析时间均比传统2种分析方法的分析时间短,证明此次设计的基于人工智能技术的舰船发动机状态分析方法分析效果好。     

基于物联网的舰船语音信号高清识别系统设计

为解决常规舰船语音信号识别系统存在识别成功率较低的不足,提出了基于物联网的舰船语音信号高清识别系统设计。基于舰船语音信号高清识别系统硬件构成设计,以及物联网传感器识别技术的引入,实现了舰船语音信号高清识别系统硬件设计;依托舰船语音信号高清识别程序设计,降噪设计,完成舰船语音信号高清识别系统软件设计,实现了提出的识别系统设计,实验数据表明,提出的高清识别系统较常规识别系统识别成功率提高25.18%,适合于不同海域的舰船语音信号高清识别。