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。     

卷积神经网络在舰船舵-翼舵联合控制故障预测中的应用

传统预测方法在对联合控制故障进行预测时,未对故障状态变量数据预先处理,导致故障预测的误报率居高不下。因此,提出了卷积神经网络的舰船舵-翼舵联合控制故障预测方法。对故障预测状态变量数据进行预先处理,监测故障预警装置中的状态变量。优化状态变量中的损失函数,累计舰船舵-翼舵联合控制装置损失指数。重组故障预测神经单元结构,对舰船舵-翼舵联合控制故障进行预测。通过实验分析,传统方法 1故障预测误报率最高达到67%,传统方法 2故障预测误报率最高达到87%,基于卷积神经网络的舰船舵-翼舵联合控制故障预测方法故障预测误报率最低为15%。因此,基于卷积神经网络的舰船舵-翼舵联合控制的故障预测方法更好。     

基于单片机的舰艇开关电源故障维修系统设计

传统舰艇开关电源故障维修系统不具备对开关电源故障的自动化维修功能。结合开关电源故障数据电路故障的特点,提出并设计了基于单片机的舰艇开关电源故障维修系统。采用单片机控制技术,创建单片机开关电源控制平台,通过硬件平台将舰船所有开关电源的状态检测控制权独立出来,根据较低的资源消耗完成对开关电源状态的实时检测;通过故障检测策略实现对故障的识别;采用通过双回路电路控制算法完成对故障点电路的二级保障电路切换,实现开关电源故障的应急处理。为了验证设计系统对故障的处理能力,通过仿真故障实验对提出系统进行测试,通过数据的对比证明设计系统的有效性。     

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。     

船舶辅机电气设备红外故障自动检测系统设计

由于船舶辅机电气设备在故障检测时需要靠人工手段进行干预,存在检测精度的问题,为此提出并设计红外故障自动检测系统。采用FPGA芯片作为硬件系统的核心控制芯片,对电气故障图像进行匹配;利用故障检测算法,对电气设备内的故障进行自动识别与计算,实现红外故障自动检测。仿真实验结果表明,红外故障自动检测系统比传统故障检测系统的故障检测精度高24%,具备极高的有效性。     

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.     

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。     

某船冷库降温困难的原因分析与思考

根据某船冷库降温困难的故障现象及故障发展过程,介绍了轮机部人员对故障的排除过程及对故障原因的探讨与分析,指出轮机人员工作上的疏忽是造成故障的根本原因。通过对此次故障原因的思考,提出了加强船员管理,建立有效的船员工作考核机制,对保证船舶的正常营运具有重要的意义。     

使用数据挖掘实现舰船故障数据定位

为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。     

船舶电气自动化系统的故障检测与恢复方法优化

现有的故障检测方法存在着故障检测精准度低与检测效率低的缺陷,为此提出船舶电气自动化系统的故障检测与恢复方法优化研究。采用电气自动化系统对故障数据源进行获取,经过数据预处理得到类数据集,依据类数据集对故障检测程序进行编写,得到故障类距离,依据类距离对系统故障进行定位。根据检测到的故障信息,采用基础配置电气配置器对故障源进行替换,实现对电气自动化系统故障的检测与恢复。实验结果表明,优化后的故障检测方法的精准度与效率的平均值分别比现有方法高出28%和29%,说明优化后的故障检测与恢复方法具备较高的有效性。     

基于扭振信号的柴油机单缸熄火故障诊断与监测

利用曲轴扭振波形参数对柴油机熄火故障进行监测和故障定位分析,并开发故障监测系统。通过试验模拟柴油机熄火故障,利用曲轴扭角峰峰值、各谐次幅值和峭度值可准确地监测熄火故障。对扭角时域波形进行滤波处理后,与上止点参考信号和发火间隔角结合分析,可准确定位发生熄火故障的气缸,开发的故障监测系统可及时对熄火故障进行报警。     

船舶气象仪测风故障分析方法与应用

针对某航次过程中船舶气象仪测风数据出现异常的问题,建立故障树模型;通过故障定性分析,确定出故障原因和故障位置,并通过实证排查和测试对故障原因及位置进行确认,采取措施对故障进行消除;利用实船航行试验方法对所采取措施进行验证。试验结果表明:所分析的故障原因及定位准确,采取措施有效,表明该方法可提高船舶气象仪测风故障的诊断与维修效率。     

柴油机故障的模糊诊断

在对柴油机故障原因和故障症状之间的关系进行分析的基础上,采用二级模糊综合评判方法对柴油机的故障进行诊断.利用Visual Basic 5.0软件,设计了对柴油机故障进行模糊逻辑诊断(综合评判)的专用软件,并利用该软件对一故障实例进行了分析.     

某型船主发电机组定子并联环引出排熔断故障的处理

本文对某型船主发电机组定子并联环引出排熔断故障情况和拆检情况进行了描述.通过对熔断后的熔渣成分,以及引出排表层材质分析,并模拟引出排短路故障时不同紧固情况下的温升试验,确定了该故障的原因.随后对其它机组进行故障排查,确定故障为单机情况.通过故障处理的过程,总结了此类故障处理的几点经验和体会.     

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.     

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。     

FMEA在船舶分油机中的应用

以船舶分油机为研究对象,应用故障模式及影响分析方法(FMEA)确定出分油机的各种可能故障模式、故障原因和故障影响.同时计算出各故障的风险度,并依此对故障进行了分级,找出对分油机危害严重的故障.最后根据分析结果提出提高其可靠性的参考措施.本文研究能对其他的船舶设备应用FMEA进行可靠性分析提供有效的参考.     

船舶轮机设备多发故障信号监测方法研究

故障监测是故障诊断系统的重要组成部分,在船舶轮机设备运行中,受复杂环境因素的影响,轮机设备易出现故障隐患,影响船舶航行安全性。为实现对轮机设备故障状态的实时监控,有必要识别多发故障类型,建立起多发故障信号监测系统,满足轮机设备全方位、全时段监测需求。本文提出船舶轮机设备多发故障信号监测系统的设计方案,并对监测系统进行仿真实验,研究结果证实多发故障信号监测系统能够对船舶轮机设备的故障信号进行实时获取和分析,为准确识别故障类型提供数据支持。     

粒子群算法优化神经网络的舰船直流电机故障分类

针对舰船直流电机故障的误分率高、结果不可靠等难题,以进一步提高舰船直流电机故障分类正确率,提出了粒子群算法优化神经网络的舰船直流电机故障分类方法。首先采用小波变换对舰船直流电机故障信息进行多尺度分解,提取信号能量值作为舰船直流电机故障分类特征,然后将舰船直流电机故障的特征作为神经网络的输入向量,采用粒子群算法和神经网络对特征向量进行训练,建立舰船直流电机故障分类器,最后的舰船直流电机故障分类测试结果表明,本文方法可以准确实现舰船直流电机故障分类,有助于舰船直流电机故障的定位,而且舰船直流电机故障误分率要小于其他方法,舰船直流电机故障分类结果更加可信。     

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。