基于EMD的柴油机失火故障诊断

提出了一种基于经验模式分解（Empirical Mode Decomposition,EMD）和自回归（Auto Regression,AR）模型的柴油机失火故障诊断方法．对3110型柴油机断油故障及正常情况下的缸盖振动信号进行了测试分析,采用经验模式分解EMD方法对振动信号进行分解,得到固有模态函数（Intrinsic Mode Function,IMF）,对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机（Support Vector Machines,SVM）进行分类,判断柴油机的工作状态和故障类型．实验结果分析表明,该方法即使在小样本情况下也能准确有效地诊断柴油机失火故障,能实现故障的实时自动化诊断．     

舰船装备远程故障诊断系统设计

通过对舰船装备维修现状和未来需求的分析,提出基于舰船装备远程故障诊断系统的设计方法,这种方法充分利用计算机网络技术和综合各种有效维修资源,准确地对舰船装备进行故障诊断,增强对舰船装备的保障能力.     

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。     

舰船机电一体化装备故障诊断技术研究

主要介绍了舰船装备中电子技术,信息技术,机械技术有机结合的机电一体化设备的特点,故障诊断特点以及对应解决办法和如何建立相应的机电一体化故障诊断专家系统来辅助此类装备的维修。     

基于SVM-BP集成学习的舰船蒸汽动力系统故障诊断

传统故障诊断算法用于舰船蒸汽动力系统非均衡类样本问题存在准确率低且误分类的情况,本文提出一种基于支持向量机-BP神经网络集成学习的故障诊断模型。使用主层次分析法降低原始数据集的特征维度以改善数据量之间的冗余问题,然后设计3个并行的支持向量机分类器进行故障诊断,将分类器的结果数据融合作为BP神经网络的输入,进行二次诊断,得到最终的结果。用仿真平台采集的样本数据进行验证并重复运行30次获取结果,最终模型平均召回率为84%、平均准确率为95.04%。对比传统诊断算法及常用集成算法,该方法的准确率以及少数类样本的召回率明显高于其他诊断方法。     

支持向量机在舰船模拟电路故障诊断中的应用

模拟电路在舰船应用中越来越复杂,故障率也在不断的增加。本文通过分析舰船模拟电路的特征,提出支持向量机的故障诊断方法,其中采用mRMR-GASVM的支持向量机对故障诊断做出分析,并结合遗传算法对分类器的参数进行优化,可以提高故障诊断的准确性。最后建立一个Sallen-Key带通滤波器电路,对其进行仿真验证,结果显示这种方法可以有效诊断出舰船模拟电路的故障。     

基于EMD和RBF的滚动轴承故障诊断

提出了基于经验模态分解(EMD)和径向基(RBF)的滚动轴承故障诊断方法。同时给出了诊断实例:利用EMD将滚动轴承震动信号分解成若干个固有模态函数(IMF)分量,然后对每一个IMF进行Hilbert变换,最后提取每个IMF分量的平均频率及能量比,并以此作为RBF神经网络的输入参数来判断轴承的工作状态。诊断结果表明该方法能够实现轴承故障的诊断,而且速度快,准确率高,易于实现自动化监测。     

基于支持向量机的船舶柴油机故障诊断

介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高.     

基于PSO-SVM的柴油机故障诊断研究

文章以船舶柴油机表面振动信号作为故障诊断的对象,使用经验模态分解(EMD)结合小波阈值法对振动信号进行分解和降噪,再通过PSO-SVM方法对数据样本进行故障诊断.通过对比原始信号和重构信号在PSO-SVM算法计算之后的结果,经过降噪后的振动信号能很好地保持自身特性,可以很好地去除其中冗余、无效的信号,在提升诊断准确率的...     

基于经验模态分解的大型轮船锚机齿轮箱故障诊断

经验模态分解法(EMD)是一种针对信号变化的自适应处理方法。针对某大型轮船锚机齿轮箱,首先通过测量不同转速和位置的振动信号预估故障源;其次对采集出的原始故障信号进行处理,提取故障特征,即通过EMD将原始信号分解为若干个IMF分量,不同的IMF分量包含不同频段所对应的能量,然后再对IMF分量进行包络分析和谱分析,最终便可确定故障源,并对其进行修复。通过测试比较,验证了EMD理论方法的正确性和有效性。     

面向对象的船用机电设备信息管理与红外诊断系统的研制

讨论了采用面向对象技术,搭建船用机电设备信息管理平台的详细过程,并在此基础上,与红外诊断技术相结合,研制了船用机电设备故障的红外智能诊断系统.文中介绍了其主要组成部分和功能模块,最后给出了电机设备红外故障诊断的实例.     

设计模式在设备故障红外智能诊断软件中的应用

诊断软件由于其诊断对象的复杂性和诊断策略的多样性,为设计模式的使用提供了较大空间.将设计模式引入船用机电设备故障红外智能诊断软件的开发,并具体讨论了一些常见的模式如Adapter、Bridge、Strategy和Observer等在软件各个模块和环节中的应用.实验证明,设计模式的使用,简化、明晰了软件的结构,加强了软件的通用性、稳定性和灵活性,提高了软件的可理解性和可维护性,并使得丰富红外诊断软件的接口和功能变得更为容易,进一步拓宽了软件的使用范围.     

船舶动力装置智能故障诊断技术的应用与展望

  目的  为了实现对船舶艉轴承润滑状态的监测和评估,提出一种结合润滑性能衰变模型和支持向量机（SVM）算法的艉轴承润滑性能评估方法。  方法  针对船舶艉轴承润滑状态难以监测和识别的问题,建立轴承润滑衰变数值模型,并运用实验数据对该模型进行验证,研究载荷、粗糙度和半径间隙对润滑状态衰变机理的影响。基于SVM算法,构建润滑状态分类器,通过网格搜索算法优化超参数,利用不同润滑状态的数据集进行训练,最后实现对艉轴承润滑状态的评估。  结果  结果显示,随着外部载荷、粗糙度和半径间隙的增大,轴承润滑状态恶化的临界速度增大,动压润滑工作范围减小,混合润滑工作范围增大;由仿真数据集对润滑状态识别模型的验证表明,所提的润滑状态识别方法准确率达96.88%。  结论  所提方法能监测轴承的润滑性能特征,有效识别轴承的润滑状态。     

粗糙集理论在装备故障诊断中的应用

针对目前部队的装备故障诊断能力较弱的现状,通过几种故障诊断方法的比较,选取出粗糙集作为装备故障诊断方法,从而对已得到的装备状态的测试数据进行分析,利用粗糙集的约简算法消除冗余信息,利用决策表的形式从不完备的、不精确的测试数据中导出诊断规则,并应用于某型电台装备中进行故障诊断。结果表明,诊断结果快速准确,为今后进一步研究粗糙集算法在故障诊断中应用提供了依据。     

SVM在船舶柴油机故障检测系统中的应用研究

支持向量机(Support Vector Machine,简称SVM)是目前模式识别领域中最先进的机器学习算法,采用了核函数的思想,把非线性空间的问题转换到线性空间,降低了算法的复杂度.文中对SVM在船用柴油机故障诊断中的应用进行了论述,运用支持向量机理论对其进行了故障诊断的仿真研究和试验研究.     

FTA在船舶分油机故障诊断中的应用

论述了船舶分油机故障诊断研究的意义,介绍了分油机的工作原理与结构,结合分油机的常见故障,应用故障树分析法构筑相应的故障树模型,进行了定性分析,求出了最小割集和结构重要度排序。提出了故障诊断程序,为改进分油机维修方式提供参考。     

船用中速柴油机故障诊断技术研究

为了提高船舶柴油机故障诊断的准确性,实现对故障的精准定位,文章以6DE-18型船用中速柴油机为研究对象,从故障产生的机理入手,采用仿真软件建模,选取具有代表性的热力参数作为特征值,运用粒子群算法优化的支持向量机数学模型(PSO-SVM)进行故障诊断,并通过试验验证该故障诊断的准确性,改进了船用中速柴油机故障诊断的模式,...     

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.