自适应小波网络在船舶噪声识别中的应用

本文基于自适应小波网络理论,构造了一个应用于船舶辐射噪声识别的自适应小波网络分类器。仿真结果表明,该方法具有良好的目标识别性能,且收敛速度快,是一种有效的目标识别方法,从而为研究自适应小波网络理论在声呐信号目标识别领域中的应用有着极其重要的实际意义。     

大型船舶动力装置故障的诊断研究

大型船舶动力装置工作负荷较大,故障诱因较多,为了有效准确排除大型船舶动力装置,提高工况稳定性,提出一种基于喘振谱特征提取的大型船舶动力装置故障检测诊断方法。采用多传感器进行大型船舶动力装置的物理信息采集,提取动力装置的振动信号和喘振信号,对提取的信号进行时频变换和离散谱特征分析,采用自相关匹配滤波器进行船舶动力装置振动传感信号的滤波处理,对滤波输出信号进行喘振谱提取,对提取的谱特征量输入到神经网络分类器中进行故障判别。仿真及结果表明,采用该方法进行大型船舶动力装置故障诊断的准确性较高。     

基于改进包络分析的船舶轴系故障检测

为解决船舶轴系振动信号中冗余信息过多、故障特征难以识别的问题,提出一种改进的包络分析方法。使用谱峭度(Spectrum Kurtosis,SK)选择包络分析的频带,应用峭度图确定最大SK对应最优频带参数,采用最优频带参数对振动信号进行滤波;对滤波后的信号使用小波包进一步降噪,并对处理后的信号进行包络分析,根据包络谱确定故障类型。采用该方法可以实现在强背景噪声条件下轴系故障的检测。     

RBF网络的船舶电子信息设备状态识别

受到电子信息设备状态信号分类能力的限制,致使传统识别方法在不同的环境下存在识别效率低的问题,为此提出RBF网络的船舶电子信息设备状态识别方法。首先按照电子信息设备的运行状态,设置特征参数的活动区间,以此作为设备状态的识别标准。利用RBF网络运行原理设计分类器,收集实时设备信号数据作为分类器的输入值。以分类器的输出结果为基础,提取电子信息设备信号特征,通过与设置的工作状态参数作匹配,实现船舶电子信息设备状态的识别。经过与传统设备状态识别方法的对比实验得出结论,设计识别方法在2种实验环境下,识别速度与识别精度均高于传统方法,即设计识别方法在识别效率方面具有明显优势。     

数据挖掘的船舶电力电路短路识别

电路短路类型多样复杂,当前方法的电路短路识别错误概率高,为降低电路短路识别的错误概率,设计了基于数据挖掘的船舶电力电路短路识别方法。首先采用传感器采集船舶电力电路工作状态信号,并采用小波包对船舶电力电路工作状态信号进行多层分解,提取相应的小波包能量熵,将其作为船舶电力电路短路识别的特征,然后采用数据挖掘技术对特征向量和船舶电力电路短路类型间的变化关系进行建模,设计船舶电力电路短路识别模型,最后在Matlab 2017平台进行了船舶电力电路短路识别实验,本文船舶电力电路短路识别正确率超过95%,而对比方法的船舶电力电路短路识别率低于90%,本文方法不仅大幅度降低电路短路识别的错误概率,而且船舶电力电路短路识别效率更高,能够用于实际的船舶电力系统管理。     

大型船舶电力网络异常输电线路自动识别分析

电力网络输电线路一旦出现异常,将直接导致船舶上各设备运行受到影响。为此,进行大型船舶电力网络异常输电线路自动识别分析研究。该研究首先利用故障录波装置采集电气量信号,然后利用基于小波能量熵的方法提取特征,最后利用BP神经网络构建识别模型,自动识别船舶电力网络输电线路异常类型。结果表明,所研究方法应用下,得到的识别结果与人为设置的异常类型一致,证明了所研究识别方法的有效性。     

大型船舶轴系故障监测方法研究

不能定位故障发生模块,处于轴系中的具体位置,进而造成故障清除时间较长,是普通船舶轴系故障监测方法存在的主要弊端。为解决上述问题,建立新型SOM大型船舶轴系故障监测方法。通过船舶轴系故障表现形式分析、轴系故障特征提取,完成故障的特征诊断。在此基础上,通过自组织轴系故障网络的搭建、船舶数据处理,完成SOM大型船舶轴系故障监测方法的建立。设计对比实验结果表明,新型方法与普通方法相比,能够准确定位故障发生模块在轴系中所处位置,大大缩减清除故障所需时间。     

Ship propulsion shafting bearing fault diagnosis based on holographic SDP similarity visual recognition北大核心CSCD

[目的]针对船舶推进轴系轴承的故障诊断问题,提出一种基于全息对称点图形(SDP)和相似性识别的可视化诊断方法。[方法]首先,多方位采集轴承振动信号,全面监测轴承发生故障时的规律性冲击在时域和频域中引起的非平稳性变化特征;然后,基于SDP对称点分布原理,将多个维度信号的时域和频谱融合至同一个二维图形,以放大信号之间的差异性;最后,基于相似性识别方法对轴承进行简易诊断。[结果]轴承故障实验平台的验证结果表明,该方法可以实现多个信号的有效图形融合,全面展示设备信号的状态特征,从而准确地诊断故障。[结论]研究成果可为船舶推进轴系轴承的可视化故障简易诊断提供参考。     

改进小波变换的船舶射频信号降噪和识别

针对船舶射频信号受通信环境因素及硬件多源噪声的广泛复合因素影响而包含多种频段的噪声,在实时检测中造成有效信号检测率低、误差大的问题,本文设计一种船舶射频信号噪声降噪和识别的软硬件结合的仿真系统。将获取到的船舶射频信号经A/D转换电路转换后,在小波抑制模块分解得到小波系数,并采用改进阈值小波滤波后重构信号,送入信号识别模块利用概率神经网络进行识别。实验结果表明：本文提出的降噪识别方法能够有效地降低信噪比,提升船舶射频信号的识别率,可以应用到实际的船舶射频信号的检测系统中。     

基于时间序列与小波分析的船舶柴油机故障诊断

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号.采用时间序列分析方法对船舶柴油机缸盖振动信号功率谱进行识别,采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断.