共查询到20条相似文献,搜索用时 265 毫秒
1.
2.
《舰船科学技术》2021,43(18)
船舶故障趋势预测的研究具有重要实际应用,船舶故障趋势复杂多变,当前船舶故障趋势预测方法无法高精度描述其故障变化特点,使得船舶故障预测趋势结果靠性低。为了提高船舶故障趋势预测效果,设计了基于大数据的船舶故障趋势预测方法。首先分析当前船舶故障趋势预测研究进展,找到各种方法的船舶故障趋势预测的局限性,然后采用船舶故障趋势数据,并利用大数据分析技术拟合船舶故障变化趋势,构建船舶故障趋势预测模型。最后在相同平台下,与其他船舶故障趋势预测方法进行了对比测试。结果表明,大数据的船舶故障趋势预测精度超过95%,不仅完全达到了船舶故障控制的实际应用要求,而且船舶故障趋势预测效果要优于对比方法,具有更加广泛的实际应用范围。 相似文献
3.
4.
《舰船科学技术》2019,(2)
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。 相似文献
5.
单相接地故障是中压船舶电力系统中的频发故障,容易发展成严重的短路故障而威胁系统运行安全。为充分了解该类故障,结合实际中压船电系统给出了零序等效网络,分析了系统中出现单相接地故障时零序电流的分布情况,并以表达式和矢量图的形式阐明了故障线路与非故障线路上零序电流的幅值与相位特征。在MATLAB中建立动态仿真模型验证了分析和结论,为单相接地故障的继电保护提供了参考。 相似文献
6.
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. 相似文献
7.
8.
9.
10.
针对某型舰船的主推进电机后电枢励磁电流不可调整的故障问题,在理论上分析造成故障的原因,并在此基础上通过逐步排查和检测,确定了故障原因,精确定位了故障点,及时排除了故障,为此类故障检修和排除积累了维修经验。 相似文献
11.
文章针对主机油雾监测系统在使用过程中出现的各类故障进行原因分析,结果判断为控制器故障、传感器故障、采集通道故障,根据相关的故障代码提出了对应的分析判断及故障排除。 相似文献
12.
13.
《舰船科学技术》2018,(22)
低功耗电子电路是船舶电力系统的主要组成部分,也是最易出现故障的部分,针对当前船舶电力系统低功耗电子电路故障获取方法存在的不足,为了提高船舶电力系统低功耗电子电路故障获取精度,设计了基于数据挖掘的船舶电力系统低功耗电子电路故障获取方法。首先分析当前船舶电力系统低功耗电子电路故障获取研究存在的问题,指出当前获取方法存在的局限性,然后提取船舶电力系统低功耗电子电路故障特征,采用数据挖掘技术构建船舶电力系统低功耗电子电路故障获取模型,最后进行了船舶电力系统低功耗电子电路故障获取仿真实验,实验结果表明,本文方法的船舶电力系统低功耗电子电路故障获取平均精度超过95%,远远高于对比方法的船舶电力系统低功耗电子电路故障获取精度,降低了船舶电力系统低功耗电子电路故障获取错误。 相似文献
14.
为提高船舶主机低功耗电子电路故障的检测效果,设计了一种船舶主机低功耗电子电路故障准确获取系统。首先分析了当前船舶主机低功耗电子电路故障检测的研究现状,指出各种检测方法的不足,然后引入层次分析法对船舶主机低功耗电子电路故障特征进行分析,确定每一个特征对故障检测结果的权重,并采用支持向量机根据权重对船舶主机低功耗电子电路故障进行检测,最后将应用于船舶主机低功耗电子电路故障准确获取系统中。仿真测试结果表明,本文系统的船舶主机低功耗电子电路故障检测精度高,降低了船舶主机低功耗电子电路故障检测误差,可以应用于实际的船舶主机电路故障检测中,具有较高的实际应用价值。 相似文献
15.
杨子风 《船舶标准化工程师》2018,(4)
船舶电气在正常运行过程接地故障极为常见,给船舶电气的设备可靠性能造成严重的影响,甚至还可能产生船舶停止航行的现象。因船舶内部的电气设备构造比较复杂,一般的电气接地故障也很隐蔽,增加了处理故障的难度。文章阐述了船舶电气接地故障的主要原因,分析了船舶电气的接地故障带来的不利影响,进而探讨了接地故障的具体查找与处理方法。 相似文献
16.
17.
18.
舰船机械部件是一个非线性系统,舰船机械部件出现故障概率相当高,当前故障预测方法无法描述舰船机械部件故障的不确性,因此舰船机械部件故障预测精度低,为了提高舰船机械部件故障预测精度,克服当前舰船机械部件故障预测方法的缺陷,设计了一种舰船维护中机械潜在故障智能预测方法。首先提取描述舰船机械部件故障类别的特征信息,然后采用BP神经网络对舰船机械部件故障特征信息进行学习,确定相对应的舰船机械部件故障类别,并解决BP神经网络参数确定问题,最后与其他方法进行了对比实验。结果表明,本文方法的舰船机械部件故障预测精度超过95%,远远高于对比方法的舰船机械部件故障预测精度,改善了舰船机械部件故障诊断速度,具有十分广泛的应用前景。 相似文献
19.
20.
《舰船科学技术》2020,(12)
舰船故障数据种类多,变化复杂,当前方法无法实现高精度的舰船故障数据自动分类,使得舰船故障数据自动分类精度难以满足实际应用的要求。为了获得理想的舰船故障数据自动分类结果,本文构建了一种基于机器学习算法的舰船故障数据自动分类方法。对当前国内外的舰船故障数据自动分类文献进行分析,并提出机器学习算法的舰船故障数据自动分类框架。通过传感器采集舰船故障数据,从中提取描述数据类型的特征集合。最后引入机器学习算法描述特征与舰船故障数据类型之间的联系,从而实现舰船故障数据自动分类,并通过仿真验证性实验分析其效果。相对于传统舰船故障数据自动分类方法,机器学习算法的舰船故障数据自动分类精度明显增加,舰船故障数据自动分类速度也得到了一定程度的提升。 相似文献