多传感器融合下船舶机电系统多发故障信号监测

为了提高船舶维护效率,提出一种多传感器融合下船舶机电系统多发故障信号监测方法。根据故障状态下的信号频率,使用小波变换法提取故障信号特征参数作为蚁群算法优化BP神经网络输入,实现多发故障诊断,并通过DS证据理论完成多传感器数据融合,得出故障诊断结果。实验结果表明,该方法可通过多传感器融合判断出船舶机电系统故障类型,即使一种传感器出现故障也不影响诊断效果,诊断船舶机电系统多发故障平均准确率高达97.02%,能够实现较为精准的船舶机电系统多发故障监测。     

船舶强噪声电子电力设备微弱故障信号获取系统

故障信号获取在船舶电子电力设备故障检测中具有重要作用,获取的故障信号质量越高,检测结果越好。为此,针对传统故障信号获取系统在面对强噪声干扰下,采集到的信号质量较差的问题,研究一种强噪声下船舶电子电力设备微弱故障信号获取系统。该系统在软件程序指导下,利用传感设备、通信设备以及DSP实现信号采集、处理、传输、分析、显示等功能。经测试,面对强噪声干扰,本系统采集到电子电力设备微弱故障信号信噪比要大于传统系统,由此说明本系统获取的信号质量更高,更有利于设备故障检测。     

基于DSP的船舶通信设备故障辨识模型

针对当前船舶通信设备故障辨识误差大,不能满足现代船舶通信要求的难题,提出基于数字信号处理(DSP)的船舶通信设备故障辨识模型。首先分析船舶通信设备故障辨识原理,并采用数字信号处理技术采集船舶通信设备的状态信号,然后采用小波包对船舶通信设备的状态信号进行处理,并提取最有效的船舶通信设备故障辨识特征,最后引入机器学习算法建立船舶通信设备故障辨识模型,采用具体船舶通信设备故障辨识样本进行仿真测试,结果表明,数字信号处理的船舶通信设备故障辨识精度高,船舶通信设备故障辨识误差小于当前其他辨识模型,而且故障辨识的训练时间和测试时间相应减少,改善了船舶通信设备故障辨识结果。     

单片机在设备信号采集与分析处理系统中的应用

为了提高船舶设备的使用质量,延长船舶设备使用寿命,有必要对船舶设备的信号采集、分析和处理过程进行系统研究。船舶设备信号包括电路信号、模拟量信号、声音信号和振动信号等,本文研究的对象是船舶设备的振动信号和噪声信号采集和分析,主要是因为这2种信号与船舶设备的运行状态息息相关,可以快速反映船舶设备的运行工况。本文介绍了基于单片机的船舶设备信号采集系统的基本框架,设计了船舶设备信号采集与处理系统的硬件电路和软件流程,对改善船舶设备的信号采集与分析能力,提高船舶设备故障诊断与监控水平有一定的作用。     

组合机械故障诊断技术在船舶电机轴承异常检测中的应用

为保障船舶航行安全,针对当前船舶机械轴承故障检测过程中常出现检测速度缓慢、检测误差大等问题进行分析,结合组合机械故障检测技术对船舶电机轴承异常诊断方法进行了创新和优化。首先对电机轴承正常运行状态下的信号特征和故障信号特征分布进行提取,并录入数据库。其次,利用人工蜂群算法对最优信号分类参数进行搜寻。最后,利用组合机械故障诊断算法对电机轴承运行参数采集结果做出判断。最后通过实验检测结果证实,结合组合机械故障诊断技术在船舶电机轴承异常检测可及时对船舶电机轴承异常情况进行检测,快速检测出设备运行异常,避免船舶航行过程中的安全隐患,促进船舶航运工程的快速发展。     

基于Morlet小波的船舶机舱监控系统研究

当船舶机舱设备异常或故障时,传感器采集到的数据序列中往往存在着突变信号,通过分析这些突变信号可对设备的运行状况进行有效预警。本文将Morlet小波应用于机舱数据分析中,能够准确识别异常数据中的突变信号,并运用Mann-kendall检验法提取其突变点。建立了预警分析处理模型,结合实际机舱样本数据验证了预警实现的可行性,结果表明基于Morlet小波的船舶机舱监控系统提取的突变点精确、可靠,预警精度高。     

电机组振动故障实时监视技术研究

电机组振动故障实时监视的系统,可用于发动机等船舶上大型电机设备的故障预测。利用高灵敏度的MEMS加速度传感器对振动信号实时采集,并配置专用的电机组振动监测设备进行实时的特性分析,判断电机的工作状态。文中设计的监测系统具有结构简单,灵敏度高等优点,可很好的应用于电机故障的监测中。     

基于机器学习算法的船舶电气故障分类与诊断方法

为实现船舶电气故障的早发现、早解决,设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号,利用小波包分析方法提取增强后的电气设备振动信号特征,将电气设备振动信号特征输入卷积神经网络中进行训练,得出最佳的故障分类与诊断模型,并利用该模型实现船舶电气设备的故障分类与诊断。实验表明：采用Teager能量算子可以快速准确地将传感器采集的信号放大,且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%,可能够准确诊断出船舶电气设备是否存在故障,并获取对应的电气故障类型。     

基于无线传感器网络的船舶电力系统故障检测算法

为了解决传统故障检测算法存在的检测精度低的问题,提出了基于无线传感器网络的船舶电力系统故障检测算法。构建无线传感器网络,并利用该网络实现对船舶电力系统实时运行信号的采集。按照不同的电力系统故障类型设置故障特征,作为故障检测的数据对比标准。通过输出故障类型和故障发生位置,实现船舶电力系统的故障检测。实验结果表明,与传统检测算法对比,设计的故障检测方法得出的检测结果更加接近设置的故障数据,即设计的故障检测算法的检测精度更高。     

船舶机舱辅机设备振动监测系统设计

针对传统振动检测方式无法第一时间检测到辅机设备异常振动的问题,基于三轴加速度传感器模块设计了振动状态采集模块,在Modbus协议的基础上结合WPF框架开发了上位软件,并结合《智能船舶规范》实现了对船舶辅机设备振动状态的实时监测.经"中华复兴"号客滚船应用证明:该系统运行可靠,能够及时发现辅机设备异常振动并提供连续的振动...     

基于数字信号处理技术的船舶电子设备故障诊断

当前船舶电子设备故障诊断方法无法准确表达船舶电子设备故障变化特点,船舶电子设备故障诊断成功率低,出现了大量错误的船舶电子设备故障诊断结果,同时船舶电子设备故障诊断实时性差,为此设计了基于数字信号处理技术的船舶电子设备故障诊断模型。首先分析当前船舶电子设备故障诊断模型存在缺陷的原因,通过数字信号处理技术采集船舶电子设备工作状态信号,并从信号中提取船舶电子设备故障特征向量,然后将船舶电子设备故障特征向量作为极限学习机的输入,通过确定极限学习参数建立船舶电子设备故障诊断模型,最后在Matlab2016平台上进行了船舶电子设备故障诊断仿真模拟测试。结果表明,本文模型可以提取描述船舶电子设备工作状态的信号,提取特征向量可以很好描述船舶电子设备故障类型,使得船舶电子设备故障诊断成功率得到提高,故障诊断的错误率降低,有利于船舶电子设备故障处理。     

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。     

基于LabVIEW的船舶柴油机不同工况下的机身振动信号分析

机身振动信号对船舶柴油机故障的识别具有重要作用,可为故障的分析提供重要的参数,因此编写了基于LabVIEW的柴油机振动信号的采集与分析系统,应用搭建的平台在正常工况和几种典型的故障模式下进行振动信号的采集与分析试验。从采集到的状态信号中提取与设备故障密切相关的机身振动信号进行时域、频域和幅值域的分析,同时通过各特征参数的分析对柴油机进行简单有效的故障诊断与识别,并根据计算得出的特征值的变化趋势来分析确定信号中故障的发生与发展,及时对故障作出分析诊断。这对保证船舶安全航行以及对设备实行预知维护都具有十分重要的意义。     

基于前馈式神经网络的船舶电机转速信号采集系统

由于受到网络延迟问题的影响,当前采集系统普遍存在相同时间序列上采集值与实际值存在一定的偏差问题,导致采集到的信号准确性受到严重影响。针对上述问题,设计基于前馈式神经网络的船舶电机转速信号采集系统。该系统以霍尔轮速传感器作为现场电机转速采集设备,并通过调理电路,调理电机转速信号。当电机转速信号通过单片机传输时,通过设计的基于前馈式神经网络的延迟补偿器补偿后,将电机信号发送到接收端,完成整个采集系统工作。结果表明:所设计系统应用下,经过补偿,相同时间点上,船舶电机转速采集值与实际值偏差减少,采集到的信号准确性提升,达到了研究目标。     

基于RBF神经网络的船用低速柴油机故障诊断系统

为确保船舶海上运输的安全性与稳定性,设计基于RBF神经网络的船用低速柴油机故障诊断系统.使用多传感器采集船用低速柴油机各关键构件信号,并对信号进行预处理,运用过限判断模块获得故障信号,RBF神经网络依据故障信号特征进行船用低速柴油机故障诊断和故障程度判断.实验结果表明,该系统能有效滤除信号中的无用高频信号,故障诊断结果...     

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。     

利用卡尔曼滤波预测船舶航行轨迹异常行为

随着计算机控制技术的飞速发展,在船舶的航行预测和控制领域,人们相继开发出了各种智能化的预测算法,从而保证了船舶航行的安全。在船舶的行为预测和控制中,需要大量的传感器对船舶的姿态信息、设备状态信息和通信导航设备信号进行采集,因此本文着重研究了信号的滤波算法。本文提出了基于卡尔曼滤波算法的船舶航迹跟踪技术,并针对船舶的航行特点,建立了适当的运动模型和状态方程,最后通过仿真实验,对扩展卡尔曼算法的目标跟踪性能进行验证。     

BP神经网络在船舶远程监控中的应用研究

近年来,随着无线通信、传感器网络等技术的快速发展,船舶远程监控系统在保障航运安全、维护船载设备等方面发挥着越来越重要的作用。船舶远程监控系统实现船岸间数据信息共享和交互,对船载设备的运行状态进行实时监控,并根据采集的数据进行状态预测和故障诊断。本文在船舶远程监控系统基础上,利用BP神经网络的自组织学习特性,提出远程故障诊断模型,该模型能够根据设备运行参数对故障趋势进行准确判断并发出预警。     

船舶起重设备异步电机故障维修方法

传统的异步电机故障维修方法存在着维修效率低的缺陷,为此提出船舶起重设备异步电机故障维修方法。采用传感器、采集卡等设备对异步电机的振动信号和电流信号进行采集,通过时域特征方法在采集的信号中提取故障特征量,将其导入故障识别算法实现了异步电机故障的识别。以得到的故障识别数据为依据,建立异步电机故障维修模型,将故障数据导入模型中,实现异步电机故障的维修。通过实验得到,提出的异步电机故障维修方法的维修效率比传统方法高出23.9%,说明提出的异步电机故障维修方法具备极高的有效性。     

舶舶AIS轨迹异常的自动检测与修复算法

船舶自动识别系统(Automatic Identification System,AIS)轨迹是船舶位置和时间的记录序列,对船舶航行状态分析、船舶交通流预测及船舶海事事故分析等具有一定的意义,而受一些因素影响,采集到的AIS数据会产生错误,导致AIS轨迹出现异常。对此,在对大量AIS数据进行深入解析的基础上,归纳出AIS轨迹异常的几种类型,针对各类型的特征对船舶轨迹异常进行自动检测,并采用3次样条插值模型实现修复算法。研究成果可为基于船舶航行轨迹数据的相关研究提供快速、准确的技术支持。