基于VMD和RBF的舰船管路泄漏识别和定位

针对工作环境恶劣、维护保养不便的舰船管路难以迅速定位泄漏点并对其进行损害管制,提出了一种基于VMD和RBF的舰船管路泄漏识别和定位方法。首先,对管路泄漏产生的空化现象、湍流和流体与管路的摩擦进行分析,研究影响泄漏产生激励的因素;然后,提出一种基于变分模态分解(VMD)与径向基函数(RBF)神经网络的管路泄漏识别和定位方法,通过VMD得到有效分量的中心频率和能量值分别构造特征向量,输入RBF神经网络以达到泄漏识别和定位目的;最后,模拟舰船环境,搭建泄漏管路试验平台,分析泄漏管路不同工况下的振动信号,并对RBF神经网络的诊断准确率进行验证。实测舰船管路故障信号分析表明,泄漏识别的准确率为90%,泄漏定位的准确率为87.5%。     

基于MCGS组态软件的船舶冷却水系统故障诊断设计

为实现对船舶冷却水系统的更有效的监测报警,利用MCGS（Monitor and Control Generated System）组态软件,结合MATLAB RBF神经网络,设计了故障诊断系统。该系统具有MCGS容易组态的特点,参数数据以及故障状态实现了动画显示,同时将神经网络运算纳入系统中,在实现实时监控的基础上实现了神经网络故障诊断,将故障诊断智能化。     

基于粗糙集理论的柴油机燃油系统故障诊断研究

针对柴油机燃油系统的故障种类多的特点利用小波方法对燃油波形进行分析,提取时域及频域的故障特征参数,并使用粗糙集理论对这些故障特征参数进行约简,达到简化故障识别的神经网络的结构、加快辨识速度的目的.最后用RBF神经网络对所模拟的各类故障进行辨识,证实了粗糙集理论在柴油机燃油系统故障诊断中应用的可行性.     

CPN神经网络在模拟电路故障诊断中的应用研究

提高模拟电路的故障诊断速度对于装备保障具有重大意义,采用CPN神经网络对模拟电路进行故障诊断,运用Matlab神经网络工具箱对其进行建模、网络训练和故障识别,结果表明采用CPN神经网络可以大大提高故障定位的准确率.     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用,并且首次将神经网络和虚拟仪器技术相结合,成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明,将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度,有很好的工程应用前景。     

机用传感器组故障诊断方法研究

对于柴油机状态检测与故障诊断，传感器自身故障的及早发现很重要。文章提出一种基于神经网络和冗余率计算的传感器组故障监测与诊断的新方法。该方法先用RBF神经网络对传感器组中的各个输出进行预测，若预测值与输出值发生较大的偏差，可能是传感器故障或设备故障，运用传感器之间的冗余率，进一步判断传感器是否发生故障，进而采用对应的诊断策略。     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

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...     

基于二维码标签的舰船配电网标准化巡视智能监控方法

现有通过故障点线序反馈电频信号的方法,无法在复杂的舰船配电网中智能准确锁定故障点。提出基于二维码标签的舰船配电网标准化巡视智能监控方法。依托二维码技术,创建二维码故障反馈单元,对配电网全线进行故障、参数、坐标综合二维码绑定。在二维码识别技术基础上,搭建智能监控管理模块,对绑定二维码数据进行标准化智能识别。使设计方法实现智能监控效果。通过实验证明:基于二维码标签的舰船配电网标准化巡视智能监控方法,在舰船配电网监控使用中,具有反应快、定位准、数据全、免人工监控等特点,充分证明提出方法的可应用性。     

神经网络技术在船舶柴油机故障在线诊断中的应用研究

文章主要研究基于RBF神经网络理论为数学工具对柴油机故障进行计算机仿真诊断,建立船用柴油机征兆与故障样本集,作为神经网络故障诊断的专家知识库,以实现船用柴油机故障诊断。并对柴油机性能工况的故障在线自动诊断进行探索,以提高故障诊断的及时性和准确率,减少误诊。     

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。     

传感器组故障自诊断自修正方法

提出用RBF神经网络对传感器组中的各个输出进行预测,若预测值与输出值发生较大的偏差,可能是传感器故障或设备故障,运用传感器之间的冗余率,进一步判断传感器是否发生故障,进而采用对应的诊断策略。     

基于改进t-SNE和RBFNN的柴油机故障诊断

针对柴油机故障诊断问题，提出一种基于改进t分布的随机邻域嵌入（t-SNE）和径向基函数神经网络（RBFNN）的柴油机故障诊断方法。针对t-SNE算法对振动信号的实际降维效果不够理想的问题，进行自适应加权优化；引入遗传算法（GA）解决果蝇优化算法（FOA）陷入局部最优的问题，将GA-FOA应用于RBFNN参数选取中；采用改进后的RBFNN模型对经自适应加权t-SNE降维的数据进行故障识别。研究结果表明，改进后的算法能明显改善聚类效果，提高故障识别的正确率，具有良好的应用前景。     

基于RBF神经网络的电池电解液密度预测

为了对电池电解液密度进行预测,建立了RBF神经网络模型,用电池放电试验数据对其进行了训练和检验。利用训练后的神经网络模型进行了电池电解液密度的预测,预测值与实测值的最大误差值为0.022g/cm~3,均方根误差值为0.004 g/cm~3左右。结果表明,RBF神经网络方法可以满足预测精度要求,从而可用于建立电池剩余电量实时监测系统,降低电池维护工作量并延长电池的使用寿命。     

基于RBF神经网络的雷达网抗干扰效果评估

通过分析雷达网抗干扰效果的评估指标集,建立了一种基于RBF神经网络的雷达网抗干扰效果评估模型,并通过试验数据样本进行学习训练RBF神经网络模型。最后,利用训练好的RBF神经网络模型对雷达网的抗干扰效果进行评估,结果表明基于RBF神经网络的雷达网抗干扰效果模型具有一定实用性和可行性。     

中性点不接地系统单相接地故障的分析及处理

以一起10kV电缆单相接地故障为例,对故障的经过和原因进行分析,并对单相接地故障的类型、危害、处理方法进行说明,探讨中性点不接地系统单相接地故障的处理方法和注意事项。     

船舶柴油机运行工况诊断仿真研究

提出了基于RBF神经网络的故障智能诊断方法。应用神经网络理论对柴油机故障进行智能仿真诊断，并考虑到海上航行环境的大气温度变化，实现大功率船用柴油机运行性能的主要故障的仿真。以对柴油机燃烧系统故障为例进行仿真分析、处理故障并制订相应的维修对策，从而提高柴油机的使用效率和寿命。此外，对开发实船柴油机故障诊断的辅助分析系统和轮机模拟器的功能扩展有实际意义。     

基于关联规则的舰船故障数据定位挖掘算法

为了提高舰船故障检测能力,需要进行舰船故障数据的实时挖掘和分类分析,提出一种基于关联规则的舰船故障数据的定位挖掘方法。采用电磁探测器、水声换能器、声呐装置、声学传感器等设备进行不同工况下舰船数据采集,包括舰船辐射噪声、机械振动等数据,对采集的数据进行高维特征融合处理,提取舰船故障数据的关联规则特征量,对提取的特征量采用K均值算法进行聚类分析,并通过BP神经网络分类器实现舰船故障数据的分类识别,实现舰船故障数据定位挖掘。仿真结果表明,采用该方法进行舰船故障数据挖掘的准确性较好,对故障的定位能力较强,提高了舰船实时故障诊断能力。     

船舶配电监测系统设计研究

针对船舶配电网络运行的监测手段和管理水平相对落后的问题,构建了船舶配电监测系统的结构形式,提出了配电监测系统设计方案,并对系统的组成和功能进行了说明。该系统采用集中数据管理,分层、分布式监测控制,采集全船配电网络的电量参数数据,通过CAN总线向系统终端传输,从而实现对全船配电网络实时集中监测和故障定位。     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法,本文较为系统地介绍了其测量、故障参数提取及分析方法,并在诊断分析中使用了进化RBF神经网络,此网络的训练采用遗传算法,优化了径向基神经网络的结构和参数,加强了网络的实用性.最后用神经网络对所模拟的故障进行辨识,证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性.