基于混沌理论与小波包分析的舰船状态监测方法

随着经济发展,通过舰船进行货物运输越来越频繁,保证舰船的安全性,快速准确的检测到舰船的状态并对舰船的故障进行排除具有非常重要的现实意义。本文从对混沌理论和小波包的分析中获取各自特点,并且将二者相结合进行舰船状态的检测,首先利用小波包分析分解可能引起舰船状态发生变化的特征信号,其次利用混沌理论对信号进行特征提取,确定是哪个部位发生故障,最后通过实验验证本文所设计算法的可靠性。     

基于小波包-时间序列分析的水位调节器故障诊断方法

利用小波包-时间序列分析方法对舰用主冷凝器水位调节系统故障进行诊断,在实验中设置4种工作状态,采集了4种状态下的流量信号.对所采集的信号进行小波包分解消噪,通过时间序列分析方法获取每种状态的特征信息,利用Euclide距离判别系统故障.实验证明该方法的正确、有效性.     

基于小波包汽轮机货油泵振动信号仿真分析

文章通过小波包分析方法对汽轮机货油泵信号进行仿真分析验证,对信号进行时域信号分析,基于振动信号的小波包特征提取,得出故障频率特征,进而可以分析判定故障的存在,验证小波包分析对故障特征量提取的有效性。     

基于小波包——时间序列分析的水位调节器故障诊断方法

利用小波包—时间序列分析方法对舰用主冷凝器水位调节系统故障进行诊断，在实验中设置4种工作状态，采集了4种状态下的流量信号。对所采集的信号进行小波包分解消噪，通过时间序列分析方法获取每种状态的特征信息，利用Euclide距离判别系统故障。实验证明该方法的正确、有效性。     

集装箱桥吊前大梁主铰冲击特征分析技术的研究

应用小波包分析技术,结合Hilbert包络技术,提出了小波包能量包络技术。该技术能够很好地表征桥吊在工作时产生的振动冲击等非平稳信号的状态特征,为桥吊的状态监测和安全评估提供了一种抗噪能力强、特征表达灵敏的特征抽取技术,并在已开发的状态监测和评估系统中得到了实践,取得了很好的应用。     

基于DCNN-BiLSTM的滚动轴承性能退化因子构建方法

针对如何从多维度特征中提取滚动轴承性能退化信息，构建性能退化因子的问题，提出一种基于DCNN-BiLSTM的混合输入网络。首先利用连续小波变换和24个典型时域频域特征计算公式分别得到滚动轴承振动的二维图像数据和一维时间数据，之后将两种不同维度的数据分别输入至混合输入网络进行训练，然后输入测试集数据得到滚动轴承的性能退化因子，最后利用单调性、预测性、鲁棒性对得到的性能退化因子进行评估。试验结果证明，混合输入网络结合DCNN和Bi-LSTM的优点，可有效提取滚动轴承性能退化信息，得到的性能退化因子综合效果较好。     

小波分析在故障诊断中的应用

在分析小波变换原理的基础上,根据设备出现故障时的信号特征,介绍了小波分析在降噪及故障诊断中的应用。重点分析了小波变换应用于设备故障诊断的优点及其优于傅里叶变换等其他方法的数学机理。最后通过实例验证小波分析在故障诊断中的应用,并通过与傅里叶变换对比,表明小波变换能克服傅里叶变换的固有缺陷,准确提取故障特征。     

船舶柴油主机状态监测中故障诊断方法研究

针对当前船舶柴油主机状态监测中故障诊断方法存在的诊断速度慢、诊断结果不稳定等缺陷,提出基于小波神经网络的船舶柴油主机状态监测中故障诊断方法。首先分析当前船舶柴油主机状态监测中故障诊断方法的研究现状,然后采用小波变换抽取船舶柴油主机状态监测中的故障特征,并采用神经网络对船舶柴油主机状态监测中故障特征进行学习,实现船舶柴油主机状态监测中故障诊断的分类决策,最后船舶柴油主机状态监测中故障诊断结果表明,本文方法不仅可以保证船舶柴油主机状态监测中故障诊断正确率,同时减少了船舶柴油主机状态监测中故障诊断时间,极大改善了船舶柴油主机状态监测中故障诊断效率。     

小波包分析在柴油机故障诊断中的应用

分析了柴油机缸盖振动机理,运用小波包对振动信号进行分析与讨论,将含噪信号进行小波包降噪处理,对降噪信号进行小波包分解,通过提取频带能量特征,对柴油机缸盖漏气故障进行了诊断.     

小波包分析在柴油机故障诊断中的应用

分析了柴油机缸盖振动机理，运用小波包对振动信号进行分析与讨论，将含噪信号进行小波包降噪处理，对降噪信号进行小波包分解，通过提取频带能量特征，对柴油机缸盖漏气故障进行了诊断。     

基于遥感图像的舰船运行信息提取方法

舰船运行过程体系复杂,通过对舰船运行信息提取,实现对舰船的实时状态监测,提出基于遥感图像的舰船运行信息提取方法。采用遥感探测方法进行舰船运行的图像采集,对采集的舰船遥感图像进行级联小波降噪处理,采用模板匹配方法进行舰船运行遥感图像的分块融合,实现运行状态特征量的图像反馈识别。根据对遥感图像的边缘轮廓检测结果进行舰船运行状态的实时监测和信息提取,提高舰船运行状态的可视化量化分析能力。仿真结果表明,采用该方法进行舰船运行信息提取能准确检测到舰船的运行特征信息,输出图像的信噪比较高,舰船运行状态的视觉监测性能较好。     

一种基于小波变换的SAR图像船舰监测新算法

船舶图像监测技术对于船舶的运行安全有着非常重要的作用,特别是在航道管理、船舶避碰、状态检测等领域,通过分析传感器采集的数据,可以获得非常多有用的信息。本文主要结合先进的SAR算法,通过小波变换对图像的有用信息进行过滤,提高了船舶图像的识别率。首先,对小波变换理论和SAR识别算法进行了原理阐述,然后对图像进行数字建模,提取出其中的有效矩阵信息,通过对特征数据进行互补和冗余信息,提高了系统的识别性能,在数据处理时,由于存在外部噪声干扰的问题,所以需要加入去噪声滤波算法。     

基于改进支持向量回归的船用机械零部件寿命估计

船用机械零部件退化的敏感特征难以提取,导致其寿命估计均方误差增加。为此,设计一种基于改进支持向量回归的船用机械零部件寿命估计方法。采用小波变换法去除全寿命周期数据噪声,提取零部件退化的时域特征,利用集合经验模态分解获取频域特征。经主成分分析法完成特征降维处理后,确定机械零部件退化的敏感特征。采用考虑莱维飞行机制的改进蚁狮优化算法寻求支持向量回归模型最佳参数。将提取到的敏感特征输入至改进支持向量回归模型中,得到船用机械零部件寿命估计值。实验结果表明,当步长为6时,支持向量回归模型的均方误差指标最小、决定系数指标最大,可实现机械零部件寿命精准估计。     

一种基于小波分析的船舶振动故障检测方法

迅速兴起的小波分析方法,对时变信号处理具有独特的优点,能同时在时频双域中对信号进行分析。通过对船舶辐射噪声特性的分析,论述了针对振动信号如何选择小波基和如何利用阈值的选取规则。通过与正常信号在仿真过程中的分析对比,直观地得到电路中改变参数所带来的软故障信号的突变特征,成功提取出电路中输出信号的软故障特征,为进一步诊断故障提供了便利。     

基于小波包分解的船用柴油机燃油电磁阀故障诊断方法

为了精准识别电磁阀故障,确保船用柴油机安全、平稳运行,提出基于小波包分解的船用柴油机燃油电磁阀故障诊断方法。采用小波包分解法对船用柴油机燃油电磁阀电流信号作分解,获取其多频带特征。通过核主成分分析法对其作降维处理,完成敏感特征选择。将其作为最小支持向量机的输入,自适应蚁群优化算法通过自适应调整挥发因子、状态转移规则确定最优模型参数,实现燃油电磁阀故障的准确诊断。结果表明：故障、正常工况下的燃油电磁阀电流特性曲线存在较大差异;该方法可提取电流信号的8个频带特征、不同频带特征间差异度大;特征选择有利于提高燃油电磁阀故障辨识度。本文方法可实现燃油电磁阀故障诊断,诊断效果突出。     

螺旋桨空化对噪声调制特征影响研究

针对螺旋桨空化特征的识别问题,采集某试验船在不同转速下的螺旋桨噪声信号,运用小波包原理重构出表征空化的特征信号,提取不同空化状态下的特征信号包络,对比分析特征信号包络时域和频域特性变化,得到空化发展对信号调制特征的影响规律。结果表明:空化初期调制谱的结构出现变化,同时在一定范围内空化特征信号的调制程度随着空化发展而加深。     

桥梁管理系统中的桥梁退化模型实现

分别运用马尔可夫链和半马尔可夫过程为桥梁管理系统建立桥梁退化模型,并提出程序流程。通过退化模型可以对桥梁状态进行预测,其预测结果直接为桥梁管理工作人员提供决策辅助,也可以作为桥梁决策优化的基础,而当桥梁状态数据不充分时,桥梁状态预测过程可以为桥梁管理系统采集数据提供必要的指导。     

提升小波变换在大型齿轮箱分析中的应用

讨论了提升小波变换在大型复杂齿轮箱故障信号特征分析的应用。通过实验分析,得出通过提升小波变换不仅可以有效的去除噪声、提高信号信噪比,还可保留原始信号的非线性特征,有利于后期故障特征提取的精确性。     

小波包降噪在液压泵故障诊断中的应用

基于小波包变换理论及小波包降噪基本原理,对液压泵配流盘偏磨故障及滑靴磨损故障的信号进行了处理,实测信号经小波包降噪后,能有效提取其中的信号特征,实验结果表明,小波包分析能够根据被分析的信号特征,自适应地选择相关的频带,提高信号的时—频分辨率,突出故障信息,实现微弱故障的高效诊断。     

具有变工况工作特点的装备性能综合评估

对具有变工况工作特点装备的性能综合评估方法进行了研究,分析了传统的模糊和神经网络综合评估方法所存在的不足,提出了一种利用性能参数间的物理关系,以退化状态与基准状态的特性间的距离为指标,以不同工况下的工作概率为权重的综合评估方法;建立了变工况工作装备性能退化的综合模型;并通过实例分析说明了该综合模型在实际应用中的可行性,对装备的使用与维修决策具有指导意义.