基于支持向量机的船舶柴油机故障诊断

介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高.     

基于SVM模型算法和大数据分析技术的船舶设备故障诊断

为在船舶设备发生故障时能准确、及时地定位故障发生根源,保证船舶安全、经济运行,采用大数据分析方法和支持向量机(Support Vector Machine,SVM)模型算法对船舶设备进行故障诊断,提前预测可能发生的故障.以船舶柴油机滑油压力低故障为例,应用Python语言,通过SVM模型算法预测该故障的发生概率.结果表...     

模糊支持向量机在船舶柴油机故障诊断中的应用

探讨了支持向量机（SVM）的机理，并通过计算每一个样本的模糊隶属度，引入了模糊支持向量机（FSVM）的概念，解决了SVM中的不可分区域问题；应用FSVM对船舶电站主柴油机进行故障诊断，研究了FSVM参数的选择方法。仿真结果表明，FSVM具有较好的诊断效果和较强的抵抗噪声的能力。     

基于支持向量机的船舶柴油机故障诊断的研究

通过建立VC维统计学习理论,利用数学建模,建立并划分最优超平面以取得支持向量来训练,选取并考虑相关的影响因子以此构建样本数据集,以期对柴油机故障实现精确的诊断;而对于非线性空间情况,可采用核函数的思想来转化为线性空间,以此降低算法的复杂度;通过与人工神经网络方法的比较,表明该方法具有运算速度快,泛化能力强等优点;支持向量机(SVM)可以较好解决柴油机故障诊断中的机器过学习、小样本、高维数、非线性等问题。     

SVM在船舶柴油机故障检测系统中的应用研究

支持向量机(Support Vector Machine,简称SVM)是目前模式识别领域中最先进的机器学习算法,采用了核函数的思想,把非线性空间的问题转换到线性空间,降低了算法的复杂度.文中对SVM在船用柴油机故障诊断中的应用进行了论述,运用支持向量机理论对其进行了故障诊断的仿真研究和试验研究.     

支持向量机在船舶电力推进系统故障诊断中的应用

针对人工神经网络收敛速度慢、容易陷入局部最优解等不足,本文采用支持向量机技术建立船舶电力推进故障诊断系统。确定支持向量机的核函数和分类方法,结合训练样本,采用基于网格搜索的K重交叉验证法进行核函数的参数优化,从而得到支持向量机故障诊断模型。利用支持向量机工具箱函数,在MATLAB中进行故障诊断模型的仿真计算,结果表明基于支持向量机所建立的故障诊断模型有较强的诊断准确性和泛化推广能力,从而提高船舶的安全性。     

船舶柴油机故障诊断系统设计

船舶柴油机是船舶动力的直接来源,对其进行故障诊断十分重要.本文设计了以ARMS3C2440处理器为核心的嵌入式硬件平台,将专家系统引入到故障诊断中,确定了知识获取途径,提出采用面向对象的知识表示方法,并构建了故障推理和解释机制.同时,在专家系统的基础上进行了系统的功能设计和数据库设计,并将神经网络与专家系统相结合提高知...     

遗传算法和神经网络在船舶柴油机故障诊断中的应用

为提高船舶柴油机故障诊断的精度,以及改善神经网络收敛速度慢,易陷入局部最优解的情况。提出一种基于改进遗传算法和RBF神经网络相结合的智能诊断方法,并将其应用于船舶柴油机故障诊断中,改进的方法优化了神经网络的隐节点、宽度参数以及中心向量,用最小二乘法训练网络隐层到输出层的权值。最后在Matlab仿真软件下,对船舶柴油机故障诊断模型进行仿真实验。实验证明,自适应遗传算法优化的RBF神经网络,诊断速度快,诊断精度高,收敛效果好,能较好地应用在船舶柴油机的状态监测和故障诊断中。     

灰色关联分析法在船舶柴油机故障诊断中的应用

由于全球船运行业的快速发展,船舶航程也越来越长,面对的各种海洋环境也日益复杂。柴油机作为船舶动力的主要来源,其工作状态对船舶的航行安全起到非常重要的作用。灰色关联分析算法可以有效检测柴油机故障诊断中的各项参数,可以分别设定参数的量纲和类型,并依据传感器提取的柴油机参数,建立灰色系统中指标参数的特征库,最后依靠特有的关联算法在各种故障因素之间建立对应的动态联系。本文分析船舶柴油机组的故障类型,并在此基础上应用灰色关联分析法建立故障诊断模型,有效改善故障识别的准确率。     

免疫算法在舰船柴油主机故障诊断系统的应用

现代大型船舶的控制系统中一般都需要依赖柴油主机提供动力,然后经由发电机转换成电力,从而驱动螺旋桨电机工作,保证整个船舶的正常运行,因此必须避免柴油机系统出现故障。本文通过免疫算法,对船舶柴油机的故障模式进行主动的学习,提高了故障的识别效率。同时通过自主的诊断系统和控制程序,对潜在的故障进行预测,在提高了柴油机的故障诊断效率的同时,也能够优化柴油机的控制参数,进一步提高了其使用寿命。     

神经网络算法在船舶柴油机远程故障诊断系统的研究

进入21世纪以来,我国船舶行业取得了很大发展。随之而来,船舶安全事故发生率不断增加,故障诊断的重要作用也逐渐突显出来。在这种情况下,远程故障诊断技术应运而生,可动态化地掌握岸端的机械设备运行的情况,如果出现异常的状况,则能够对船舶管理工作人员进行提醒以采取事前维护,提高船舶行驶的安全性,尽量降低经济损失。基于计算机网络技术与无线通信技术的发展,船端和岸端实施通信与数据共享成为可能,将神经网络算法合理地应用于船舶柴油机远程故障诊断系统中,十分有必要。     

一种新的船舶柴油机模糊故障诊断方法

为进一步提高船舶柴油机故障诊断的可靠性,将一种基于模糊信息多级融合的故障诊断方法应用到船舶柴油机的故障诊断中,该方法将各级诊断数据充分融合后再进行船舶柴油机的故障诊断,应用结果表明该方法准确有效,不但在正常情况下作出了准确的故障诊断,而且在局部检测传感器失灵发生误检的情况下亦能避免船舶柴油机故障诊断的误判,为提高船舶柴油机故障诊断的可靠性提供了有益的借鉴.     

船舶柴油机机械磨损故障诊断的模式识别

船舶柴油机在工作过程中,经常会发生机械磨损故障,给船舶柴油机的工作稳定性带来困扰,针对当前船舶柴油机机械磨损故障存在的诊断准确率低、机械磨损故障诊断时间复杂度高等缺陷,设计了一种船舶柴油机机械磨损故障诊断的模式识别方法。首先分析当前船舶柴油机机械磨损故障的原理,并提取船舶柴油机机械磨损故障诊断特征,然后采用层次分析法分析确定每一个船舶柴油机机械磨损故障特征的权值,并根据RBF神经网络确定船舶柴油机机械磨损故障诊断的模式识别模型,最后进行船舶柴油机机械磨损故障诊断的验证性测试,分析本文方法的船舶柴油机机械磨损故障效果。本文方法的船舶柴油机机械磨损故障诊断率超过了90%,不仅远远高于对比方法的船舶柴油机机械磨损故障诊断率,而且船舶柴油机机械磨损故障效率得到有效的改善,具有很好的推广前景。     

船用中速柴油机故障诊断技术研究

为了提高船舶柴油机故障诊断的准确性,实现对故障的精准定位,文章以6DE-18型船用中速柴油机为研究对象,从故障产生的机理入手,采用仿真软件建模,选取具有代表性的热力参数作为特征值,运用粒子群算法优化的支持向量机数学模型(PSO-SVM)进行故障诊断,并通过试验验证该故障诊断的准确性,改进了船用中速柴油机故障诊断的模式,...     

船舶柴油机供油系统故障诊断研究

柴油机燃油供给系统工作质量的好坏,直接影响柴油机的工作性能。阐述了在虚拟仪器中对柴油机喷油系统压力波的数据采集和特征参数提取,并介绍了在各种故障模式下柴油机喷油器产生故障的原因和特征参数的变化,利用人工神经网络模型实现故障诊断。结果表明,该方法可实现柴油机喷油器不解体故障诊断,在实际的故障诊断中具有一定的应用价值。     

基于模糊规则的某型船舶柴油机故障诊断专家系统

基于模糊诊断技术,开发了NTA855-M350型船舶柴油机故障诊断专家系统。该系统根据故障征兆进行模糊运算,确定了故障原因,并对诊断结果通过维修反馈实现自学习功能。