振动信号监测的船用柴油机配气机构故障分析方法

船用柴油机配气机构故障复杂多样,传统船用柴油机配气机构故障分析方法无法描述故障类型,导致故障分析正确率低,误判现象严重,为了提高故障诊断正确率,提出基于振动信号监测的船用柴油机配气机构故障的分析方法。首先分析船用柴油机配气机构故障研究思路,并提取船用柴油机配气机构故障相关的振动信号,然后从船用柴油机配气机构故障相关的振动信号提取特征,运用层次分析法确定特征的权值,并采用改进支持向量机建立船用柴油机配气机构故障诊断模型,最后采用具体数据对船用柴油机配气机构故障诊断方法进行测试。结果表明,相对于其他故障分析方法,本文方法可以更好区别各种船用柴油机配气机构故障,提高了故障分析正确率,降低了故障的误判现象,具有很高的实际应用价值。     

一种基于HOG与LBP双特征融合模型的人脸年龄估计方法

人脸图像的年龄估计关键步骤在于提取特征,但各种复杂因素的影响诸如生长地域、生活习惯、遗传基因等,均会使得最终的估计结果值产生偏差,为此提出一种双特征融合模型来刻画人脸由于年龄变化而产生的不同特征,将梯度直方图(HOG)和局部二值模式(LBP)共同作为特征描述算子进行特征提取,再将二者进行特征融合,构成更为精确的年龄估计模型,随后采用支持向量回归的方法得到年龄回归函数.将所提实验在人脸数据集上,结果表明该模型可以快速且较为准确地对人脸图像进行年龄估计,较之于单独提取HOG特征,可将年龄估计的平均误差缩小0.7岁,较之于单独提取LBP特征可将年龄估计的平均误差缩小1.2岁,且该融合模型对幼儿期至青少年期的年龄估计表现效果最佳,平均估计误差在3.91岁;成年至中年期效果其次,平均估计误差在4.41岁;老年阶段人脸的平均估计误差为5.80岁.     

基于支持向量机回归建模的船舶磁场推算方法

磁性目标形体复杂,磁化不均匀,目前一般采用逆方法拟合测量数据,从而建立其磁模型。从支持向量机回归理论出发,通过实验室测量数据建立了基于支持向量机回归的船舶磁场模型,与实际测量值比较,利用该模型推算的船舶下方磁场值的均方根误差小于10%,满足工程应用要求,这对于未来支持向量机在船舶磁场推算中的应用有着重要意义。     

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。     

支持向量回归机不敏感因子ε对运动建模的影响

通过对仿真Z形试验数据的分析,应用具有不同不敏感因子ε的ε-支持向量回归机(Support Vector Regression,SVR)辨识了船舶操纵运动二阶线性响应模型中的K,T等操纵性指数,并利用回归得到的响应模型进行了Z形试验的数值模拟。通过比较采用不同不敏感因子ε所得首向角和转艏角速度的预报结果,表明可以通过调节不敏感因子ε值来控制样本输入中支持向量的个数与ε-SVR的回归精度。     

Residual life prediction for marine diesel turbocharger based on Wiener process北大核心CSCD

[目的]针对船舶柴油机增压器难以收集到全生命周期性能退化数据的问题,提出一种基于维纳过程的寿命预测模型。[方法]首先,采用K-Means模型对增压器实际运行工况进行聚类,提取出典型工况数据;然后,使用贝叶斯突变点检测模型识别增压器的缺陷点;最后,建立基于维纳过程的退化模型,并以某型船用柴油机增压器为应用对象,预测增压器的剩余使用寿命。[结果]结果显示,基于维纳过程的寿命预测方法能够在不需要同类设备历史退化数据的情况下对增压器的剩余寿命进行预测。[结论]所提方法对缺少故障样本的船舶柴油机增压器寿命预测具有一定的参考价值。     

基于主成分和支持向量机的设备寿命周期费用建模方法

提出运用主成分分析法和支持向量机技术相结合的分析法来减少影响设备寿命周期费用因素的数量,降低建模的难度。利用主成分分析法来约简影响因素,采用支持向量机技术来建模,减少非线性数据带来的不确定性。采用Matlab中的支持向量机工具箱,建立回归估算模型,并以实例分析验证本方法的可行性。     

船用空压机气阀监测诊断系统研究

气阀是空压机中关键的零部件,对其磨损故障进行监测诊断研究具有重要的工程意义。文章采用希尔伯特-黄变换(HHT)得到CZ60-30船用往复式空气压缸盖表面振动信号的时频谱图,并从中提取标准差、峭度、不变矩等时频特征参数,用支持向量机(SVM)实现故障的识别,并基于Lab VIEW虚拟仪器软件开发了船用空压机气阀磨损智能监测诊断系统。结果表明:通过时频联合分析判断气阀故障正确率可达到96.97%。     

一种船舶组合导航系统混合误差模型及应用

针对GPS与微机电系统组合导航系统存在高非线性的缺陷,特别是GPS失效期间同卡尔曼滤波方位估计相关的不确定性的影响,提出混合误差模型。使用支持向量机对卡尔曼滤波输出进行建模,利用基于自回归的快速正交搜索对非线性方位误差进行建模,针对GPS/简化的惯性传感器系统利用混合支持向量机-快速正交搜索方法同传统卡尔曼滤波和增强卡尔曼滤波-快速正交搜索方法进行比较,结果表明,混合支持向量机-快速正交搜索方法优于卡尔曼滤波算法和增强卡尔曼滤波-快速正交搜索算法。     

一种分解策略的船舶横摇运动姿态在线预报方法

为了解决单一预报模型对复杂的船舶横摇运动姿态时间序列建模预报困难以及支持向量机预报方法离线训练导致实时性差的问题,文中提出一种分解域船舶运动姿态在线预报方法。采用经验模式分解法对时序的不同特征信息进行分解;应用游程法将分量重构为高、中、低频三个分量;针对每个分量建立在线最小二乘支持向量机预报模型,对各分量的预报结果累加得出最终预报值。对某船横摇角时序进行了预报,结果表明,所提方法预报10s的相对均方误差在13%以内,相比于支持向量机预报模型,该模型能够有效提高预报精度和效率。     

支持向量机改进算法在船舶桨叶数分类中的应用

利用船舶目标辐射噪声DEMON谱特征,采用支持向量机改进算法,实现了对船舶螺旋桨桨叶数的分类识别应用研究。针对支持向量机算法对噪声比较敏感和求解最优分类面时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏特性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数2方面进行改进,构造齐次决策二阶损失函数径向基支持向量机改进算法,进行理论分析、数据仿真实验,并应用于利用船舶目标辐射噪声DEMON谱进行船舶螺旋桨桨叶数的分类识别实验。结果表明,该改进算法实现了支持向量机在二次规划中的最小约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,适用于利用船舶目标辐射噪声DENOM进行船舶螺旋桨桨叶数分类应用。     

基于AFSA优化的支持向量机柴油机性能预测模型

电控高压共轨技术的采用使得船用柴油机性能及排放具有了更大的优化空间，但同时柴油机控制参数增多使得柴油机性能的预测变得更为复杂。为了建立精确的柴油机性能预测模型，利用回归支持向量机，通过对实验数据的学习以获得预测模型。支持向量机的预测精度会因其参数的选择出现一定的差异，所以需要对支持向量机参数选择进行研究和优化。以某型船用高速大功率电控高压共轨柴油机为研究对象，建立支持向量机预测模型，分析其预测性能受参数选择的影响，并利用人工鱼群算法对其进行优化。结果表明，基于人工鱼群算法优化的回归支持向量机能够建立精度较高的柴油机性能预测模型，且人工鱼群算法具有很好的寻优性能。     

基于LSTM-PSO-SVM的船用LNG双燃料发动机故障预测

针对船用LNG双燃料发动机设备复杂,故障预测效率低、准确度差的问题,提出一种长短期记忆网络与改进粒子群优化算法优化支持向量机融合的预测模型。利用LSTM模型时间序列变化的能力对设备未来的运行状态进行预测,然后采用非线性自适应惯性权重改进PSO算法对SVM参数进行寻优,以提高其寻优能力和收敛速度;改进的LSTM-PSO-SVM融合模型可实现对设备故障状态的快速、准确预测。通过对某船用LNG双燃料发动机的故障预测仿真,结果表明上述模型具有更高的故障识别准确率和更快的识别速度,能够准确预测船用LNG双燃料发动机潜在故障。     

船用柴油机机械微磨损故障诊断系统设计

为有效诊断舰船用柴油机机械微磨损故障,设计新型船用柴油机机械微磨损故障诊断系统。此系统传感模块通过电感式传感器采集柴油机机械表面油液磨粒的静电信号后,由油液分析芯片启动基于MACNN的微磨损故障类型识别模型,使用多层卷积神经网络,全面提取静电信号的多维波动特征图后,以重组的方式将多维特征图转换为一维向量,通过序列注意力机制,学习重组后油液磨粒静电信号一维向量的序列特征,识别特征所属微磨损故障类型,完成柴油机机械微磨损故障诊断。若机械磨损严重或表面存在污秽,便会驱动图像分析模块,进行图像采集配合诊断。经测试,此系统对多种微磨损故障类型的诊断结果无错分情况,诊断结果有效。     

基于深度学习算法的船用高频电路工作状态检测研究

为了提升船用高频开关电源的运行可靠性,提出基于深度学习算法的船用高频电路工作状态检测方法。采集船用高频电路工作状态信号,作为深度受限波尔兹曼机的输入,深度受限波尔兹曼机利用2层受限玻尔兹曼机,通过2次非线性映射,提取船用高频电路工作状态特征。设置所提取的高频电路工作状态特征,作为支持向量数据描述方法的输入,将输入样本映射至高维内积空间,判定样本是否存在于高维内积空间的最优超球体内,检测船用高频电路工作状态为正常或异常状态。实验结果表明,该方法可以精准检测船用高频电路工作状态,满足船舶高频开关电源的运行可靠性需求。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

基于改进支持向量机(SVM)模型的荆州港吞吐量预测

在编制港口总体规划过程中,港口吞吐量的预测对于提出规划方案至关重要,支持向量机(SVM)方法是港口吞吐量预测较为常见和有效的预测方法。针对港口吞吐量预测影响因素复杂的问题,以荆州港总体规划为实例,研究分析了影响港口吞吐量的主要指标因素。在采用SVM预测方法的基础上,运用遗传算法(GA)、网格搜索算法(GS)对SVM模型主要参数进行优化改进,GA-SVM和GS-SVM模型预测结果都是在支持向量机预测方法的基础上,采用遗传算法和GS方法对支持向量机模型的主要参数进行优化和改进,并用MSE和R2检验了遗传支持向量机和GS支持向量机模型的预测结果。改进后的SVM模型是在当前研究成果基础上提出的一种新港口吞吐量预测方法,可将该模型在港口总体规划工作中进行推广应用。     

船用起重机机械的减摇控制方法

为了降低船用起重机的摇晃度,进行减摇控制,提出基于稳态反馈补偿调节的船用起重机机械的减摇控制方法,构建船用起重机机械的减摇控制约束参量模型,以摇摆幅值、转动力矩、惯性力矩等为反馈调节参数,进行起重机机械的减摇稳态误差补偿控制,结合Lyapunov稳定性原理,引入后置积分项进行减摇控制器末端位姿修正,较低摇摆幅度,实现摇摆的实时误差补偿。仿真结果表明,采用该方法进行船用起重机机械的减摇控制,摇摆幅值得到有效控制,姿态稳定性较好。     

船用开关故障模式及失效分布研究

本文通过对船用开关在使用中的故障调查和型式试验中的寿命试验以及可靠性机械寿命试验所获得的故障数据进行整理和归纳,并通过故障数分析,得出了船用开关的主要故障模式。采用随机截尾模型和可靠度函数图形拟合法对船用开关的失效分布进行了研究,得出其寿命服从于双参数指数分布,并分别用图检验法和K—S检验法得到证明。船用开关的平均无故障工作次数和失效率不仅和船用开关的制造水平有关,而且与使用环境和维护保养有关。     

基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。