基于SOM-BP神经网络的船舶柴油机故障诊断方法

作为船舶系统重要的组成部分,柴油机工作状态与船舶安全航行息息相关。因此,对船舶柴油机故障诊断方法的研究具有重要的现实意义。以SOM神经网络和BP神经网络为理论基础,将二者融合构建SOM-BP神经网络,用于船舶柴油机故障诊断。通过仿真试验,验证了SOM-BP神经网络在船舶柴油机故障诊断中的有效性。     

基于热力参数的船舶柴油机智能故障诊断

分析了智能故障诊断的视情维修技术,根据船舶柴油机热力工作过程参数蕴含大量的故障信息,提出基于热力参数的智能故障诊断技术,从几种不同的类型,介绍了船舶柴油机的热力参数的智能故障诊断及处理的应用.     

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。     

柴油机智能故障诊断技术研究

目前,船舶通过对柴油机运行状态的实时监测以及故障在线诊断,能够保证柴油机随时处于良好的工作状态,并大幅度提升维修工艺水平和质量。根据针对柴油机故障诊断的实际需要,探讨了神经网络与专家系统融合等先进手段在柴油机故障诊断中的应用情况,并对现有智能故障诊断技术存在的问题及发展前景进行讨论。     

灰色数据挖掘在船用柴油机中的应用

船用柴油机作为船舶航行中的动力源,具有非常重要的作用。但柴油机在运行过程中的运行状态及故障发生都对船舶的正常运行影响很大。本文通过研究灰色数据挖掘的特点,结合船舶柴油机的结构与故障特性,研究出一种基于灰色数据挖掘的故障诊断方式,通过对灰色关联算法在计算机上进行编程仿真,检验这种方法对船舶柴油机的故障诊断具有较好的诊断结果,对船舶柴油机的正常航行具有一定的意义。     

人工智能技术在船舶电力系统故障诊断中的应用

近年来人工智能技术在很多领域得到了成功应用,特别是故障诊断方面。船舶电力系统是保障船舶自动化系统正常工作的重要组成部分。由于船舶电力系统工作环境恶劣,因而船舶电力系统一旦出现故障将会产生很严重的后果。传统船舶电力系统故障检测费时费力,本文通过对人工智能技术进行分析,研究了人工智能技术在船舶电力系统故障诊断中的应用,提出了一种故障诊断系统架构,重点研究了基于人工神经网络以及专家系统的电力系统故障诊断,设计了神经网络模型,给出了推理机的故障诊断流程。     

船舶柴油机故障诊断技术研究

论述了船舶柴油机故障诊断的意义,针对国内外一些常见的柴油机状态监测与故障诊断的方法及其原理和特点,总结出船舶柴油机故障诊断中新技术的应用,并对柴油机故障诊断技术的发展趋势进行了展望。     

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。     

船舶柴油机故障诊断现状及发展趋势

论述了船舶柴油机故障诊断的意义,针对国内外一些常见的柴油机状态监测与故障诊断的方法及其原理和特点,总结出船舶柴油机故障诊断中新技术的应用,并对柴油机故障诊断技术的发展趋势进行了展望.     

结合控制器局域网技术的船舶智能监控系统研究

本文首先阐述结合控制器局域网的船舶智能监控系统所具有的功能,在此基础上设计系统的总体架构,然后通过船舶柴油机的故障诊断来说明架构中的智能监控,采用粒子群优化算法的模糊神经网络故障诊断模型,最后通过实验来说明本文算法的有效性。     

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.     

船舶柴油机监测与故障诊断方法综述

船舶柴油机作为船舶的动力心脏,其运行状态的监测和故障诊断越来越受到人们的关注。本文对目前研究中的主要几种柴油机故障诊断技术的内容、特点和不足之处进行评述,最后对其发展方向进行讨论。     

计算机控制故障监测系统在船舶柴油机中的应用

计算机控制故障监测系统是用于柴油机状态监控和故障诊断的监控系统。文章通过分析该系统在船舶柴油机中的应用,研究了他的结构原理和特点,并结合实际系统总结了柴油机诊断与管理的方法,提出了对船舶柴油机的运行状况的应用管理要点,为机舱的安全运行管理提供了技术保障。     

船舶动力机械网络化智能维护系统研究

分析了大型船舶动力机械故障诊断与智能维护平台构建的技术和集成技术,并融合故障诊断中的经过实践检验的方法和技术,同时综合现有故障诊断系统的优点,对船舶动力机械网络化智能维护系统进行了初步的研究.     

大型船舶柴油机装配工艺编制专家系统设计研究

结合"大型船舶柴油机装配工艺智能编制"的研究课题,运用专家系统的知识,将人工智能、网络数据库、软件工程等理论与技术应用到大型船舶柴油机装配工艺编制设计中,建立一个能用于船舶柴油机制造厂进行柴油机装配工艺编制和管理的专家系统应用程序框架。本文介绍了大型船舶柴油机装配工艺编制专家系统的设计方案。     

基于神经网络的柴油机遥控系统故障智能诊断研究

为了克服传统模拟电路故障诊断方法的不足,通过对船舶柴油机遥控系统工作原理的分析,提出采用BP神经网络诊断船舶主机遥控系统的智能诊断方法。介绍BP神经网络结构确定方法及其数值优化技术,并以具体电路模块为例探讨神经网络在船舶柴油机遥控系统故障诊断中的应用。通过Matlab仿真可以发现基于BP神经网络的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。     

基于深度信念网络的船舶柴油机智能故障诊断

[目的]为了提高船舶柴油机智能故障诊断的精度,引入深度学习方法,提出一种基于深度信念网络(DBN)的船用柴油机智能故障诊断方法。[方法]采用多层限制性玻尔兹曼机(RBM)堆叠成DBN,并采用对比散度方法对模型参数进行求解。通过无监督预训练和有监督微调的训练方法,从故障样本数据中提取深层次的隐性特征并获得较好的初始化参数。[结果]基于AVL BOOST船舶柴油机故障仿真实验进行样本数据分析,结果表明:DBN对训练样本集和测试样本集的故障识别率分别为98.26%和98.61%,比BP神经网络(BPNN)和支持向量机(SVM)具有更高的故障识别准确率和更好的泛化性能,可以避免浅层神经网络因随机初始化权值而陷入局部最小值和精度较低等问题。[结论]与BPNN和SVM相比,DBN更适用于船舶柴油机的智能故障诊断应用。     

人工智能技术在船舶柴油机振动监测中的应用

传统船舶柴油机振动监测数据与实际柴油机振动参量存在一定的偏差,为了提升船舶柴油机振动监测数据的精准度,提出人工智能技术在船舶柴油机振动监测中的应用。在人工智能技术支持下,首先对船舶柴油机振动监测传感器结构进行参量校准;接着在感应数据标准值下对柴油机曲轴振动数据进行异常信号的分析处理计算;然后对分析后的异常信号源进行提取计算,完成对柴油机振动监测的全局计算。通过对比实验结果表明,提出方法具有提升监测值精准度的作用。     

浅谈智能船舶柴油机部分参数的选定

近年来,智能船舶柴油机成为柴油机研究的主要方向,智能船舶柴油机的发展提高了船舶经济性,达到了节能减排的目的。通过柴油机输出扭矩的研究可以确定最佳的燃烧时长、喷油正时和喷油量,从而为智能船舶柴油机的发展提供极其重要的数据参考。文中以某机型柴油机为研究对象,用凯恩方法来分析曲柄-连杆机构,建立数学模型,并对气缸的工作过程进行详细的分析,经计算和仿真后得到最优燃烧时长和喷油量等主要参数。     

船舶柴油机机械磨损故障诊断方法研究

柴油机机械磨损直接影响船舶工作的可靠性,为了获得高正确率的船舶柴油机机械磨损故障诊断结果,设计了局部均值分解和机器学习算法的船舶柴油机机械磨损故障诊断模型。首先对船舶柴油机机械磨损故障信号进行局部均值分解,提取的船舶柴油机机械磨损故障特征,然后引入机器学习算法对船舶柴油机机械磨损故障进行分类和识别,最后进行了船舶柴油机机械磨损故障性能测试。结果表明,本文模型的船舶柴油机机械磨损故障正确率超过95%,而且船舶柴油机机械磨损故障的误诊率相当低,完全能够满足当前船舶柴油机机械磨损故障诊断的实际要求。