一种基于k-Means算法的船舶主机工况二次划分方法

为准确划分船舶主机运行工况,提升船舶主机性能监测能力,设计一种基于k-Means算法的船舶主机工况二次划分方法。基于实船运营大数据,分2个阶段开展主机运行工况划分研究,其中：第一阶段,以主机转速和功率为特征参数,初步划分主机运行工况;第二阶段,以海水温度和扫气箱温度为特征参数,对第一阶段划分的工况进行第二次划分。以某大型散货船为例,通过实船试验对该方法的有效性进行验证。试验结果表明,该方法能对复杂的船舶主机运行工况进行有效划分,可为船舶主机性能监测提供状态质量评估和辅助决策,有利于船舶主机健康管理和故障诊断工作的开展。     

基于瞬时转速的舰船柴油机多阈值诊断方法

考虑到舰船柴油机瞬时转速信号便于测量,可有效用于对舰船主副机的状态监测及故障诊断,针对瞬时转速特征参数多、提取难等问题,利用非线性动力学进行瞬时转速仿真,分析主机故障与瞬时转速特征参数之间的关系,并采用多特征参数阈值诊断方法进行诊断。试验结果表明,基于实际瞬时转速信号测量的多阈值故障诊断方法能有效定位故障缸位置,准确率可达98.5%。     

基于传感器数据的船舶主机油耗预测分析

以某远洋油船主机为研究对象,基于斯皮尔曼相关性分析和随机森林特征重要性评估的特征选择方法,设计特征参数由多到少的L、M、S等3个建模特征数据集,利用岭(Ridge)回归方法、人工神经网络(ANN)和梯度提升回归树(GBRT)方法构建船舶主机油耗预测研究。研究结果表明:以特征最少的数据集构建的GBRT预测模型具有不逊色于其他2个特征集的性能表现。所提出的特征选择方法能够在有效平衡模型复杂度与预测准确性的基础上,筛选出对目标影响最大的主机排烟出口压力、涡轮增压器转速和主机扫气压力等少数特征参数,从而有效降低船端与岸端的数据传输成本,为数字孪生技术在船舶上的应用提供支撑。     

复杂结构船舶主机转速智能调控系统

在船舶航行过程中,船舶主机的控制效果直接影响着船舶的安全性。当前船舶主机转速智能调控系统由于计算能力较大,导致主机转速调控耗时过长,构建复杂结构船舶主机转速智能调控系统。将原有系统中央控制芯片更换为PIC18F系列芯片,增设隔离驱动芯片,优化系统硬件驱动性能。设定船舶主机转速目标函数,根据此函数结合PID控制算法,构建模糊控制器,实现转速调控。至此,复杂结构船舶主机转速智能调控系统设计完成。构建系统测试环节,经功能测试与性能测试两部分证实,此系统符合当前使用要求,且可有效降低主机转速调控耗时。     

船舶主机设备振动智能控制方法

为了避免振动对船舶安全稳定运行的消极影响,研究船舶主机设备振动智能控制方法。采用节点导入有限元建模方法构建主机设备有限元模型,获取主机设备运行情况以及振动详细数据,引入由互相对称的2组偏心质量块式电力作动机构形成的电力作动器,采用伺服三环控制对主机设备振动控制作动器进行环路设计,通过电机主动轮启动偏心质量块,同时调整偏心质量块的位置,实现消振力控制输出,完成主机设备振动智能控制。实验证明,该方法可以实现船舶主机设备模型的建立,可视化展现主机设备电磁性能、振动和热特性等,并有效控制船舶主机设备的振动幅度,其中控制后的船舶发电机的振动等级达到优等级。     

基于机器学习的船舶机舱设备状态监测方法

[目的]为实现船舶机舱设备的智能状态监测,引入机器学习算法,提出一种结合流形学习和孤立森林的船舶机舱设备状态监测方法.[方法]由于船舶机舱设备的状态监测数据是多维度数据,基于该监测系统,通过流形学习来提取有效的数据特征,实现对原始数据的降维,减少数据复杂度.基于孤立森林算法,在仅利用正常工况数据集的情况下,训练并构建多...     

基于FPGA的振动信号在线分析与数据压缩方法

针对长时间持续监控振动工况下大数据量存储容量有限的问题,基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)构建了一种振动信号在线倍频程处理系统,该系统可以在长时间的监测条件下,对庞大的监测数据进行压缩。经实际工况运行测试与倍频程分析表明,振动数据被大幅压缩,压缩比可达1/420。     

粗糙集与包络分析下舰船运行数据聚类算法

机舱中的动力系统主机、发电机、辅机等设备在运行过程中的工作状态和性能参数不断发生变化,为了提升舰船运行的可靠性,使管理人员在集控室中能够实时监测到机舱关键设备的运行状态,必须要配置合理的机舱运行数据采集系统,并提高机舱数据采集系统的数据处理能力。粗糙集理论和包络分析理论是2种常用的数据分析理论,本文详细介绍了粗糙集理论和包络分析的原理,对舰船机舱运行数据采集系统的数据进行聚类分析,提升数据处理的效率。     

基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。     

主机低速运行带来的问题及日常管理对策

燃油价格高企,为了降低运营成本,不少航运公司采取降低主机转速的方法节约燃油消耗,有的已将主机降低到50%额定功率所对应的转速,成效显著。主机长期大幅偏离最佳工况低速运行,燃烧恶化,增加有效油耗率,故障增多降低可靠性,污染系统,甚至可能导致停航修理,影响班期。面对这种情形,为船舶安全,为节约能源公司节支增效,也为保护环境,轮机管理人员有责任以自己的聪明才智降低主机转速的负面影响。     

可编程控制器在船舶主机安全保护中的应用研究

为了确保船舶柴油机动力装置运行安全,必须实时、可靠、准确地监测其转速、滑油压力、齿轮箱滑油压力,一旦发生参数超限或不正常,必须第一时间立即采取限速或停车操作,因此,要求安全保护监测装置及时、可靠、准确的监测这三个参数,并根据参数情况及时做出降速或停车操作。可编程控制器(PLC)具有可靠性高,抗干扰能力强,标准化程度高、功能强大,完全适用于工业环境下的各种设备控制与安全保护的应用场合。本文设计构建的以PLC技术为核心的主机安全保护装置,结构简单、集成化程度高、运行稳定、工作可靠,对主机运行的安全保护及时有效。此项技术可广泛应用于各种机械设备的安全及故障保护中。     

基于随机森林的喷水推进装置控制回路故障检测方法

为了及时准确发现喷水推进装置发生的故障,提升其运行的安全性,提出一种数据驱动的故障检测方法。将随机森林引入喷水推进装置故障检测领域,解决当前闭环控制回路故障检测缺乏自动化、智能化手段的问题;采用特征重要性度量策略对用于构建随机森林模型的特征参数进行评估,在满足故障检测精度的需求下降低特征参数维度,提升故障检测的实时性;基于网格搜索机制对随机森林的超参数进行优化,提升故障检测的准确率。通过基于AMESim的仿真试验和基于NICompact RIO的实物试验综合验证所提方法的有效性,结果表明该方法能有效提升喷水推进装置的可靠性,具有较强的工程应用价值。     

基于连续图谱的船舶吃水及纵倾优化

为解决船舶压载工况下的配载吃水和纵倾优化问题,对船舶压载工况的营运特点进行分析,给出考虑船舶吃水、纵倾、航速及主机功率等因素的多目标问题优化模型;针对大量离散试验和计算数据难以有效分析及优化求解的问题,提出基于空间二元拉格朗日插值算法的吃水、纵倾、主机功率三维连续图谱构建方法,并选取一艘典型散货船,通过图谱优化计算输出其最佳工况参数;最后通过实船海试验证该研究的有效性和实用性。     

船舶监控系统运行数据抽取与分析方案设计

针对监控组态软件自身数据查询和分析能力不足的问题,以某船监控系统运行数据为基础,设计一种外部数据抽取和分析的整体方案。采用数据库接口访问技术实现监控组态软件的外部数据抽取,并以软件的形式进行集成;设计面向实船监控系统运行数据的数据仓库基本结构,依托数据仓库开展数据分析。在此基础上,对该船运行数据进行数据抽取与特性分析试验。试验表明,外部数据抽取与数据仓库的结合能有效分析船舶运行数据,并且可以提取典型工况特征参数。     

基于深度置信神经网络的半潜式平台浮体运动模型和响应预测研究

半潜式平台承受着风、浪、流等复杂环境荷载的耦合作用,在工作海况下平台的浮体运动多为波频小幅运动.在极端海况下平台产生大幅运动对结构的安全带来威胁.本文基于深度学习理论,开展了半潜式平台运动响应预测及分布规律的研究.首先,按照10 min为时间间隔对环境监测信息进行划分,对风速、波浪压力等环境监测信息的分布规律进行研究并选取合适的分布拟合参数,结合分形学理论及统计分析的方法,提出了实测风速、波浪压力等数据的特征参数,并结合浪高、周期、流速、流向等实测数据,建立了具有降维特征的环境信息输入参数;其次,基于实测响应数据,以横摇为例,以10 min为时间间隔对其监测信息进行划分并对其分布规律进行研究,并选取合适的响应分布拟合参数作为响应的特征参数;接着,利用北斗远程传输系统传输的监测数据,基于深度置信神经网络(Deep Belief Network,DBN)建立极端海况下实测环境荷载与实测响应的关系模型,并与基于BP、Elman神经网络的关系模型预测结果进行对比,可以看出,基于DBN神经网络的关系模型预测误差仅为5.07％,结果较为准确;最后,基于DBN神经网络建立了荷载特征参数与响应分布拟合特征参数的关系模型,并与基于DNN、BP神经网络的关系模型预测结果进行对比.研究发现,基于DBN神经网络的预测模型结果更为准确,更接近于真实响应的分布规律,可以对工作海况下平台安全作业提供一定的指导.     

渔船动力装置优化配置的研究

以8154型拖网渔船为例,利用螺旋桨设计软件系统,对不同螺旋桨转速、不同主机功率以及不同作业工况下的船、机、桨参数进行了分析。显示在条件允许范围内,低转速、大直径的螺旋桨可以改善渔船的作业性能;主机不能一味追求增大功率,应选择满足设计要求的合理主机功率。     

船舶主机转速信号采集与无线传输模拟系统的设计

船舶主机转速信息是反映船舶工作性能的主要参数之一,也是轮机技术人员监视主机工况的关键信息。本研究介绍了船舶信号采集与无线传输模拟系统的设计过程,及其所运用的各部件的功能和原理,通过设计模拟电路实现了船舶转速信号采集的自动化、无线化,并预测了未来船舶主机检测趋势。在一定的范围内,可以替代现有的转速显示设备或者作为备用设备,并节约了大量的工程和技术成本,实现了远程多种端口对船舶转速实时检测的显示。     

基于乙醇重整燃料发动机建模的基本点火角

为优化发动机控制策略,提升发动机的动力性和经济性,以LJ4K18QS双燃料发动机的点火提前角控制为例,采用GT-Power建模软件进行发动机的建模和仿真,并注入乙醇重整气,进一步构建发动机重整气模型.通过对在重整气模式下各工况点不同点火提前角运行结果的计算进行分析,选择在各工况条件下的最佳点火提前角,组成基于转速和负荷...     

针对高转速A/D采集的自适应平滑处理方法

船舶领域常用瞬间转速测量对各类大型机械设备进行运行状态监测及信号控制,为了提高瞬时转速测量的精度,从而提高船舶设备运行控制的准确性以及设备健康状态评估的有效性,基于传统模数转换（A/D）采集的采集转速方法——测频率法和测周期法,通过对A/D转速测量点数进行多周期平滑处理,并加入转速分段测量的自适应机制,提高A/D采集瞬时高转速的精度。在进行模拟仿真与理论结果比较验证后,进一步开展在实际测量中自适应平滑处理方法对转速测量精度影响的研究。仿真及试验结果表明,采用的转速测量方法针对不同的转频均可有效降低转速测量误差,研究成果可为船舶机械设备转速测量提供一定参考。     

基于运行模态分析的船舶推进轴系状态监测

论文提出一种基于运行模态分析(OMA)的新的船舶推进轴系状态监测方法。论文以船舶推进轴系试验台为试验对象,获取轴系运行时不同加载工况下的扭振信号,利用基于数据的随机子空间法(DD-SSI)识别扭振的固有频率,并与已知的试验模态分析(EMA)识别的轴系静态时同一加载工况下的结果进行对比,验证运行模态分析识别结果的准确性,并研究不同加载工况下轴系扭振固有频率随加载工况的变化规律。试验结果表明,运行模态分析能够准确识别轴系的扭振固有频率,且扭振固有频率的增量与加载量呈正相关,因而运行模态分析可以用作一种新的船舶推进轴系状态监测方法。