航行中GPS故障后应急方案的研究

通过比较航迹推算、罗兰C定位、天文定位、陆标定位及利用他船方位距离定位等方法,得出航行于不同海域GPS故障后最有效、最简单的定位方法及步骤。提出一套GPS故障后具有可操作性的应急方案,避免驾驶员手足无措,使驾驶员有法可循,保证船舶的航行安全。     

基于FPGA的实时互相关运算器

以光纤传感系统空间定位问题的研究为背景,探讨了互相关算法在大规模现场可编程门阵列（FPGA）的实现方案,设计出流水线操作的互相关运算器,并应用VHDL语言实现了互相关运算器.该互相关运算器在64 MHz的时钟下,能够对二路监测信号进行互相关处理,实时完成128点探测距离的互相关运算,为光纤传感系统的后续空间准确定位奠定了基础.利用大规模的FPGA硬件资源丰富特点,用硬件电路实现互相关运算,有效提高了数据处理速度,实现了数据检测的实时性,有效解决光纤干涉仪传感系统中空间信息稳定实时提取的难题.     

基于红外图像处理的变电设备热故障自动诊断方法

针对变电设备热故障的诊断与定位问题,提出一种红外图像自动诊断方法。该方法利用二维Otsu阈值法对区域生长算法进行改进,以解决背景繁杂图像的目标提取问题;在分析反映设备外形特征的像素统计图的基础之上,根据极值规律实现对目标设备结构区域的划分;依据结构划分结果和故障诊断判据,最终实现变电设备热故障的精细化诊断与定位。实验表明,该方法在无人工干预的条件下较好地实现了变电设备的热故障诊断与定位,大大提高了故障诊断的效率和准确率。     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明：在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。     

基于小波分析和神经网络的异步电机早期故障诊断

针对异步电机早期定子故障诊断,根据电机定子故障的特点,采用小波变换极大模分析法检测故障信号突变点的位置;利用小波包各个频带能量的变化完成能最特征提取,采用BP神经网络故障识别算法识别电机的各种运行状态来诊断电机早期故障.仿真实验结果表明,小波分析和神经网络算法的结合能有效定位并检测异步电机的早期故障.     

基于PDCA循环的船舶能效管理体系的构建

根据IMO最新规定,全球营运船舶必须在2013年1月1日前配备一份《船舶能效管理计划》（SEEMP）,以通过船舶最佳管理和操作来实现船舶的节能减排。建立船舶能效管理体系,将能效管理纳入公司整体的结构化的管理体系予以实施是船公司面临的重要任务。本文基于PDCA循环原理,遵循＂策划（P）-实施（D）-检查（C）-改进（A）的运行模式,构建了＂船舶能效管理＂的履约体系结构框架,用系统的方法指导公司如何进行船舶能效管理,提高船舶能效、减少CO2排放,积极应对国际挑战和促进＂十二五＂交通运输行业节能减排目标的实现。     

基于倒阶比谱的滚动轴承故障诊断

为从变速滚动轴承振动信号中提取轴承故障特征,利用了基于倒阶比分析的诊断方法.该方法利用计算阶比跟踪算法,采集转速信号和振动信号,并对振动信号进行角度域重采样,获得角度增量恒定的角度域周期平稳信号,再进行倒谱分析,最后依据倒阶比谱分析结果进行故障识别和诊断.由于阶比分析能将非平稳时域信号转换为平稳的角度域信号,而倒谱分析能很好的抑制频率模糊,所以将阶比分析和倒谱分析相结合,充分利用二者优点,能从干扰中准确识别故障特征,适合于变速滚动轴承信号的故障特征提取.实验证明该方法有效,能够提取变转速滚动轴承故障特征,具有一定的工程应用价值.     

基于模糊神经网络的穿浪双体船摇荡运动预报

根据穿浪双体船船型特点与实际海况,针对船舶运动特点,基于切片理论建立并计算船舶运动模型方程,结合模糊神经网络建立运动模型,提出一种线性神经网络结构,有效地解决非线性问题并预报各方向上的摇荡运动.通过一个具体算例模拟仿真验证该方法的实用性和可靠性.     

船用发电机组电气硬故障的原因分析及检查方法

文章根据一例船用发电机组的接地故障实例,论述船用发电机绕组常见的硬故障原因及后果,分析了解决硬故障的方法,旨在提高船舶机电管理人员对船用运行发电机组的维护管理能力,确保船舶电站的安全运行。     

汽车非确定性故障诊断模型研究

针对汽车非确定性故障诊断特点,基于模糊数学理论,提出了由概率统计法及专家优序法综合确定模糊隶属度的方法,结合对故障程度的描述,建立汽车非确定性故障诊断数学模型。以此为基础,有选择地借鉴模糊数学理论中的模式识别方法对故障进行诊断,最后以实例验证了该模型的实用性。     

基于小波-主成分分析的离心泵故障诊断方法

提出了一种基于小波-主成分分析的故障检测方法,给出了该方法进行离心泵故障诊断的步骤.以离心泵出口压力脉动信号作为分析对象,利用改进小波算法构建其特征集;以泵的正常状态下测试数据为样本数据,经过主成分分析,对其特征集维数进行了约简,建立了特征提取模型.通过计算的距离测度的方法,实现了离心泵的故障识别.该方法改进了传统的故障智能识别方法大样本和阈值设定困难的局限性,实验验证了其有效性.     

基于灰加权关联度的编组站布局规划方案评价

基于层次分析法（AHP）和灰加权关联度理论,作者构建了编组站布局评价指标体系,并针对建立的多层递阶结构模型,确定了指标权重的分配,提出了基于灰加权关联度的编组站布局规划方案评价方法。通过实例分析表明该方法科学合理、实用可行。     

基于油液监测的船舶柴油机故障预测与健康管理技术研究

以连续监测收集的油液光谱数据为依据,提出了基于统计过程控制（SPC）的船舶柴油机故障预测方法,将主要磨损元素的质量浓度梯度作为质量特性指标,运用SPC技术对各质量特性进行了统计分析.结果表明,此船舶柴油机可能存在异常因素而导致磨损状态处在统计控制之外,需要查找故障的根源;并基于上述获得的油液监测数据,利用投影寻踪（PP）方法对此船舶柴油机整机性能退化程度进行了综合评定,制定了相应的评判标准.     

带有UKBF的船舶动力定位预测控制器设计

为了精准设计水面船舶动力定位控制系统,将无迹卡尔曼布西滤波与非切换解析模型预测控制方法相结合提出一种预测控制器的设计方法.采用无迹卡尔曼布西滤波算法解决非线性连续系统的滤波问题,获取船舶运动状态的估计值;结合相对阶概念,根据船舶运动非线性模型,应用非切换解析模型预测控制方法设计动力定位非线性控制器,使船舶保持在指定位置.研究结果表明:设计控制器的输出较为平滑,有利于减少推进器磨损;设计控制器使船舶北向位置调节时间小于40 s,超调量小于5%,东向位置调节时间小于60 s,超调量小于5%,艏向角度的最大偏移量小于1.5°,令船舶快速到达了指定位置.      

基于能量比法识别波头的AT牵引网故障行波测距研究

针对AT供电方式牵引网的故障定位问题,提出了一种新的基于能量比法的故障测距算法,目标在于提高故障测距精度,缩短定位时间,满足高速铁路列车的应用需求.利用MATLAB软件建立了AT供电方式下的某牵引网结构的仿真模型,并对故障测距算法进行了仿真验证.仿真结果表明:与在变电所调研的故障测距结果相比,误差小于变电所中故障测录仪获得的故障测距误差,定位时间较短,故障测距精度提高,这为后续相关研究及探索奠定了重要基础.     

含特殊负荷的配电网分层故障定位方法

特殊负荷接入配电网，增强了电源、负荷与电网之间的互动性，对故障定位提出了更高的要求，为此，提出了一种快速定位故障点的分层定位方法. 首先分析基于遗传算法的单层含特殊负荷配电网故障定位的不完备性；其次在单层模型的理论基础上，提出改进量子免疫算法的区域定位方法和隐枚举法的区段定位方法；最后对所提模型和基于单一智能算法的单层模型进行了对比仿真实验. 结果表明:与遗传算法、免疫算法和改进量子免疫算法构建的单层定位模型相比，所提分层定位方法大大简化了故障辨识模型的复杂度，在提高定位效率的同时保证了定位的容错性和稳定性，可将故障搜索维度降低69%，故障定位耗时在1 s以内，故障辨识率达到100%.      

基于子带分解及分数傅立叶变换的语音增强算法

给出了一种基于子带分解并在子带中应用分数阶傅里叶变换(FRFT)的语音增强新方法.该方法把带噪语音信号分解成子带信号后,对子带信号进行了特定阶次下的分数阶傅里叶变换,通过子带谱减后的信号估计语音模型参数,再利用卡尔曼滤波对子带信号进行滤波,最后由滤波后的信号重构全带语音信号,实现语音增强.实验表明:该方法在减少卡尔曼滤波计算量的同时,也很大程度上提高了语音增强的质量.     

一种基于UEE-EMD的滚动轴承故障诊断方法

滚动轴承是很多大型旋转机械的核心部件,其故障诊断的研究对保障旋转机械运行稳定性具有重要的意义。经验模态分解方法对分析非线性不稳定的滚动轴承故障信号具有独到的优势。然而,经验模态分解固有的端点效应问题往往会导致较大的故障特征提取误差,影响故障诊断的准确性。针对上述问题,本文提出基于无失真端点极值化的经验模态分解(UEE-EMD)的滚动轴承故障诊断方法,UEE-EMD通过交叉取样策略和端点极值化策略从源头上抑制端点效应的产生,利用本征模函数截头去尾从结果上屏蔽端点效应,保证了滚动轴承故障特征提取的准确性。故障诊断仿真实验表明,基于UEE-EMD的滚动轴承故障诊断取得了更好的诊断效果。     

基于模糊理论与神经网络并行推理的发动机故障诊断方法

将模糊理论与神经网络相融合,针对汽油发动机偶发性疑难故障,采用模糊信息处理方法确定故障的类别,通过神经网络的逼近能力来实现对故障进行诊断的功能。与单纯使用神经网络进行故障诊断的方法相比,基于模糊理论与神经网络并行推理的发动机故障诊断方法在输入参数不是训练时的典型数据（同训练时输入数据差别较大）时,系统仍能对输入样本很好地归类,给出较高精度的诊断结果,尤其对于单一系统的复杂故障具有很好的识别能力,可以提高对发动机故障的诊断精度。     

基于粒子群的车牌定位识别的神经网络方法

在对车牌定位识别中采用传统算法进行特征提取的时候, 当目标图像质量较差或者有较大的退化时, 不是很有效.遗传算法作为一种新兴的智能算法,近年来被应用于许多社会生活领域中,并比较好地解决了相关领域的优化问题,近年来,有些学者应用遗传定位算法来解决车牌定位问题.