基于信息融合的船舶机电设备故障诊断

对船舶机电设备故障进行了分析,指出故障诊断必须从多类数据中寻找隐藏的信息,进而提出了对于观测数据运用模糊聚类方法进行信息融合,寻找故障模式.算例证明方法有一定的效果.     

模糊神经网络在故障诊断中的模型与应用

对一种地模糊神经网络的故障诊断方法进行了研究，探讨了模糊误字率攻模糊算了选择，以柴油示功图作为特征信号，构造了船舶主机故障诊断仿真系统，并给出了系统知识学习和模糊推理结果。     

船舶电力系统的模糊故障诊断

人工神经网络被广泛应用于故障诊断与分析过程,然而在船舶电力系统的应用环境中,通常会出现多种故障并发的情况,因此单一的神经网络无法完成复杂的、多种类的故障分析与诊断,难以应用于船舶电力系统。同时,采用单神经网络时,多种电力系统故障的数据训练也会造成较大的工作量,从而进一步降低可用性。为了解决以上问题,本文提出一种多层模糊神经网络方法对船舶电力系统进行诊断和分析。该方法采用多层人工神经网络,不但扩展了故障诊断系统适用的故障类型,更提高了数据处理的效率,提升故障诊断的准确性。仿真和实验表明,本文提出的方法具有较好的实用性。     

模糊神经网络在轮机故障诊断中的应用与研究

为了实现对某船用轮机的故障诊断,本文以某船用轮机故障数据为研究对象,基于模糊神经网络算法,制定了合适的误差模型,对故障数据进行特征识别。研究表明:模糊神经网络算法具有较高的鲁棒性,并且诊断成功率较高,可为工程实践提供参考。     

基于FNN的船舶舵伺服系统故障诊断研究

分析某型船舶舵伺服系统的故障信息,建立了模糊神经网络故障诊断模型.利用模糊逻辑处理数据以便于充分利用经验知识;利用神经网络诊断,避免了复杂故障树诊断系统的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,并采用改进的BP算法训练神经网络,解决了收敛速度和收敛振荡的问题.诊断实例结果表明:该故障诊断系统具有较强的鲁棒性和泛化能力;该算法采用无模型化诊断,容易实现自学习,可不断完善系统性能,具有一定的理论和工程应用价值.     

基于神经网络和红外线成像技术的船用柴油机故障诊断方法研究

柴油发动机是通用船舶广泛使用的动力装置,在复杂恶劣的海上环境中,较易发生故障,传统检测方法主要依靠经验,故障定位较为耗时,其时效性差,需要进行改进。随着计算科学的发展,智能故障定位方法逐渐应用至船用柴油机故障定位系统中,如神经网络﹑模糊算法及大数据分析等。本文分析了船舶柴油机各功能部件,利用红外线对故障部件进行成像检测,设计了基于神经网络的柴油机故障诊断方法,最后对设计模型进行仿真分析。     

大型船舶动力装置故障的诊断研究

大型船舶动力装置工作负荷较大,故障诱因较多,为了有效准确排除大型船舶动力装置,提高工况稳定性,提出一种基于喘振谱特征提取的大型船舶动力装置故障检测诊断方法。采用多传感器进行大型船舶动力装置的物理信息采集,提取动力装置的振动信号和喘振信号,对提取的信号进行时频变换和离散谱特征分析,采用自相关匹配滤波器进行船舶动力装置振动传感信号的滤波处理,对滤波输出信号进行喘振谱提取,对提取的谱特征量输入到神经网络分类器中进行故障判别。仿真及结果表明,采用该方法进行大型船舶动力装置故障诊断的准确性较高。     

基于模糊神经网络的船用锂电池故障诊断的研究

本文针对锂电池组成的船舶储能系统,分析锂电池的故障模式和表现特征,建立基于模糊神经网络锂电池组故障诊断模型,通过实验数据进行模型训练并进行仿真。仿真结果证明所提出的模型的正确性,实现锂电池的故障预警,提高系统运行稳定性。     

基于B/S和C/S架构的船舶动力装置远程故障诊断系统

依据“智能船舶”的理念,针对船舶动力装置故障诊断系统,提出一种基于C/S和B/S混合架构的船舶动力装置远程故障诊断系统。依据B/S和C/S架构的优势,开发了基于C/S架构的数据管理平台,实现了船、岸间的数据、信息交互;将基于模糊神经网络的专家诊断模型应用于B/S架构的岸基船舶动力装置故障诊断系统的故障诊断判别,并利用BP算法训练实例对该模型进行了精度验证。结果表明,系统稳定可靠,故障诊断准确性高,为“智能船舶”发展提供了一个良好的解决方案。     

基于模糊神经网络的RT-flex柴油机燃油系统故障诊断

介绍了RT-flex 60C柴油机燃油系统的常见故障类型,针对其故障类型提出了以传统的BP神经网络为主,利用模糊理论作为补充的一种智能故障诊断方法。建立了基于模糊BP神经网络的故障诊断模型,并运用MATLAB软件进行了仿真测试研究,阐明了该方法的有效性。