基于人工神经网络的船用主柴油机故障诊断

本文基于人工神经网络（ＡＮＮ）理论，针对船用主柴油机的故障诊断问题，介绍了多重神经网络（ＭＮＮ）诊断模型及其算法，研制了系统仿真软件。     

基于随机森林算法的船舶电站故障诊断

针对船舶电站故障诊断中常用的BP神经网络算法存在的收敛速度慢和诊断准确率不高等问题,提出一种基于随机森林算法的船舶电站诊断模型。在Simulink软件中搭建船舶电站故障模型,通过在Simulink中仿真得到船舶电站故障数据,分析基于随机森林算法的船舶电站故障诊断原理。在MATLAB软件中分别建立基于随机森林算法和BP神经网络算法的船舶电站故障诊断模型,并对二者的故障诊断结果进行对比分析。结果表明,基于随机森林算法的诊断模型相比基于BP神经网络的诊断模型,能显著提高船舶电站故障诊断的效率和准确率。     

船用核动力一回路设备故障综合智能诊断系统

在总结核动力一回路设备的故障诊断技术的基础上,依据“分解-综合”的诊断思想,提出基于神经网络和专家系统的综合智能诊断系统的模型和多源信息综合诊断模型,探索将不同的诊断技术结合起来形成新的智能诊断系统。     

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。     

智能化故障诊断系统的研究与开发

基于神经网络轴系智能化故障诊断系统的开发技术，讨论了BP神经网络和自组织神经网络在轴系故障诊断中的应用特点，提出以PC为核心的扭振主号采集处理和标准样本的建立方法，介绍诊断系统的软件结构、模块功能、混合编程与接口技术、诊断流程和软件特点。实际应用表明，智能化故障诊断系统是船舶轴系扭振监测与故障诊断的一种有效工具。     

基于BP网络的线性电路软故障诊断

线性电路的软故障诊断一直是个难点,BP神经网络可用于模式识别和分类。本文主要介绍了BP网络的基本算法、训练过程及其改进,分析了BP网络在模拟电路故障诊断中的实用性。     

RBF神经网络的舰船电力系统故障诊断模型

舰船电力系统故障诊断是当前的热点问题,经典舰船电力系统故障诊断模型存在各自的缺陷,影响舰船电力系统故障诊断结果,为了改善舰船电力系统故障诊断结果,提出了RBF神经网络的舰船电力系统故障诊断模型。首先分析当前舰船电力系统故障诊断研究进展,阐述了RBF神经网络的舰船电力系统故障诊断原理,然后从舰船电力系统工作状态中提取特征向量,引入RBF神经网络进行学习,产生舰船电力系统故障诊断模型,并对RBF神经网络参数优化问题进行改进,最后与当前几种经典模型进行了故障诊断对比测试,RBF神经网络的舰船电力系统故障诊断正确率超过92%,而经典模型的舰船电力系统故障诊断正确率低于90%,误诊现象出现的概率很高,验证了RBF神经网络用于舰船电力系统故障诊断的优越性。     

基于改进BP算法的凝给水系统故障诊断神经网络的分析与训练

分析了故障诊断神经网络的组成,构建了凝给水系统故障诊断神经网络,并用改进BP算法对新构建网络进行了训练.训练后的凝给水系统故障诊断神经网络得到了很好的验证.     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法，本文较为系统地介绍了其测量、故障参数提取及分析方法，并在诊断分析中使用了进化RBF神经网络，此网络的训练采用遗传算法，优化了径向基神经网络的结构和参数，加强了网络的实用性。最后用神经网络对所模拟的故障进行辨识，证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性。     

基于BP神经网络的故障诊断技术在装备维修中的应用

传统故障诊断方法在装备保障中的诸多局限性。文章介绍了基于BP模型的神经网络,研究了基于BP模型神经网络的故障诊断推理方法,并利用Matlab仿真软件对结果进行了运行和计算。结果证明,基于BP神经网络的故障诊断技术对装备故障诊断是行之有效的。     

神经网络技术在核动力装置故障诊断方面的应用探讨

主要针对核动力装置中的冷凝器故障，建立了冷凝器故障仿真模型和基于BP网络的故障诊断模型，探讨了利用神经网络技术实施故障诊断的方法。     

船舶齿轮箱故障诊断及失效预报方法研究

针对船舶齿轮箱故障诊断正确率低的难题,提出蚁群优化神经网络的船舶齿轮箱故障诊断方法。首先采集船舶齿轮箱故障诊断的数据,并采用小波分析提取船舶齿轮箱故障诊断特征,然后采用神经网络建立船舶齿轮箱故障诊断模型,并采用蚁群算法克服神经网络存在的缺陷,最后构建了船舶齿轮箱失效预测方法,实验表明,本文方法提高了船舶齿轮箱故障诊断效果,并获得了高精度的船舶齿轮箱失效预测结果。     

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。     

基于模糊神经网络和D-S证据理论的故障诊断方法研究

提出一种基于模糊神经网络和D-S证据理论的故障诊断方法。该方法利用模糊逻辑和神经网络的优势，通过数据融合充分利用各种信息，提高诊断的精度。经算例证明，该方法可靠、有效，对于复杂装备的故障诊断有一定意义。     

基于改进Petri网的船舶电力系统故障诊断

将Petri网理论用于船舶电力系统故障诊断中,提出了一种改进的Petri网故障诊断模型。在基本Petri网诊断模型的基础上引入模糊推理规则形成模糊Petri网,说明了该方法的模型构建、推理过程及解析方法的表示。利用该方法对船舶电力系统进行故障诊断使推理过程简洁、诊断快速、诊断结果也更科学有效。     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用,并且首次将神经网络和虚拟仪器技术相结合,成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明,将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度,有很好的工程应用前景。     

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。     

基于MCGS组态软件的船舶冷却水系统故障诊断设计

为实现对船舶冷却水系统的更有效的监测报警,利用MCGS（Monitor and Control Generated System）组态软件,结合MATLAB RBF神经网络,设计了故障诊断系统。该系统具有MCGS容易组态的特点,参数数据以及故障状态实现了动画显示,同时将神经网络运算纳入系统中,在实现实时监控的基础上实现了神经网络故障诊断,将故障诊断智能化。     

基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。