共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
随着计算机技术和大数据技术逐渐成熟,大数据分析在船舶工业领域有了越来越广泛的应用。近年来,船舶工业逐渐向着智能化、自动化等方向发展,船舶动力系统、电力系统的智能化故障诊断等技术成为业内的研究重点。船舶机械的故障诊断过程具有数据量大、故障信号复杂、干扰信号多等问题,一直以来是业内的研究难题。本文介绍了大数据分析技术的原理和数据挖掘技术,设计了一种基于大数据分析的船舶机械故障诊断系统,该系统面向的诊断对象主要包括船舶机舱控制系统、船舶动力系统等,具有数据诊断效率高、人机交互性好、数据传输效率高等优点。 相似文献
3.
工程船舶机械运行状态的信号具有非平稳性,传统方法无法准确提取信号中的特征,使得工程船舶机械运行状态监测不准确,故障诊断错误率高,为此提出了基于Hilbert变换的工程船舶机械运行状态监测和故障诊断方法。首先提取工程船舶机械运行状态信号,然后采用Hilbert变换对工程船舶机械运行状态信号进行分解,提取特征,最后根据特征向量建立工程船舶机械运行状态识别模型,实验结果表明,本文方法可以较好描述工程船舶机械运行状态,获得了较高正确率的工程船舶机械故障诊断结果。 相似文献
4.
本文针对船舶机械轴承故障预测问题,首先进行轴承典型故障的数学模型转化,然后提出一种基于模态分解算法和小波神经网络算法的故障预测方法,利用小波变换对轴承振动信号进行特征提取,构建一个多层感知的神经网络模型和较准确的轴承故障预测模型。最后,通过实验验证了该方法的有效性和准确性,具有一定的实用价值。 相似文献
5.
6.
7.
8.
9.
《舰船科学技术》2021,(16)
传统船舶发电状态监测系统,在并网发电状态监测场景下,存在并网发电容量状态判定误差较大,导致实际输出电量与储存电量之间比例异常,扰乱正常并网发电特征逻辑。通过分析并网数据发现,关键在于监测系统对于并网发电系数的判定逻辑阈值,而阈值影响因素由监测硬件与软件算法两部分决定。因此,为了解决上述问题,提出船舶并网发电状态监测系统设计。首先,硬件功能结构进行设计;其次基于硬件获得数据,对并网发电判定阈值进行优化。最后,对输出监测量进行状态系数评估计算,保证输出监测系数的准确性。通过与传统监测系统10组数据的对比表明,提出设计的监测系统,具有数据监测误差小、连续监测稳定性好的特点,更适合船舶并网发电场景的应用。 相似文献
10.
《舰船科学技术》2020,(10)
传统的船舶海上物流配送链优化模型无法对物流资源数据进行特征共享分析,导致优化后的配送路径过长,极大地增加了运输成本与时间。为了解决这一问题,提出基于大数据分析的船舶海上物流配送链优化模型设计。通过大数据分析技术,首先对物流配送链信息进行物流源的分组优化。以收件人为中心将货物与数据资源一一对应分组,清晰物流配送数据的配送关系,对数据进行内部整合计算,精简数据流提升模型计算速度;最后对配送路径进行输出优化计算,通过大数据分析对遗传算法进行实时分析,得到最佳的配送路径。为验证提出优化模型的有效性,通过设计仿真对比实验的方式,模拟配送链数据对提出模型与传统模型进行配送时间的对比,通过对比数据证明提出的优化模型具有配送用时短,节约运输成本的特点。 相似文献
11.
12.
文中介绍了国内外船舶机械检验制度的进展,各船级社为之所作出的努力以及中国船级社为推动滑油分析技术在船舶机械检验中的应用所采取的一系列活动,并对今后船舶机械检验在滑油状态监测领域的深化提出建议。 相似文献
13.
传统船舶通信网络链路故障恢复方法存在链路层故障定位不准确的问题,导致后续故障恢复无法有效对数据链路层进行数据信道重建,影响大数据通信信息的交互。为此,提出大数据分析下舰船通信网络链路故障恢复方法。在大数据分析技术基础上,采用神经网络算法对舰船通信网络链路故障进行定位,设计链路层策略恢复方法,实现链路层交互信道恢复。仿真结果表明,所提方法可有效解决传统链路故障恢复方法中存在的问题,其链路故障恢复率最高可达99.8%,具有一定实际意义。 相似文献
14.
15.
16.
船舶动力设备作为船舶动力发生核心单元,其设备运行的稳定尤为重要。其中,动力设备运行过程中的噪声数据,可直接作为监测判定船舶动力设备故障与否的重要信息源。在对噪声源监测过程中发现,传统的动力设备噪声监测方法,对噪声数据源单频信号通道支持计算缺乏逻辑支撑,导致数据分析无法接入网络,完成远端的监测执行,不利于噪声数据的远端综合分析与大数据化的指挥调度。为此,提出船舶动力机械设备噪声数据远程监测方法。1)通过对现有噪声数据监测算法的数学建模,得到单频通道下的噪声信号频谱特征规律;2)根据单频噪声信道频谱规律计算得出单频信道的逻辑函数;3)引入EEDM单频噪声信道特征逻辑算法,对噪声单频信道逻辑进行优化计算,实现对远程执行协议逻辑的支持,完成动力设备噪声数据的远程检测;4)通过仿真实验证明提出方法的有效性。 相似文献
17.
监测、分析、预测轴系的状态数据对保障船舶动力系统正常工作具有重要意义。基于船舶轴系振动状态监测,提出集合经验模态分解(EEMD)和增强型间歇性未知输入卡尔曼滤波器(EIIKF)相结合的故障趋势预测方法。在进行模态分解前,通过加入白噪声信号优化信号的可分解性,避免出现模态混叠。进而对滤波重构后的信号进行序贯分析得到振动信号的特征曲线,采用EIIKF方法对特征曲线分析预测,并通过引入间歇性参数,对部分未知输入项带来的不确定性进行补偿。在此基础上通过故障判别模型进行故障诊断,实现基于轴系振动信号的故障预测。利用实测故障样本数据对所提出的方法进行验证,其预测结果的及时性和准确性均优于一般模态分解和卡尔曼滤波器预测的方法,验证了改进后方法的有效性和优越性。 相似文献
18.
19.