复杂海洋环境船舶机械故障诊断算法分析

针对传统的船舶机械故障诊断算法精准度低的情况,对复杂海洋环境船舶机械故障诊断算法进行设计。为保证故障诊断准确性,对舰船机械设备数据进行采集,并采用模糊传递法对故障数据进行组合,设定阈值,将该值作为判定是否为故障数据的标准,在此基础上,采用神经网络算法,提取故障征兆,完成对复杂海洋环境船舶机械故障诊断。并设置仿真实验,实验结果表明此次设计的复杂海洋环境船舶机械故障诊断算法比传统算法准确性高,具有一定的实际应用意义。     

大数据分析在船舶机械故障诊断系统中的应用

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。     

工程船舶机械运行状态监测及故障诊断

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。     

基于数据驱动和神经网络的船舶机械轴承故障预测

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。     

基于RBF网络的船舶机械状态监测与评估

在分析传统单一阈值监测法在船舶机械等大型机械设备状态监测领域存在不足的基础上,提出了基于RBF网络的动态阈值监测模型,并以该模型为基础,设计了面向船舶机械的状态评估流程,最后以X型舰艇主柴油机为例,对监测模型和评估流程进行了验证。     

基于RBF网络的船舶机械状态监测与评估研究

在分析传统单一阈值监测法在船舶机械等大型机械设备状态监测领域存在不足的基础上,提出了基于RBF网络的动态阈值监测模型,并以该模型为基础,设计了面向船舶机械的状态评估流程,最后以X型舰艇主柴油机为例,对监测模型和评估流程进行了验证。     

采用多分辨奇异分解算法的船舶故障诊断技术

为了保障船在机械设备的运行可靠性,研究船舶机械的故障诊断技术有重要的价值,本文主要采用噪声分析法对船舶机械的运行状态进行诊断,并结合小波变换和奇异值分解算法,研究船舶机械设备噪声信号的分析,对于提高传统的船舶故障信号分析技术以及故障诊断的精度有重要的意义。     

21世纪的船舶机械设备维修展望

根据船舶机械设备维修发展现状,分析了船舶机械设备维修在新世纪中的地位和发展前景,探讨了船舶机械设备维修的策略和技术所面临的挑战及发展趋势。提出船舶机械设备维修在维修思想和模式、监测诊断技术、维修技术等方面的发展思路。     

船舶并网发电状态监测系统设计

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。     

基于大数据分析的船舶海上物流配送链优化模型

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。     

工程船舶机械运行故障诊断方法

利用传统方法对工程船舶机械运行故障进行诊断时,存在诊断正确率、效率双低的情况。针对上述情况,研究一种基于振动信号的工程船舶机械运行故障诊断方法。该方法分为2个阶段,第1阶段为监测阶段,对船舶机械运行的振动信号进行检测并去噪,提取故障特征;第2阶段为诊断阶段,利用K最近邻算法对第1阶段提取出的故障特征进行识别,确定故障类型。结果表明:与文献[1–3]诊断方法相比,本诊断方法的正确率和效率都更高,平均综合正确率达到96.7%,故障诊断时间仅需3.5 min。     

船舶机械检验制度的进展

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。     

大数据分析下舰船通信网络链路故障恢复方法

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。     

潜艇实艇阻力预报方法研究

分析潜艇阻力预报的方法和特点,采用数值计算方法对SUBOFF潜艇的主艇体模型和全附体模型在不同雷诺数条件下进行三维粘性流场数值模拟,将低雷诺数条件下的计算结果同试验结果进行比较,验证了计算方法的可靠性;通过对计算结果的分析,获得潜艇粘压阻力系数随雷诺数变化的规律,对潜艇实艇阻力预报提出一些建议。     

大数据分析下双向通航港口船只调度方法

针对传统方法因缺少自适应蚁群调度优化算法,导致调度资源分析不足的问题。在大数据分析的技术支持下,为更好地提升双向通航港口船只调度的合理性与科学性,提出大数据分析下双向通航港口船只调度方法研究。通过大数据分析技术,对双向通航港口船舶调度数据进行分析计算。接着对港口调度能力进行模型建立,根据获得的数据引入自适应蚁群调度优化算法,完成数据科学调度计算。通过实验对比方式,对提出设计方法的合理性进行证明,对双向通航港口船只调度有科学意义。     

船舶动力机械设备噪声数据远程监测方法

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。     

基于EEMD和EIIKF的船舶轴系状态趋势预测研究

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。     

基于振动和润滑油分析的主推力轴承故障诊断实例

结合振动测试和润滑油分析的技术手段对某船主推力轴承故障进行综合分析,表明利用振动信号对滚动轴承故障进行诊断是设备故障诊断方法中比较有效的方法,同时润滑油分析的结果也可以验证振动监测的有效性,提高故障诊断的准确性.     

基于红外图像的海上船舶特征识别算法研究

传统海上船舶特征识别算法受到可见光强弱的影响,在暗光条件下对船舶图像识别能力远远不如白天,加之船舶搜救等应用场景多为夜晚。因此,提出基于红外图像的海上船舶特征识别算法研究。首先,基于红外图像识别算法,将红外识别与可见光参量进行高精度融合计算;其次,对融合后的红外识别特征参量进行增强计算;最后,通过粒子群算法对大场景中的目标进行特征绑定,从而实现暗光条件下快速准确识别船舶特征的效果。通过实验对提出算法进行测试对比,证明提出算法在暗光条件下对船舶特征的识别能力高于传统识别算法。     

海洋监控系统大数据云计算架构研究

随着计算机技术的蓬勃发展,海洋监控系统的信息量急剧膨胀,人们对监控系统的要求不断提高,这对计算模式、计算机软硬件等在海量信息处理方面提出了更高的要求。为有效解决大数据处理方面存在的诸多难题,云计算技术应运而生。云计算技术通过集合大规模的计算机,提高了计算能力和存储空间,有效解决了处理性能的瓶颈,为大数据的处理提供稳定、可靠、高效的运行基础。本文设计基于Hadoop、HBase、TwitterStorm的云计算平台的海洋监控系统,并进行仿真实验。