使用数据挖掘实现舰船故障数据定位

为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。     

基于关联规则的舰船故障数据定位挖掘算法

为了提高舰船故障检测能力,需要进行舰船故障数据的实时挖掘和分类分析,提出一种基于关联规则的舰船故障数据的定位挖掘方法。采用电磁探测器、水声换能器、声呐装置、声学传感器等设备进行不同工况下舰船数据采集,包括舰船辐射噪声、机械振动等数据,对采集的数据进行高维特征融合处理,提取舰船故障数据的关联规则特征量,对提取的特征量采用K均值算法进行聚类分析,并通过BP神经网络分类器实现舰船故障数据的分类识别,实现舰船故障数据定位挖掘。仿真结果表明,采用该方法进行舰船故障数据挖掘的准确性较好,对故障的定位能力较强,提高了舰船实时故障诊断能力。     

舰船电场实验室模拟校准装置及方法研究

舰船电场实验室模拟、校准是舰船电场研究的有效手段和关键技术。本文系统介绍了舰船电场实验室模拟、校准系统的设备组成,阐述了基于电场信号源和舰船电场缩比模型的舰船电场实验室模拟方法。提出了水下电场传感器实验室校准方法,指出对传感器进行定期校准对提高电场测量精度具有重要的意义。     

基于机器学习算法的舰船故障数据自动分类

舰船故障数据种类多,变化复杂,当前方法无法实现高精度的舰船故障数据自动分类,使得舰船故障数据自动分类精度难以满足实际应用的要求。为了获得理想的舰船故障数据自动分类结果,本文构建了一种基于机器学习算法的舰船故障数据自动分类方法。对当前国内外的舰船故障数据自动分类文献进行分析,并提出机器学习算法的舰船故障数据自动分类框架。通过传感器采集舰船故障数据,从中提取描述数据类型的特征集合。最后引入机器学习算法描述特征与舰船故障数据类型之间的联系,从而实现舰船故障数据自动分类,并通过仿真验证性实验分析其效果。相对于传统舰船故障数据自动分类方法,机器学习算法的舰船故障数据自动分类精度明显增加,舰船故障数据自动分类速度也得到了一定程度的提升。     

舰船云计算系统服务器故障的识别模型

舰船云计算系统服务器故障的种类多,故障与特征之间是一种非常复杂的映射关系,传统舰船云计算系统服务器故障识别模型难以获得理想的识别结果。为了克服当前舰船云计算系统服务器故障识别模型存在的不足,设计一种基于数据挖掘的舰船云计算系统服务器故障识别模型。首先采集舰船云计算系统服务器故障识别数据,然后采用数据挖掘技术对舰船云计算系统服务器故障识别数据进行分析和建模,建立舰船云计算系统服务器故障识别的分类器,最后进行了舰船云计算系统服务器故障识别仿真对比实验。本文模型的舰船云计算系统服务器故障识别率高达95%,而且舰船云计算系统服务器故障的误识率要小于当前其他舰船云计算系统服务器故障识别模型,结果验证了本文模型的优越性。     

数字信号处理器的舰船电子设备故障诊断

舰船电子设备故障与多种因素相关,使得舰船电子设备故障变化具有随机性,传统方法难以描述舰船电子设备故障的变化特点,诊断效果差。为了克服当前舰船电子设备故障诊断存在的不足,提出数字信号处理器的舰船电子设备故障诊断模型。首先采用数字信号处理器对舰船电子设备状态信号进行采集,同时去除信号中的一些噪声,然后从舰船电子设备信号中提取有效的特征,通过筛选最有效的舰船电子设备故障诊断特征进行建模,最后引入数据挖掘技术建立舰船电子设备故障诊断模型,并在相同环境下,与其他模型进行舰船电子设备故障诊断仿真模拟测试。结果表明,本文模型的舰船电子设备故障诊断误差要比对比模型更低,且减少了舰船电子设备故障诊断复杂度,诊断效率得到明显的提升。     

数据挖掘技术的舰船磁性目标定位方法

针对传统舰船磁性目标定位方法在定位舰船磁性目标时,受到航行环境的影响,存在目标定位偏差大、时间长的缺点,提出数据挖掘技术的舰船磁性目标定位方法。根据舰船磁性目标特征的确定原理,确定了舰船磁性目标的特征,采用数据挖掘技术将舰船磁性目标特征提取出来,利用平滑处理技术对舰船磁性目标特征进行滤波处理,在引入舰船磁性目标的边缘停止函数基础上,对舰船磁性目标特征进行映射,预处理了舰船磁性目标特征,通过分析舰船磁性目标的定位原理,布置磁性传感器,通过判断磁性传感器采集的舰船磁性目标是否有效,实现了舰船磁性目标的定位。实验结果表明,数据挖掘技术的舰船磁性目标定位方法不仅可以提高舰船磁性目标的定位精度,还可以加快目标定位速度。     

支持向量机的舰船发动机故障诊断

发动机故障诊断是舰船领域的一项关键研究内容,舰船发动机故障与多种因素相关,而且故障类型很多,针对传统舰船发动机故障诊断模型存在的局限性,设计基于支持向量机的舰船发动机故障模型。首先采集舰船发动机工作状态信号,并从工作信号中提取舰船发动机工作状态特征;然后对舰船发动机工作状态特征进行降维处理,并采用支持向量机构建舰船发动机故障诊断的多分类器;最后采用仿真模拟实验测试了本文舰船发动机故障诊断模型的性能,支持向量机可以准确识别各种舰船发动机故障,舰船发动机故障诊断性能要优于传统舰船发动机故障诊断模型,而且诊断效率可以满足舰船发动机故障在线诊断要求。     

大数据分析下舰船维修数据挖掘算法优化分析

舰船维修数据具有重要的利用价值,当前算法无法有效对其变化特点进行准确挖掘,无法充分发挥舰船维修数据优势,为了提高舰船维修数据挖掘精度,设计了基于大数据分析下舰船维修数据挖掘算法。首先采用单一算法对舰船维修数据进行挖掘,并根据挖掘精度对各种算法进行评价。然后采用大数据分析技术中的包容性检验算法选择最佳的单一模型,并对它们结果进行组合,得到舰船维修数据挖掘结果。最后采用舰船维修价格的历史数据作为实验对象,分析本文方法的优越性。本文方法的舰船维修价格的预测精度要显著高于当前其他数据挖掘算法的精度,而且舰船维修价格预测可信度更优,降低了舰船维修价格预测误差。     

物联网海上舰船航行数据挖掘方法

为了保证海上舰船航行的安全,解决传统航行数据挖掘方法中存在的延时长的问题,利用物联网技术优化数据挖掘方法。遵循数据挖掘的基本原理搭建数据挖掘框架,在该框架下确定舰船的航行方向、航行路线等数据为待挖掘数据。在舰船的相应位置上安装物联网传感器,实现实时数据的采集与传输。以采集的实时航行数据库为基础,通过去除错误、航行位置计算等步骤,得出海上舰船航行数据的挖掘结果。通过与传统数据挖掘方法的对比发现,设计方法的数据挖掘速度提高了约50%。     

基于神经网络的舰船电机转速控制系统

舰船电机有十分强烈的非线性变化特点,当前控制系统不仅无法有效对舰船电机转速进行高精度的控制,而且无法对舰船电机转速进行在线控制。为了获得理想的舰船电机转速控制效果,提出基于神经网络的舰船电机转速控制系统。首先分析当前舰船电机转速控制系统,找到舰船电机转速控制系统的局限性,然后采用PID控制机制对舰船电机转速进行控制,并根据舰船电机转速控制误差对PID控制参数进行在线调整,最后实现舰船电机转速控制仿真实验。结果表明,神经网络能够实现准确、快速的舰船电机转速控制,各项指标满足舰船电机转速控制的实际要求,同时舰船电机转速控制效果优于当前其他方法,结果验证了本文舰船电机转速控制系统的优越性。     

基于传感器网络的舰船行驶系统振动检测

根据振动检测结果可以知道舰船行驶系统的工作性能,传统方法无法有效的实现舰船行驶系统振动检测,为了提高舰船行驶系统振动检测精度,设计了基于传感器网络的舰船行驶系统振动检测方法。首先分析当前舰船行驶系统振动检测研究进展,并指出当前各种舰船行驶系统振动检测方法的缺陷,然后采用传感器采集舰船行驶系统振动检测信号,并对舰船行驶系统振动检测信号进行消噪,最后构建了舰船行驶系统振动检测模型,并通过仿真实验分析舰船行驶系统振动检测方法的性能,结果表明,本文方法可以准确描述舰船行驶系统振动检测信号变化特点,获得高精度的舰船行驶系统振动检测结果。     

舰船集成冷媒水系统损害检测

舰船集中冷媒水系统配置方式可以集中为舰船电子设备冷却提供保障,克服电子设备因自带冷却系统产生的寿命周期费用高、可靠性水平低等问题,能减少资源消耗,简化设备配置,优化系统设计,实现冷却资源的综合利用。集中冷媒水系统的损害检测及管理是舰船损害管制的一项重要内容。在分析舰船冷媒水系统集成及舰船损害管制的基础上,进一步探讨采用主元分析法(PCA)对冷媒水系统测量传感器的损害进行检测与诊断,并在水系统的模拟平台上对传感器的损害检测与诊断进行验证。根据水系统在正常运行条件下的系统压力传感器的测量数据建立的主元模型可解释系统方差95%以上,置信限为1.639 4。在某压力传感器损害(即故障)条件下的运行数据的Q-统计超出这一置信限,说明有压力传感器发生故障,且从Q-分布图可以看出,故障压力传感器的测量贡献率最高,占45%~75%,从而实现了故障传感器的诊断。提出一种平时与战时相结合的集中冷媒水管网的损害检测与诊断流程。     

数据挖掘技术的舰船起锚机液压系统故障分析

舰船应用对起锚机液压系统的性能提出了更高要求,针对当前舰船起锚机液压系统故障分析过程中存在的速度慢、工作过程复杂、误差等局限性,以提高舰船起锚机液压系统故障分析精度为目标,设计了数据挖掘技术的舰船起锚机液压系统故障分析方法。首先采用多传感器对舰船起锚机液压系统故障信息进行采集,并采用主成分分析法提取舰船起锚机液压系统故障分析特征,然后引入数据挖掘技术建立舰船起锚机液压系统故障分析模型,最后在Matlab 2018平台上与传统舰船起锚机液压系统故障分析方法进行了仿真对比测试。数据挖掘技术的舰船起锚机液压系统故障分析精度超过94%,而传统方法的舰船起锚机液压系统故障分析精度低于88%,同时舰船起锚机液压系统故障分析速度也得到了改善。     

基于振动信号的舰船发动机故障诊断

传统舰船发动机故障诊断方法诊断时,需要对舰船发动机进行一定程度上的拆卸,无法完成零拆卸的故障检测,为此提出基于振动信号的舰船发动机故障诊断方法。使用不同波段振动信号作为检测探伤手段,采集多频段的振动信号,分析信号携带的诊断信息,完成舰船发动机故障诊断模型构建;计算振动信号非线性鲁棒值,锁定故障位置,通过编程分析,实现舰船发动机故障诊断。试验结果表明,设计的故障诊断方法比传统方法诊断定位准确率高2%,说明设计的诊断方法具备极高的有效性。     

基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。     

现代舰船隐身技术的若干方法研究

随着舰船隐身技术在信息化战争中发挥着越来越重要的作用,设计和建造隐身性能好的舰船已经成为当前海军追求的一个发展方向。文中主要分析了诸如电场隐身、等离子体隐身等舰船隐身技术的特点,总结了国外舰船隐身技术的最新研究成果和发展趋势,并分别从雷达、红外、声、电场隐身等几个方面,探讨了舰船总体设计时实现“隐身”的一些具体实现途径和方法。     

舰船通信网络异常数据的弱关联定位技术

网络异常直接关系着舰船通信的安全,为了准确对舰船通信网络异常数据进行检测和定位,设计了基于数据挖掘技术的舰船通信网络异常数据弱关联定位技术。首先对舰船通信网络异常数据的定位现状进行分析,指出当前定位技术的不足,然后引入数据挖掘技术对舰船通信网络异常数据变化特点进行刻画,实现舰船通信网络异常数据的弱关联定位,最后采用标准舰船通信网络异常数据集进行有效性测试。结果表明,本文技术可以获得高精度的舰船通信网络异常数据定位结果,而且舰船通信网络异常数据定位误差远远小于当前其他技术,具有十分显著的优越性,研究结果具有一定的理论和实际价值。     

基于数据挖掘的舰船装备维修费估计

舰船装备维修费具有一定的规律性,同时也有一定的随机性,导致很难进行准确估计。为了提高舰船装备维修费精度,减少舰船装备维修估计偏差,设计了基于数据挖掘的舰船装备维修费估计模型。首先分析当前舰船装备维修费估计模型的各种局限性,然后收集舰船装备维修费历史数据,并对舰船装备维修费历史数据进行处理,得到更加有规律的舰船装备维修费数据,然后采用数据挖掘技术建立舰船装备维修费估计模型,并采用实际舰船装备维修费数据进行验证性实验。本文模型的舰船装备维修费估计精度高,舰船装备维修费的估计误差远小于当前其他舰船装备维修费估计模型,结果证明本文方法是一种精度高,误差小的舰船装备维修费估计模型。     

粒子群算法优化神经网络的舰船直流电机故障分类

针对舰船直流电机故障的误分率高、结果不可靠等难题,以进一步提高舰船直流电机故障分类正确率,提出了粒子群算法优化神经网络的舰船直流电机故障分类方法。首先采用小波变换对舰船直流电机故障信息进行多尺度分解,提取信号能量值作为舰船直流电机故障分类特征,然后将舰船直流电机故障的特征作为神经网络的输入向量,采用粒子群算法和神经网络对特征向量进行训练,建立舰船直流电机故障分类器,最后的舰船直流电机故障分类测试结果表明,本文方法可以准确实现舰船直流电机故障分类,有助于舰船直流电机故障的定位,而且舰船直流电机故障误分率要小于其他方法,舰船直流电机故障分类结果更加可信。