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。     

振动分析诊断发动机活塞——气缸套磨损间隙

分析了发动机活塞－－气套的间隙与机身表面振动信号的相关性，介绍了利用振动信号特征量诊断间隙的方法。     

人工智能技术在舰船室内设计中的应用

针对传统舰船室内设计方法受到设计元素种类的影响,出现设计效果差的问题,以增强舰船室内设计效果为目的,提出人工智能技术在舰船室内设计中的应用研究。采用人工智能技术优化舰船室内视觉信息,利用视觉信息的获取步骤,得到舰船室内设计的视觉信息,将舰船室内设计的二维坐标转换为三维坐标,完成舰船室内的场景建模,最后通过舰船室内设计流程,实现了舰船室内设计。实验结果表明,与其他2种方法相比,基于人工智能技术的舰船室内设计方法可以增强舰船室内设计的效果。     

人工智能技术在舰船航向混合自动控制中的应用

现有航向控制主要使用PID控制器,其主要应用于线性控制问题,而航向控制具备一定的随机性,导致常规航向控制方法稳定性较差,威胁舰船航行安全性,引入人工智能技术提出舰船航向混合自动控制方法研究。设置假设条件构建舰船运动模型,以此为基础,对运动参量进行无因次化处理,避免量纲不同对模型产生不利影响,引入人工智能技术——神经网络算法与PID控制理论进行混合应用,制定神经网络PID控制程序,执行程序即可实现舰船航向的混合自动控制。实验数据显示:在常数大于2条件下,应用人工智能技术后获得的航向控制稳定性指标大于平均水平,说明人工智能技术应用性能较好。     

基于人工智能技术的舰船网络安全信息风险评价研究

由于船舶网络结构层之间的差异性,导致不同结构层空间中的信息安全级别对应的风险系数各有不同。传统的网络信息风险评价方法只是根据网络全局系数,对网络信息进行相对性的安全风险评价。在评价准确性与代表性方面存在一定量的误差,降低了评价数据的可应用性。为了减小评价误差,提升评价数据的准确性,提出人工智能技术的舰船网络安全信息风险评价研究。利用人工智能技术,按照网络信息级别,对网络进行结构层划分,并建立模型;通过卷积神经网络算法,完成对不同结构层信息风险的MQ评价模型建立;根据模型输出数据,通过信息风险分布概率,完成网络结构层信息的全局风险评价;通过与传统方法评价结果的对比,提出评价方法能够有效降低评价数据误差,并将评价数据准确率控制在97.4%以上。     

基于人工智能技术的舰船图像语义分割算法

随着对舰船研究的深入,原有的舰船图像语义分割结果已无法满足现有的研究要求。原有的舰船图像语义分割算法在图像预处理过程中较为粗糙,导致图像分割结果交叉联合度量值较低,图像分割损失值较大。因而,设计基于人工智能技术的舰船图像语义分割算法。引用人工智能技术中的卷积神经网络对图像预处理部分展开优化;对预处理后的图像进行多尺度拟合,获取图像特征;使用改进代价函数实现舰船图像语义分割。构建算例测试环节,通过与原有算法以及使用其他技术设计的分割算法进行对比可知,此算法的交叉联合度量值较高,图像分割损失值较低。由此可知,此方法的舰船图像语义分割能力较佳。     

舰船发动机燃油电磁阀故障实时诊断方法

基于舰船发动机燃油电磁阀驱动电路,分析电磁阀电流特性与故障情况下的电流特征,发现燃油电磁阀的电流波动,对电磁阀故障具有重要影响。因此,利用小波包分解技术重构电流信号,提取电流信号的频带幅值,将其作为舰船发动机燃油电磁阀不同故障的特征向量,将该特征向量输入多输入层卷积神经网络中,经过训练、测试的多输入层卷积神经网络可以准确输出电磁阀的不同故障类型。实验结果表明,该方法可准确提取舰船发动机燃油电磁阀故障信号中的各类状态特征,诊断出电磁阀正常、弹簧断裂和阀芯卡死的故障类型,可靠性高。     

人工智能技术在船舶柴油机振动监测中的应用

传统船舶柴油机振动监测数据与实际柴油机振动参量存在一定的偏差,为了提升船舶柴油机振动监测数据的精准度,提出人工智能技术在船舶柴油机振动监测中的应用。在人工智能技术支持下,首先对船舶柴油机振动监测传感器结构进行参量校准;接着在感应数据标准值下对柴油机曲轴振动数据进行异常信号的分析处理计算;然后对分析后的异常信号源进行提取计算,完成对柴油机振动监测的全局计算。通过对比实验结果表明,提出方法具有提升监测值精准度的作用。     

基于人工智能技术的消防监督工作分析

近年来,各种突发事件频发,消防监督工作任重而道远。现代科技为消防监督工作提供了新的技术支撑。人工智能技术凭借自身优势逐渐被应用到消防监督工作中,促进了消防监督工作质量和效率的提升。本文在解析人工智能技术的基础上,介绍了人工智能技术在消防监督工作中体现的强大功能,总结了被应用到消防监督工作中的人工智能技术,包括数据挖掘与智能化处理技术、人机交互技术、人工神经网络技术、智能消防物联网系统、危险目标源检测技术等,阐述了科学运用人工智能技术的对策,分析了未来发展前景。     

人工智能算法的舰船路径规划

为了实现对舰船航行的智能调度,需要进行舰船路径规划设计,提出一种基于人工粒子群智能算法的舰船路径规划方法。构建舰船航行路径分布的网格结构模型,将舰船航行区域内的各个对象表达为人工粒子群个体,采用四元素的扩展卡尔曼滤波方法构造舰船航行路径规划的约束参量模型。构造舰船航行路径规划的控制目标函数,以舰船动态性能和稳态性能为优化目标,采用人工智能群算法进行航行路径的自适应寻优,实现舰船路径规划。结果表明,采用该方法进行舰船路径规划,能准确跟踪舰船航行的方位角和姿态角,实现路径实时跟踪,提高了舰船路径的准确规划能力。     

闭式循环往复式发动机监测与诊断系统研制

介绍外部加热闭式循环往复式发动机监测与诊断系统的组成及功能以及系统工作原理,其中故障诊断子系统采用了故障树和专家诊断相结合的方法对故障发生机理进行分析,实例表明,管理者可及时、准确、迅速地排除故障。     

多参量状态下舰船网络异常故障智能诊断方法分析

为了解决船舶网络数据交互压力成倍增长,网络故障特点已由单纯的单要素故障转变为多因素故障的问题。提出多参量状态下舰船网络异常故障智能诊断方法分析。对网络环境的全局变量进行收集,获取多参量状态,根据获取的多参量状态数据,建立多参量网络健康评估模型,定义对参量下故障识别的学习状态,确定网络故障点,通过数据提取算法完成对故障点的提取,完成故障的智能诊断。通过实验数据表明:相同时间量与故障量下,采用设计方法的故障诊断效果,要比传统诊断方法多诊断出故障21处,提升效果明显。     

港口牵引车发动机故障案例分析

发动机作为汽车等机械的动力源,结构复杂,尤其是电控发动机,随着工作条件越来越苛刻,故障判断也越来越困难。发动机故障在港口牵引车故障中占较大比例,有效地排除和解决发动机故障,     

人工智能优化算法的舰船电网故障诊断优化

传统舰船电网故障诊断算法存在故障点与电路层数据不同步的问题,导致故障点出现时间量与确定故障位置时间量出现误差,进而影响电网保护策略的启动响应速度,造成不必要的连锁故障。因此,采用人工智能算法,对故障诊断模型进行优化,并提出人工智能优化算法的舰船电网故障诊断优化研究。首先在现有舰船电网故障诊断模型输出端,加入故障数据拟合模型计算,对电网络故障数据与电网结构层进行拟合;然后通过人工智能算法,对拟合故障数据的识别响应阈值进行优化计算,从而提升诊断阈值灵敏度,达到最佳的故障诊断效果。最后,通过与传统诊断算法诊断效果数据的对比,证明提出优化方法的可行性。     

舰船柴油机技术状态评定综述

文章认为目前确定舰船柴油机技术状况的方法多种多样且各有自己的特点。一般来说，对某些失效，可用检测、监控法直接确定，对潜在的失效可先用维修信息统计法或模糊综合评判法初步确定，然后再利用检测法、监控法进一步确定下来。舰船上常采用3种方法来确定其技术状态。即参数诊断法，模糊综合评判法并口维修信息统计法。在实际使用中，可以根据当时的条件并口手段，灵活运用。如平时检修、确定机件故障可用参数诊断法，在厂修前进行技术咨询时，可采用模糊综合评判法，在各机件运行故障积累到一定数量之后，可以采用维修信息统计法等。