基于数字信号处理技术的船舶电子设备故障诊断

当前船舶电子设备故障诊断方法无法准确表达船舶电子设备故障变化特点,船舶电子设备故障诊断成功率低,出现了大量错误的船舶电子设备故障诊断结果,同时船舶电子设备故障诊断实时性差,为此设计了基于数字信号处理技术的船舶电子设备故障诊断模型。首先分析当前船舶电子设备故障诊断模型存在缺陷的原因,通过数字信号处理技术采集船舶电子设备工作状态信号,并从信号中提取船舶电子设备故障特征向量,然后将船舶电子设备故障特征向量作为极限学习机的输入,通过确定极限学习参数建立船舶电子设备故障诊断模型,最后在Matlab2016平台上进行了船舶电子设备故障诊断仿真模拟测试。结果表明,本文模型可以提取描述船舶电子设备工作状态的信号,提取特征向量可以很好描述船舶电子设备故障类型,使得船舶电子设备故障诊断成功率得到提高,故障诊断的错误率降低,有利于船舶电子设备故障处理。     

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。     

大数据驱动的舰船电子设备故障智能诊断研究

舰船电子设备故障诊断主要依靠故障分类器对故障特征的识别,因此分类器识别结果的准确性尤为重要。在分类器识别过程中,会存在部分未被滤除的噪声信号对其进行干扰,影响分类器识别结果,降低其诊断结果准确率。为了解决此类问题引入大数据驱动,提出大数据驱动的舰船电子设备故障智能诊断研究。依托大数据信息流,完成对故障特征的提取。采用数据特征免疫算法,对特征数据进行免疫计算,在免疫特征数据基础上完成对噪声数据的滤除计算。最后,对分类器识别特征量进行更新,实现分类器对故障目标的智能诊断。通过与传统诊断方法的10组差异化数据对比表明:提出的诊断方法,具有诊断结果稳定性好、适用性强、准确率高的特点。     

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。     

基于数字信号处理器的舰船电气控制装置设计

随着通信技术的不断发展,舰船上的电气控制信号已有模拟信号转变为数字信号。受此影响,传统的舰船电气控制装置无法对数字信号进行接收、解析操作。因此提出数字信号处理器的舰船电气控制装置设计。首先,对电气控制主体进行等效模型的建立,通过模型获取控制器设计参数;其次,在数字处理器前端单元引入数字信号分析算法,对数字处理器载入的控制信号进行解析,最后,在处理器架构中引入数字控制算法,完成与数字处理器的功能对接;设计完成后,通过仿真数据对设计装置进行模拟测试,通过数据来证明提出设计的可行性与稳定性。     

基于参数优化的舰船电动机故障诊断

相关向量机在舰船电动机故障诊断过程中,参数直接影响舰船电动机故障诊断结果,为了解决当前相关向量机参数优化难题,设计了粒子群算法优化相关向量机的舰船电动机故障诊断方法。首先分析舰船电动机故障诊断现状,并采集舰船电动机工作状态信号,然后提取舰船电动机工作状态信号提取特征,利用相关向量机建立舰船电动机故障诊断模型,并采用粒子群算法对舰船电动机故障诊断模型参数进行优化,最后进行舰船电动机故障诊断仿真实验。结果表明,相对于其他舰船电动机故障诊断方法,本文方法的舰船电动机故障诊断精度更高,故障诊断结果更加可靠,诊断效率更高,具有一定的工程应用前景。     

船用柴油机机械微磨损故障诊断系统设计

为有效诊断舰船用柴油机机械微磨损故障,设计新型船用柴油机机械微磨损故障诊断系统。此系统传感模块通过电感式传感器采集柴油机机械表面油液磨粒的静电信号后,由油液分析芯片启动基于MACNN的微磨损故障类型识别模型,使用多层卷积神经网络,全面提取静电信号的多维波动特征图后,以重组的方式将多维特征图转换为一维向量,通过序列注意力机制,学习重组后油液磨粒静电信号一维向量的序列特征,识别特征所属微磨损故障类型,完成柴油机机械微磨损故障诊断。若机械磨损严重或表面存在污秽,便会驱动图像分析模块,进行图像采集配合诊断。经测试,此系统对多种微磨损故障类型的诊断结果无错分情况,诊断结果有效。     

关联规则在舰船供电系统故障诊断中的应用

为了能够对电力系统故障做到有效预警与诊断,本文提出一种基于关联规则的故障诊断算法,该算法能够从电力系统细微的信号变化中识别出故障之间的联系,并结合舰船实际运行状态对故障的诊断给出最优解。仿真结果表明,此算法的故障诊断能力突出,应用前景良好。     

基于贝叶斯网络的舰船故障建模方法研究

舰船故障建模是进行故障诊断的主要技术,舰船故障的种类多,变化复杂,兼具有随机性和规律性,当前舰船故障诊断的建模方法无法描述其变化特点,使得舰船故障诊断结果不理想。为了改善舰船故障诊断效果,设计了基于贝叶斯网络的舰船故障建模方法。首先对舰船故障诊断的工作原理进行分析,指出当前舰船故障诊断方法出现缺陷的影响因素,然后采用贝叶斯网络对舰船故障诊断过程进行模拟和建模,最后采用仿真实验与其他舰船故障诊断模型的结果进行对比。结果表明,贝叶斯网络的舰船故障诊断正确率更高,可以更好反映舰船故障诊断随着时间改变的变化趋势,避免了出现故障诊断错误率高的难题,具有广泛的应用前景。     

舰船装备故障诊断特征知识获取方法研究

将粗糙集理论引入到舰船装备故障诊断特征知识获取,提出一种基于粗糙集理论的舰船装备故障诊断特征知识获取模型.该模型从包含冗余和不一致信息的原始数据出发,构建决策表,通过属性约简和属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库.实例分析表明:在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征,并能有效地解决舰船装备故障诊断中规则获取的知识冗余或缺失问题,从而为粗糙集在舰船装备故障诊断中的深入应用打下基础.     

舰船电场传感器线路故障在线诊断方法

当前方法不能准确反映舰船电场传感器线路故障的变化特点,且存在诊断效率低等难题,从而无法准确实现舰船电场传感器线路故障在线诊断。为了改善舰船电场传感器线路故障在线诊断效果,提出基于数据挖掘的舰船电场传感器线路故障在线诊断方法。首先分析当前舰船电场传感器线路故障在线诊断的研究进展,描述了舰船电场传感器线路故障在线诊断原理。然后采集舰船电场传感器线路故障信号,从中提取舰船电场传感器线路故障在线诊断特征向量,采用数据挖掘技术建立舰船电场传感器线路故障在线诊断分类器。最后在Matlab 2019平台实现了舰船电场传感器线路故障在线诊断仿真测试。结果表明,本文方法的舰船电场传感器线路故障诊断成功率高,诊断速度快,能够实现舰船电场传感器线路在线诊断。     

基于人工鱼群算法的船舶电子设备故障智能诊断方法

为实现电子设备的高效维护,确保船舶安全航行,设计了基于人工鱼群算法的船舶电子设备故障智能诊断方法。采用离散小波变换法分解电子设备运行信号样本,通过计算不同尺度下的小波能量值完成船舶电子设备故障特征参数的提取,将其作为基于RBF神经网络的故障诊断模型的输入,利用人工鱼群算法对故障诊断模型的权值、阈值参数作优化处理,最终输出不同类型故障发生概率,实现电子设备故障诊断。实验结果表明,正常以及不同故障状态下,电子设备运行信号的时域波形存在很大差异,研究方法可实现故障特征参数的提取,并完成故障类型的识别,30次迭代后MSE指标即可降至最低,仅为10^-4。     

Cat Boost算法在舰船轴承故障诊断领域的应用

轴承是舰船故障发生的常见位置,针对现有机器学习方法在舰船轴承故障诊断领域中存在多分类精度差、运算效率低等问题,提出一种基于Cat Boost(category boosting)算法的轴承诊断技术。首先,对振动信号进行时域分析、频域分析以及EMD(empirical mode decomposition)分解,得到截选振动信号段的特征指标;其次,利用Cat Boost算法在所提取特征中进行筛选,通过基尼指数快速建立树结构并进行排序。最后,选取不同维数特征输入进行模型算法评价,并与传统方法分类的准确率进行对比。试验结果表明,该方法在处理滚动轴承故障多分类问题上故障特征提取更为有效,识别效果明显高于其他传统算法。     

舰船甲板起重机旋转故障自动诊断方法

利用传统方法对舰船甲板起重机旋转故障进行自动诊断,普遍存在鲁棒性较差的问题,从而导致诊断可靠性不高。针对上述问题,提出一种基于ICA-SVM的起重机旋转故障自动诊断方法。该方法首先利用传感器采集起重机旋转故障振动信号,接着利用ICV将源故障信号与干扰信号进行分离,然后从源故障信号中提取故障特征,最后利用SVA分类器进行故障匹配与识别,实现起重机旋转故障自动诊断。结果表明:与3种传统故障自动诊断方法:基于遗传算法的旋转故障诊断、基于粗糙集理论的旋转故障诊断以及基于Hilbert-Huang变换的旋转故障诊断相比,本诊断方法的最大误报率(3.5%)和漏报率(3.2%)最低,鲁棒性更好,说明本方法的诊断结果更可靠。     

基于瞬时转速的舰船柴油机多阈值诊断方法

考虑到舰船柴油机瞬时转速信号便于测量,可有效用于对舰船主副机的状态监测及故障诊断,针对瞬时转速特征参数多、提取难等问题,利用非线性动力学进行瞬时转速仿真,分析主机故障与瞬时转速特征参数之间的关系,并采用多特征参数阈值诊断方法进行诊断。试验结果表明,基于实际瞬时转速信号测量的多阈值故障诊断方法能有效定位故障缸位置,准确率可达98.5%。     

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。     

多元统计分析在潜艇噪声源识别中的应用

利用主元分析方法对舰船机械设备运行过程信息提取特征信号,采用Q和Hotelling s T2统计量生成控制限,通过对过程变量贡献图的分析确定故障源.对实验室舰船舱段模型内机械设备的试验结果分析表明:主元分析故障诊断模型能够有效地对设备状态进行监测,并能较准确地诊断设备运行中发生的故障.     

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。     

舰载武器智能自适应诊断测试技术研究

传统武器故障诊断和测试依托于人员经验和测试仪器,难以适应现代化舰船的故障测试要求。本文对大数据技术和自适应诊断测试技术进行研究,设计舰船武器智能自适应诊断测试系统,重点设计了舰船武器故障特征提取模块和诊断测试模块。使用支持向量机对故障特征进行分类,通过原始数据融合、故障特征融合以及决策融合,系统根据采集的故障特征信息可以作出综合性判断,因而具有较高的可靠性。     

支持向量机在舰船模拟电路故障诊断中的应用

模拟电路在舰船应用中越来越复杂,故障率也在不断的增加。本文通过分析舰船模拟电路的特征,提出支持向量机的故障诊断方法,其中采用mRMR-GASVM的支持向量机对故障诊断做出分析,并结合遗传算法对分类器的参数进行优化,可以提高故障诊断的准确性。最后建立一个Sallen-Key带通滤波器电路,对其进行仿真验证,结果显示这种方法可以有效诊断出舰船模拟电路的故障。