舰船电力系统量子遗传算法的故障诊断方法研究

为能准确的确定故障元件,建立了考虑保护或断路器拒动情况下适合舰船电力系统故障诊断的数学模型,利用量子遗传算法对故障诊断数学模型进行求解,并利用典型舰船电力系统故障算例对所提方法进行了验证,算例结果说明了该故障诊断模型的合理性和诊断结果的准确性。     

不平衡负载下船舶电力系统故障诊断研究

电力系统的故障诊断可以保证船舶的正常工作,针对当前单一模型无法全面、准确对船舶电力系统故障进行诊断的难题,提出一种基于组合模型的船舶电力系统故障诊断模型。首先提取不平衡负载下船舶电力系统的信号,并提取状态特征,然后采用隐马尔科夫法对船舶电力系统故障进行初步诊断,采用支持向量机对船舶电力系统故障进行进一步诊断,以提高船舶电力系统故障诊断的准确性。最后进行船舶电力系统故障诊断的测试,测试结果表明,组合模型可以从多个角度对船舶电力系统的工作状态进行分析,船舶电力系统故障诊断率高,不仅有降低了船舶电力系统故障的错误诊断率,而且改善了船舶电力系统故障效率。     

舰船电力推进系统故障诊断技术研究

本文阐述了舰船电力推进系统故障诊断技术研究的工作,建立了电力推进系统故障诊断基础模型,运用仿真技术为系统设计提供了参考和试验环境,采用神经网络算法获取新知识以提高对未知故障的诊断能力,并设计了基于专家系统的电力推进系统的故障诊断系统,它能使故障诊断更准确和快速。通过故障诊断技术的引入,可以很大程度地提升电力推进系统的可靠性,使系统维修更加方便。     

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。     

船舶电力推进系统故障诊断技术

故障诊断技术是船舶电力推进系统研究中的重点,当前无法对船舶电力推进系统的故障进行准确划分,无法获得较优的船舶电力推进系统故障识别效果,为了获得理想的船舶电力推进系统故障诊断效果,设计一种信号去噪和数据挖掘的船舶电力推进系统故障诊断方法。首先分析船舶电力推进系统故障原理,采用船舶电力推进系统故障信号,然后对船舶电力推进系统故障信号进行去噪,提高船舶电力推进系统故障信号质量,并提取船舶电力推进系统故障诊断特征,最后采用最小二乘支持向量机设计船舶电力推进系统故障分类器,并与其他方法进行船舶电力推进系统故障诊断对比实验,相对于对比方法,本文方法的船舶电力推进系统故障诊断率高于94%,不仅船舶电力推进系统故障结果的误识率明显减少,而且加快了船舶电力推进系统故障诊断的速度,具有更加广泛的实际应用领域。     

人工智能技术在船舶电力系统故障诊断中的应用

近年来人工智能技术在很多领域得到了成功应用,特别是故障诊断方面。船舶电力系统是保障船舶自动化系统正常工作的重要组成部分。由于船舶电力系统工作环境恶劣,因而船舶电力系统一旦出现故障将会产生很严重的后果。传统船舶电力系统故障检测费时费力,本文通过对人工智能技术进行分析,研究了人工智能技术在船舶电力系统故障诊断中的应用,提出了一种故障诊断系统架构,重点研究了基于人工神经网络以及专家系统的电力系统故障诊断,设计了神经网络模型,给出了推理机的故障诊断流程。     

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。     

舰船电力系统谐波的智能检测研究

舰船电力系统包含大量的非线性负载,谐波产生的概率相当高,谐波会对舰船电力系统产生很大干扰,而当前舰船电力系统谐波检测算法存在检测精度低、实时性不高等局限性,为了解决当前舰船电力系统谐波检测过程中存在的缺陷,设计一种舰船电力系统谐波的智能检测算法。首先分析了舰船电力系统谐波产生的原因,并提取舰船电力系统谐波检测相关数据,然后采用RBF神经网络建立舰船电力系统谐波的智能检测法,最后在Matlab2017平台上进行了舰船电力系统谐波检测的仿真模拟测试,结果表明,本文算法检测舰船电力系统谐波成功概率相当高,降低了舰船电力系统谐波检测误差,而且可以实现舰船电力系统谐波的实时性检测。     

船舶电力系统的模糊故障诊断

人工神经网络被广泛应用于故障诊断与分析过程,然而在船舶电力系统的应用环境中,通常会出现多种故障并发的情况,因此单一的神经网络无法完成复杂的、多种类的故障分析与诊断,难以应用于船舶电力系统。同时,采用单神经网络时,多种电力系统故障的数据训练也会造成较大的工作量,从而进一步降低可用性。为了解决以上问题,本文提出一种多层模糊神经网络方法对船舶电力系统进行诊断和分析。该方法采用多层人工神经网络,不但扩展了故障诊断系统适用的故障类型,更提高了数据处理的效率,提升故障诊断的准确性。仿真和实验表明,本文提出的方法具有较好的实用性。     

前馈式神经网络的舰船电力电能测试与分析

为了提高舰船电力供电的稳定性和节能性,需要进行舰船电力电能的准确测试研究,提出一种基于前馈式神经网络的舰船电力电能测试分析方法。构造舰船电力电能系统测试的等效电路模型和约束参量模型,在舰船电力系统的永磁无刷谐振功率控制过程中,采用前馈式神经网络模型进行舰船电力电能测试参量的误差补偿和扰动抑制,实现舰船电力电能的测试优化。试验测试结果表明,采用该方法进行舰船电路电能测试和控制的稳定性好,抑制了电能测试的输出失真,有利于提高后期舰船电力供电系统的稳健性。