船舶舵机多媒体教学与故障分析系统的研究

针对船舶舵机液压系统的特点,采用多媒体表现舵机各部件结构和操舵工作原理过程。分析了舵机液压系统故障状况,并依据故障诊断方法,构建故障知识库,实现舵机故障分析与诊断。     

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。     

缆松弛补偿器液压系统传感器布置的仿真分析与优化

针对传统深海科考船绞车系统传感器不能快速准确检测系统故障的问题,以缆松弛补偿器的液压系统为研究对象,进行潜在故障分析,确定监测点和传感器布置方案并建立液压系统有向图,采用基于最大故障诊断信息熵准则的方法对系统状态监测初始方案进行传感器数量优化和选取。利用AMESim软件建立液压系统仿真模型,采用故障注入的方式模拟节流口堵塞故障,验证传感器优化布置方案中故障诊断的效果。     

船用计程仪信号传输系统的神经网络故障诊断算法

计程仪信号传输系统是由步进电机通过齿轮带动多个旋转变压器。为实现对其故障的智能诊断,提出一种基于BP神经网络算法的故障诊断方法,并采用LM(Levenberg-Marquardt)最优化算法对BP网络进行训练。通过Matlab神经网络工具箱仿真计算,结果表明LM算法提高了BP神经网络的学习效率及稳定性,明显加快了网络的收敛速度。使用BP神经网络对步进电机带动多旋变系统故障诊断的方法行之有效,在减少故障诊断人员工作量同时提高了系统故障诊断的效率。     

利用复合神经网络进行柴油机故障诊断

在对ART-2和并行BP人工神经网络模型进行分析的基础上,提出了一种针对大型复杂设备进行故障诊断的复合神经网络诊断策略:先运用ART-2识別单一类故障,再使用并行BP网络实现并发故障和新故障的分离,解决了对复杂设备并发故障诊断和新故障都能有效识別的问题。该模型利用柴油机缸盖振动数据进行诊断验证,能够有效识別并发故障和新故障等复杂故障类型。     

基于输出电压和电源电流的模拟电路故障诊断

为了提高模拟电路故障诊断的准确率,要尽可能的采集有效故障样本信息作为 BP 神经网络的输入。提出利用输出电压和电源电流信息融合的方法进行模拟电路故障诊断。收集输出电压和电源电流的故障样本集,然后作为 BP 神经网络的输入对网络进行训练和判断。利用不同故障对输出电压和电源电流的影响不同,能减少故障特征的重叠,提高模拟电路的故障诊断正确率。仿真结果表明利用输出电压和电源电流信息融合的方法比单纯利用输出电压或电源电流进行诊断准确率和速度都有明显提高。     

基于GA-BP的船舶同步发电机定转子绕组匝间短路故障诊断研究

为诊断与分析船舶同步发电机定转子绕组匝间短路故障,文章采用基于主成分分析法(PCA)和遗传算法(GA)优化BP神经网络(GA-BP神经网络)的故障诊断方法。首先利用Maxwell软件平台故障仿真得到的定子三相电流作为特征信号,通过小波包分解重构以及PCA降维的处理方式,生成15维的样本数据,降低了网络规模以及处理计算时间,并针对传统BP神经网络收敛速度慢以及易陷入局部极小值的特点,利用GA算法对BP神经网络权值与阈值进行优化。通过样本数据对GA-BP神经网络进行训练测试,验证了PCA和GA-BP神经网络对于船舶同步发电机定转子匝间短路故障诊断具有可行性以及准确性。     

基于神经网络与专家系统的火控系统故障诊断

为了能在火控系统发生故障时，更快更好地诊断和排除，分析了人工神经网络和专家系统各自特点及其局限性，采用人工神经网络技术与专家系统相结合的方法，建立基于人工神经网络与专家系统故障诊断机制，对火控系统的故障进行智能诊断。克服了传统的诊断专家系统缺少有效的自学习、自适应机制，难以解决非线性系统故障问题的不足。这对于解决火控系统多征兆、多原因的复杂故障问题，是一条方便快捷的途径。     

新型舵机教学平台故障的仿真验证

介绍新型液压舵机教学平台的组成和特点,对液压舵机教学平台测试过程中出现的故障进行计算分析,采用AMESim软件进行仿真模拟验证和比较,提出液压舵机教学平台的优化改进措施.     

IHI液压起货机起吊系统故障诊断方法

某轮IHI型液压起货机起吊系统不能正常工作,根据该型液压起货机起吊系统的工作原理,利用液压系统功率流为基础的液压系统故障诊断方法,正确地找出了故障原因并排除故障,并指出该故障诊断方法简单可靠,可广泛应用于船舶液压系统。     

基于BP神经网络的煤矿电机故障诊断预测

电机软故障辨识诊断一直是困扰电机维修工程师一大难题。引入BP神经网络概念,利用采集到的样本数据训练BP神经网络,得出最优网络模型。通过典型故障状态参数测试新方法的辨别能力。结合对煤矿电机参数的训练测试,通过仿真实验验证了这种新方法对电气故障诊断的有效性。     

非线性观测器在舰船液压伺服系统的故障分析应用

液压伺服系统广泛应用在船舶舵机等操控设备中,液压伺服系统出现故障会造成严重的经济损失甚至人员伤亡。针对这一问题,本文提出用非线性观测器诊断液压伺服系统的故障。建立液压伺服系统的数学模型,设计非线性观测器,生成残差矢量,并对非线性观测器模型进行仿真研究。     

泵控舵机液压缸动态特性研究

泵控液压缸在工程机械中有着相当广泛地应用,其动态特性决定了整个液压系统的工作性能,为此对经简化的泵控液压舵机系统进行动态特性研究。因为软件MATLAB的工具箱SIMULINK在系统仿真方面的功能十分强大,所以利用SIMULINK对液压系统进行物理建模、仿真,对泵控液压缸进行动态特性研究。仿真结果验证此研究方法的可行性与正确性。此外,该研究方法简单、直观,可以应用于液压系统的设计、液压元件的选择与优化和液压系统故障辅助诊断,也可以应用于轮机模拟器的仿真系统。     

船舶液压舵机模拟装置的设计与实现

文章分析了船舶泵控型液压舵机工作原理，提出了基于PLC控制的船舶液压舵机仿真模拟装置。根据船舶液压舵机转舵的实际过程，经过深入分析设计了模拟装置的PLC接线图和对应的PLC程序，开发了基于“物理仿真+硬件模拟系统”的仿真方法的船舶液压舵机实时仿真模拟控制装置，为液压舵机的教学提供了多元化的方式，实现了对船舶液压舵机进行实时有效的控制模拟，还可以实现船舶液压舵机系统的动态仿真和操作响应等多种功能。     

钢丝绳柔性抽油杆系统故障诊断研究

本文介绍了利用人工神经网络(ANN)技术和计算机图像处理技术对钢丝绳柔性抽油杆抽油装置进行故障诊断的方法。对示功图进行了二值化、滤波和正规化处理,获得了人工神经网络的输入向量,输出结果则表示可能发生的故障形式。采用BP网络,最后给出了一个诊断实例。     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

基于灰色度分析的船舶液压系统故障诊断研究

船舶液压系统是动力系统重要组成部分,需要对系统故障及时定位诊断及修复。船舶液压系统的故障描述模型有基于图论的﹑信息论的及功率流理论的,图论策略通过灰色度分析船舶液压系统中的功率分配﹑损耗过程,能够以最少的监测点最优的描述系统故障中的分布。本文分析基于灰色度的船舶液压系统故障诊断模型,设计1套基于传感器﹑故障图像灰色度分析及计算机故障诊断系统,最后通过实验证明本文故障诊断系统的有效性。     

故障树分析技术液压舵机系统故障检测中的应用

故障树分析技术在船舶机械设备维修中的应用越来越广泛，通过建立某液压舵机系统故障树，讨论了应用故障树查找故障的方法，并应用于系统“转舵太慢，故障检测中，直观，高效地解决了问题。     

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。     

基于遗传神经网络与信息融合的实时智能故障诊断系统研究

在传统BP神经网络的基础上引入聚类分析方法与遗传优化算法,可有效降低BP神经网络的训练难度并提高其训练精度;为有效利用各诊断单元的诊断结果,引入D-S证据理论对结论进行决策分析.仿真测试表明,该故障诊断系统能迅速、准确、可靠的诊断出各种故障.