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。     

振动信号分析技术在船舶主机故障诊断中的应用

在船舶主机故障诊断系统中,将振动信号技术充分运用起来,对判断船舶设备的故障效果非常有益。通常采用的振动信号分析技术包括2个,一是测量设备和结构的振动信号分析;二是对设备或结构加以激励,使得振动产生,对振动进行测量。本文针对振动信号分析技术在船舶主机故障诊断中的应用展开研究。     

船舶动力系统低压弱电设备故障检测方法

动力系统是船舶稳定航行的基础与关键,所含低压弱电设备复杂度逐渐攀升,故障概率也随之增加,为船舶稳定航行带来了威胁,因此提出船舶动力系统低压弱电设备故障检测方法研究。利用传感器获取船舶动力系统低压弱电设备振动信号,采用五点三次平滑法对振动信号进行平滑处理,以此为基础,Fourier变换振动信号,提取振动特征信号(有效值及其能量),将提取的振动特征信号输入至训练好的一维深度卷积神经网络中,网络输出即为低压弱电设备故障检测结果,实现了低压弱电设备故障的检测。实验数据显示,3个数据集的故障检测率均高于95.2%,符合船舶航行需求,证实了提出方法的可行性。     

一种基于特征数的舰船设备振动异常判断方法

舰船设备一旦出现故障,将产生一系列后果,如停机损失、维修费用等,甚至造成经济与人员的重大损失。介绍了一种通过实时监测设备振动状态,利用特征数进行舰船设备振动异常判断的方法。该方法不致出现信号畸变和泄露,不受工况变化影响,可以及早发现设备早期故障,达到视情维护的目的。     

基于集合谱峭度法的轴承故障诊断

轴承早期故障引起的微弱振动变化信号往往淹没在机械传动系统的背景振动噪声中,其故障特征提取困难。本文针对滚动轴承故障振动信号的非平稳性及调制特性,提出集合经验模式分解和谱峭度法合的滚动轴承故障特征信号提取及其故障诊断的新方法——集合谱峭度法(Ensembled Kurtogram,EK)。该方法应用集合经验模式分解将振动信号分解为多个固有模式函数,分别计算各个固有模式函数的峭度值及其与故障工况下振动信号、正常工况下振动信号之间的相关性,根据IMFs自动选取规则选取合适的IMFs进行轴承故障信号的重构;然后针对重构后的信号进行谱峭度计算得到对应的峭度图,根据峭度图上最大值原则选取最佳带通滤波器进行滤波;最后运用包络解调后的信号进行故障诊断。本文通过模拟仿真和实验验证,验证了该算法的故障信号提取有效性和故障诊断能力。     

基于LabVIEW的船舶柴油机不同工况下的机身振动信号分析

机身振动信号对船舶柴油机故障的识别具有重要作用,可为故障的分析提供重要的参数,因此编写了基于LabVIEW的柴油机振动信号的采集与分析系统,应用搭建的平台在正常工况和几种典型的故障模式下进行振动信号的采集与分析试验。从采集到的状态信号中提取与设备故障密切相关的机身振动信号进行时域、频域和幅值域的分析,同时通过各特征参数的分析对柴油机进行简单有效的故障诊断与识别,并根据计算得出的特征值的变化趋势来分析确定信号中故障的发生与发展,及时对故障作出分析诊断。这对保证船舶安全航行以及对设备实行预知维护都具有十分重要的意义。     

基于振动信号的船舶柴油机配气系统故障定位方法

针对船舶柴油机配气系统故障定位问题,提出一种基于振动信号的配气系统故障定位方法。分析配气系统故障发生的原因,并论证通过监测振动信号的变化来进行故障诊断是有效的。具体论述基于振动信号的故障定位方法,对振动信号进行时域特征分析。以柴油机的离线故障数据为例,对该方法的有效性进行验证,结果表明采用该方法能有效地对柴油机配气系统进行故障定位。     

基于振动和润滑油分析的主推力轴承故障诊断实例

结合振动测试和润滑油分析的技术手段对某船主推力轴承故障进行综合分析,表明利用振动信号对滚动轴承故障进行诊断是设备故障诊断方法中比较有效的方法,同时润滑油分析的结果也可以验证振动监测的有效性,提高故障诊断的准确性.     

电机组振动故障实时监视技术研究

电机组振动故障实时监视的系统,可用于发动机等船舶上大型电机设备的故障预测。利用高灵敏度的MEMS加速度传感器对振动信号实时采集,并配置专用的电机组振动监测设备进行实时的特性分析,判断电机的工作状态。文中设计的监测系统具有结构简单,灵敏度高等优点,可很好的应用于电机故障的监测中。     

基于轴频电场的舰船主轴系故障诊断研究

文章针对在舰船舱室中测得的振动信号包含大量难以去除的非高斯有色噪声以及来自齿轮箱等设备的干扰振动信号,从而影响故障诊断的效果这一问题,提出了一种基于舰船轴频电场的主轴系故障诊断方法,使用该方法对实验数据进行处理,结果表明该方法能够成功诊断出主轴系的三种典型故障,并且在信噪比较低的情况下该方法依然有效。     

单片机在设备信号采集与分析处理系统中的应用

为了提高船舶设备的使用质量,延长船舶设备使用寿命,有必要对船舶设备的信号采集、分析和处理过程进行系统研究。船舶设备信号包括电路信号、模拟量信号、声音信号和振动信号等,本文研究的对象是船舶设备的振动信号和噪声信号采集和分析,主要是因为这2种信号与船舶设备的运行状态息息相关,可以快速反映船舶设备的运行工况。本文介绍了基于单片机的船舶设备信号采集系统的基本框架,设计了船舶设备信号采集与处理系统的硬件电路和软件流程,对改善船舶设备的信号采集与分析能力,提高船舶设备故障诊断与监控水平有一定的作用。     

基于小波包的舵机故障特征提取方法研究

舵机是船舶控制的核心部件之一,舵机一旦发生故障,轻则延误航期造成经济损失,重则严重威胁船舶航行安全。设备运行时受外界环境和本身故障等因素的影响,其振动信号中蕴含了丰富的故障信息和非平稳随机信号,故障特征提取是当前智能故障诊断中的重点和难点,它直接关系到诊断结果的准确性与可靠性。提出一种小波包分解的故障特征提取方法,仿真结果表明,该检测方法稳定有效,具有较好的推广性。     

某船消防泵振动故障诊断

当设备内部发生故障时,设备的振动常常会相应地发生变化,对采集到的异常振动信号进行分析,有时可以查出故障原因.对某船消防泵进行振动监测时发现,泵轴承处振动烈度超标,冲击脉冲值偏大.文章对泵轴承处的振动波形和频谱进行了分析,发现振动加速度波形存在异常冲击,振动速度频谱中存在多个转频的高阶成分,特别是叶频成分突出.根据以上振...     

EMD技术在机械震动故障中的诊断方法

齿轮箱是船舶机械动力系统的核心装置,连接着动力系统各精密零部件,在船舶的整个航行中起着动力枢纽作用,对它的故障诊断的效率及准确性关系着航行的效率,也船舶系统工程重要研究方向。传统的故障诊断依靠测量设备对振动点进行大量测量,随后通过时域信号分析,其测量工作繁重且信号分析复杂度较大,已越来越不能适应现代故障检测要求。本文利用EMD技术对机械振动中的故障进行检测,对振动信号降噪利用小波变换进行处理,有效提高了诊断效率及精确度。     

船舶轴系弹性支撑振动过大原因及对策

为解决某船舶轴系弹性支撑振动过大的问题,消除剧烈振动对推进系统性能发挥及船舶动力系统航行安全性的影响,分析该船柴油机功率输出传动件的结构特点,研究轴系弹性支撑振动产生的原因及机理。利用丹麦BK公司3050数据采集前端、4513 BX压电式加速度传感器及4514 BX压电式加速度传感器采集弹性支撑振动进行跟踪测试,通过PULSE数据分析平台对振动信号进行频谱、阶次和总级值等方面的分析,结合频谱分析、试验及对比分析得出该设备振动过大主要是由轴系不对中、转子不平衡和机械共振等3种因素导致的;对导致各类振动的故障源进行分析,并提出具体对策。     

基于机器学习算法的船舶电气故障分类与诊断方法

为实现船舶电气故障的早发现、早解决,设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号,利用小波包分析方法提取增强后的电气设备振动信号特征,将电气设备振动信号特征输入卷积神经网络中进行训练,得出最佳的故障分类与诊断模型,并利用该模型实现船舶电气设备的故障分类与诊断。实验表明：采用Teager能量算子可以快速准确地将传感器采集的信号放大,且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%,可能够准确诊断出船舶电气设备是否存在故障,并获取对应的电气故障类型。     

基于HHT边际谱与SVM的柴油机故障诊断方法研究

提出基于希尔伯特黄变换边际谱的柴油机故障诊断方法,对3110型柴油机几种故障工况及正常情况下的缸盖振动信号进行测试,采用抽区间采样分析法对缸盖振动信号进行时域特性分析,得出信号随时间和频率变化的精确表达。尝试以边际谱的最大峰值和最大峰值频率作为特征向量,用SVM分类器对柴油机的工作状态和故障类型识别。实验分析表明,该方法即使在小样本情况下也能准确有效地识别柴油机气门间隙变化和断油故障。     

大型船舶动力装置故障的诊断研究

大型船舶动力装置工作负荷较大,故障诱因较多,为了有效准确排除大型船舶动力装置,提高工况稳定性,提出一种基于喘振谱特征提取的大型船舶动力装置故障检测诊断方法。采用多传感器进行大型船舶动力装置的物理信息采集,提取动力装置的振动信号和喘振信号,对提取的信号进行时频变换和离散谱特征分析,采用自相关匹配滤波器进行船舶动力装置振动传感信号的滤波处理,对滤波输出信号进行喘振谱提取,对提取的谱特征量输入到神经网络分类器中进行故障判别。仿真及结果表明,采用该方法进行大型船舶动力装置故障诊断的准确性较高。     

船舶起重设备异步电机故障维修方法

传统的异步电机故障维修方法存在着维修效率低的缺陷,为此提出船舶起重设备异步电机故障维修方法。采用传感器、采集卡等设备对异步电机的振动信号和电流信号进行采集,通过时域特征方法在采集的信号中提取故障特征量,将其导入故障识别算法实现了异步电机故障的识别。以得到的故障识别数据为依据,建立异步电机故障维修模型,将故障数据导入模型中,实现异步电机故障的维修。通过实验得到,提出的异步电机故障维修方法的维修效率比传统方法高出23.9%,说明提出的异步电机故障维修方法具备极高的有效性。     

螺杆式滑油泵异常振动故障诊断

某船用螺杆滑油泵出油管路振动烈度高达257. 7 mm/s,文章测量了该泵和另一台同型号泵的管路、泵体的振动速度和振动加速度波形,并逐一进行比较分析。管路振动速度波形和频谱表明,故障泵振动不稳定,速度频谱中存在明显的异常频率成分。泵体振动加速度波形分析结果表明,正常泵高频脉冲信号出现的频率与泵的正常排油频率对应。故障泵高频脉冲信号出现的频率明显不规律,说明故障泵的螺杆配合存在问题。泵体高频脉冲信号对于螺杆泵的状态监测与故障诊断具有重要意义。