船用离心泵故障SOM网络诊断方法

为了实现对船用离心泵的实时在线智能故障诊断,进行了基于SOM网络(自组织特征映射神经网络)的船用离心泵故障诊断方法研究.在分析船用离心泵典型故障及特征的基础上,建立故障模型,提取故障特征向量并建立学习样本;设计和组建了SOM神经网络,将SOM网络的抽取输入信号模式特征的能力应用于故障诊断;通过网络训练建立了 SOM网络输入与输出属性间良好的非线性映射,实现了将特征向量输入网络来诊断故障.经实验验证,该方法具有良好的准确度和适应性.     

一种应用机理模型和SOM神经网络的液体火箭推进系统实时故障诊断方法

为了解决液体火箭推进系统实时故障诊断的问题,提出了一种应用故障机理模型和SOM（Self-organizingMapping）神经网络的实时故障诊断方法。其基本过程是先建立所研究对象的故障机理模型,通过计算机仿的办法获得液体火箭推进系统可能的故障模式及故障数据库,然后利用SOM神经网络的自组织特征映射功能建立非线性的故障模式识别器,完成对系统的实时故障诊断。从而解决了单纯依靠故障机理模型进行诊断时所遇到的实时性问题和单纯依靠SOM神经网络诊断时所遇到的故障样本获取问题。本文给出的故障诊断结果表明所提出的方法是有效的。     

舰载雷达智能故障诊断系统研究

为提高装备维护水平,立足于某型潜用火控雷达,着眼于海军装备故障诊断现状,设计了一种基于多Agent的智能故障诊断系统总体结构,诊断系统能根据设备的结构变化进行动态调整,通过知识库和诊断推理机的分离、诊断Agent的动态生成和管理等技术,使该智能故障诊断系统能方便地应用到其它装备.以BDI结构模型为基础,从基于实例的推理(CBR)、产生式诊断系统和神经网络诊断系统三个方面实现了诊断Agent的诊断功能,可最终将故障定位到可更换的元器件.     

SOM-BP复合神经网络在不接地IT系统对地绝缘故障相判别中的应用

分析了不接地IT系统故障前后对地电压变化量随接地电阻的变化过程,得出了故障前后系统对地电压变化量与故障相别的关系。对地电压变化量最大相的相位滞后相或者超前相为故障相,N线发生故障时系统对地电压变化量较小。结合SOM神经网络和BP神经网络的优点,提出了基于SOM-BP复合神经网络的故障相判别方法。利用实际工程试验数据进行了测试,结果表明SOM-BP复合神经网络经训练后能够准确判断故障相别。     

基于SOM-BP神经网络的船舶柴油机故障诊断方法

作为船舶系统重要的组成部分,柴油机工作状态与船舶安全航行息息相关。因此,对船舶柴油机故障诊断方法的研究具有重要的现实意义。以SOM神经网络和BP神经网络为理论基础,将二者融合构建SOM-BP神经网络,用于船舶柴油机故障诊断。通过仿真试验,验证了SOM-BP神经网络在船舶柴油机故障诊断中的有效性。     

基于RBF神经网络的船用低速柴油机故障诊断系统

为确保船舶海上运输的安全性与稳定性,设计基于RBF神经网络的船用低速柴油机故障诊断系统.使用多传感器采集船用低速柴油机各关键构件信号,并对信号进行预处理,运用过限判断模块获得故障信号,RBF神经网络依据故障信号特征进行船用低速柴油机故障诊断和故障程度判断.实验结果表明,该系统能有效滤除信号中的无用高频信号,故障诊断结果...     

基于粗糙集理论的柴油机燃油系统故障诊断研究

针对柴油机燃油系统的故障种类多的特点利用小波方法对燃油波形进行分析,提取时域及频域的故障特征参数,并使用粗糙集理论对这些故障特征参数进行约简,达到简化故障识别的神经网络的结构、加快辨识速度的目的.最后用RBF神经网络对所模拟的各类故障进行辨识,证实了粗糙集理论在柴油机燃油系统故障诊断中应用的可行性.     

基于MCGS组态软件的船舶冷却水系统故障诊断设计

为实现对船舶冷却水系统的更有效的监测报警,利用MCGS（Monitor and Control Generated System）组态软件,结合MATLAB RBF神经网络,设计了故障诊断系统。该系统具有MCGS容易组态的特点,参数数据以及故障状态实现了动画显示,同时将神经网络运算纳入系统中,在实现实时监控的基础上实现了神经网络故障诊断,将故障诊断智能化。     

人工智能技术在船舶动力装置故障诊断中的应用

传统的动力装置故障诊断方法需要大量的故障数据样本,导致诊断效率和实时性差,无法满足现代船舶航行的需求。针对上述问题,提出人工智能技术在船舶动力装置故障诊断中的应用。使用小波包分析技术对传感器采集的信号进行去噪、分解重构以及能量谱特征提取处理后,构建船舶动力装置故障集。使用D-S理论对BP神经网络输出的诊断结果进行数据融合和置信度判断,得到可靠的诊断结果完成故障诊断。对比实验数据显示,利用人工智能的方法诊断精度较高,并且诊断响应效率高,具有良好的泛化能力。     

基于多Agent的雷达设备远程故障诊断系统

针对雷达设备的故障检测需求,设计由多个Agent组成的远程故障诊断系统软件结构;提出结合结构和故障的综合方法对雷达诊断问题进行分布式任务分解,明确故障问题;阐述多Agent之间合作完成诊断任务的过程;对系统的硬件结构进行层次划分和功能设计。通过实例说明系统诊断功能的实现。     

自动舵电路板神经网络故障诊断方法

为了实现对自动操舵仪电路故障的自动检测和诊断、达到降低维修成本和提高维修效率的目的,采用神经网络的方法,通过在电路板的输入端输入不同的测试序列,仅在电路板的输出端进行数据采集和特征提取,然后利用神经网络进行故障诊断,从而达到自动判断电路板好坏和定位常见故障元件的目的,避免使用探笔或夹具时因接错位置而不能定位故障的问题。采用该方法建立的故障诊断系统操作简单,使用方便,具有智能化、可视化的特点。     

遗传神经网络在导航传感器故障诊断中的应用

对船用组合导航系统中占主要地位的惯导系统进行故障诊断研究,提出了基于遗传算法优化的神经网络故障诊断模型.利用改进的遗传算法对BP神经网络的权值和阈值进行遗传操作,获得具有一定遍历性的初始权值和周值,然后再利用神经网络的L-M训练方法进行训练,克服了BP神经网络搜索速度慢和容易陷入局部极值的缺点,保证了训练过程收敛.对采集到的传感器故障信号进行预处理,故障特征信号作为改进遗传神经网络的输入信号来检测故障.采用惯导系统陀螺仪故障信号进行仿真研究,结果表明此方法可有效地检测故障且提高了系统精度.     

基于SOM神经网络的船舶分油机故障诊断研究

为了实现对船舶分油机故障的智能诊断,提出一种基于SOM神经网络的诊断方法。首先,在分析分油机典型故障及特征参数的基础上,提取故障特征向量并建立学习样本。其次,建立了SOM网络模型,通过样本数据集进行训练,获取了输入与输出间的非线性映射。最后将建立的SOM网络应用于分油机的故障分类和诊断。实验验证表明:该方法诊断准确度高和对不同故障识别的适应性强,是一种可行有效的分油机故障智能诊断方法。     

基于CAWOA-BP的船舶凝给水系统故障诊断

为克服传统专家经验在故障诊断方面的不足,实现船舶凝给水系统的智能诊断,在标准BP神经网络基础上提出一种优化后的CAWOA-BP故障诊断模型。采用混沌映射以及自适应权重调整策略优化WOA鲸鱼算法,利用优化后的WOA鲸鱼算法改进BP神经网络的权值及阈值矩阵。由于船舶凝给水系统的状态监测数据是复杂多维度数据,利用UMAP降维算法对原始数据进行降维。最后,利用降维处理后的数据训练CAWOA-BP神经网络模型,实现故障诊断。通过对正常及故障数据的学习,发现优化后的CAWOA-BP模型相比于标准BP,WOA-BP,PSO-BP故障诊断模型具有更高的准确率、精确率、召回率及预测误差。研究表明,基于优化后的CAWOA-BP神经网络故障诊断方法能够更加精确实现船舶凝给水系统的故障诊断。     

基于嵌入式技术的船舶故障诊断控制器设计

船舶故障诊断是船舶运输航行的重要技术支持,为了有效提高船舶故障诊断效果,基于嵌入式技术设计新型船舶故障诊断控制器。该控制器从故障异常数据入手,首先建立故障训练样本,用于表示船舶正常航行以及多类型故障时的数据标数,根据训练样本,提取当前故障信号诊断特征,并利用最小二乘法对上述建立的训练样本数据进行直接限制,完成诊断特征分类,将分类后的数据进行信号去噪,消除无用数据,确定信号标度因子值,通过数据清洗,重新划分定位故障数据,实现故障诊断。实验数据表明,应用该故障诊断控制器,故障诊断率提高了22%,故障误判率降低了30%,有效提高船舶故障诊断控制效果。     

基于多Agent的船舶电力系统故障诊断系统设计

在对多Agent技术和船舶电力系统故障诊断系统相关技术进行研究的基础上,设计出基于多Agent技术的船舶电力系统故障诊断系统,阐述了该系统的特点、分类、功能、结构,并就其诊断信息的交互过程做了详细的介绍。文中设计的船舶电力系统故障诊断系统能充分利用已有的诊断资源,提高故障诊断的效率,便于构造大型船舶电力系统故障诊断系统。     

多传感器融合下船舶机电系统多发故障信号监测

为了提高船舶维护效率,提出一种多传感器融合下船舶机电系统多发故障信号监测方法。根据故障状态下的信号频率,使用小波变换法提取故障信号特征参数作为蚁群算法优化BP神经网络输入,实现多发故障诊断,并通过DS证据理论完成多传感器数据融合,得出故障诊断结果。实验结果表明,该方法可通过多传感器融合判断出船舶机电系统故障类型,即使一种传感器出现故障也不影响诊断效果,诊断船舶机电系统多发故障平均准确率高达97.02%,能够实现较为精准的船舶机电系统多发故障监测。     

BP神经网络技术在船舶起锚机离合器故障检测中的应用

当船舶起锚机离合器出现故障时,需要采用有效的故障诊断技术判断其故障类型以及故障元器件。BP神经网络是一种具有自主学习能力的记忆网络,可以实现线性和非线性函数之间的映射,并以此为基础对网络中存储的记忆进行训练,从而提高起锚机离合器的精检测。本文从BP神经网络技术入手,论述其在船舶起锚机离合器故障信号检测的应用,为故障检测提供实用操作价值。     

基于神经网络的舰艇指控系统故障诊断专家系统

针对舰艇指控系统设备故障的复杂性、多样性,采用神经网络和专家系统相结合的方法,构建了舰艇指控系统故障诊断系统,阐述了该系统的基本结构,以及知识库、推理机和解释机的实现方法。较好地解决了舰艇指控系统故障诊断问题。为舰艇指控系统故障诊断提出了一种新的途径。     

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。