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。     

基于模糊层次分析法的防空兵作战指挥决策能力评估

防空兵作战指挥决策能力的评估,采用模糊层次分析模型,通过建立多层次指标评价体系,对单项指标进行专家评判,采用递推算法给出目标层对评语的隶属度,按最大隶属度原则给出优劣等级评定,并对评判集引入打分制,将影响指挥决策能力的各项因素都融汇于综合性的评分之中,从而为综合评估防空兵作战指挥决策能力提供了较为简便可行的方法。     

基于模糊信息融合的船舶动力装置综合故障诊断方法研究

在模糊集理论的基础上,将决策级信息融合技术应用于故障诊断系统中,提出了一种基于系统模糊综合评价融合结构下的综合故障诊断方法.该方法以模糊逻辑运算和全局决策融合来自多传感器的局部判决来获取诊断对象的综合诊断结果,并对船舶主动力系统的运行故障进行诊断研究,结果表明,该方法准确有效,为船舶动力装置故障的智能化诊断提供了有益的借鉴.     

船用核动力装置维修保障能力评估研究

分析了船用核动力装置的维修保障工作的特点和评估方法,对维修保障能力评价指标、评价集、权重的确定进行了讨论,在此基础上建立了维修能力评估模型。重点研究了定性指标隶属度函数和指标隶属度的计算方法,采用高斯模糊分布作为定量指标隶属函数,解决了传统的状态评估方法难以表现评估状态连续性变化的缺陷。最后通过实例分析,证明了评估模型的有效性。     

基于模糊集合理论的船舶碰撞危险度模型

为了解决多船避碰决策过程中避让行动优先级问题,提出一种基于模糊集合理论的船舶碰撞危险度确定模型。选取最近会遇距离、最近会遇时间、船间距离、相对方位、船速比5个因素建立碰撞危险度影响因素集,并确定各因素评价集、评价指标以及各参数的隶属度函数,经模糊综合评价得到船舶碰撞危险度计算模型。设置两船交叉会遇以及多船交叉会遇2种会遇局面进行仿真实验,实验结果验证了该模型的有效性。     

基于模糊集合理论的船舶碰撞危险度模型

为了解决多船避碰决策过程中避让行动优先级问题,提出一种基于模糊集合理论的船舶碰撞危险度确定模型。选取最近会遇距离、最近会遇时间、船间距离、相对方位、船速比5个因素建立碰撞危险度影响因素集,并确定各因素评价集、评价指标以及各参数的隶属度函数,经模糊综合评价得到船舶碰撞危险度计算模型。设置两船交叉会遇以及多船交叉会遇2种会遇局面进行仿真实验,实验结果验证了该模型的有效性。     

船舶柴油发电机组的模糊控制及其优化研究

针对船舶柴油发电机组励磁系统非线性、强耦合的特点,设计了励磁系统的模糊PID控制器,该控制器由模糊控制器和PID控制器并联而成,将船舶发电机端电压的偏差及其变化率经模糊化处理后的模糊量作为模糊推理机的输入。由于模糊PID控制器的设计具有较强的主观性,且其隶属度函数对控制器的性能影响较大,因此确定ITAE指标函数最小的目标,针对此目标采用蚁群算法对模糊控制器的隶属度函数进行优化。在Matlab环境下对柴油发动机和发电机的控制进行了仿真,仿真结果表明,蚁群算法优化隶属度函数后的模糊PID控制器使发电机的端电压更加稳定,具有较好的稳态和动态性能。     

基于模糊集理论的多层次船舶安全性评价模型研究

利用模糊集理论对于船舶的安全性进行综合评价研究,通过隶属度函数将船舶安全性分析的多种复杂模型信息定量化研究,采集关于船舶安全性的多种信息进行分析评价。根据采集到的多方面综合信息,通过隶属度函数的确定进行定量分析评价。从评价结果可看出,本文提出的基于模糊理论的多层次船舶安全性评价模型具有实际使用价值和较高的准确性。     

船舶同步柴油发电机动力故障诊断数学建模分析

利用基于神经网络构建的模型和基于支持向量机构建的模型对船舶同步柴油发电机动力故障进行诊断,存在故障诊断准确性较差,诊断时间较长的问题。针对上述问题,基于粗糙集理论构建一个新的数学模型,对故障进行诊断。该模型构建首先需要确定故障样本集及故障征兆集,然后构建二者的隶属度矩阵最后在最大隶属度原则下选取出隶属度矩阵中最大的隶属度,并对照柴油发电机发生故障概率,实现故障诊断。结果表明:与基于神经网络构建的模型和基于支持向量机构建的模型相比,基于粗糙集理论构建的数学模型,诊断准确性提高3.2%和6.4%,诊断时间缩短19.6 min和30.3 min。     

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。