基于改进深度学习算法的船舶柴油机故障诊断技术

随着数据挖掘技术的发展,深度置信网络(DBN)这类深度学习算法被越来越多运用到工程领域。在故障诊断领域,结合DBN强大的自适应特征提取和非线性映射能力,可以摆脱以往对专家经验的依赖。基于此,本文为有效地监测柴油机气缸运行状态,提出一种基于改进深度学习算法的船舶柴油机故障诊断技术。先将原始信号的频域形式输入DBN当中,采用蚱蜢优化算法(GOA)搜索DBN的最优参数组合,并建立起最佳的柴油机气缸故障诊断模型。经测试验证,本文提出的诊断模型能够准确识别柴油机气缸运行状态并进行故障诊断,诊断率可以达到99.5%以上,具有较好的工程实用价值。     

基于深度信念网络的船舶柴油机智能故障诊断

[目的]为了提高船舶柴油机智能故障诊断的精度,引入深度学习方法,提出一种基于深度信念网络(DBN)的船用柴油机智能故障诊断方法。[方法]采用多层限制性玻尔兹曼机(RBM)堆叠成DBN,并采用对比散度方法对模型参数进行求解。通过无监督预训练和有监督微调的训练方法,从故障样本数据中提取深层次的隐性特征并获得较好的初始化参数。[结果]基于AVL BOOST船舶柴油机故障仿真实验进行样本数据分析,结果表明:DBN对训练样本集和测试样本集的故障识别率分别为98.26%和98.61%,比BP神经网络(BPNN)和支持向量机(SVM)具有更高的故障识别准确率和更好的泛化性能,可以避免浅层神经网络因随机初始化权值而陷入局部最小值和精度较低等问题。[结论]与BPNN和SVM相比,DBN更适用于船舶柴油机的智能故障诊断应用。     

船用柴油机故障诊断多信息融合技术研究

为了解决船用柴油机故障诊断中基于单传感器信息的方法诊断精度低的缺点,应用神经网络原理,提出了一种基于气缸压力,缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。通过提取船用柴油机工作过程故障三种信号的八个特征值,按正常和五种故障状态的构造学习样本文集和检验样本文集,对输入进行归一化处理,该方法能有效地提高其故障诊断精度。     

基于数据挖掘的船舶主机故障远程诊断系统设计

如果船舶的主发动机不能正常的工作,船舶的安全航行就难以保证。传统的故障诊断系统主要依靠船员的经验来分析每台设备的参数并推断出故障的类型。该方法精度低,成本高,无实时性。为解决这一问题,基于数据挖掘技术设计了一种新型船用柴油机故障诊断优化系统。本文将数据挖掘技术应用故障诊断,利用算法上的高效,包括VSM算法和关联规则,建立远程船舶主机故障诊断系统,对主机的运营进行实时动态的仿真。对发动机各子系统运行状态的实时监控可以与整个船用柴油机的故障特征相结合。     

基于随机森林方法的柴油机涡轮增压器故障诊断

为了提高柴油机故障诊断的精度,针对柴油机涡轮增压器故障的问题,提出基于随机森林的柴油机涡轮增压器故障诊断方法。使用AVL Boost对柴油机建立故障仿真模型,并生成故障样本。对构建的涡轮增压器模型使用随机森林方法诊断。结果表明,采用随机森林算法的故障诊断模型可以有效对涡轮增压器的故障进行分类,分类准确率超过95%。可知,随机森林方法在涡轮增压器故障诊断领域中有良好的应用价值。     

内燃机故障诊断技术及发展趋势

柴油机作为-种复杂动力机械,其运行状态的监测和故障诊断技术越来越受到人们的关注.在柴油机故障诊断领域,信号处理、故障特征提取及模式识别方法已初具雏形,但离实用化还有一定距离.在综述现代柴油机故障诊断技术中常用的性能参数法、振动分析法、瞬时转速波动法、油液分析法、信息融合诊断法的原理、特点及不足的基础上,提出了柴油机故障诊断技术的难点和发展趋势.     

灰色数据挖掘在船用柴油机中的应用

船用柴油机作为船舶航行中的动力源,具有非常重要的作用。但柴油机在运行过程中的运行状态及故障发生都对船舶的正常运行影响很大。本文通过研究灰色数据挖掘的特点,结合船舶柴油机的结构与故障特性,研究出一种基于灰色数据挖掘的故障诊断方式,通过对灰色关联算法在计算机上进行编程仿真,检验这种方法对船舶柴油机的故障诊断具有较好的诊断结果,对船舶柴油机的正常航行具有一定的意义。     

分形技术与概率神经网络在船舶柴油机故障诊断中的应用

船舶自动化程度的提高对能源的需求也日益增长,而船舶的柴油机系统作为能源的主要来源,其重要性也越来越明显。为提高柴油机的稳定性能,降低故障发生率,本文提出一种基于分形技术和神经网络算法的故障诊断模型。该模型中的分形理论能够甄别出故障的非线性特征,精确锁定故障的来源;然后利用神经网络算法对柴油机故障的诊断进行深度训练。最后利用LabVIEW仿真平台和Matlab软件进行故障诊断能力仿真验证,本文提出的综合诊断方法能够有效识别故障来源和类型。     

工程船舶机械运行状态监测及故障诊断

工程船舶机械运行状态的信号具有非平稳性,传统方法无法准确提取信号中的特征,使得工程船舶机械运行状态监测不准确,故障诊断错误率高,为此提出了基于Hilbert变换的工程船舶机械运行状态监测和故障诊断方法。首先提取工程船舶机械运行状态信号,然后采用Hilbert变换对工程船舶机械运行状态信号进行分解,提取特征,最后根据特征向量建立工程船舶机械运行状态识别模型,实验结果表明,本文方法可以较好描述工程船舶机械运行状态,获得了较高正确率的工程船舶机械故障诊断结果。     

四冲程柴油机的数学建模和故障诊断系统开发

四冲程柴油机是指柴油气缸的一个工作过程,包括进气、压缩、燃烧做功和排气4个阶段。四冲程柴油机是船舶的动力核心,其工作稳定性直接决定了船舶的运行状态。四冲程柴油机常见故障包括轴承故障、阀门损坏、漏油等,本文针对四冲程柴油机的故障特性,开发了柴油机的数学模型,结合振动信号和压力信号采集,建立了船舶四冲程柴油机的故障诊断系统。     

基于共振解调技术的船舶柴油机故障诊断研究与仿真

柴油机推进是最可靠、最成熟的船舶推进技术。目前,几乎所有的大吨位舰船都采用了柴油机推进。在船舶运行过程中,柴油主机可能会出现磨损、变形、腐蚀等故障,严重影响船舶的正常运行。振动信号分析是船舶柴油机故障诊断的重要方式,柴油机的振动信号包含大量信息,柴油机的齿轮、轴承等发生故障时会产生各种冲击信号,采用共振解调技术分析这些振动信号,可以有效的获取故障类型和严重程度,有助于提高船舶柴油机故障诊断的水平。本文系统介绍了柴油机故障的类型,并研究了基于共振解调技术的柴油机故障诊断与仿真分析。     

可编程控制器在船舶柴油机气缸压力测量系统的应用

近年来可编程控制器在石油、钢铁、化工、船舶等领域得到了广泛应用。可编程控制器具有良好的稳定性、抗干扰性、价格低廉等优点。柴油机是船舶自动化系统的重要组成部分,对柴油机气缸压力进行测量可以第一时间发现柴油机故障,降低船舶财产损失。本文在前人基础上提出了一种基于台达PLC的船舶柴油机气缸压力测量系统,系统包括触摸屏、PLC、按钮、工控机等模块,可以实现对柴油机气缸压力的在线测量,最后对系统进行测试,测试结果表明:系统能够实现既定功能,并且具有良好的稳定性和抗干扰性。     

柴油机智能故障诊断技术研究

目前,船舶通过对柴油机运行状态的实时监测以及故障在线诊断,能够保证柴油机随时处于良好的工作状态,并大幅度提升维修工艺水平和质量。根据针对柴油机故障诊断的实际需要,探讨了神经网络与专家系统融合等先进手段在柴油机故障诊断中的应用情况,并对现有智能故障诊断技术存在的问题及发展前景进行讨论。     

一种基于轴系振动的柴油机故障诊断新技术

本文在６１３５Ｃａ－１型柴油机台架试验的基础上，应用柴油机轴系扭转振动的多参数诊断，并引入灰色关联度分析方法，成功地诊断了该柴油机工作过程的故障，即不同气缸熄火的工况。实验初次证实了柴油机轴系扭转振动的多参数故障诊断方法是一项有效的新的故障诊断技术。     

船舶柴油机监测与故障诊断方法综述

船舶柴油机作为船舶的动力心脏,其运行状态的监测和故障诊断越来越受到人们的关注。本文对目前研究中的主要几种柴油机故障诊断技术的内容、特点和不足之处进行评述,最后对其发展方向进行讨论。     

船舶柴油机在线监测与故障诊断系统研究

介绍了常用的柴油机状态监测技术,阐述了船舶柴油机在线监测与故障诊断系统的组成及主要功能,实现了基于多状态参数的柴油机综合监测与故障诊断,对提高船舶柴油机可靠性、保障船舶运行安全具有重要意义。     

基于改进LSTM-SVM的多传感器船舶旋转机械快速故障诊断方法

微小故障的快速诊断是预防和减少重大显著性故障发生的关键.近年来,基于深度学习的智能故障诊断方法已成为船舶旋转机械领域研究的热点.本文提出了一种基于改进的LSTM-SVM的循环神经网络深度学习算法,解决船舶旋转机械在多传感器监测环境下的快速故障诊断问题.该算法首先采用多层堆叠的LSTM网络作为特征提取器捕获多通道时间序列原始数据中的故障微弱特征,然后在网络末端采用非线性支持向量机(SVM)代替传统的Softmax函数作为分类判别器,进一步提升诊断准确率.实验结果表明,提出的方法具有更高的诊断准确率和更快的诊断速度,更适用于多传感器监测环境下微小故障的快速诊断和实时检测.     

多信息融合技术在船舶柴油机故障诊断中的应用

柴油机工作过程中的各种参数含有大量的信息,通过数据挖掘将这些参数的内在信息挖掘出来,解决以往在柴油机故障诊断上出现的诊断不准确和耗时长等问题。采用K均值聚类分析(k-means)将数据聚类,并设计BP(Back Propagation)神经网络,对柴油机的运行状态进行诊断。在此基础上,利用PCA(Principal Component Analysis)对上述算法进行优化,用PCA对原始数据简化,再进行k-means聚类,最后将聚类后的数据特征量作为BP神经网络的输入,建立柴油机的故障诊断模型。通过对两种诊断算法的结果进行分析和比较,表明优化后的算法能够更有效地提取数据特征,提高了诊断准确度,同时也减少了诊断时间。     

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。     

基于瞬时转速的柴油机监测诊断技术应用研究

瞬时转速信号包含着丰富的反映柴油机气缸能力的信息,通过分析柴油机转轴转速的瞬时变化规律,可实现对机器状态监测及故障诊断的目的。文章首先分析了柴油机瞬时转速的影响因素,研究设计了柴油机瞬时转速测试系统,最后对6-135柴油机开展了故障模拟实测,结果表明测试系统可有效获取瞬时转速信号并成功应用于柴油机状态监测诊断中。