共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
随着国际海事组织(IMO)标准Tier III标准的实施,船舶柴油机尾气中的氮氧化物(NOx)的排放受到了更严格的限制。选择性催化还原脱硝技术因其高效、可靠等优势成为船舶柴油机NOx减排的主要选择。本文先根据SCR反应机理在MATLAB中搭建一级SCR脱硝系统和二级SCR脱硝系统模型,通过仿真结果对比,发现加入二级脱硝系统后,脱硝率可以得到提高。鉴于BP网络预测精度较低,本文将粒子群(PSO)算法加入到BP权值训练过程中,利用PSO-BP 神经网络预测 SCR-DeNOX系统出口处NOX浓度。结果表明:PSO-BP 神经网络不但可以预测SCR-DeNOX系统出口处的NOX浓度,而且与传统BP 神经网络相比可以提高预测结果的精度,为有效控制喷氨量、降低氨气逃逸量提供帮助。 相似文献
5.
6.
船舶动力系统是船舶的心脏,其性能的优劣对船舶的安全航行至关重要,研究船舶动力系统故障预测的方法对保障动力系统安全运行具有重要意义。本文采用小波神经网络针对船舶动力系统的性能参数进行预测,选取柴油机动力系统的油管压力作为预测对象,试验结果表明小波神经网络预测的结果符合预期值。 相似文献
7.
8.
9.
介绍超声波水雾发生器工作原理,阐述船舶柴油机利用湿增压技术可改善柴油机动力装置的经济性和减少NOx的排放,设计湿增压的实施方案包括控制系统及其软硬件,试验结果证实系统运行可靠。 相似文献
10.
11.
神经网络技术在船舶柴油机故障在线诊断中的应用研究 总被引:1,自引:0,他引:1
文章主要研究基于RBF神经网络理论为数学工具对柴油机故障进行计算机仿真诊断,建立船用柴油机征兆与故障样本集,作为神经网络故障诊断的专家知识库,以实现船用柴油机故障诊断。并对柴油机性能工况的故障在线自动诊断进行探索,以提高故障诊断的及时性和准确率,减少误诊。 相似文献
12.
基于BP神经网络的船用柴油机振动状态监测 总被引:1,自引:0,他引:1
通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。 相似文献
13.
14.
船舶柴油发电机转速神经网络容错控制 总被引:2,自引:0,他引:2
结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。 相似文献
15.
针对舰船柴油机冷却系统,分析其典型故障模式,选取特征参数,基于概率神经网络(PNN)建立故障预警模型以对其进行故障预警,结合某型柴油机在某船实际运行数据完成模型的训练和验证。结果表明:采用概率神经网络可有效地实现舰船柴油机冷却系统的故障预警。 相似文献
16.
17.
船舶柴油发电机转速神经网络模型参考自适应控制 总被引:2,自引:0,他引:2
结合人工神经网络与模型参考自适应控制,形成船舶柴油发电机转速神经网络自适应控制。对由传感器检测后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络实现转速的自适应控制功能,并对神经网络模型进行仿真测试。仿真结果表明该方法控制精度高,动、静态特性好。 相似文献
18.
基于支持向量机的船舶柴油机故障诊断 总被引:2,自引:0,他引:2
介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高. 相似文献
19.
A marine propulsion system is a very complicated system composed of many mechanical components.As a result,the vibration signal of a gearbox in the system is strongly coupled with the vibration signatures of other components including a diesel engine and main shaft.It is therefore imperative to assess the coupling effect on diagnostic reliability in the process of gear fault diagnosis.For this reason,a fault detection and diagnosis method based on bispectrum analysis and artificial neural networks (ANNs) was proposed for the gearbox with consideration given to the impact of the other components in marine propulsion systems.To monitor the gear conditions,the bispectrum analysis was first employed to detect gear faults.The amplitude-frequency plots containing gear characteristic signals were then attained based on the bispectrum technique,which could be regarded as an index actualizing forepart gear faults diagnosis.Both the back propagation neural network (BPNN) and the radial-basis function neural network (RBFNN) were applied to identify the states of the gearbox.The numeric and experimental test results show the bispectral patterns of varying gear fault severities are different so that distinct fault features of the vibrant signal of a marine gearbox can be extracted effectively using the bispectrum,and the ANN classification method has achieved high detection accuracy.Hence,the proposed diagnostic techniques have the capability of diagnosing marine gear faults in the earlier phases,and thus have application importance. 相似文献