神经网络专家系统在船舶控制系统故障诊断的应用

首先阐述神经网络技术和专家系统2种算法优劣之处,然后将2种算法相结合应用到船舶控制系统故障诊断中,结合后的算法具有较好的自学习和并行计算能力。在进行算法的详细描述中,介绍神经网络专家系统的基本结构,并对其在船舶控制故障诊断中的框架进行设计,针对具体的实际应用建立知识库。最后利用训练数据进行仿真实验,实验结果表明本文采用的神经网络专家系统在故障诊断方面具有可行性。     

奥迪A6L变速器冲击故障排除

一、故障现象一辆奧迪A6L2.8,装配双离合变速器0B5。客户反映该车热车后车辆冲击感明显,试车时发现当变速器油温达到90TC以上时,车辆1挡升2挡,2挡降1挡冲击感明显。该车辆无故障码。我们来简单了解一下双离合变速器0B5的结构原理,其结构如图1所示。     

机油消耗过多的原因与排除方法

机油消耗过多,除了渗漏原因之外,多属发动机活塞、气门机构及其附件(如空压机、增压器)存在故障,归纳起来如下: 1密封垫故障 如齿轮室盖垫、气门顶盖垫、气门侧盖垫、油底壳垫、机油冷却器垫、机油滤清器垫、曲轴油封座垫等的损坏,只要把损坏的垫更换、平整并清洁接合面装好即可排除故障.另外,曲轴箱通风口堵塞,会导致曲轴箱内气压和温度升高,机油从密封垫或油封处渗出,甚至冲破油底壳衬垫或其它密封垫,造成机油消耗过多.因此,应定期拆检曲轴箱通风口及其部件.     

基于COM技术的远程虚拟设备故障诊断系统

针对设备远程故障诊断研究中存在的问题，将COM作为核心技术引入到远程虚拟设备故障诊断系统中，深入分析了基于COM技术的设备故障诊断系统的设计与实现方法，使其具有监测诊断的智能性、自主性．并且分析了COM技术、DCOM技术和虚拟测试技术．     

船舶主发电机典型故障的分析与排除

主发电机作为船舶主要的设备之一,管理系统高度自动化,但由于设备本身的故障或因误操作等原因,故障率比较高,如何及时准确的排除故障,确保船舶的安全运行,已成为广泛关注的焦点之一。文章针对L23／30H型主发电机的典型故障的排除进行了分析。     

船舶柴油发电机智能故障诊断系统

柴油发电机的正常工作对于船舶航行具有非常重要的意义。因而,船舶柴油发电机在发生故障时必须及时诊断,否则会产生重大事故。本文针对柴油发电机中常见的转子偏心故障进行研究。通过使用蚁群神经网络算法构建在线诊断系统,对柴油发电机的电流进行检测,从而实现对发电机故障的智能在线检测。     

基于振动信号的舰船发动机故障诊断

传统舰船发动机故障诊断方法诊断时,需要对舰船发动机进行一定程度上的拆卸,无法完成零拆卸的故障检测,为此提出基于振动信号的舰船发动机故障诊断方法。使用不同波段振动信号作为检测探伤手段,采集多频段的振动信号,分析信号携带的诊断信息,完成舰船发动机故障诊断模型构建;计算振动信号非线性鲁棒值,锁定故障位置,通过编程分析,实现舰船发动机故障诊断。试验结果表明,设计的故障诊断方法比传统方法诊断定位准确率高2%,说明设计的诊断方法具备极高的有效性。     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法，本文较为系统地介绍了其测量、故障参数提取及分析方法，并在诊断分析中使用了进化RBF神经网络，此网络的训练采用遗传算法，优化了径向基神经网络的结构和参数，加强了网络的实用性。最后用神经网络对所模拟的故障进行辨识，证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性。     

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。     

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。