船舶动力装置智能故障诊断技术的应用与展望

  目的  为了实现对船舶艉轴承润滑状态的监测和评估,提出一种结合润滑性能衰变模型和支持向量机（SVM）算法的艉轴承润滑性能评估方法。  方法  针对船舶艉轴承润滑状态难以监测和识别的问题,建立轴承润滑衰变数值模型,并运用实验数据对该模型进行验证,研究载荷、粗糙度和半径间隙对润滑状态衰变机理的影响。基于SVM算法,构建润滑状态分类器,通过网格搜索算法优化超参数,利用不同润滑状态的数据集进行训练,最后实现对艉轴承润滑状态的评估。  结果  结果显示,随着外部载荷、粗糙度和半径间隙的增大,轴承润滑状态恶化的临界速度增大,动压润滑工作范围减小,混合润滑工作范围增大;由仿真数据集对润滑状态识别模型的验证表明,所提的润滑状态识别方法准确率达96.88%。  结论  所提方法能监测轴承的润滑性能特征,有效识别轴承的润滑状态。     

一种组合型中点SPWM采样方法的研究

  目的  为了降低中频逆变电源的开关频率,保证输出波形质量,同时易于数字化实现,提出一种基于切−割线中点逼近的SPWM采样方法。  方法  推演证明能够逼近自然采样法的数量关系,并搭建Matlab/Simulink仿真模型,将此算法设计应用在中频逆变装置上,从仿真与试验两个方面验证所提方法的正确性。  结果  仿真结果表明,基于切−割线中点逼近法的输出波形的总谐波失真为2.64%,小于对称规则采样法的3.99%。现场工程试验结果表明,基于切−割线中点逼近法的波形质量明显优于对称规则采样法,既降低了开关频率又兼顾了总谐波失真要求。  结论  基于切−割线中点逼近的SPWM采样法应用在中频电源中,有效克服了对称规则采样法输出波形质量不高、开关频率高等不足,理论分析和工程实践均验证了所提方法的合理性与正确性,并可广泛推广到中频电源实装领域。     

船舶核动力装置蒸汽旁排工况的动态特性及影响因素分析

  目的  旨在研究非线性自适应惯性权重粒子群优化算法,实现船用核动力一回路系统管道路径的布置优化设计。  方法  根据船用核动力一回路系统的管道布局设计特点,建立一回路系统的管道布局空间模型、约束条件和评价函数;基于管道节点数量,提出一种粒子群优化（PSO）算法的新型定长编码方法,然后结合该编码方法建立方向引导机制;在此基础上,针对粒子群优化算法易陷入局部最优解、收敛速度慢的缺点,结合辅助线性变化的学习因子,提出一种基于非线性自适应惯性权重的改进粒子群优化算法;将改进粒子群优化算法与协同进化算法相结合,提出一种用于求解分支管道布局问题的协同进化粒子群优化算法,以用于核动力一回路系统的管道布局优化。  结果  仿真结果显示,所提的改进算法与标准算法相比收敛速度提高了40%～50%,不仅能够得到更好的管道布局效果,还解决了标准粒子群优化算法容易陷入局部最优解的问题。  结论  研究成果可为船用核动力一回路系统管道布置的优化设计提供有益的参考。     

船体曲率板感应加热成形工艺研究

在船体曲面板的冷成形过程中,回弹是影响成形精度的主要因素,为提高板条成形质量,需研究回弹预测方法以获得合适的回弹控制方式,进而指导模具设计。

基于全卷积神经网络（FCN）对回弹图片进行像素级计算和回归计算,从而实现对每个成形位置的回弹量预测。首先,利用ABAQUS 2019建立有限元模型,并通过实验结果进行准确性的对比验证;然后,采用验证后的有限元方法计算获取神经网络训练样本集,将板条几何信息作为神经网络的输入,并基于不同卷积层结构采用TensorFlow深度学习框架来搭建全卷积网络模型;最后,对比分析不同神经网络的优劣,并将最优网络应用于模具设计。

算例分析结果显示：FCN模型预测回弹量的最大误差为8.49%,具有较高的准确度,其中FCN32的精度最高;FCN模型可以实现模具形状的一次性设计,计算时间仅为0.5 s,最大误差仅为1.00%,显著提高了计算效率。

全卷积神经网络算法提供了一种快速高效的板条回弹预测方法,以及快速设计模具形状的新思路。

     

油缸间隙式粘滞阻尼器理论与性能试验

  目的  研究黏滞流体阻尼器工作时的内部流场分布规律、开孔半径、开孔长度、开孔个数以及活塞直径对阻尼系数和速度指数影响的敏感度。  方法  通过正交设计得到参数设计方案,采用FLUENT软件进行流场仿真计算,以得到流场分布规律及各方案的阻尼系数和速度指数,并计算各结构参数对两者的影响程度。  结果  计算结果表明,黏滞流体阻尼器的内部流场分布基本符合平行平板、圆管内的定常层流运动分布规律。各结构参数对阻尼系数和速度指数的影响程度依次为：开孔半径˃活塞直径˃开孔个数˃开孔长度;开孔半径˃开孔个数˃开孔长度˃活塞直径。  结论  采用正交设计并结合FLUENT流场仿真的方法能够最大限度地减少设计方案的数量,可以节约试验成本,缩短设计周期,具有很高的实际应用价值。     

基于集合经验模态分解的滚动轴承振动信号希尔伯特谱分析方法

  目的  提出一种从强背景噪声、非平稳、非线性的复杂设备滚动轴承早期冲击故障振动信号中有效提取故障特征并进行故障模式识别的方法。  方法  首先,利用快速谱相关（FSC）分析提取原始振动信号的故障特征,并利用多尺度排列熵（MPE）对故障特征进行量化;然后,将故障特征数据输入BP神经网络进行故障诊断模型训练与测试;最后,对变速情况下的滚动轴承故障模拟实验数据和美国凯斯西储大学公开的轴承故障试验数据集进行故障识别研究。  结果  结果显示：所提方法对不同类型的故障具有较高的辨识精度,可达97%以上。  结论  研究验证了基于FSC-MPE与BP神经网络的滚动轴承故障诊断方法的可行性和优越性,可为滚动轴承健康状态评估提供技术支持。     

基于深度约束的水下稠密立体匹配

  目的  针对水下双目图像特征点稀疏、极线约束模型失效等难题,提出一种基于自适应深度约束的水下图像特征匹配(ADC-UFM)算法。  方法  结合FAST算子与SIFT描述子,提高图像匹配精度;提出基于水下折射因子的特征匹配约束模型（MCM）,有效剔除误匹配点;提出自适应阈值选取（ATC）方法,最大限度地保留复杂水下环境下的图像特征信息。  结果  实验结果显示,ADC-UFM算法优于现有的SIFT,SURF和UCC-SIFT等典型方法,匹配准确率可达85.2%,满足实时匹配需求。  结论  研究成果可为基于双目视觉系统的水下三维重建提供关键技术支撑。     

用于单相组合式同相供电的CPD结构可靠性研究

组合式同相供电装置(co-phase compensation device, CPD)是同相供电系统中的关键设施,牵引供电系统的安全稳定运行与其可靠性密切相关。以拓扑分析为基础,综合考虑到各个器件的组合关系,利用k/n(G)可靠性模型建立级联式CPD和MMC-CPD的可靠性分析模型。在满足同相供电装置正常运行的必要条件下对比分析级联式CPD和MMC-CPD的可靠性指标。最后针对MMC-CPD的特殊拓扑结构,分析子模块冗余配置对可靠度的影响,优化MMC中子模块的冗余数量,为单相组合式同相供电MMC-CPD冗余设计和运行维护提供依据。     

船舶电站物理仿真实验装置典型故障分析

阐述了最新研制开发的船舶电站物理仿真实验装置的仿真原理,分析并排除了该装置调试运行过程中出现的典型故障,为电站操作人员提供参考。     

Liner shipping network design with emission control areas: A genetic algorithm-based approach

To curb emissions, containerized shipping lines face the traditional trade-off between cost and emissions (CO₂ and SO_x) reduction. This paper considers this element in the context of liner service design and proposes a mixed integer linear programming (MILP) model based on a multi-commodity pickup and delivery arc-flow formulation. The objective is to maximize the profit by selecting the ports to be visited, the sequence of port visit, the cargo flows between ports, as well as the number/operating speeds of vessels on each arc of the selected route. The problem also considers that Emission Control Areas (ECAs) exist in the liner network and accounts for the vessel carrying capacity. In addition to using the MILP solver of CPLEX, we develop in the paper a specific genetic algorithm (GA) based heuristic and show that it gives the possibility to reach an optimal solution when solving large size instances.