基于复合电源的电动船能量管理策略

针对负载波动对纯电动船电池使用寿命和电能质量的影响,提出一种由支持向量机(Support Vector Machine,SVM)、低通滤波器和阈值规则组成的能量管理策略。建立能量管理策略评价模型,对滤波器的时间常数进行优化。运用支持向量机识别船舶工况,从而选择相应的低通滤波器进行功率分配。对基于该能量管理策略的复合电源和被动式复合电源进行仿真测试,经对比,在该策略控制下的电池电流曲线更平滑,电池使用寿命得到延长,母线电压波动更小,电能质量得到提高。     

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.