基于t-SNE-VNWOA的船舶柴油机故障诊断

文中提出一种基于t-SNE-VNWOA-LSSVM故障诊断模型,并进行了台架试验.试验设置了正常工况、供气不足、燃烧提前和单缸断油四种工况,将各种工况采集的缸盖振动信号进行快速傅里叶变换(FFT),提取了13个时域和频域特征,利用t分布邻域嵌入算法(t-SNE)对数据降维、可视化故障特征.结合鲸鱼优化算法(VNWOA)对分类器(LSSVM)初始参数δ2和γ寻优,搭建其故障识别模型,将遗传算法(GA)和粒子群算法(PSO)的寻优诊断结果与之对比.结果表明:基于t-SNE-VNWOA-LSSVM故障诊断模型精度高达96.57%,且具有良好的稳定性及诊断速度.

基于图网络的船舶柴油机健康监测

为实现船舶柴油机的智能健康监测,本文提出了一种双图采样的图网络归纳式学习算法(Dual-GraphSAINT).为充分挖掘柴油机振动信号中的潜在信息,分别基于局部与全局一致性假设,对振动信号和故障状态构造邻接图.通过邻接图内数据之间的连接关系对节点状态进行学习,以准确的挖掘出柴油机运行过程中的潜在故障信息.同时Dual-GraphSAINT是一种归纳式学习算法,突破了传统图网络不能对未见节点生成有效嵌入表征的弊端,实现了对柴油机健康状态实时检测的性能.文中所提出的健康监测方案与传统的数据驱动和深度学习方案进行比较,获得了最佳的性能,显著提高了船舶柴油机的健康监测效果.

基于改进t-SNE和RBFNN的柴油机故障诊断

针对柴油机故障诊断问题,提出一种基于改进t分布的随机邻域嵌入(t-SNE)和径向基函数神经网络(RBFNN)的柴油机故障诊断方法。针对t-SNE算法对振动信号的实际降维效果不够理想的问题,进行自适应加权优化;引入遗传算法(GA)解决果蝇优化算法(FOA)陷入局部最优的问题,将GA-FOA应用于RBFNN参数选取中;采用改进后的RBFNN模型对经自适应加权t-SNE降维的数据进行故障识别。研究结果表明,改进后的算法能明显改善聚类效果,提高故障识别的正确率,具有良好的应用前景。

基于PCA-VNWOA-LSSVM的感应电机轴承故障诊断

轴承作为感应电机的关键部件,其运行状态直接影响船舶电力拖动系统安全。为解决船舶感应电机轴承故障诊断难题,本文提出一种基于PCA-VNWOA-LSSVM的故障诊断模型。选用美国凯斯西储大学轴承振动数据,利用离散小波分解(discrete wavelet transformation, DWT)从振动信号中提取内圈、外圈和滚动体故障特征,按不同故障类型和直径进行分组、主成分分析(principal component analysis,PCA)降维,结合改进的鲸鱼优化算法(von neumann whale optimization algorithm, VNWOA)对最小二乘支持向量机(least squares support vector machine, LSSVM)初始参数δ^(2)和γ寻优,搭建其故障识别模型,最后将遗传算法(genetic algorithm, GA)和粒子群算法(particle swarm optimization, PSO)的寻优诊断结果与之对比。结果表明:基于PCA-VNWOA-LSSVM的模型故障诊断精度高,且具有良好的稳定性及诊断速度。

基于FSK-CNN的轴承故障诊断研究

在旋转机械设备的运维保障过程中,采用基于专家经验的传统故障检测方法难以对轴承的健康状态做出实时的状态检测。针对这一问题,本文提出一种基于快速谱峭度与卷积神经网络(FSK-CNN)的故障诊断方法。首先采用快速谱峭度(FSK)法对振动信号进行特征提取,将一维时域信号转化为二维的谱峭度图;之后,采用一种结合卷积注意力模块(CBAM)的卷积神经网络模型完成故障分类。试验结果表明,快速谱峭度法可以有效提取轴承振动信号故障特征,引入卷积注意力模块对传统卷积神经网络模型具有明显的优化作用,FSK-CNN的故障诊断方法对于10种不同的轴承故障类型的诊断准确率可以达到99%。

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。

基于PSO-ELM算法实现船舶发电机组故障识别

针对船舶发电机组的不同故障类型,通过传感器采集不同故障下柴油机缸盖处的振动信号,构成大量数据集,选取部分数据集作为样本数据。通过EEMD算法对样本数据进行分解降噪,把一维数据分解成能反映柴油机工况信息的多维数据,对分解形成的多维数据使用KICA算法进行特征提取,并对提取后的数据进行训练集、验证集分组。使用PSO-ELM算法搭建故障识别模型,并使用训练集训练模型,使用验证集验证模型,根据验证结果评价模型是否满足故障识别的精确度。

基于主成分分析的船舶柴油机故障监测方法

为研究船舶柴油机运行状态与热工参数之间的联系,通过监测热工参数的变化来判断船舶柴油机当前的状态。以12K98ME-C柴油机为研究对象,采用主成分分析法对其12种热工参数进行分析,揭示柴油机性能各热力参数之间存在很大的内在联系。在样本数据中加入异常点,采用T2统计量和Q统计量对故障点进行检测分析,进而验证该方法对故障监测的有效性。研究发现柴油机热工参数之间的相关性非常强,采用该方法可达到很好的降维效果,能准确识别出柴油机的异常状态。

利用VisualC++实现网络通信

系统采用客户/服务器模式,通过对"1750m3绞吸式挖泥船操作仿真训练器的研制",实现了WindowsNT平台上用VisualC++开发通信程序的数据实时通信.文中对实时通信的系统结构、通信编程及其关键技术(数据结构、实时仿真数据库、内存数据库、数据传输的并发请求等)进行了详细的讨论.

船舶虚拟机舱视景建模与驱动的实现方法

针对船舶轮机模拟器中船舶虚拟机舱的总体设计方案提出了利用Multigen Creator和Multi-gen Vega软件实现的方法.介绍了虚拟机舱场景中手动漫游和自动漫游两种漫游方式和碰撞检测的实现,以及船舶虚拟机舱场景中对仪表、操作手柄、指示灯和按钮等运动物体驱动的具体操作规程.

在ITS中Dijkstra算法优化分析

网络搜索是一个经典的问题,在ITS(Intelligent Transportation System)中具有重要的意义。在ITS中,常常希望能在巨大的电子地图中搜寻一条最短路径。Dijkstra算法是一种经典的路径算法,但是这种算法的效率不高,不足以满足在真实交通网络图中搜索的实时响应的要求。于是,针对这种情况提出各种优化算法,提高经典Dijkstra算法的效率。介绍了几种通过缩小搜索范围来提高搜索效率的算法,并通过在虚拟交通网络中做了大量的实验来分析这几种算法。

仿真系统中的嵌入式智能单元模块设计与应用

结合交互式轮机模拟器的体系结构和高度智能化的应用特点,分析智能单元的功能和设计思路,设计数字量输入输出的数据采集板卡以及基于PC/104的总线数据访问接口,结合实际应用编写嵌入式系统的用户界面,实现智能单元的硬、软件设计。

基于粒子群算法的无源滤波器多目标优化设计

为解决电力推进船舶谐波污染等问题,以电力推进船舶电能质量为研究对象,使用粒子群算法,以无源滤波器的投资成本、滤波效果和无功功率补偿能力作为优化对象进行多目标优化,并在此基础上采用离差排序法确定各目标函数权重,进行多目标优化设计无源滤波器;以“丰隆01”号自升、自航石油工程船电网参数为例进行计算,得到滤波器多目标优化结果;为进一步验证优化结果的正确性,按照船舶电网参数在MATLAB/SIMULINK中构建仿真模型,验证该方法的可行性和优越性。结果表明:该方法具有可行性与实用性,且可实现更灵活的谐波抑制。

基于MATLAB的增压发动机动态排放仿真模型研究

介绍了研究增压发动机动态排放问题的意义以及研究方法.采用了增压发动机动态性能模拟与稳态试验相结合的方法,建立了涡轮增压柴油机的准线性动态模型,利用稳态试验数据建立神经网络排放模型,提出了一种将2种模型结合起来在MATLAB/SIMULINK环境下的增压发动机动态排放预测仿真模型.

基于改进AdaBoost算法的柴油机故障诊断研究

针对船舶柴油机故障诊断精度要求的不断提高,文中提出一种AdaBoost-PSOSVM组合多分类器故障诊断模型,该诊断模型将经过粒子群算法(particle swarm optimization,PSO)优化的支持向量机(support vector machines,SVM)作为弱分类器,若干弱分类器基于集成学习AdaBoost算法形成强分类器.选用仿真故障数据集作为模型的训练集和测试集,测试结果表明:AdaBoost-PSOSVM模型相较PSO-SVM有更高的稳定性和识别精度.

化学品船操纵培训仿真软件的设计与实现

介绍化学品船操纵培训仿真软件的程序框架、仿真模块设计及程序实现方法,该仿真软件是利用Visual C++开发平台按照面向对象方法设计的操作培训软件,采用了系统建模、动态链接库(DLL)、设备环境绘图等计算机仿真技术和方法。

基于RP-CNN的柴油机故障识别

为了在故障诊断的过程中充分利用数据间存在的时间信息,提出一种递归图-卷积神经网络(RP-CNN)的柴油机故障识别模型。将一维振动信号通过递归图原理编码成为图像作为卷积神经网络的训练样本,完成柴油机的故障特征提取与分类。通过不同的编码方式以及不同的诊断模型进行对比试验。结果表明,卷积神经网络在识别图像上的优势与递归图编码相结合的诊断方式优于其他的智能算法。

基于PCA-BP神经网络在船用柴油机热工故障诊断中的应用研究

利用AVL-BOOST对柴油机的热工故障进行仿真计算,首先通过主成分分析法对柴油机的热工故障进行分析,选取能够反映原始变量99.589%信息的3个主成分作为BP神经网络的输入,将柴油机的故障模式作为输出,构建一个3层的神经网络预测模型。结果表明,PCA-BP神经网络模型能够很好的对柴油机的故障模式做出诊断。

基于事故树分析法的“东方之星”翻沉事故研究

水路运输以其成本低、污染小等优势在我国运输行业中占有一席之地,水运行业的可持续发展、航运安全一直受到社会各界的广泛关注,"东方之星"事件更是将航运安全推到了社会舆论关注的顶峰。结合专家学者们的研究,文章引进一种新的海上交通事故分析方法—事故树分析法(Fault Tree Analysis,FTA)。针对"东方之星"沉船事故进行分析,构建船舶倾覆事故模型,通过模型分析,发现导致"东方之星"沉船事故的关键因素,并在以后的海事管理中重点管控,避免类似事件发生。

轮机系统图形化建模仿真支撑软件的开发

介绍了在实时仿真支撑平台上轮机系统图形化建模仿真支撑软件的开发过程以及一个应用实例.该软件利用Visual C++开发,按照面向对象及模块化思想设计,通过文件存储技术和UML技术实现软件开发,该软件具有仿真建模,模型程序自动生成和调试等功能.