基于数字孪生的舰船动力系统智能运维技术

[目的]为提高舰船动力设备的可靠性并降低维护成本,研究基于数字孪生的舰船动力系统智能运维技术及实现方法。[方法]首先,根据模块功能及结构体系需求,建立数字孪生特征的动力系统智能运维架构;然后,通过工况标杆库建立、控制参数智能寻优以及运行自优化,实现基于综合平稳度的智能控制技术;最后,根据基于知识、基于模型及基于大数据驱动的故障诊断方法,实现复杂系统综合故障诊断技术,形成以数字孪生为技术特征的动力系统智能运维体系。[结果]动力系统智能运维平台的应用案例验证了实现智能控制、故障诊断功能的可行性。[结论]研究成果可为舰船智能机舱的研究和设计提供参考。

回汽控制对舰用蒸汽动力系统的影响

[目的]船用蒸汽动力系统在紧急减速或换向操作过程中,回汽控制技术是缓解锅炉内锅筒超压问题的有效手段,需对其带来的影响进行研究。[方法]建立增压锅炉、主汽轮机和螺旋桨等设备的蒸汽动力系统仿真模型,针对大型舰船紧急减速过程和换向操作过程中快关阀无回汽、快关阀有回汽、慢关阀无回汽这3种工况,开展回汽控制特性的仿真对比分析。[结果]仿真结果表明:回汽控制可以有效避免紧急减速过程和换向过程中的锅筒超压问题,且系统稳定耗时分别缩短了3 min和1 min左右。[结论]研究成果可为舰船机动性设计和安全性设计提供参考。

基于特征相关分析的柴油机故障诊断方法研究

针对平稳过程和线性系统统计方法对柴油机工作状态诊断失效问题,提出了一种特征提取与相关分析相结合的柴油机故障诊断方法。对不同工况的柴油机缸盖振动信号提取时域特征、频域特征和时频特征,建立标准特征矩阵和未知特征矩阵,利用相关分析方法分析不同工况信号的相关程度。以某六缸柴油机实验台为研究对象,分别对正常、撞缸、失火和小头瓦磨损4种工况进行模拟。数据验证结果表明,该方法可准确识别正常、撞缸、失火和小头瓦磨损,证明了相关分析方法的有效性;同时,以敏感度系数对各个故障特征进行评估并排序,分析得到撞缸和小头瓦磨损两种工况的故障敏感特征主要集中在时域,而正常和失火两种工况的故障敏感特征除了时域还集中在频域和时频域。

基于卷积神经网络的蒸汽动力系统故障诊断

[目的]为了提高船用动力系统的故障诊断水平,基于卷积神经网络对船用增压锅炉进行实时诊断研究。[方法]首先,基于GSE平台开发船用增压锅炉的仿真程序,获得模拟故障数据,在此基础上利用卷积神经网络方法建立增压锅炉的故障诊断模型;然后,根据温度、流量等参数的变化趋势,结合先验知识与机器学习方法进行故障识别,并采用混淆矩阵、精确度等评价标准对该方法进行性能评估。[结果]根据特征提取后的数据集与原始数据集的对比结果,模型输出结果的稳定性与模型的泛化能力均得以优化提升,整体故障分类精度可达99.53%。[结论]研究成果可为船用动力系统的智能化监测提供参考。

船舶轴系设计中校验评估的配置化实现方法

[目的]传统船舶轴系设计等软件中的校验评估模块存在修改调整周期长、校验规则扩展性差等问题,需要予以解决。为此,[方法]采用配置化开发思想,对轴系设计中的评估指标类型进行模式划分,然后基于这些模式分析设计一套以表达式配置、计算结果配置式提取、计算表达式动态替换、设计结果校验评估为主线的校验评估实现方法。[结果]构建的设计类软件校验评估模块可以灵活地修改及扩展,并实现了支持该方法的通用表达式解析器。[结论]实际船舶轴系设计软件项目应用验证表明,所提方法可以在不修改程序源代码的情况下支持用户自定义校验评估规则,并能推广应用至设计类软件开发,提高相关工作的效率和灵活性。

Optimal configuration of a class of endoreversible heat engines for maximum efficiency with radiative heat transfer law

Optimal configuration of a class of endoreversible heat engines with fixed duration,input energy and radiative heat transfer law (q∝Δ(T4)) is determined. The optimal cycle that maximizes the efficiency of the heat engine is obtained by using opti-mal-control theory,and the differential equations are solved by the Taylor series expansion. It is shown that the optimal cycle has eight branches including two isothermal branches,four maximum-efficiency branches,and two adiabatic branches. The interval of each branch is obtained,as well as the solutions of the temperatures of the heat reservoirs and the working fluid. A numerical example is given. The obtained results are compared with those obtained with the Newton’s heat transfer law for the maximum efficiency objective,those with linear phe-nomenological heat transfer law for the maximum efficiency objective,and those with radiative heat transfer law for the maximum power output objective.