基于Linux的智能船舶数据采集系统设计

为满足智能船舶数据采集系统的多通信协议传输需求,确保数据传输的实时性、可靠性和稳定性,在采用嵌入式操作系统Linux的工控机上设计一种支持多通信模式的船舶数据采集系统。该系统包含数据传输、数据解析和数据存储等3个模块,其中:数据传输模块采用CAN(Controller Area Network)协议、TCP/IP(Transmission Control Protocol/Internet Protocol)协议和串口RS232协议实现;数据解析模块用于对数据进行格式转换,以TCP/IP协议的形式将其发送给上位机,并在上位机中利用MATLAB软件对其进行解析。以北斗导航接收机为数据源对该系统的有效性进行试验验证,结果表明,基于Linux的多通信模式数据采集系统能满足智能船舶多样化传感器接口,以及数据可靠、准确、实时传输和处理的需求。

基于边缘计算的船舶动力设备振动监测系统设计

振动监测是评估船舶动力设备健康状态的有效手段,针对传统振动监测系统存在的数据量大、数据传输延迟和中央控制器处理能力不足等问题,设计一种基于边缘计算的振动监测系统。该系统通过加入边缘层,实现对设备振动信息的就近采集、预处理、特征值提取和数据筛选,在满足监测系统功能需求的同时,有效消除传统振动监测系统的弊端。实船应用结果显示,在特征值每隔2 s、原始数据每隔10 min保存1次的条件下,使用基于边缘计算的振动监测系统之后,数据量能减少为传统振动监测系统的0.4%,数据采集和处理优势明显。

船舶机舱关键设备智能监控系统后端接口设计

为提升船舶的安全管理水平,在现有船舶智能监控系统的基础上新增船舶机舱关键设备监控功能,重点设计其后端接口。以SpringBoot框架为基础,采用MySQL(My Structured Query Language)数据库确保高效完成数据存储、查询和管理,利用MyBatis-Plus工具简化数据库操作,在简化开发过程、提高开发效率的同时,提升代码的可读性和可维护性。在设计过程中,采用模块化方法确保各接口功能明确且易于管理;采用RESTful API(RESTful Application Programming Interface)与前端进行数据交互,确保数据清晰、高效、安全传输。模拟测试和实船应用结果表明,该系统运行稳定、可靠,能有效提升船舶运行的效率和安全性。

基于船用直流电力系统的源储协同控制仿真

针对船用直流电力系统中机组并车和离网导致的功率分配和运行稳定性问题,提出一种源储协同控制策略,通过协同机组与储能系统应对不同工况,保证电力系统在不同工况下稳定运行。基于MATLAB/Simulink软件构建数学模型,并在RT-LAB仿真平台上运行该模型,通过在线调参功能对控制策略进行多工况仿真验证。仿真结果表明,在多机组投切和多种负载变化工况下,采用该源储协同控制策略能有效提升船用直流电力系统的功率分配有效性和运行稳定性,保证电力系统在各工况下稳定运行。

基于Isograph的光电非接触式轴功率测量系统可靠性分析

为提升光电非接触式轴功率测量系统的可靠性,顺利完成船舶轴系工作状态实时监测任务,基于Isograph软件对该系统进行失效模式、效应与致命度分析。利用Isograph软件建立故障树,计算并分析该系统的各零部件对其可靠度的影响。针对该系统的薄弱环节(比如焊接的可靠性和码盘安装位置的准确性),利用有限元仿真分析软件ANSYS Workbench和三维建模软件Solidworks对系统的主要硬件(探头和码盘)进行模态分析,结果表明:在同一环境中,相比探头,码盘更易因强烈的振动而发生变形、断裂等机械故障。在实际应用该系统时,要保证组装、焊接的可靠性,以及码盘与轴线的垂直度;同时,根据机舱的实际工作环境,选用抗振性能较好的材料。

基于船舶直流母线的储能模块并联均流控制

为提升锂电池组在船舶直流电网中并联运行的稳定性,根据多电源模块的并联均流工作原理,针对具有不同输出特性的储能模块,建立“储能模块-DC/DC变换器-直流母线”并联Simulink模型,并提出基于电压电流双闭环控制的改进均流控制策略。设置开环控制、电压单闭环控制和电压电流双闭环控制等3组仿真模型,进行均流与未均流控制对比,验证该策略的有效性。试验结果表明,该策略能有效改善船舶直流母线的电压稳定性,减少电流不均衡现象,同时提升船舶电力系统的性能和安全性。

基于GA-BP神经网络的船舶空冷器状态预测

当前船舶空冷器的工作状态主要依靠空冷器冷却后的增压空气温度T_(A2)判断,通常按设定阈值触发报警,存在预警差和精度低等问题。对此,提出一种基于GA-BP(Genetic Algorithm-Back Propagation)神经网络的T_(A2)预测方法。利用BP神经网络构建空冷器状态预测模型,通过对比运行过程中T_(A2)实测值与预测值的偏差,及时发现空冷器的异常状态;引入GA解决BP神经网络存在的收敛速度慢和易于陷入局部最优解等问题。为验证基于GA-BP神经网络的预测方法的有效性,选取多组空冷器清洗前后的状态数据进行训练和验证,结果表明该方法能有效识别空冷器的异常状态。

基于Umi框架的机舱智能监控系统前端软件设计与实现

为降低机舱智能监控系统前后端的耦合度,提高系统开发效率,设计一种基于Umi框架的机舱智能监控系统前端软件。采用前后端分离的开发模式,使开发过程更清晰、高效;构建可视化交互操作界面,并利用TypeScript编程语言和模块化程序设计思想提升代码的可读性和可维护性;同时,通过组件化开发方式和自定义功能组件提高开发效率和质量。模拟测试结果表明,该系统前端软件能提供良好的信息展示效果和交互体验,满足用户的需求,具有较好的可靠性和稳定性,可供同类型监控系统的设计参考。

一种船舶电力推进系统十五相电机矢量控制方法

为提升船舶电力推进系统电机的单机带负载能力,用十五相电机替代三相电机,对十五相电机控制方法进行研究。结合十五相电机电力推进系统架构,通过变换矩阵将矢量控制方法应用到推进系统十五相电机控制中,建立十五相电机矢量控制方法仿真模型。通过试验对该模型在4种典型工况下的运行效果进行验证,结果表明,该模型的运行效果良好,提出的十五相电机矢量控制方法有效,能适配并发挥十五相电机电力推进系统的优势。

基于长短时记忆的船舶涡轮增压器运行状态趋势预测

为解决传统涡轮增压器状态趋势预测方法存在的预测精度低和主观依赖度高的问题,提出一种基于长短时记忆(Long Short-Term Memory,LSTM)的涡轮增压器运行状态趋势预测方法。将涡轮转速作为涡轮增压器运行状态评价指标,建立增压器状态数据筛选原则,降低工况和外部因素变化对涡轮增压器运行状态变化特征的影响;利用LSTM隐含层内的循环节点,通过时序相似性搜索对涡轮增压器的状态趋势进行预测。实测结果表明,该基于LSTM的涡轮增压器运行状态趋势预测方法相比传统的基于最小二乘法的涡轮增压器状态趋势预测方法具有更好的预测效果,误差大幅减小,且趋势跟随性更强。

面向船舶电力系统故障诊断的数据仓库与数据挖掘技术

为适应大型船舶电力系统的数字化和信息化发展需求,建立一个以数据仓库技术为基础,以数据挖掘技术为手段的故障诊断决策系统,实现对船舶电力系统故障的分析和预测。融合数据仓库技术和数据挖掘技术,设计船舶电力系统故障信息数据仓库系统架构,并对数据挖掘技术的主要应用方法和数据挖掘算法的性能进行分析,在此基础上提出基于Prism算法的电力监控信息数据挖掘方法,并通过仿真试验验证该方法的有效性。试验结果表明,该方法能为船舶电力系统故障诊断提供辅助决策,进而合理安排检修计划,提高船舶电力系统的安全性和稳定性。

基于硬件在环的轮机模拟训练系统设计与实现

针对传统轮机模拟训练系统存在的真实性、实用性和灵活性不强的问题,以某型船新开发的推进监控系统样机为基础,设计一种基于硬件在环的轮机模拟训练系统,借助监控系统的硬件设备实现模拟训练功能。选用1台监控计算机作为模拟训练工作站,建立仿真模型,实时模拟动力设备(包括主机、齿轮箱和调距桨及其辅助设备)的运行情况;通过网络将设备的运行状态实时传输给监控系统各控制器,并接受控制器的控制指令;监控系统的所有硬件在环工作,营造与实船航行类似的训练场景。实际应用结果表明,该系统设计合理,能实现推进监控与模拟训练双重功能,可为同类型船舶模拟训练系统的设计提供参考。

一种面向虚拟化环境的Linux TCP/IP流程优化方法

在虚拟化环境中,云服务器数据在虚拟机之间传输的过程中会消耗大量CPU资源,导致网络性能下降。为了解决该问题,提出一种基于内核态的TCP/IP数据处理优化方法(KOTOM)。该方法利用服务器内核模块软件提高云服务器在虚拟化环境中的性能。通过建立Linux内核缓存并监控TCP/IP传输内容,实现对热点访问数据的内核态缓存,从而降低TCP/IP协议栈解析过程在用户态与内核态之间频繁切换带来的资源开销,提高网络传输效率。KOTOM利用红黑树提高缓存查找效率,采用LRU缓存替换策略实现对热点数据的缓存替换。实验结果表明,使用该方法可使CPU利用率降低7%,数据请求响应速度提高22%。

一种基于迁移卷积神经网络的滚动轴承故障诊断方法概述

针对传统基于卷积神经网络(Convolutional Neural Network,CNN)的轴承故障诊断方法的特征提取能力有限,在数据样本较少且鲁棒性较差的情况下无法获得准确的诊断结果的问题,提出采用一种将CNN与迁移学习(Transfer Learning,TL)相结合的方法,即基于迁移卷积神经网络(Transfer Convolutional Neural Network,TCNN)的滚动轴承故障诊断方法。该方法选用在ImageNet数据集上预训练的基准CNN模型AlexNet网络作为基础架构的CNN模型,结合TL将已有预测模型中的底层参数冻结,仅对上层参数进行训练更新,当训练次数达到一定数量时,能有效提升故障诊断准确率。试验结果表明,该方法能提升故障诊断模型在数据样本较少情况下的抗噪声能力和泛化性能,进而提高滚动轴承故障诊断的精度。

调距桨推进系统主动式负荷控制技术

为有效解决船舶主机在加载过程中碰到负荷限制线之后出现的加速受限和功率波动等问题,提出一种主动式负荷控制方法。当主机功率接近负荷限制线时,提前主动减小调距桨桨角,从而降低主机触碰负荷限制线的可能性。以某实船的推进系统为原型建立调距桨推进系统模型,对各负荷控制策略下的主机加载过程进行仿真,验证该负荷控制技术的有效性。仿真结果表明,主动式负荷控制技术能有效减少主机触碰负荷限制线的次数和时间,提升主机输出功率的稳定性,具有较好的负荷控制效果。

一种大功率柴油机并车控制系统的设计与实现

以采用摩擦片离合器传动的柴-柴联合推进装置(Combined Diesel And Diesel Configuration,CODAD)为控制对象,基于硬件模块化、软件组态化和算法再优化的设计思路,研制一种控制性能优良、标准化程度高的大功率柴油机并车控制系统。台架试验和实船应用结果表明,该系统能有效解决大功率柴油机启动、调速和接排大扭矩冲击等方面的控制难题,实现对CODAD的稳定可靠控制。研究成果可为其他船舶柴油机并车控制系统的设计开发提供参考。

基于嵌入式Linux系统的油气探测监控软件设计

为满足船舶机舱油气探测设备对实时信息的集中采集、显示、报警和记录等功能需求,开发一种基于嵌入式Linux系统的油气探测监控软件系统。通过SocketCAN通信方式实现系统客户端与数据采集和控制端的数据交换;采用Qt/Embedded自定义功能控件完成软件的人机界面交互开发;利用SQLite数据库实现数据配置、管理等。该软件具有界面友好、操作简单、功能丰富、管理方便、可扩展、可维护和可移植等特点,研究成果可供同类软件系统的设计参考。

基于随机森林算法的船舶柴油机“冒黑烟”现象预测

为有效避免船舶加速航行过程中因柴油机燃烧不充分而引发的“冒黑烟”现象,利用船舶主动力推进系统上位机软件收集船舶主动力数据,将人工智能算法中的随机森林(Random Forest)算法与Python软件相结合,预测船舶加速航行时可能出现“冒黑烟”现象的时间,为柴油机控制器的操作控制提供依据。通过对比试验对随机森林模型算法的有效性进行验证,结果表明,采用该算法能很好地预测和避免船舶加速航行时出现的“冒黑烟”现象,确保柴油机的运行工况良好,从而使船舶更好地满足绿色运营的需求。

一种基于YOLOv5-Lite算法的船员行为图像识别方法

为及时发现船员的不安全行为,降低因船员行为不当而引发船舶事故的风险,提出一种基于YOLOv5-Lite算法的船员行为图像识别方法。在YOLOv5算法中引入Fire Module结构,并对其通道进行变换,减少图像识别模型残差模块的数量,减小模型的体量,提升模型的运行效率。以对船上重点作业区域的船员是否佩戴安全帽进行识别为例,建立基于YOLOv5-Lite算法的图像识别模型,收集图像数据,构建HTST(Helmet Tumble Smoke Tired)数据集,对模型进行训练,实现对人员动作的识别。将采用该算法与采用YOLOv3和YOLOv4等算法所得识别结果相比较,验证该算法的有效性。结果表明:基于YOLOv5-Lite算法的船员行为图像识别方法能有效识别船员的不安全行为,识别的准确度能达到95.70%;相比另外2种算法,YOLOv5-Lite算法具有更好的稳定性和检测效果,FPS(Frames Per Second)检测速度快,满足对船员的行为进行实时识别的需求。

水声信号发射机的全桥功率放大电路设计

基于现有的水声信号发射机电路,设计一种采用全桥拓扑结构的发射功率放大电路。该电路适于在输入电压比较高的环境中应用,优点是输出功率大、可靠性好,缺点是电路器件多、结构复杂。从全桥原理出发,通过理论计算确定电路的主要参数,采用PSpice仿真工具对电路参数进行优化,继而设计出适宜水声信号发射机应用的驱动电路和功率放大电路。仿真结果表明,该电路产生的输出波形满足水声发射机的工作要求。