柴油机多传感器故障诊断

运用多传感器二级融合模型,探讨了基于多传感器融合的柴油机故障诊断方法和手段,并以X4105G柴油机为研究对象,列举了采用多传感器故障诊断方法,对柴油机的各类故障进行了诊断.     

船用柴油机故障诊断多信息融合技术研究

为了解决船用柴油机故障诊断中基于单传感器信息的方法诊断精度低的缺点,应用神经网络原理,提出了一种基于气缸压力,缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。通过提取船用柴油机工作过程故障三种信号的八个特征值,按正常和五种故障状态的构造学习样本文集和检验样本文集,对输入进行归一化处理,该方法能有效地提高其故障诊断精度。     

基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

基于信息融合技术的船舶汽轮机故障诊断和预测的研究

汽轮机是船舶电力系统的重要组成部件,其系统运转的好坏关系到船舶航行的顺利进行,对船舶汽轮机故障诊断及预测是保障其良好运行的前提。传统的汽轮机故障诊断是对不同类型数据源进行单维度网络分析,随着设备复杂度的增加,故障诊断及预测的准确性与实效性已经越来越不能满足现代船舶故障诊断系统的要求。本文对汽轮机的故障采集数据进行多维度融合,建立集成神经网络的船舶汽轮机故障诊断及预测模型,最后进行仿真。     

基于SOM-BP神经网络的船舶柴油机故障诊断方法

作为船舶系统重要的组成部分,柴油机工作状态与船舶安全航行息息相关。因此,对船舶柴油机故障诊断方法的研究具有重要的现实意义。以SOM神经网络和BP神经网络为理论基础,将二者融合构建SOM-BP神经网络,用于船舶柴油机故障诊断。通过仿真试验,验证了SOM-BP神经网络在船舶柴油机故障诊断中的有效性。     

基于JDL的内河航道多源信息融合功能模型研究

航道运行状态评价与研判是内河航道科学运维的重要前提。以内河航道基础设施为研究对象,基于经典的JDL(Joint Directors of Laboratories)融合功能模型,构建了内河航道多源信息融合功能模型;阐述各功能模块的基本原理,明确了信息在模型中的动态流向;通过兴趣反馈机制处理海量异构数据,保障功能模型的稳定性与时效性。针对内河航道信息多源异构的特点,从数据检测、过程优化、智能计算3方面对信息融合算法进行概述总结,为内河航道基础设施运行状态智能化监测提供了理论与决策支撑。     

基于数据融合的舰用柴油机状态预测系统研究

融合柴油机热工、油液及振动3大类信息,采用灰色理论、自适应谐振理论(ART)和BP网络等相结合的决策级融合技术,建立了一套具有数据融合、分析诊断和状态预测能力的舰用柴油机状态预测系统,并以12PA6V-280型柴油机为研究对象,进行了工作过程仿真及故障模拟研究。     

贝叶斯与遗传神经网络相融合的柴油机故障诊断研究

利用小波包分解提取缸盖振动信号的特征向量,提出选择因子对改进误差反向传播(BP)神经网络和超1-依赖贝叶斯算法的诊断结果进行融合,克服贝叶斯和神经网络的不足。通过在WD615柴油机上的实验检测,证明了该方法的有效性。     

基于遗传神经网络与信息融合的实时智能故障诊断系统研究

在传统BP神经网络的基础上引入聚类分析方法与遗传优化算法,可有效降低BP神经网络的训练难度并提高其训练精度;为有效利用各诊断单元的诊断结果,引入D-S证据理论对结论进行决策分析.仿真测试表明,该故障诊断系统能迅速、准确、可靠的诊断出各种故障.     

一种新的船舶柴油机模糊故障诊断方法

为进一步提高船舶柴油机故障诊断的可靠性,将一种基于模糊信息多级融合的故障诊断方法应用到船舶柴油机的故障诊断中,该方法将各级诊断数据充分融合后再进行船舶柴油机的故障诊断,应用结果表明该方法准确有效,不但在正常情况下作出了准确的故障诊断,而且在局部检测传感器失灵发生误检的情况下亦能避免船舶柴油机故障诊断的误判,为提高船舶柴油机故障诊断的可靠性提供了有益的借鉴.     

基于LabVIEW的柴油机供油系故障诊断系统开发

基于虚拟仪器技术,利用LabVIEW7.1编写采集分析程序,并以Matlab Script节点形式调用在Matlab里训练成功后的BP神经网络程序,开发了柴油机供油系故障诊断系统。该系统由PCI-6221采集卡获取测取燃油压力波形,利用小波包分解提取特征信号,并组成特征向量输入训练成功的BP神经网络进行典型故障识别,诊断结果通过人机界面输出,从而实现了故障诊断的智能化。     

基于信息融合的感应电动机定子故障检测方法研究

本文将信息融合的思想应用到感应电动机定子故障诊断中,将多种检测技术得到的信息进行综合,避免了依靠单一信号进行诊断的结果不可靠问题,提高了故障诊断的准确性。并通过对定子短路故障的实验研究,证实了该方法的可行性。     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。     

旋转机械信息融合故障诊断方法及其发展状况

简要综述旋转机械信息融合故障诊断技术的发展,介绍了信息融合的基本概念,回顾和小结了在旋转机械融合诊断中常用的一些融合方法,包括多种融合方法相结合的形式,并预测了旋转机械融合诊断今后的发展方向．     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用,并且首次将神经网络和虚拟仪器技术相结合,成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明,将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度,有很好的工程应用前景。     

基于神经网络的柴油机遥控系统故障智能诊断研究

为了克服传统模拟电路故障诊断方法的不足,通过对船舶柴油机遥控系统工作原理的分析,提出采用BP神经网络诊断船舶主机遥控系统的智能诊断方法。介绍BP神经网络结构确定方法及其数值优化技术,并以具体电路模块为例探讨神经网络在船舶柴油机遥控系统故障诊断中的应用。通过Matlab仿真可以发现基于BP神经网络的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。     

基于输出电压和电源电流的模拟电路故障诊断

为了提高模拟电路故障诊断的准确率,要尽可能的采集有效故障样本信息作为 BP 神经网络的输入。提出利用输出电压和电源电流信息融合的方法进行模拟电路故障诊断。收集输出电压和电源电流的故障样本集,然后作为 BP 神经网络的输入对网络进行训练和判断。利用不同故障对输出电压和电源电流的影响不同,能减少故障特征的重叠,提高模拟电路的故障诊断正确率。仿真结果表明利用输出电压和电源电流信息融合的方法比单纯利用输出电压或电源电流进行诊断准确率和速度都有明显提高。     

船舶柴油机远程故障诊断研究

对船舶柴油机的远程故障诊断系统进行了研究，介绍了该系统的总体结构，提出用IEEE802．3和IEEE802．11作为诊断网络的数据链路层协议，用TCP／IP作为系统的网络层和传输层协议，用JAVA技术解决远程数据通讯接口问题。并研究了用Khoenen神经网络作为船舶柴油机本地故障诊断工具，用基于规则的专家系统作远程故障诊断工具的实施方法。研究表明，船舶柴油机故障诊断系统切实可行，有望发展成为一种有价值的船舶监控系统。     

基于模糊C均值聚类的柴油机故障诊断

通过对柴油机运行时的表面振动信号进行分析处理得到由一系列特征参数组成的特征向量,利用模糊C均值聚类方法对特征向量进行模式识别,结果表明该方法可通过特征向量准确地区分不同的柴油机故障模式,模糊C均值聚类方法在柴油机状态监测与故障诊断中有较好的适用性。