一、船舶机电设备智能故障诊断系统（论文文献综述）
田振兴,袁朝义,张三华[1]（2022）在《船舶检验中常见机械故障及处理措施》文中研究指明作为水上运输的重要工具,船舶对于运输来说发挥着至关重要的作用,为了保障船舶运输的安全性,在船舶企业发展过程中,势必要检查船舶机械故障,定期进行维护,从而减少安全事故的发生。一旦船舶在运转过程中发生故障,不仅会对船舶运行产生一定影响,而且会危及船员的生命。本文针对船舶检验中的常见机械故障进行分析,对船舶设备故障诊断的重要性加以研究,分析船舶机械设备运转过程中常出现的部分故障,并提出了相应的处理办法,为船舶设备的正常运行提供一定的参考和借鉴。
刘锋[2]（2021）在《船舶设备故障诊断技术及其应用研究》文中认为随着我国科学技术的快速发展,船舶设备故障诊断技术愈发先进,从业人员为改善船舶运转效能,也在加大船舶设备故障诊断技术研究,促使故障诊断质量与水平得到全面提升。文章针对船舶故障诊断的必要性以及当前船舶设备中常见的故障进行初步分析与探讨,结合智能故障诊断系统发展与内涵,阐述故障诊断技术的实际应用,希望能对相关从业人员起到一定借鉴价值。
刘沁[3]（2021）在《船舶舵机液压系统的智能故障诊断方法研究》文中提出舵机液压系统作为掌控船舶航向的执行机构,对于船舶的安全航行至关重要,舵机系统的故障将可能引发严重的海难事故,会造成巨大的人员和经济损失。因此,实现船舶舵机液压系统的故障诊断对提高船舶航行的安全性和可靠性具有重要的意义。然而,液压系统是集机械、电气、流体特性于一体的耦合复杂系统,具有不确定性、非线性和时变性等特点,其故障形式多样,引发某种故障的因素通常不单一,且故障具有隐蔽性,对系统进行快速准确的故障诊断已成为亟待解决的科学问题。本文以船舶舵机液压系统为对象,研究基于数据的智能故障诊断方法。此类方法中样本数据的质量和数量对故障诊断模型的精度有重要影响,但在液压系统的故障诊断领域,已有的研究成果并未考虑数据不充足的情况。为此,本文探索了在数据充足程度不同的情况下,设计相应的故障诊断方法,并在现有的通用方法基础上,针对船舶舵机液压系统的数据特点进行一定的算法改进。具体研究工作如下:（1）在数据充足的情况下,针对数据时序性的特点,提出了基于LSTM（long short-term memory）神经网络的船舶舵机液压系统的故障诊断方法。首先,对船舶舵机液压系统的工作原理及各故障工况的现象进行了详细的理论分析,在AMESim和Matlab中搭建了联合仿真平台,用于模拟多种系统工况。其次,从仿真平台中采集充足的样本数据,为LSTM神经网络的训练和测试提供数据支持。然后,设计了多种LSTM神经网络结构和参数配置方案,通过大量对比实验确定了最优的监测器网络结构,并通过FPGA完成了算法的硬件加速,使运算速度提升了约10倍。最终,实验表明本研究所提出的故障诊断方法在计算和资源开销、分类准确率等各方面都优于其他神经网络,信噪比高于70dB的噪声干扰下的故障诊断准确率可达到99.5%以上。（2）针对数据集不平衡的问题,提出了基于GAN-RF（generative adversarial network and random forest）的船舶舵机液压系统的故障诊断方法。从实际船舶舵机液压系统中可获取的故障样本数往往远少于正常工况的样本数,而基于这种不平衡数据集设计的故障诊断方法准确率往往不高。目前,在液压系统中对该类问题的研究尚处于空白。本文通过联合仿真平台获得不平衡的时序样本数据,提出将时序数据的时频特征转换为二维图像来训练GAN神经网络,并用直观的样本特征分布图展示GAN生成样本的可行性。时频特征的提取采用MEMD（multivariate empirical mode decomposition）,样本特征分布图显示了所设计的GAN深度学习网络结构能够合成特征分布趋向于真实的样本。用GAN生成的故障样本扩充不平衡的数据集,再应用CFS（correlation-based feature selection）进行特征选择,实验表明所选择的特征在不同工况下具有可区分性。最后,设计了RF分类器实现故障诊断,信噪比在50dB以上的分类准确率超过98.5%。（3）针对无法获取实测数据的情况,提出了基于MTES（multidimensional time-series trend extracted shapelet）的船舶舵机液压系统的故障诊断方法。在船舶舵机液压系统的研发阶段或运行初期,可获得实际系统的实测数据很少,尤其是故障工况下的数据。根据仿真系统与实际系统的信号具有趋势变化（即形状特征）一致的特点,本文从仿真系统的时序数据中提取形状特征（shapelets）设计分类器,使其能够在实际系统中进行故障诊断。在训练过程中,将舵机液压系统中的多通道时序信号看作是多个独立的一元时间序列,提出了基于多趋势特征的快速shapelet发现方法获得候选集,然后以信息增益为依据,为各信号分别筛选k个最佳的shapelets。实验结果显示所选择的shapelet具备区分于其他类的形状特征。在测试过程中,提出了基于贝叶斯概率的加权投票机制,综合多通道信号的分类结果,实现对船舶舵机液压系统的故障诊断。最终,用加入噪声的测试样本模拟真实系统数据进行测试,结果表明信噪比高于30dB的情况下,分类准确率均在98%以上,验证了该方法对真实系统有效且可靠性很高。（4）为验证所提出的三种方法在实际舵机液压系统中的故障诊断效果,提出了基于负载模拟器的实验验证方法。本文设计了一套舵机工况模拟试验系统来模拟多种系统工况,采集系统的信号输出,为验证故障诊断方法提供数据。在该试验系统中,需为舵机系统建立带载环境,使采集的数据包含反映真实系统响应的信息,实验中利用负载模拟器实现。为此,本文提出了基于IAKF（improved adaptive Kalman filter）的速度前馈加载力控制策略,提升负载模拟器对舵机系统的变力加载能力。通过试验系统与仿真系统的实验结果对比,表明两者的故障现象具有一致性,验证了仿真系统的准确性。最终,三种方法对试验系统的故障诊断准确率均超过85%,验证了所提出故障诊断方法的有效性,体现了对不同场景下实际工程的应用价值和指导意义。
张江涛[4]（2021）在《船舶机电设备故障诊断方法》文中认为随着我国经济水平的不断提升和我国科技制造水平的不断进步,船舶的使用效率也在不断提升。在进行船舶组装的过程当中船舶内部的机电设备是最为重要的,船舶机电设备的质量好坏将直接影响船舶的整体质量,并且机电设备保障了船舶的安全性。本文以船舶机电设备故障诊断方法进行深入探究,制定科学合理的有效措施,排除并解决机电设备当中的各种故障,并根据实际情况制定相应的理论方法,从而确保船舶机电设备能够更加科学的进行维修,为后续船舶机电设备维修工作提供数据支持。
吴泽谋,孙宝成[5]（2021）在《一种用于船舶机电设备的预测性维护技术》文中进行了进一步梳理提出一种用于船舶机电设备的预测性维护技术。该技术的提出与实施涵盖了多方面内容,明确船舶工程机电设备的实际运营特点,由此深入分析船舶机电设备实施预测性维护的真实需求,在此基础上搭建相应的预测性维护平台的框架,如船端机载健康监测、网络远程通讯及岸端维护等,并采用预测性维护技术进行明确维护管理阶段的细分,如监测船舶机电设备状态、准确诊断故障问题、做好故障预测及强化维护管理。针对预测性维护技术的实施难点及持续发展路径进行探究。
李冉[6]（2020）在《船舶轴系振动智能故障诊断技术的应用分析》文中研究说明近些年,船舶智能化已经成为全球航运的大趋势。船舶智能化主要体现在智能船体、智能机舱、智能航行、智能货物管理、智能能效管理和智能集成平台。船舶推进轴系是船舶动力系统的重要组成部分,如何智能识别和诊断船舶轴系的各种故障,是进行船舶轴系智能状态监测与智能故障诊断研究的关键。本文对基于支持向量机理论的故障诊断方法进行研究,针对惩罚因子C和核函数参数σ选取难度较大的问题,提出了改进的人工蜂群（IABC）算法优化支持向量机的惩罚因子C和核函数参数σ。并且,针对人工蜂群算法迭代后期易出现收敛速度慢、易陷入局部最优解等问题,在原始人工蜂群算法的搜索公式中引入了全局搜索因子。为了验证改进的人工蜂群（IABC）优化算法的有效性,以仿照“申汉线”客轮的推进系统结构设计模拟实验平台为例,针对三种基本振动常见故障（轴系不对中、打滑、转子偏心）,设置故障诊断监测点收集故障数据。将改进人工蜂群（IABC）优化算法与人工蜂群ABC优化算法同时应用到轴系故障诊断中,得到以下结论:在模型训练过程中,IABC-SVM因为引入了全局搜索因子,在参数寻优时,收敛速度加快,可以跳出局部最优解,从而获得全局最优参数,可以比ABC-SVM更快的速度达到全局优化。从平均准确度的趋势来看,IABC-SVM可以帮助训练从更优的初始蜜源开始,其平均准确度为85.41%,明显高于传统ABC的72.91%。而且,IABC-SVM的训练时间、最佳平均准确度均优于ABC-SVM。由模型测试结果可知,IABC-SVM的分类准确度明显高于ABC-SVM,在测试过程中更具优势。本文针对船舶轴系的振动特点及故障诊断中存在的问题,提出IABC-SVM的故障诊断方法,该方法可以有效地对轴系振动的故障进行检测和识别,具有较高的准确性和诊断效率。
高志龙[7]（2020）在《基于状态智能预警驱动的柴油机IETM关键技术研究与应用》文中研究指明柴油机作为一种关键动力设备,被广泛用于船舶航运、轨道交通、石油化工、能源电力、矿山机械、装备动力等相关行业,在国民经济乃至国防安全领域发挥着极为重要的作用。但由于其部件众多、结构复杂、工况恶劣,极易发生故障。一旦出现恶性故障将会导致停工停产,严重时甚至引发危及人身安全的重大事故。然而,当前柴油机监测报警技术较为落后,故障发生后无法得到精准识别,导致检维修效率低下。通过研究柴油机故障发生机理与对应的特征信号,借助先进算法有效提取特征参数,以实现柴油机典型机械故障的预警与诊断。并将故障诊断与交互式电子技术手册（IETM）技术相结合,实现监测、预警、诊断、维修、维护、管理等综合保障功能的深度融合,从而提升柴油机运行的安全性、可靠性和可用性。本文以大功率柴油机为对象,以提高其典型机械故障预警诊断水平和维修保障能力为目标,通过对典型机械故障机理的深入分析,研究适用于不同种类故障的预警和诊断方法。结合智能诊断算法实现柴油机运行工况的自动识别,提高预警和诊断准确率。最后探索基于故障预警驱动的IETM设计方法与架构。论文各章节主要研究内容如下:首先,综合归纳大功率柴油机典型机械故障类型,理清传统诊断方法面临的问题与挑战,分析智能诊断预警技术现状。研究国内外IETM技术发展历程、技术难点和未来发展趋势。在现有研究基础上,总结基于智能预警驱动的柴油机IETM系统关键技术点。其次,针对柴油机连杆衬套滑移,轴瓦磨损两类疑难故障,开展理论建模研究。通过建立相关数学模型,寻找故障典型特征。提出基于SAW（声表面波）无源无线测温技术的柴油机轴瓦磨损类故障预警诊断方法。研制柴油机连杆大小头瓦无线温度传感器,通过故障模拟试验证明该方法的有效性;然后,针对曲轴弯曲微变形这类恶性故障,建立多体动力学模型,通过模拟、仿真、分析其对应的故障特征及敏感参数,探究该类故障预警诊断的有效方法,并通过理论分析与实际故障案例相结合的方式证明该方法可行性;研究基于振动信号自适应的EMD降噪和聚类算法的柴油机运行功率自动识别算法,通过该算法实现对柴油机运行工况的自动识别。在无需增加传感器的前提下,引入柴油机输出功率作为预警诊断参考指标。此外,结合瞬时转速、温度、压力等参数,研究基于多源信息融合的复杂故障预警诊断方法,提高故障预警诊断的准确性。在上述研究成果的基础上,总结柴油机典型故障诊断系统设计方法。并利用实验和工程实际案例数据对系统功能进行验证。最后,研究基于智能预警驱动的IETM设计方法与架构。梳理传统IETM研制流程和编制规范,提出智能预警诊断技术与IETM相结合的实现方案,并给出基于状态智能预警驱动的柴油机IETM总体实现方法和步骤。
郭晓杰[8]（2020）在《船舶电力推进系统智能容错控制技术研究》文中研究表明船舶电力推进系统将船舶操纵推进用电和其他用电负载一体化,具有降低动力装置重量和体积、提高系统供电可靠性以及便于能量综合利用与统一管理等特点,已经成为未来智能船舶的主要发展方向。多发电机组、多种用电负载和智能变电设备的投入使用改变了船舶电力推进系统的拓扑结构和操作特性,也对其解析容错控制设计提出了严峻挑战。因此,综合考虑系统故障行为特性和容错控制体系结构,进行船舶电力推进系统智能容错控制技术研究具有十分重要的意义。本文针对船舶电力推进系统智能容错控制技术的几个关键问题展开了研究:首先,开展了船舶电力推进系统的容错控制体系结构与数学建模研究。明确了本文的研究对象,介绍了船舶中压直流电力推进系统的基本结构和功能特性。考虑电力推进系统容错控制的多层结构与集成设计,提出了一种船舶中压直流电力推进系统递阶、分层智能容错控制体系结构框架,将系统状态监控、健康评估、故障诊断以及容错控制策略的内在联系进行了统一描述。为了对船舶电力推进系统容错控制研究提供必要的理论框架和模型基础,建立了发电子系统、推进子系统、区域负载集合以及配电子系统的数学模型,重点针对推进子系统中的六相永磁同步电机和螺旋桨负载特性进行了描述。其次,针对船舶电力推进系统的典型故障模式与影响分析进行了智能评估研究。综合考虑专家评估的可信度、模糊信息的不确定性以及故障模式与故障原因的内在关联性,提出了一种基于模糊逻辑与决策试验评估实验室（Decision-making Trial and Evaluation Laboratory,DEMATEL）理论的故障模式影响智能评估方法,利用信息熵与定性分析相结合的综合权重分配机制确定了专家意见可信度权重,引入了模糊语言术语集和模糊数得到各风险因子的模糊评价及相对模糊权重,设计了基准调整搜索算法确定模糊风险优先数的α-割集,采用质心解模糊思想和α-割集理论对模糊风险优先数进行了清晰化处理。将模糊风险优先数的解模糊值作为DEMATEL算法的输入变量,计算了各故障模式的原因度和风险优先级排序。以推进子系统的典型故障模式为例,验证了所提的智能评估方法的有效性,为后续的容错控制策略设计提供了理论依据。然后,针对船舶电力推进系统六相永磁同步电机的绕组缺相故障智能容错控制展开了研究。建立了含参数摄动和负载扰动的六相永磁同步电机缺相故障容错系统数学描述,结合故障检测机制,提出了一种基于中线补偿的零序电流参考值在线决策系统,无需根据不同相绕组开路情形和中性点连接方式重新推导降维解耦的数学模型,建立了矢量解耦的转速/电流容错控制结构框架。为了解决六相永磁同步电机绕组缺相引起的转速跟踪和转矩脉动问题,基于设计的矢量解耦容错控制结构,提出了一种自适应反步滑模鲁棒容错控制策略,利用自适应估计技术和鲁棒控制能量耗散不等式分别在线补偿了反步滑模系统的内部参数摄动和外部负载扰动,实现了六相永磁同步电机系统缺相故障运行的转速跟踪、扰动抑制和容错最优化。考虑到参数摄动自适应律设计中存在增益参数整定困难和抗扰鲁棒性能较差等问题,进一步提出了一种递归小波模糊神经网络智能观测器设计算法,将其应用于反步滑模鲁棒容错系统不确定参数摄动的在线估计过程,保证了基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制系统的渐进稳定性。通过缺相故障模拟和数字仿真试验结果,验证了所提的两种容错控制策略的有效性。最后,开展了船舶电力推进系统的舵/桨输出作用力协调容错控制研究。探讨了船舶航速与航向的耦合关系,以及螺旋桨对航向控制和舵对航速控制的影响,建立了含海浪环境干扰和模型参数估算误差（合称为复合扰动）的船舶航速/航向操纵系统数学描述。针对船舶电力推进系统双舵双桨控制力的部分失效情形,设计了非线性观测器在线补偿不确定性复合扰动,基于失效系数计算和复合扰动观测器,提出了一种自适应滑模协调容错控制策略,结合有效性系数矩阵修正了故障执行器的优先作用等级,设计了具有故障惩罚作用的伪逆优化分配策略。针对船舶电力推进系统双舵双桨输出控制力的部分失效、中断、偏移和卡死等故障模式,给出了含执行器多重故障和复合扰动的船舶航速/航向控制系统数学描述,设计了自适应更新律在线估计执行器失效因子、卡死故障因子、卡死故障的上下界以及复合扰动的上下界,结合故障参数估计值和复合扰动参数估计值,提出了一种控制律重构与控制分配集成设计的自适应反步协调容错控制策略,实现了航速/航向跟踪、复合扰动抑制和执行器能耗最小化。构建了船舶电力推进舵/桨协调容错系统数字仿真测试平台,分别验证了所提的两种容错控制策略的可行性。本文的研究成果具有重要的理论意义和应用前景,可以为船舶电力推进系统智能容错控制的工程化应用提供技术基础和经验积累,实现船舶电力推进系统的可靠运行与健康管理。此外,其研究成果也适用于其他对象,有助于其他工程领域在相关技术层面上的借鉴推广。
黎锌[9]（2020）在《船舶设备故障诊断技术及其应用研究》文中研究说明本文主要针对船舶设备故障诊断技术进行研究,分析船舶设备故障诊断的必要性,并指出目前船舶设备中常见的故障和分析,结合智能故障诊断系统来详细分析故障诊断技术以及其应用,希望能够为船舶设备故障诊断技术的发展创新和应用提供一定的思路。
汤敏,曾力,李沨,万松,李长松[10]（2019）在《船海工程机电设备智能化新模式》文中研究指明介绍船舶智能化的发展趋势,分析在船舶智能化发展背景下船海工程机电设备工作新模式,总结船海工程机电设备智能化总体发展目标,研究机电设备智能化体系架构和物理架构,提出船海工程机电设备智能化发展的总体思想和技术路径,规划技术研究路线和工作重点。基于国内外技术现状、需求和趋势研究,为船海工程机电设备向智能化方向发展提出指导建议。
二、船舶机电设备智能故障诊断系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、船舶机电设备智能故障诊断系统（论文提纲范文）
（1）船舶检验中常见机械故障及处理措施（论文提纲范文）
| 0 引言 |
| 1 船舶机械设备故障维修的必要性及故障类型 |
| 1.1 船舶机械设备故障维修的必要性 |
| 1.2 船舶设备的故障类型 |
| 2 船舶检验中常见的机械故障 |
| 2.1 液压舵机不能回舵 |
| 2.2 振动以及噪音 |
| 2.3 油温过高 |
| 2.4 锚机油马达运行较慢 |
| 2.5 船舶电子设备故障 |
| 2.6 船舶机械设备故障 |
| 2.7 船舶机电设备故障 |
| 2.8 船舶各零件建设材料质量不达标 |
| 2.9 工作人员检查范围不全面，工作不到位 |
| 3 处理船舶机械设备故障的措施 |
| 3.1 加强对液压设备的养护 |
| 3.2 提高操作人员的技术和素质 |
| 3.3 信号采集与传感技术 |
| 3.4 故障机理与故障特征 |
| 3.5 信号处理与特征提取技术 |
| 3.6 故障识别与智能决策技术 |
| 3.7 基于计算机的智能诊断技术 |
| 3.8 重视对船舶机电设备的数据管理 |
| 3.9 严把质量关，加强对船舶各部位的检查工作 |
| 4 结束语 |
（2）船舶设备故障诊断技术及其应用研究（论文提纲范文）
| 1 船舶设备故障的常见类型 |
| 1.1 船舶电子设备故障问题 |
| 1.2 船舶机械设备故障问题 |
| 1.3 船舶机电设备故障问题 |
| 2 船舶设备故障诊断分析的必要性 |
| 2.1 确保船舶运行的稳定性与可靠性 |
| 2.2 帮助船舶设备维护人员实时了解设备状态 |
| 2.3 可有效削减船舶故障问题带来的损失 |
| 3 常用船舶设备故障诊断技术及其应用分析 |
| 3.1 船舶设备运行信号采集与传感技术 |
| 3.2 故障机制与故障特征 |
| 3.3 信号处理与数据特征挖掘工作 |
| 3.4 故障识别与智能决策技术 |
| 3.5 基于计算机技术领域的智能诊断技术 |
| 3.6 神经网络与专家系统相结合的新型智能诊断技术 |
| 4 结束语 |
（3）船舶舵机液压系统的智能故障诊断方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 液压系统故障诊断的国内外研究现状 |
| 1.2.1 液压系统故障诊断的特点 |
| 1.2.2 基于经验的液压系统故障诊断方法 |
| 1.2.3 基于模型的液压系统故障诊断方法 |
| 1.2.4 基于数据的液压系统故障诊断方法 |
| 1.2.5 在数据不充足时的故障诊断方法 |
| 1.3 主要研究内容安排 |
| 2 船舶舵机液压伺服系统的建模及故障仿真结果分析 |
| 2.1 引言 |
| 2.2 船舶舵机液压系统建模 |
| 2.2.1 液压系统工作原理 |
| 2.2.2 液压系统模型 |
| 2.2.3 液压缸模型 |
| 2.2.4 电液换向阀模型 |
| 2.2.5 位置随动控制系统 |
| 2.3 故障仿真及结果分析 |
| 2.3.1 液压油混入空气故障 |
| 2.3.2 液压缸内泄漏故障 |
| 2.3.3 力矩马达线圈损坏 |
| 2.3.4 反馈弹簧损坏 |
| 2.3.5 喷嘴堵塞 |
| 2.3.6 阀芯单向卡死 |
| 2.3.7 液压泵泄漏故障 |
| 2.3.8 油滤堵塞 |
| 2.3.9 防浪阀弹簧失效 |
| 2.3.10 溢流阀弹簧失效 |
| 2.3.11 伺服放大器失效 |
| 2.3.12 仿真工况总结 |
| 2.4 本章小结 |
| 3 基于LSTM神经网络的船舶舵机液压系统的故障诊断方法 |
| 3.1 引言 |
| 3.2 Long Short-Term Memory算法 |
| 3.3 基于LSTM神经网络的故障诊断方法 |
| 3.3.1 离线监测器模型的构建 |
| 3.3.2 在线监测的实现 |
| 3.4 船舶舵机液压系统故障诊断的实现 |
| 3.4.1 数据采集情况 |
| 3.4.2 三种LSTM神经网络的对比 |
| 3.4.3 不同网络超参数的对比 |
| 3.4.4 算法的硬件加速效果对比 |
| 3.4.5 抗噪能力分析 |
| 3.4.6 与其他神经网络的对比 |
| 3.5 本章小结 |
| 4 基于GAN-RF的船舶舵机液压系统的故障诊断方法 |
| 4.1 引言 |
| 4.2 基于MEMD和CFS的特征工程 |
| 4.2.1 特征提取 |
| 4.2.2 特征选择 |
| 4.3 基于GAN神经网络的数据合成 |
| 4.4 基于RF的故障分类 |
| 4.5 基于GAN-RF的故障诊断方法 |
| 4.6 船舶舵机液压系统故障诊断的实现 |
| 4.6.1 数据采集情况 |
| 4.6.2 特征提取及选择结果 |
| 4.6.3 GAN合成样本质量的评估 |
| 4.6.4 抗噪能力分析 |
| 4.6.5 算法的硬件实现 |
| 4.7 本章小结 |
| 5 基于MTES的船舶舵机液压系统的故障诊断方法 |
| 5.1 引言 |
| 5.2 MTES方法的提出 |
| 5.2.1 相关定义 |
| 5.2.2 基于多趋势特征的快速shapelet发现方法 |
| 5.2.3 数据转换和shapelet的选择 |
| 5.2.4 多元时序的加权投票分类机制 |
| 5.2.5 基于MTES的故障诊断方法 |
| 5.3 船舶舵机液压系统故障诊断的实现 |
| 5.3.1 数据采集情况 |
| 5.3.2 Shapelet候选集的获取 |
| 5.3.3 Shapelet的选择 |
| 5.3.4 故障诊断结果 |
| 5.3.5 算法的硬件实现 |
| 5.4 本章小结 |
| 6 基于负载模拟器的实验验证 |
| 6.1 引言 |
| 6.2 舵机工况模拟试验系统的组成及工作原理 |
| 6.3 基于IAKF的速度前馈加载力控制方法 |
| 6.3.1 加载系统数学模型 |
| 6.3.2 基于IAKF的速度估计 |
| 6.3.3 速度前馈的加载系统力控制 |
| 6.4 船舶舵机液压系统的故障诊断实验验证 |
| 6.4.1 故障工况模拟 |
| 6.4.2 故障诊断结果 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）船舶机电设备故障诊断方法（论文提纲范文）
| 0 引言 |
| 1 船舶机电设备的诊断价值与检测方法 |
| 1.1 核心价值 |
| 1.2 检测方法 |
| 2 对船舶机电设备进行故障诊断的具体方法 |
| 2.1 有效采集故障数据 |
| 2.2 故障检测分析 |
| 2.3 诊断原则 |
| 3 船舶机电设备故障诊断的优化措施 |
| 3.1 针对检测技术进行完善 |
| 3.2 针对平台建设进行拓展 |
| 4 结语 |
（5）一种用于船舶机电设备的预测性维护技术（论文提纲范文）
| 0 引言 |
| 1 维护管理现状 |
| 2 船舶机电设备维护需求分析 |
| 3 预测性维护平台结构 |
| 4 预测性维护平台技术原理 |
| 4.1 船舶机电设备运行状态监测技术 |
| 4.2 船舶机电设备故障问题诊断技术 |
| 4.3 船舶机电设备故障问题预测技术 |
| 4.4 船舶机电设备预测性维护管理技术 |
| 5 技术缺陷及展望 |
| 5.1 实施缺陷 |
| 5.2 展望 |
| 6 结论 |
（6）船舶轴系振动智能故障诊断技术的应用分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能船舶发展现状 |
| 1.2.2 基于智能机舱研究现状 |
| 1.3 本文主要研究内容 |
| 2 轴系振动理论及危害 |
| 2.1 扭转振动 |
| 2.1.1 扭转振动的原因 |
| 2.1.2 扭转振动简化模型 |
| 2.1.3 转动惯量和扭转刚性的计算 |
| 2.1.4 扭转无阻尼自由振动运动方程 |
| 2.2 纵向振动 |
| 2.2.1 纵向振动的原因 |
| 2.2.2 纵向振动简化模型 |
| 2.2.3 质量和纵向刚度计算 |
| 2.2.4 纵振无阻尼自由振动运动方程 |
| 2.3 回转振动 |
| 2.3.1 回旋振动的原因 |
| 2.3.2 回旋振动简化模型 |
| 2.3.3 回旋无阻尼自由振动运动方程 |
| 2.4 轴系振动的危害 |
| 2.4.1 扭转振动的危害 |
| 2.4.2 纵向振动的危害 |
| 2.4.3 回旋振动的危害 |
| 2.5 本章小结 |
| 3 轴系振动智能故障诊断方法研究 |
| 3.1 支持向量机的分类 |
| 3.1.1 分类超平面 |
| 3.1.2 线性二进制支持向量机分类器 |
| 3.1.3 软间隔支持向量机 |
| 3.1.4 非线性支持向量机 |
| 3.1.5 非线性支持向量机 |
| 3.1.6 多类支持向量机 |
| 3.1.7 支持向量机的参数选取 |
| 3.2 人工蜂群优化算法 |
| 3.2.1 人工蜂群算法原理 |
| 3.2.2 人工蜂群算法参数分析 |
| 3.2.3 人工蜂群算法全局优化特征 |
| 3.3 本章小结 |
| 4 轴系振动智能故障诊断应用 |
| 4.1 轴系振动故障检测的流程设计 |
| 4.1.1 数据的预处理 |
| 4.1.2 基于IABC优化算法的轴系故障检测 |
| 4.1.3 支持向量机分类 |
| 4.1.4 IABC优化的SVM方法 |
| 4.2 故障诊断分析 |
| 4.2.1 船舶轴系数据预处理 |
| 4.2.2 IABC人工蜂群的故障诊断 |
| 4.3 故障诊断分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录A |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（7）基于状态智能预警驱动的柴油机IETM关键技术研究与应用（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究综述 |
| 1.2.1 柴油机故障传统监测诊断方法概况 |
| 1.2.2 柴油机故障智能监测诊断技术研究概况 |
| 1.2.3 IETM技术发展概况 |
| 1.3 前人的研究成果 |
| 1.3.1 柴油机监测诊断方面研究成果 |
| 1.3.2 智能诊断技术研究成果 |
| 1.3.3 IETM技术研究成果 |
| 1.4 论文结构与内容安排 |
| 第二章 柴油机典型机械故障分类与预警诊断技术 |
| 2.1 柴油机典型机械故障分类及其特征信号 |
| 2.1.1 柴油机典型机械故障分类 |
| 2.1.2 柴油机典型机械故障特征信号类型 |
| 2.2 柴油机典型机械故障监测预警方法 |
| 2.2.1 基于统计特征参量分析的时域信号监测预警方法 |
| 2.2.2 基于振动信号角域分析的故障诊断预警方法 |
| 2.2.3 基于振动信号时频分析的故障监测预警方法 |
| 2.2.4 基于振动信号自适应的EMD智能预警方法 |
| 2.2.5 基于K近邻的柴油机故障识别预警方法 |
| 2.3 柴油机故障预警诊断技术难点 |
| 2.4 本章小结 |
| 第三章 柴油机连杆轴瓦故障监测预警方法研究 |
| 3.1 连杆小头衬套滑移故障 |
| 3.1.1 连杆小头衬套滑移故障机理 |
| 3.1.2 连杆小头衬套滑移故障特征与监测难点分析 |
| 3.2 连杆轴瓦磨损故障 |
| 3.2.1 连杆轴瓦磨损故障类型与传统监测方法 |
| 3.2.2 连杆轴瓦磨损故障特征 |
| 3.3 基于SAW无线测温技术的轴瓦磨损类故障预警与诊断方法研究 |
| 3.3.1 SAW无源无线测温原理 |
| 3.3.2 基于SAW的连杆轴瓦温度传感器的设计 |
| 3.3.3 信号处理装置的设计 |
| 3.3.4 软件系统的设计 |
| 3.4 实验验证 |
| 3.4.1 高速单缸机配机试验 |
| 3.4.2 轴瓦磨损故障模拟试验 |
| 3.5 本章小结 |
| 第四章 柴油机曲轴弯曲微变形故障诊断方法研究 |
| 4.1 曲柄连杆简化模型的理论分析计算 |
| 4.1.1 曲柄连杆力学模型分析 |
| 4.1.2 曲柄模型简化 |
| 4.1.3 横向力作用下曲轴受力分析 |
| 4.1.4 弯曲形变对于横向力作用下曲轴受力影响 |
| 4.2 基于多体动力学仿真的故障特征研究 |
| 4.2.1 模型建立与参数设置 |
| 4.2.2 仿真过程 |
| 4.2.3 仿真结果分析 |
| 4.3 曲轴弯曲微变形故障监测预警方法 |
| 4.4 故障案例验证 |
| 4.4.1 传感器与测点布置 |
| 4.4.2 故障现象描述 |
| 4.4.3 数据分析与故障诊断结论 |
| 4.5 本章小结 |
| 第五章 柴油机典型机械故障智能预警诊断系统设计 |
| 5.1 基于缸盖振动信号概率密度分布的柴油机输出功率识别算法 |
| 5.1.1 缸盖振动信号截止滤波预处理 |
| 5.1.2 基于自适应EMD分解的缸盖振动信号处理方法研究 |
| 5.1.3 基于振动速度概率密度分布的功率识别方法 |
| 5.2 基于改进KNN的柴油机故障报警阈值动态自学习算法 |
| 5.2.1 训练集的构建 |
| 5.2.2 K值的确定 |
| 5.2.3 报警阈值动态学习方法 |
| 5.3 柴油机在线监测预警系统设计 |
| 5.3.1 系统总体设计 |
| 5.3.2 硬件方案 |
| 5.3.3 软件方案 |
| 5.4 工程应用案例 |
| 5.4.1 故障情况 |
| 5.4.2 报警信息与监测数据分析 |
| 5.4.3 故障原因探究 |
| 5.4.4 结论 |
| 5.5 本章小结 |
| 第六章 基于智能预警驱动的柴油机IETM架构设计 |
| 6.1 IETM平台的功能模块 |
| 6.1.1 多媒体制作工具 |
| 6.1.2 XML编辑器 |
| 6.1.3 公共源数据库 |
| 6.1.4 发布引擎 |
| 6.1.5 浏览器 |
| 6.2 标准IETM内容模块 |
| 6.3 IETM的开发流程 |
| 6.3.1 数据模块编码 |
| 6.3.2 数据模块需求列表(DMRL)编制 |
| 6.4 基于智能预警驱动的柴油机IETM架构设计 |
| 6.4.1 架构设计 |
| 6.4.2 具体实现 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 研究结论与成果 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（8）船舶电力推进系统智能容错控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 船舶电力推进系统的发展概述 |
| 1.2.1 国外发展概述 |
| 1.2.2 国内发展概述 |
| 1.3 船舶电力推进系统容错控制技术研究现状 |
| 1.4 船舶电力推进系统容错控制的几个关键问题 |
| 1.4.1 船舶电力推进系统的容错控制体系结构研究 |
| 1.4.2 船舶电力推进系统的故障模式与影响分析研究 |
| 1.4.3 船舶电力推进系统的多相电机容错控制研究 |
| 1.4.4 船舶电力推进系统的螺旋桨协调容错控制研究 |
| 1.5 本文主要研究内容 |
| 第2章 船舶电力推进系统容错控制体系结构及数学建模研究 |
| 2.1 引言 |
| 2.2 船舶电力推进系统的基本结构 |
| 2.3 船舶电力推进系统的智能容错控制体系结构 |
| 2.4 船舶电力推进系统的数学模型 |
| 2.4.1 发电子系统数学模型 |
| 2.4.2 推进子系统数学模型 |
| 2.4.3 区域负载集合数学模型 |
| 2.4.4 配电子系统数学模型 |
| 2.5 本章小结 |
| 第3章 船舶电力推进系统故障模式影响智能评估研究 |
| 3.1 引言 |
| 3.2 故障模式影响的风险优先数评估 |
| 3.3 基于模糊逻辑与DEMATEL理论的故障模式影响智能评估 |
| 3.3.1 系统功能结构层次划分 |
| 3.3.2 模糊语言术语集 |
| 3.3.3 风险因子模糊评价及相对模糊权值 |
| 3.3.4 基准调整搜索算法计算α-割集 |
| 3.3.5 模糊风险优先数的清晰化 |
| 3.3.6 基于模糊逻辑的DEMATEL算法 |
| 3.4 实例验证与结果分析 |
| 3.4.1 推进子系统的典型故障模式 |
| 3.4.2 计算结果及对比分析 |
| 3.5 本章小结 |
| 第4章 船舶电力推进系统六相永磁同步电机智能容错控制策略研究 |
| 4.1 引言 |
| 4.2 含参数摄动和负载扰动的六相永磁同步电机系统数学描述 |
| 4.3 六相永磁同步电机自适应反步滑模鲁棒容错控制策略研究 |
| 4.3.1 六相永磁同步电机缺相故障容错的零序电流参考值在线决策 |
| 4.3.2 自适应反步滑模鲁棒容错控制策略设计 |
| 4.3.3 双交轴电流优化分配 |
| 4.4 基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制策略研究 |
| 4.4.1 基于递归小波模糊神经网络的智能观测器设计 |
| 4.4.2 控制系统稳定性分析 |
| 4.5 仿真验证与结果分析 |
| 4.5.1 一相绕组缺相的六相永磁同步电机容错控制仿真验证 |
| 4.5.2 两相绕组缺相的六相永磁同步电机容错控制仿真验证 |
| 4.6 本章小结 |
| 第5章 船舶电力推进系统舵/桨协调容错控制策略研究 |
| 5.1 引言 |
| 5.2 含复合扰动的船舶航速/航向控制系统数学描述 |
| 5.3 船舶电力推进系统舵/桨自适应滑模协调容错控制策略研究 |
| 5.3.1 非线性复合扰动观测器设计 |
| 5.3.2 自适应滑模容错控制策略设计 |
| 5.4 船舶电力推进系统舵/桨自适应反步协调容错控制策略研究 |
| 5.4.1 含执行器多重故障的船舶航速/航向控制系统数学描述 |
| 5.4.2 自适应反步容错控制策略设计 |
| 5.5 仿真验证与结果分析 |
| 5.5.1 船舶电力推进系统舵/桨自适应滑模协调容错控制仿真验证 |
| 5.5.2 船舶电力推进系统舵/桨自适应反步协调容错控制仿真验证 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（9）船舶设备故障诊断技术及其应用研究（论文提纲范文）
| 0 引言 |
| 1 船舶设备故障诊断的必要性分析 |
| 2 常见船舶设备故障类型 |
| 2.1 船舶电子设备故障 |
| 2.2 船舶机械设备故障 |
| 2.3 船舶机电设备故障 |
| 3 常用船舶设备故障诊断技术及其应用分析 |
| 3.1 信号采集与传感技术 |
| 3.2 故障机理与故障特征 |
| 3.3 信号处理与特征提取技术 |
| 3.4 故障识别与智能决策技术 |
| 3.5 基于计算机的智能诊断技术 |
| 4 结论 |
四、船舶机电设备智能故障诊断系统（论文参考文献）
- [1]船舶检验中常见机械故障及处理措施[J]. 田振兴,袁朝义,张三华. 内燃机与配件, 2022(03)
- [2]船舶设备故障诊断技术及其应用研究[J]. 刘锋. 大众标准化, 2021(23)
- [3]船舶舵机液压系统的智能故障诊断方法研究[D]. 刘沁. 北京交通大学, 2021(02)
- [4]船舶机电设备故障诊断方法[J]. 张江涛. 中国军转民, 2021(14)
- [5]一种用于船舶机电设备的预测性维护技术[J]. 吴泽谋,孙宝成. 机电设备, 2021(01)
- [6]船舶轴系振动智能故障诊断技术的应用分析[D]. 李冉. 大连海事大学, 2020(04)
- [7]基于状态智能预警驱动的柴油机IETM关键技术研究与应用[D]. 高志龙. 北京化工大学, 2020(01)
- [8]船舶电力推进系统智能容错控制技术研究[D]. 郭晓杰. 哈尔滨工程大学, 2020(04)
- [9]船舶设备故障诊断技术及其应用研究[J]. 黎锌. 内燃机与配件, 2020(08)
- [10]船海工程机电设备智能化新模式[J]. 汤敏,曾力,李沨,万松,李长松. 船舶工程, 2019(S1)