原文传递
船舶压载水系统故障诊断方法研究
| 论文题名： | 船舶压载水系统故障诊断方法研究 |
| 关键词： | 船舶压载水系统;故障诊断;神经网络;D-S证据理论 |
| 摘要： | 目前，故障诊断与趋势预测已成为船舶领域一个重要研究热点，研究和探索更实用、更科学的诊断方法应用于船舶设备故障诊断，这将有效提高船舶航行与运营的安全性。船舶压载水系统是调整船舶浮态的重要辅助系统，在保持船体平衡，维持适当的稳心高度，减轻船体振动等方面扮演重要角色。而压载水系统本身设备较多，空间跨度大，系统出现故障隐患不易排查。本文根据系统工作环境和工作过程，总结了系统的故障特点，对系统常见故障类型和故障现象进行了分析。 为了设计适合压载水系统的故障诊断的方法，本文分别研究了基于神经网络的诊断方法和基于D-S证据理论的融合诊断方法，分析了两者的故障诊断实质和诊断特点，并设计了具体的故障诊断流程。通过应用基于神经网络的诊断方法对压载水系统进行故障诊断，发现单一神经网络不能完全满足系统诊断需求，存在一定程度的故障识别错误。而多个神经网络与D-S证据理论相结合可以改善由于输入数据不准确带来的识别错误的问题，提高故障诊断的正确率。同时，神经网络的诊断输出可以作为证据理论的基本信度分配函数，弥补了人为主观性缺陷，而证据理论的不确定性推理能力又可以解决单一神经网络输出不稳定的问题，也降低了网络的复杂度。因此，本文研究了基于BP神经网络与D-S证据融合的故障诊断方法，分析了该方法的诊断过程和特点，可以满足对压载水系统故障诊断的需要。 应用上述故障诊断方法，本文设计了针对具体工况的压载水系统诊断模型，并对模型中的具体应用细节进行了分析。最后，采集系统运行监测点数据，输入系统故障诊断型，通过MATLAB仿真计算，取得较好的诊断结果，验证了故障诊断方法的有效性。 |
| 作者： | 张金城 |
| 专业： | 轮机工程 |
| 导师： | 曹辉 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
