原文传递
海事船舶故障诊断系统关键技术研究
| 论文题名： | 海事船舶故障诊断系统关键技术研究 |
| 关键词： | 海事船舶;故障诊断;数据填补;神经网络;K近邻算法 |
| 摘要： | 海事船舶承担特定水域内船舶航行安全、污染防治、巡航执法等重要任务。对海事船舶设备故障进行实时可靠的诊断是海事船舶安全航行、任务顺利完成的重要保障。本文针对海事船舶故障诊断过程中存在的问题，设计了船舶故障诊断系统的总体框架，深入研究了系统中的数据清洗及RBF神经网络实时故障诊断等关键技术，并对系统中关键技术进行了实现。 分析了海事船舶故障诊断系统的需求，设计了系统总体框架，阐述了系统关键技术,给出了系统中主要功能模块处理流程。针对海事船舶设备状态数据采集过程中产生的数据缺失问题，提出一种基于改进K近邻方法的数据填补算法。对传统K近邻算法中用欧式距离表示数据对象间相似性的不足，提出采用改进的灰色关联度表征数据对象间的相似性，对缺失数据进行填补提高了数据填补的准确性。针对海事船舶传统故障诊断方法适用性不广、准确度不高等问题，提出一种基于改进RBF神经网络的设备故障诊断算法。运用基于反向学习和自适应搜索策略结合的改进人工蜂群算法，对RBF神经网络隐含层中心值和中心宽度的确定进行参数寻优，构造性能良好的故障诊断分类器。实验结果表明，该方法有效提高了船舶设备故障诊断的准确性和适用性，满足海事船舶设备故障诊断的实时性能要求。 本文介绍了船舶故障诊断系统的应用背景，以海事船舶故障诊断关键技术为基础，给出了船舶设备故障实时诊断等功能的系统实现，已初步应用到船舶故障诊断系统中，取得了良好的效果。 |
| 作者： | 韩珂 |
| 专业： | 计算机技术 |
| 导师： | 谢强 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京航空航天大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
