原文传递
基于小波分析的轴系数据融合处理技术研究
| 论文题名： | 基于小波分析的轴系数据融合处理技术研究 |
| 关键词： | 船舶轴系;状态监测;LabVIEW;小波去噪;神经网络;数据融合 |
| 摘要： | 轴功率作为船舶状态监测的重要参数，其数据监测和处理技术的进步对于发展智能船舶具有重要意义。船舶轴功率一般是通过测量旋转轴的扭矩和转速，然后通过理论公式换算得到。其中测量转速的技术已经发展的比较完善，而轴系扭矩实时在线监测受到许多环境因素影响，如温度、潮湿、剧烈振动等。针对这一问题，本文围绕轴系的状态监测、数据去噪、功率的实时预测开展了以下研究: (1)本文综合考虑监测系统软件设计的开发难度、系统操作的复杂程度，以LabVIEW软件作为轴系状态监测系统的开发平台，在满足项目要求的前提下，以提高系统稳定性和高效性为目的，制定系统总体设计方案，最终实现轴系扭矩、温度、振动加速度等多个状态参数的实时测量、显示、处理、存储、故障报警等功能。 (2)针对轴系状态监测数据的噪声问题，本文选用小波变换进行数据去噪。分析了小波去噪中分解层数的选取方法——基于信号特征的方法，常用的四种传统指标的物理意义以及几何含义，选取均方根误差以及平滑度两种指标，基于改进熵权法构建了一种新的复合评价指标以确定实验数据的最佳分解层数，并根据实验数据经过小波分解后低频系数的小波熵逐层确定最优小波基，结果表明，本文提出的分解层数以及小波基的优选方法确定的小波阈值去噪方案去噪效果较好。 (3)为了得到可靠的轴系功率数据，本文选用神经网络融合算法综合利用多传感器测量系统中的扭矩、振动加速度监测数据，通过对BP神经网络中各类超参数的优选，确定了适用于本项目的BP神经网络模型，融合结果表明:该网络模型的融合精度可以满足项目需求。在比较了原始测量数据以及小波预处理后数据两种信号作为神经网络模型输入数据时，网络的融合精度后，得出结论:将测试数据经过预处理后可以提高融合预测模型的精度。 (4)根据本项目对监测系统软件的功能、可靠性以及人机交互性等方面的需求，本文采用模块化的方式，自项向下的方式对轴系监测系统的功能进行细分，将系统的各功能下发至各子模块——系统初始化模块、用户登录模块、参数配置模块、数据显示模块、数据处理模块、报警记录查询模块等，通过LabVIEW中动态vi调用的方式将各子模块连接起来得到一个完整的轴系状态监测系统。实验测试表明，本文设计的上位机软件能够在满足项目需求的前提下，稳定可靠的运行。 |
| 作者： | 谢政宇 |
| 专业： | 动力工程 |
| 导师： | 刘学广 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
