原文传递
船舶设备故障诊断与故障预测系统关键技术研究
| 论文题名： | 船舶设备故障诊断与故障预测系统关键技术研究 |
| 关键词： | 船舶故障诊断;船舶故障预测;卷积神经网络;循环神经网络;向量自回归 |
| 摘要： | 现代船舶结构复杂，运行环境恶劣，船舶航行安全面临巨大挑战，传统的计划维护保养体系存在的问题越来越突出。为了提高船舶设备维护的成效性，确保各种设备安全运转，一方面，迫切需要采用先进的计算机技术对船舶设备运行状态进行实时监控和故障诊断，发现船舶设备运行故障并及时采取必要的维修措施；另一方面，也需要通过对各设备运行状态进行故障预测，及时发出故障预警信息，为船舶设备维护保养提供参考，解决传统计划保养中的漏检漏修问题。本文设计了船舶设备故障诊断与故障预测系统，并重点研究了系统中船舶实时故障诊断、故障预测等关键技术，满足了系统对船舶设备状态实时监控、故障实时诊断、状态提前预知等功能需求。主要研究内容如下： (1)分析了船舶设备故障诊断与故障预测系统的需求，对系统进行了设计，并介绍了系统所涉及的关键技术。 (2)研究了船舶设备故障诊断技术。针对船舶多设备实时故障诊断的需求，提出一种基于卷积神经网络（CNN）和循环神经网络（RNN）融合的船舶设备实时故障诊断方法。该方法通过CNN自动提取具有代表性的故障特征，然后利用RNN提取时态特征并完成最终的故障分类。实验表明，该方法满足了船舶设备故障诊断对实时性与准确性的要求。 (3)研究了船舶设备故障预测技术。为了实现船舶故障预警的目的，提出一种基于改进的RNN和向量自回归（VAR）的船舶设备故障预测方法。通过引入输入注意力机制自适应地选择相关的时间序列，利用RNN捕获长期依赖关系和VAR捕获线性关系并分别进行状态预测，最后将两者预测结果处理后作为最终的预测结果。实验表明，该方法在船舶设备故障预测中具有高可靠性与高准确率。 (4)实现了船舶设备故障诊断与故障预测系统的主要功能，最后给出了系统主要功能的运行实例。 |
| 作者： | 曾友渝 |
| 专业： | 计算机科学与技术 |
| 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： | 2021 |
检索历史
应用推荐
