原文传递
基于优化VMD和DSN的船舶柴油机故障在线诊断研究
| 论文题名： | 基于优化VMD和DSN的船舶柴油机故障在线诊断研究 |
| 关键词： | 船舶柴油机;在线监测系统;振动信号;变分模态分解;小波阈值去噪法;深度堆栈网络 |
| 摘要： | 随着船舶智能化时代的到来，对船舶柴油机的运行状态进行智能监控势在必行，这就对故障诊断技术的要求越来越高。传统的柴油机故障诊断主要借助于轮机人员的经验，在柴油机发生故障后再查看故障原因，很显然这不符合船舶智能化发展的理念。因此，对船舶柴油机进行故障在线诊断研究具有重要意义。本文以Z6170ZICZ-1型柴油机为对象，以实现故障在线诊断为目标，利用柴油机缸盖振动信号，主要研究了振动信号的去噪技术、特征值提取技术、模式识别技术和柴油机故障在线诊断实验方法。论文的主要研究内容和结论包括以下几个方面： （1）针对柴油机的缸盖振动信号中包含大量背景噪声的情况，本文设计了一种优化的变分模态分解与改进的小波阈值去噪相结合的去噪方法。首先，介绍了变分模态分解算法，为了提高其分解效果运用了粒子群算法优化其输入参数；然后，在分析了经典的小波阈值去噪方法的缺点后对其进行了改进；最后，结合变分模态分解和小波阈值去噪各自的优点对一维缸盖振动信号进行降噪处理，并将所提方法与多种其他算法进行了对比实验，结果表明本文所提去噪方法具备更好的去噪性能。 （2）针对柴油机多工况下故障难以辨别的情况，本文采用多级DSN故障诊断算法，提高了故障识别精度。首先研究了在时域、频域和时频域提取缸盖振动信号特征值的方法，并利用了不同分析域提取的特征值组成混合特征向量；然后，介绍了堆叠自编码器（SAE）和深度堆栈网络（DSN）的构建流程，并利用SAE从混合特征向量中提取深层次的隐性特征，实验证明了SAE比经典的PCA算法更能提取深层次特征；最后，介绍了一种多级诊断的思想，并通过构建多级DSN故障诊断模型来对多种工况下不同的故障进行识别，即先进行工况的划分，接着确定故障的种类，再对故障程度进行区分，并且基于准确率完成了DSN算法与经典的ELM和SVM算法的对比，实验结果表明了构建多级DSN诊断模型具有更好的分类效果。 （3）针对柴油机故障诊断多为离线诊断的情况，本文利用了dSPACE的硬件在环仿真功能，设计了一套基于dSPACE的船舶柴油机故障在线诊断系统。该系统首先通过调理电路对柴油机的缸盖振动信号进行预处理；然后将振动信号接入dSPACE主机进行去噪分析、特征值提取和故障诊断分析，并通过ISA总线将实时分析结果传输到上位机软件ControlDesk在线显示；最后，在线实验结果表明了基于dSPACE的船舶柴油机故障在线诊断系统能快速诊断出柴油机的状态，从而为国产的船舶智能化监控设备的研发提供一些参考意见。 |
| 作者： | 袁强 |
| 专业： | 轮机工程 |
| 导师： | 陈智君 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
