原文传递
船舶变频冷却系统状态预测的研究
| 论文题名： | 船舶变频冷却系统状态预测的研究 |
| 关键词： | 船舶变频冷却系统;互补集合经验模态分解;状态预测;LSTM模型;BP神经网络 |
| 摘要： | 船舶变频冷却系统因为节约能源上的巨大优势在船舶上有了一定的应用。然而，变频冷却系统对冷却系统的故障诊断提出了新的挑战。传统的工频冷却系统的工作参数，特别是泵出口压力和海水出口温度一般不会有变化，一旦发生明显变化就可以判断是冷却系统出现故障的预兆。而船舶变频冷却系统在工作中会随着外界环境的改变变化海水流量造成参数变化，无法依靠经验及时判断系统的状态。因此，本文以机器学习的复杂神经网络来判断系统状态。同时，为了提前判断系统的状态，使用预测模型预测船舶变频冷却系统的参数。 论文以我校实习船“育鹏”船舶变频冷却系统为研究对象，使用CEEMD-LSTM-ARIMA构建了预测模型，分类神经网络模型并使用了Matlab中的Simulink仿真工具建立了船舶变频冷却系统的仿真模型。实现了对“育鹏”的冷却系统工作状态的仿真、预测与判断。首先介绍研究的对象“育鹏”船舶变频冷却系统的组成结构、设备技术参数和性能指标，作为后期进行仿真建模的数据来源。然后以控制海水出口温度的原则建立“育鹏”的船舶变频冷却系统的Simulink仿真模型，并分析在负荷发生变化时、出现常见故障下海水流量与温度的变化情况，使仿真模型可以模拟“育鹏”在船舶变频冷却系统不同状态、不同环境下的参数变化。 将变化的参数记录下里作为原始数据，再使用Matlab编写冷却系统预测模型，预测模型采用的是滑动自回归时间序列与长短周期神经网络组合模型，通过CEMMD将原始数据分解后得到的分量分别加以预测，用不同预测模型分别预测不同频率的分量，得到各分量的预测数据，最后相加得到工作参数的预测结果。 使用原始数据训练BP神经网络，从而得到可以识别船舶船舶变频冷却系统工作状态的神经网络，再将预测的数据输入进神经网络，实现对船舶船舶变频冷却系统状态的预测与判断。实验结果表明，状态判断模型可以对组合预测模型的预测结果做出正确的判断结果，对船舶变频冷却系统状态做出正确的预测。 |
| 作者： | 刘师典 |
| 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： | 2022 |
检索历史
应用推荐
