船舶冷却水系统智能故障诊断设备

以大连海事大学实习船“育鲲”轮冷却水系统为研究对象,开发一种可应用于船舶主机冷却水系统中的智能故障诊断设备.以RBF神经网络为故障诊断模型,利用MATLAB与VC++混合编程方法,开发故障诊断程序.程序根据所设计的训练样本集创建并训练神经网络,程序接收由下位机MCGS所采集的系统运行参数,计算后将结果返回.MCGS工控机根据计算结果判断冷却水系统的实时运行状态,并给出相应的报警提示,从而达到智能故障诊断的目的.     

船舶柴油机系统火用分析模型建立及计算

为提高船舶总能系统效率,降低EEOI值,建立船舶柴油机系统火用分析模型,对柴油机系统各设备火用效率和火用损率进行计算,并结合实船运转参数计算分析.结果表明,柴油机燃烧室的火用效率最低、火用损率最大,是影响船舶能效水平提高的关键.     

基于ARIMA-KF模型的船舶系统设备状态参数预测

针对目前大多数预测模型在船舶智能运维领域应用过程中存在的预测精度偏低、模型不易构建等问题,提出了自回归积分滑动平均模型(Auto-Regressive Integrated Moving-Average Model,ARIMA)和卡尔曼滤波(Kalman-filter,KF)相结合的船舶系统设备状态参数组合预测模型—ARIMA-KF模型。该模型首先构建了自回归积分滑动平均(ARIMA)单步和多步预测模型;然后利用卡尔曼滤波(KF)算法对ARIMA预测模型参数值进行寻优,得到ARIMA-KF组合预测模型;最后,基于组合模型对船舶海水冷却系统状态参数进行预测,将预测值与实船获取的实际值进行对比及误差分析。结果表明,采用基于ARIMA-KF组合模型比单一的ARIMA模型预测精度提高3%左右。研究结果对船舶系统设备的健康管理和视情维修具有一定的指导意义。