会员注册 | 登录 | 微信快捷登录 支付宝快捷登录 QQ登录 微博登录 | 帮助中心 人人文库renrendoc.com美如初恋!
站内搜索 百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

11 船舶主动力装置故障诊断系统设计与实现.doc11 船舶主动力装置故障诊断系统设计与实现.doc -- 5 元

宽屏显示 收藏 分享

页面加载中... ... 广告 0 秒后退出

资源预览需要最新版本的Flash Player支持。
您尚未安装或版本过低,建议您

11船舶主动力装置故障诊断系统设计与实现郑元璋,陈锋(上海船舶运输科学研究所,上海200135)摘要船舶主动力装置的故障诊断对船舶的安全运行具有重大意义。目前的研究集中于使用人工智能、模式识别等进行故障诊断算法的设计和仿真,而缺乏把故障诊断作为与船舶其他系统有机结合的一个系统来研究。为此,设计了基于船舶网络平台的诊断系统,把来源于平台的基础数据进行格式转换,采用神经网络诊断,并以直观的形式实时显示训练过程,包括网络输出的动态曲线和权值阈值的网格表示,并以文字的形式给出明确的诊断结果。利用此系统,可以充分发挥网络平台的优势,对装置故障进行有效诊断和预测,为船舶管理提供辅助决策。关键词船舶、舰船工程主动力装置故障诊断神经网络网络平台系统结构数据输入格式转换中图分类号U664.1文献标识码AFaultDiagnosisSoftwareforMarineMainPropulsionPlantZHENGYuanzhang,CHENFengShanghaiShipandShippingResearchInstitute,Shanghai200135,ChinaAbstractThediagnosisofmarinemainpropulsionplantisimportantforshipssafeoperation.Whilemostofcurrentresearchfocusesondesignandsimulationoffaultdiagnosisalgorithm,thisdesignputsfaultdiagnosisasasystemwhichintegrateswithothervesselsystems.Thefeaturesofdesigneddiagnosissystemareasfollows.Itisbasedonnetworkplatform,thebasicdatawhichisforneuralnetworkdiagnosiscomesfromhistoricaldataandrealtimedataofmarinenetworkplatformThediagnosissysteminrealtimedisplaystrainingprocedureintheintuitiveform,includingdynamiccurveofnetworkoutputandgriddisplayofweightandthreshold.Thediagnosissystemgivesacleardiagnosticresultintheformoftext.Usingthissystem,itcanfullytakeadvantagesofnetworkplatformandeffectivelydiagnoseandforecastmainpropulsionplantfailures,itcanprovidedecisionmakingaidsforshipManagement.KeywordsShip、NavalengineeringMainPropulsionPlantFaultDiagnosisNeuralNetworkNetworkPlatformSystemStructureDataentryFormatConversion船舶主动力装置是一个复杂的系统,对管理人员要求知识面很广,往往装置出现一个小小的故障,有时甚至仅仅是一种操作失误而造成严重后果,故迫切需要提供一套故障诊断辅助决策系统,以帮助管理人员在海上能独立自主地排除故障。主动力装置故障诊断的研究开始较早,早期使用的传统诊断方法效果不理想,当前广泛采用人工智能12和模式识别34的方法,但这些研究大多集中于诊断算法的设计及仿真,而把它作为船舶上一套辅助系统来研究,使之真正能应用在船舶上的并不多。本文所研究的就是在船舶监控网络平台提供的历史和实时数据基础上,如何设计具有实用性的船舶主动力装置故障诊断系统。1船舶主动力装置分层诊断模型本文设计的诊断系统的诊断对象除了作为主动力装置的核心设备主机,还包括轴系、舵桨装置、控制系统和其它辅助设备等,其分层诊断模型如图1所示。改变了以往只关心柴油机故障24而忽略了系统问题。图1分层诊断结构Fig.1Layereddiagnosisstructure2系统结构和功能设计2.1网络结构Win2000ServerSQLServer2000计算机WinXP故障诊断软件船舶主动力装置传感器采集数据计算机WinXP故障诊断软件网络平台(可选)图2网络结构Fig.2Networkstructure本诊断系统的设计是以船舶监控网络平台为基础,该平台对船舶主动力装置的各种热工参数及运行工况具有完善的监测功能并可将所有历史数据进行海量存储或回放,其数据采集的实时性、完整性、可靠性均是以往的系统无法比拟的,一套完整、实时的基础数据库是诊断结果有效性的强大保证。诊断系统的网络结构如图2所示,在服务器上放置了历史数据和实时数据。诊断软件安装在客户端上(客户端按需要可安装多台)。通过路由器从服务器传来的数据进入诊断软件,经过人工智能诊断输出结果供用户辅助决策。客户端数据库存放了故障输入输出关系,随着关系的增加和更新,本系统功能也随着扩展。针对不同的机型,只需修改故障输入输出关系,诊断程序本身不需要改变,满足普遍性。2.2系统设计整个系统主要由2个数据库和3个主模块组成。服务器上的数据库提供神经网络运算所需的训练数据和测试数据,采用满足C/S结构的SQLServer,本机上的数据库存放了神经网络训练和诊断时的一些参数,采用ACCESS。3个主模块为数据格式转换模块、神经网络运算模块和曲线绘制模块,各个模块间的接口和数据流向如图3所示。系统的工作过程和数据流向如下1)用户先根据故障名称或类型到本机数据库选中某个神经网络,这个网络有相应的输入输出变量,再根据这个变量名到服务器数据库去读取哪几组样本数据,通过数据格式转换模块转换成矩阵。2)本机数据库存放了网络的初始权值阈值(字符串格式),通过数据格式转换模块转换成矩阵。权值阈值矩阵既可以显示在网格控件上,也可以直接在上面对矩阵修改。3)本机数据库同时存放了神经网络配置的一些参数,如最大训练次数、最大允许误差等,这些参数也可以通过界面进行修改。4)将以上3种参数输入神经网络运算模块进行训练或诊断并使用多线程技术实现实时显示训练过程,包括网络输出曲线不断趋近目标曲线和网格控件上权值阈值的不断变化。图3各模块间的接口与数据流向Fig.3Interfaceanddataflowbetweenmodules2.3数据输入和格式转换本机数据库(ACCESS)表中设计的主要字段及其含义如表1所示表1ACCESS表的主要字段Table1MainfieldofACCESStable字段名称数据类型说明Name文本故障名称Parameter_in文本输入参数ID,对应服务器数据库SQLServer表上的字段Weight_hide文本初始隐层权值N_MaxError数字最大允许误差Step_TrainStart数字服务器数据库SQLServer表上训练样本起始序号首先,根据故障名称字符串到Name字段下找到匹配的那一项,读出同一项字段Parameter_in和Weight_hide等中的内容。这项功能由函数GetOtherField完成。2.3.1输入输出矩阵字段Parameter_in中的字符串,如x1test,x2test,x3test,计算逗号个数,然后分离成x1test、x2test和x3test等,分别存放在CStringArray类数组里,x1test等为服务器数据库表中的字段名。在这些字段中存放了一连串double型数据,把起始点Step_TrainStart和终止点Step_TrainStop内的一段数据赋给Mm类型的矩阵(Mm是某第三方类库的矩阵类型),这样完成了样本数据的输入。这项功能由函数ParaInOut2Mm完成。2.3.2权值阈值矩阵由函数GetOtherField读出了字段Weight_hide中的矩阵,存放格式为和Matlab中矩阵写法相同的字符串CString,如0.6822,0.81090.4210,0.14650.8325,0.4218。先以分号为标志把MN矩阵分离成M个字符串,每个字符串不再有分号,如字符串0.6822,0.8109。再在分离后的字符串以逗号为标志分成N个字符串,如字符串0.6822和字符串0.8109。最后把CString型数转换成double型,放到Mm中各行各列。这项功能由函数StrMat2Mm完成。权值阈值矩阵可以在网格控件(GridCtrl)上直观显示,即把Mm矩阵元素放在GridCtrl控件中的各行各列的网格上,这项功能由函数Mm2DispGrid完成。反之,网格内的数据也能保存到Mm矩阵中,这项功能由函数DispGrid2Mm完成。权值阈值矩阵的格式转换和显示如图4所示。CStringMmStrMat2MmCStringMmGridCtrlvoidMm2DispGridMmMmDispGrid2Mm以此为中心进行显示、运算权值阈值矩阵字段内的字符串图4矩阵格式转换与显示Fig.4Formatconversionanddisplayofmatrix3基于LMBP的诊断方法基于热力参数法,采用神经网络诊断,网络训练的数值优化技术采用LevenbergMarquardt算法(LMBP)。考虑如图5所示的LMBP多层网络结构,其中,W1、b1和W2、b2分别为隐层和输出层的权值阈值,f1和f2为传递函数,a1和a2为网络输出。图5多层网络结构Fig.5Multilayernetwork开始结束所有输入提交网络,权值阈值初始化,epoch0epoch,计算ok,e和mse1mse1mu_maxin_epochmax_in_epochepochmax_epochmumu/sita结束YYYYYYNNNNNN图6LMBP算法训练流程图Fig.6LMBPtrainingprocess对应图5的LMBP训练步骤如图6所示。在图6中,很关键的一步是如何快速求取Jacobian矩阵5。在求得Jacobian矩阵的基础上,再结合误差e,计算权值阈值的增长量dw5。图6中,其他参数含义为外循环步数epoch,网络输出ok,均方误差mse1,目标误差err_goal,内循环步数in_epoch,均方误差mse2,规定的最大mu值mu_max,调节系数sita,最大内循环步数max_in_epoch,最大外循环步数max_epoch。表2网络输出与期望输出对比Table2Comparisonbetweennetworkoutputanddesiredoutput时间序号网络输出期望输出F1F2F3F4F5诊断结果F1F2F3F4F5101.0004190.017920.0618150.02762F2严重01000400.00050.5087270.0065450.00282F3中等000.500500.002060.00941.1276430.08181F4严重00010800.003330.004880.1521060.362187F5中等00000.54诊断实现举例以文献6中涡轮增压系统故障诊断为例,借助其神经网络的输入输出关系和样本数据,进行编程算法的验证和系统的实现。输入变量X1排气总管温度X2扫气箱压力X3各缸平均燃烧最大爆发压力X4增压器转速X5扫排气道压损系数X6压气机出口温度X7扫气箱温度X8反映柴油机负荷的一个参数。输出变量F1正常工况(无故障)F2增压器效率下降F3空冷器传热恶化F4透平保护格栅堵塞F5透平通流部分堵塞。设计训练样本时,输入变量的数值需归一化到1,1范围内求取输入变量与无故障下基准值的偏差值,再除以最大偏差值。将输出变量按严重程度分成三级,即严重故障(Fi1)、中等故障(Fi0.5)和无故障(Fi0)。按照文献6提供的训练样本对LMBP网络进行训练,网络一些基本参数为3层网络,隐层9个神经元,输出层5个神经元,隐层传递函数为Tansig双曲正切S型,输出层传递函数为Purelin线性。按照文献6提供的测试样本进行诊断,得出表2的4次诊断情况,证明网络能有效诊断。如图7所示,网络输出一方面以曲线方式显示,另一方面在底部编辑框给出一个明确的文字诊断结果。图7诊断结果Fig.7Diagnosticresults5结语本文在现有数据库基础上设计了船舶主动力装置的故障诊断系统,其中诊断算法采用神经网络,描述了LMBP算法的训练步骤。介绍了系统的使用环境和网络结构,设计了诊断系统的结构,包括工作过程和数据流向,并具体设计了数据输入和格式功能。利用此系统,可以有效发挥网络平台数据库的优势,当遇到故障或出现故障趋势时,能有效进行诊断和预测,为船上的管理人员排除故障和设备维护提供辅助决策。参考文献1孟宪尧,韩新洁,孟松.优化的BP网络在船舶故障诊断中的应用J.中国航海,2007,(2)8588.MengXianyao,HanXinjie,MengSong.ApplicationofOptimizedBPNetworkinMarineFaultDiagnosisJ.NAVIGATIONOFCHINA,2007,(2)8588.2白广来.船舶柴油机智能监测与智能诊断的研究D.大连大连海事大学,2003.BaiGuanglai.StudyonIntelligentMonitoringandIntelligentDiagnosisofMarineDieselEngineD.DalianDalianMaritimeUniversity,2003.3詹玉龙,翟海龙,曾广芳.基于支持向量机的船舶柴油机故障诊断的研究J.中国航海,2007,(2)8992.ZhanYulong,ZhaiHailong,ZengGuangfang.FeasibleResearchonFaultDiagnosisofMarineDiselEngineBasedonSupportVectorMachineJ.NAVIGATIONOFCHINA,2007,(2)8992.4王志华.基于模式识别的柴油机故障诊断技术研究D.武汉武汉理工大学,2004.WangZhihua.ResearchonFaultDiagnosisofDieselEngineUsingPatternRecognitionMethodD.WuhanWuhanUniversityofTechnology,2004.5MartinT.Hagan,HowardB.Dcmuth,MarkH.Beale.NeuralNetworkDesignM.北京机械工业出版社,2002.6黄加亮.RBF神经网络在船用低速柴油机故障诊断中的应用研究D.大连大连海事大学,2000.HuangJialiang.ResearchonFaultDiagnosisforLowspeedMarineDieselEngineandItsApplicationsUsingRBFNeuralNetworkD.DalianDalianMaritimeUniversity,2000.
编号:201312191455036872    大小:614.00KB    格式:DOC    上传时间:2013-12-19
  【编辑】
5
关 键 词:
管理 组织 经营
温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
  人人文库网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

当前资源信息

4.0
 
(2人评价)
浏览:8次
abaodong上传于2013-12-19

官方联系方式

客服手机:13961746681   
2:不支持迅雷下载,请使用浏览器下载   
3:不支持QQ浏览器下载,请用其他浏览器   
4:下载后的文档和图纸-无水印   
5:文档经过压缩,下载后原文更清晰   

相关资源

相关资源

相关搜索

管理   组织   经营  
关于我们 - 网站声明 - 网站地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5