CN107025355A - 一种基于模糊贴近度的船舶故障诊断方法及系统 - Google Patents
一种基于模糊贴近度的船舶故障诊断方法及系统 Download PDFInfo
- Publication number
- CN107025355A CN107025355A CN201710255780.8A CN201710255780A CN107025355A CN 107025355 A CN107025355 A CN 107025355A CN 201710255780 A CN201710255780 A CN 201710255780A CN 107025355 A CN107025355 A CN 107025355A
- Authority
- CN
- China
- Prior art keywords
- fault
- value
- data
- failure cause
- fault sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于模糊贴近度的船舶故障诊断方法及系统，在前期没有故障样本数据时，在发生故障报警后，人工检查故障原因并与故障特征值对应而建立故障样本，当经过一段时间后已有一个以上的故障样本后，利用模糊贴近度模型进行自动故障诊断，即计算并显示出待诊断的故障数据与已确定原因的故障数据的最大贴近度值，从而确定待诊断的故障原因。当最大贴近度值偏低，有可能是出现新类型故障，此时技术人员需要检查故障原因予以确定。
Description
技术领域
本发明属于船舶自动化技术领域，具体涉及一种基于模糊贴近度的船舶故障诊断方法及系统。
背景技术
随着现代船舶系统的日益发展，机舱设备逐渐具备结构复杂化、功能综合化、高性能化、高度自动化等特点。而机舱设备的结构日益复杂，造成其中某一部件发生突发的故障时整台设备处于瘫痪状态的情况，这种情况甚至会引起连锁反应，并造成一定的经济损失和船员伤亡。因此，提高船舶机舱的自动化程度与自动化系统的可靠性与稳定性，便成为本领域中一个突出的问题。机舱状态监测和故障诊断是船舶安全综合控制系统中最基本和最重要的组成部分，为了确保船舶在航行过程中的正常运行，必须实时监控船舶机舱内的主机、辅机、发电机、舵桨等各主要部件的工作情况。为了对突发故障快速采取应急措施，必须建立一个智能诊断系统，利用先进的传感技术对机舱各主要部件进行实时监控，动态地采集主要部件的特征信息，并对这些特征信息进行信号分析与处理，以检测出系统发生的故障，对发生的故障的原因进行区分与识别，并对各故障原因提出针对性的维修与处理方法。
现如今对船舶故障诊断方法研究较多的是基于神经网络的人工智能方法，但该方法在故障诊断前需要利用大量故障样本对神经网络进行训练，在正常运行状态下数据样本容易获得，但故障样本却难以获得，致使故障诊断结果可靠性不高。因此设计一种可靠性高的船舶故障诊断方法具有重要意义。
发明内容
本发明的目的旨在针对传统基于神经网络的人工智能诊断方法，在正常运行状态下故障样本难以获得等问题，提供一种科学简便而、可靠性高的基于模糊贴近度的船舶故障诊断方法。
为了实现上述目的，本发明提供一种基于模糊贴近度的船舶故障诊断方法，包括以下步骤：
1)利用传感技术对船舶机舱各主要部件进行实时监控，动态地采集所述各个主要部件的特征信息，并对所述特征信息进行信号分析与处理，以提取出相应的特征值；
2)将所述特征值与设定的报警阈值比较，一旦所述特征值超过所述报警阈值，即可产生故障报警，并将所述特征值存入数据库；
3)根据所述故障报警对应的特征值，获得待诊断的故障数据，并将所述待诊断的故障数据与所述数据库中已确定故障原因的故障样本比对；
4)当所述数据库中没有任何故障样本数据时，人工检查和确定故障原因，并将所述故障原因与所述待诊断的故障数据关联而建立新的故障样本；当所述数据库中有一个以上的已确定故障原因的故障样本时，利用模糊贴近度模型计算出所述待诊断的故障数据与所述故障样本的数据之间的最大贴近度值，从而确定待诊断的故障原因。
可选的，步骤1)中，对所述特征信息进行信号分析与处理的过程包括：首先，对所述特征信息进行小波分析，并选择出最能体现各个主要部件的振动特性的频带信号；然后，根据所述频带信号提取出表征各个主要部件的振动特性的特征值。
可选的，步骤4)中，当查找到多个已有故障样本时，计算出所述待诊断的故障数据与每个已有故障样本的数据之间的贴近度，取所有贴近度中的最大值作为最大贴近度值，从而确定待诊断的故障原因。
可选的，步骤4)中，当所述最大贴近度值偏低时，有可能是出现新类型故障，此时人工去检查故障原因，并将所述故障原因与所述待诊断的故障数据关联而建立新的故障样本。
可选的，步骤4)中，确定的各类型的故障原因有大量的故障样本数据时，利用数据融合技术将同类型的多个故障样本数据融合成一个标准的故障样本数据，以使用到所述模糊贴近度模型中。
可选的，利用模糊贴近度模型计算贴近度的公式为：
式中δ是贴近度，n为特征值个数，u(j)为第j个特征值的隶属度值，u(x)＝-4x3+6x2-x，x是征兆参数与已诊断故障参数的接近程度。
本发明还提供一种基于模糊贴近度的船舶故障诊断系统，包括传感器、报警模组、智能故障诊断模组以及数据库；其中，所述传感器分布在船舶机舱各主要部件处；所述报警模组包括阈值预设单元、特征值提取单元以及故障报警单元，所述特征值提取单元连接所述传感器，所述故障报警单元的输入端连接所述阈值预设单元和所述特征值提取单元；所述数据库包括特征值存储单元和故障样本存储单元，所述特征值存储单元的输入端连接故障报警单元的输出端并存储有发生故障报警的特征值，所述故障样本存储单元存储有已确定故障原因的故障样本；所述智能故障诊断模组包括提取特征值单元、故障样本查询单元、模糊贴近度计算单元以及故障原因输出单元，所述提取特征值单元连接所述特征值存储单元，所述故障样本查询单元连接所述故障样本存储单元，所述模糊贴近度计算单元的输入端连接所述提取特征值单元和所述故障样本查询单元的输出端，所述模糊贴近度计算单元的输出端连接所述故障原因输出单元。
可选的，所述模糊贴近度计算单元利用模糊贴近度模型计算贴近度的公式为：
式中δ是贴近度，n为特征值个数，u(j)为第j个特征值的隶属度值，u(x)＝-4x3+6x2-x，x是征兆参数与已诊断故障参数的接近程度。
可选的，所述船舶故障诊断系统还包括显示屏以及在所述显示屏中显示的用户操作界面，所述故障原因输出单元的输出端连接所述显示屏，所述用户操作界面包括管理所述数据库的故障样本存储单元的数据库管理界面。
与现有技术相比，本发明的技术方案的优点和有益效果主要是：
在智能故障诊断的前期没有故障样本数据时，在故障报警发生后人工检查故障原因并人工将故障原因与故障特征值对应而建立故障样本，当经过一段时间的诊断后会有一个以上的故障样本后，然后可以利用模糊贴近度模型自动进行故障诊断，且在最大贴近度值偏低时仍会人工检查故障原因并人工将故障原因与故障特征值对应而建立故障样本，因此能够有效的完成船舶系统的故障诊断，相比现有的基于神经网络的人工智能诊断方法，无需前期就建立大量的故障样本，可以在实际运用中循序渐近的建立故障样本，安全性良好、可靠性高且开源性高，可以满足实际船舶故障诊断中的需求。
附图说明
图1为本发明具体实施例的基于模糊贴近度的船舶故障诊断方法的原理图；
图2为本发明具体实施例的基于模糊贴近度的船舶故障诊断方法的流程图；
图3为本发明具体实施例的基于模糊贴近度的船舶故障诊断系统的框图；
图4为本发明具体实施例的基于模糊贴近度的船舶故障诊断系统的使用过程简图。
具体实施方式
下面结合附图对本发明的一种基于模糊贴近度的船舶故障诊断方法及系统作进一步的详细说明。
为避免目前的基于神经网络的人工智能故障诊断方法在诊断前需要利用大量故障样本对神经网络进行训练，而在正常运行状态下故障样本难以获得的问题，本发明提出一种基于模糊贴近度的船舶故障诊断方法，其原理如图1所示，利用传感器技术实时监测船舶主要部件的信息，一旦数据出现异常就发生故障报警，在前期没有故障样本数据时，在发生故障报警后，技术人员可以直接通过人工的方式检查故障原因，并将与故障特征值对应，而当经过一段时间会有故障样本，此时再发生故障报警，则利用模糊贴近度模型进行智能故障诊断。请参考图2，本发明的基于模糊贴近度的船舶故障诊断方法具体流程如下：
1)：利用传感技术对船舶机舱各主要部件进行实时监控，动态地采集所述各个主要部件的特征信息，并对所述特征信息进行信号分析与处理，以提取出相应的特征值，具体地：
1.1)分布在船舶机舱各主要部件处的传感器动态地采集所述各个主要部件的相关信号；
1.2)对各个传感器采集的相关信号进行小波分析，并选择最能体现对应的主要部件的振动特性的频带信号；
1.3)根据选择出的频带信号提取出表征对应的主要部件的振动信息的特征值；
2)：将所述特征值与设定的报警阈值比较，一旦所述特征值超过所述报警阈值，即可产生故障报警，并将所述特征值存入数据库；
3)：根据所述故障报警对应的特征值，获得待诊断的故障数据，并将所述待诊断的故障数据与所述数据库中已确定故障原因的故障样本比对；
4)：故障诊断：
4.1)当所述数据库中没有任何故障样本数据时，人工检查和确定故障原因，并将所述故障原因与所述待诊断的故障数据关联而建立新的故障样本；
4.2)当所述数据库中有一个以上的已确定故障原因的故障样本时，利用模糊贴近度模型计算出所述待诊断的故障数据与所述故障样本的数据之间的最大贴近度值，从而确定待诊断的故障原因。其中，利用模糊贴近度模型计算贴近度的公式为：
式中δ是贴近度，n为特征值个数，u(j)为第j个特征值的隶属度值，u(x)＝-4x3+6x2-x，x是征兆参数与已诊断故障参数的接近程度。
当查找到多个已有故障样本时，计算出所述待诊断的故障数据与每个已有故障样本的数据之间的贴近度，取所有贴近度中的最大值作为最大贴近度值，从而确定待诊断的故障原因。进一步的，当所述最大贴近度值偏低时，有可能是出现新类型故障，此时人工去检查故障原因，并将所述故障原因与所述待诊断的故障数据关联而建立新的故障样本。
该方法中，若已经确定的各类型的故障原因存在大量的故障样本数据时，可以利用数据融合技术将同类型的多个故障样本数据融合成一个标准的故障样本数据，以使用到所述模糊贴近度模型中。
请参考图3，本发明还提供一种基于模糊贴近度的船舶故障诊断系统，包括传感器30、报警模组31、智能故障诊断模组32以及数据库33。
其中，所述传感器30分布在船舶机舱各主要部件处，用于实时动态地采集所述各个主要部件的相关信号。
所述报警模组31包括阈值预设单元310、特征值提取单元311以及故障报警单元312。其中，所述阈值预设单元310用于设置各个报警阈值；特征值提取单元311连接各个传感器，用于对各个传感器采集的相关信号进行小波分析，并选择出最能体现对应的主要部件的振动特性的频带信号，以及根据选择出的频带信号提取出表征对应的主要部件的振动信息的特征值；故障报警单元312连接所述阈值预设单元310和所述特征值提取单元311，用于将所述特征值提取单元311提取出的特征值与阈值预设单元310中设定的对应的报警阈值比较，一旦所述特征值超过所述报警阈值，即可产生故障报警，并将产生故障报警的所述特征值存入数据库33的特征值存储单元331中。
所述数据库33包括特征值存储单元331和故障样本存储单元332。其中，所述特征值存储单元331的输入端连接故障报警单元312的输出端，用于存储有发生故障报警的特征值；所述故障样本存储单元332用于存储已确定故障原因的故障样本，存储故障样本的方式有：一，接受显示屏34的用户操作界面341人工建立的故障样本；二，接受智能故障诊断模组32的故障原因输出单元323自动存储和整合的故障样本。此外，当所述故障样本存储单元332中存储的各类型的故障原因有大量的故障样本数据后，可以利用数据融合技术将同类型的故障样本数据融合成一个标准的故障样本数据，将标准的故障样本数据使用到模糊贴近度模型中进行智能故障诊断，将能更好的更精确的确定故障原因。
智能故障诊断模组32包括提取特征值单元320、故障样本查询单元321、模糊贴近度计算单元322以及故障原因输出单元323。其中，所述提取特征值单元320连接所述特征值存储单元331，用于在发生故障报警后从特征值存储单元331提取出产生该故障报警的特征值，并获得所述特征值对应的待诊断的故障数据。所述故障样本查询单元321连接所述故障样本存储单元332，用于在提取特征值单元320获得待诊断的故障数据后，查询所述故障样本存储单元332中存储的故障样本。所述模糊贴近度计算单元323的输入端连接所述提取特征值单元320和所述故障样本查询单元321的输出端，所述模糊贴近度计算单元322的输出端322连接所述故障原因输出单元323，所述模糊贴近度计算单元322用于在故障样本查询单元321查询到已确定故障原因的故障样本后，将提取特征值单元320获得待诊断的故障数据与故障样本查询单元321查询到故障样本数据对比，利用模糊贴近度模型计算待诊断的故障数据与故障样本数据之间的最大贴近度值，以确定出待诊断的故障原因，当所述数据库中有一个以上的已确定故障原因的故障样本时，利用模糊贴近度模型计算出所述待诊断的故障数据与所述故障样本的数据之间的最大贴近度值，从而确定待诊断的故障原因。其中，利用模糊贴近度模型计算贴近度的公式为：
式中δ是贴近度，n为特征值个数，u(j)为第j个特征值的隶属度值，u(x)＝-4x3+6x2-x，x是征兆参数与已诊断故障参数的接近程度。
故障原因输出单元323用于将所述模糊贴近度计算单元322的结果进行输出，本实施例中，故障原因输出单元323将所述模糊贴近度计算单元322获得的待诊断的故障原因以故障样本的方式保存至所述数据库33的故障样本存储单元332中，同时输出至显示屏34的用户操作界面上显示。当故障样本查询单元321没有查询到任何故障样本数据时，故障原因输出单元323将未查询到的结果输出至显示屏34的用户操作界面341上显示，以提示相关技术人员去人工检查和确定故障原因。此外，当述模糊贴近度计算单元322计算的最大贴近度值偏低时，故障原因输出单元323同样将最大贴近度值偏低的计算结果输出至显示屏34的用户操作界面341上显示，以提示相关技术人员去人工检查和确定故障原因。
显示屏34可以为触摸显示屏，其显示的用户操作界面341可以对数据库33进行管理，尤其是可以实现对故障样本存储单元332中故障样本进行修改、融合以及新建等人工操作。即所述用户操作界面341包括管理所述数据库的故障样本存储单元332的数据库管理界面，在数据库管理界面上新建故障样本时，可以将人工最终确定故障原因与所述待诊断的故障数据关联而建立新的故障样本
下面以船舶柴油机缸盖振动故障为例，详细说明本发明的基于模糊贴近度的船舶故障诊断系统的工作流程如下：
a)分布在船舶柴油机缸盖处的传感器30实时动态地采集所述船舶柴油机缸盖的相关信号；
b)所述报警模组31的特征值提取单元311对传感器30采集的相关信号进行小波分析，并选择出最能体现所述船舶柴油机缸盖的振动特性的频带信号，并对所述频带信号提取表征所述船舶柴油机缸盖的振动信息的特征值；
c)所述报警模组31的故障报警单元312将特征值提取单元311提取出的特征值与阈值预设单元310设定的报警阈值比较，当特征值提取单元311提取的特征值超过阈值预设单元310设定的报警阈阈值时，产生故障报警并且将此特征值存入数据库33的特征值存储单元331中；
d)通过显示屏34的用户操作界面341进入智能故障诊断模组32，通过提取特征值单元320从数据库33的特征值存储单元331中提取出所述特征值进行诊断，以获得待诊断的故障数据并显示在用户操作界面341中；
e)故障样本查询单元321查询所述数据库33的故障样本存储单元332中是否已存有已确定故障原因的故障样本数据；当查询到时，模糊贴近度计算单元322将所述待诊断的故障数据与故障样本存储单元332查询到已有故障样本数据进行一一比对，利用模糊贴近度模型计算待诊断的故障数据与故障样本数据之间的最大贴近度值，找出故障原因，故障原因输出单元323将找出的故障原因关联所述特征值等建立故障样本数据存入数据库33的故障样本存储单元332中。
f)本次故障诊断完成后，显示屏回到主界面，对机舱系统进行继续监控。由于柴油机不断运行，因此第a)至e)步是循环重复操作的，以实时监测柴油机的运行状态，随时产生故障报警以随时进行故障诊断。
请参考图4，本发明的基于模糊贴近度的船舶故障诊断系统的使用过程简述如下：在刚开始用于故障诊断时，由于数据库33的故障样本存储单元332中还未有故障样本数据，因此在刚开始使用阶段，当报警模组31产生故障报警后，相关技术人员自行去现场检查故障原因，并通过显示屏34的用户操作界面对数据库33进行管理，将人工确定的故障原因与故障数据进行对应而人工建立新的故障样本存储至故障样本存储单元332中。当某一故障原因有两组以上的已确定的故障样本数据后，便可进行自动地智能故障诊断，此时模糊贴近度计算单元322将待诊断的一组故障数据与已确定故障原因的故障样本数据进行循环贴近度计算，显示出最大贴近度数值与其对应的故障原因，作为待诊断的故障原因，以供技术人员去确定和解决。
本发明的基于模糊贴近度的船舶故障诊断系统，使用方法原理简单，操作简便快速并且可靠性高，能有效完成燃油系统的故障诊断，可以满足实际船舶故障诊断中的需求。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (9)
1.一种基于模糊贴近度的船舶故障诊断方法，其特征在于，包括以下步骤：
1)利用传感技术对船舶机舱各主要部件进行实时监控，动态地采集所述各个主要部件的特征信息，并对所述特征信息进行信号分析与处理，以提取出相应的特征值；
2)将所述特征值与设定的报警阈值比较，一旦所述特征值超过所述报警阈值，即可产生故障报警，并将所述特征值存入数据库；
3)根据所述故障报警对应的特征值，获得待诊断的故障数据，并将所述待诊断的故障数据与所述数据库中已确定故障原因的故障样本比对；
4)当所述数据库中没有任何故障样本数据时，人工检查和确定故障原因，并将所述故障原因与所述待诊断的故障数据关联而建立新的故障样本；当所述数据库中有一个以上的已确定故障原因的故障样本时，利用模糊贴近度模型计算出所述待诊断的故障数据与所述故障样本的数据之间的最大贴近度值，从而确定待诊断的故障原因。
2.如权利要求1所述的基于模糊贴近度的船舶故障诊断方法，其特征在于，步骤1)中，对所述特征信息进行信号分析与处理的过程包括：首先，对所述特征信息进行小波分析，并选择出最能体现各个主要部件的振动特性的频带信号；然后，根据所述频带信号提取出表征各个主要部件的振动特性的特征值。
3.如权利要求1所述的基于模糊贴近度的船舶故障诊断方法，其特征在于，步骤4)中，当查找到多个已有故障样本时，计算出所述待诊断的故障数据与每个已有故障样本的数据之间的贴近度，取所有贴近度中的最大值作为最大贴近度值，从而确定待诊断的故障原因。
4.如权利要求1所述的基于模糊贴近度的船舶故障诊断方法，其特征在于，步骤4)中，当所述最大贴近度值偏低时，有可能是出现新类型故障，此时人工去检查故障原因，并将所述故障原因与所述待诊断的故障数据关联而建立新的故障样本。
5.如权利要求1所述的基于模糊贴近度的船舶故障诊断方法，其特征在于，步骤4)中，确定的各类型的故障原因有大量的故障样本数据时，利用数据融合技术将同类型的多个故障样本数据融合成一个标准的故障样本数据，以使用到所述模糊贴近度模型中。
6.如权利要求1所述的基于模糊贴近度的船舶故障诊断方法，其特征在于，利用模糊贴近度模型计算贴近度的公式为：
式中δ是贴近度，n为特征值个数，u(j)为第j个特征值的隶属度值，u(x)＝-4x3+6x2-x，x是征兆参数与已诊断故障参数的接近程度。
7.一种基于模糊贴近度的船舶故障诊断系统，其特征在于，包括传感器、报警模组、智能故障诊断模组以及数据库；其中，所述传感器分布在船舶机舱各主要部件处；所述报警模组包括阈值预设单元、特征值提取单元以及故障报警单元，所述特征值提取单元连接所述传感器，所述故障报警单元的输入端连接所述阈值预设单元和所述特征值提取单元；所述数据库包括特征值存储单元和故障样本存储单元，所述特征值存储单元的输入端连接故障报警单元的输出端并存储有发生故障报警的特征值，所述故障样本存储单元存储有已确定故障原因的故障样本；所述智能故障诊断模组包括提取特征值单元、故障样本查询单元、模糊贴近度计算单元以及故障原因输出单元，所述提取特征值单元连接所述特征值存储单元，所述故障样本查询单元连接所述故障样本存储单元，所述模糊贴近度计算单元的输入端连接所述提取特征值单元和所述故障样本查询单元的输出端，所述模糊贴近度计算单元的输出端连接所述故障原因输出单元。
8.如权利要求7所述的基于模糊贴近度的船舶故障诊断系统，其特征在于，所述模糊贴近度计算单元利用模糊贴近度模型计算贴近度的公式为：
式中δ是贴近度，n为特征值个数，u(j)为第j个特征值的隶属度值，u(x)＝-4x3+6x2-x，x是征兆参数与已诊断故障参数的接近程度。
9.如权利要求7所述的基于模糊贴近度的船舶故障诊断系统，其特征在于，所述船舶故障诊断系统还包括显示屏以及在所述显示屏中显示的用户操作界面，所述故障原因输出单元的输出端连接所述显示屏，所述用户操作界面包括管理所述数据库的故障样本存储单元的数据库管理界面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710255780.8A CN107025355A (zh) | 2017-04-19 | 2017-04-19 | 一种基于模糊贴近度的船舶故障诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710255780.8A CN107025355A (zh) | 2017-04-19 | 2017-04-19 | 一种基于模糊贴近度的船舶故障诊断方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107025355A true CN107025355A (zh) | 2017-08-08 |
Family
ID=59527967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710255780.8A Pending CN107025355A (zh) | 2017-04-19 | 2017-04-19 | 一种基于模糊贴近度的船舶故障诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107025355A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109885951A (zh) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | 设备故障诊断方法及装置 |
| CN110085006A (zh) * | 2019-03-13 | 2019-08-02 | 中交广州航道局有限公司 | 船舶监测方法、装置、系统和存储介质 |
| CN110085005A (zh) * | 2019-03-13 | 2019-08-02 | 中交广州航道局有限公司 | 船舶发电机监测方法、装置、系统和存储介质 |
| CN111240229A (zh) * | 2020-03-20 | 2020-06-05 | 智慧航海（青岛）科技有限公司 | 一种基于智能船舶靠离泊仿真测试的故障信息处理系统 |
| CN112990006A (zh) * | 2021-03-11 | 2021-06-18 | 南方电网电力科技股份有限公司 | 一种配电台区的巡检方法、智能巡检眼镜和系统 |
| CN117784765A (zh) * | 2023-12-28 | 2024-03-29 | 易站智联科技(广州)有限公司 | 一种故障关系分析的船舶机舱诊断方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105718733A (zh) * | 2016-01-21 | 2016-06-29 | 福建师范大学 | 基于模糊贴近度和粒子滤波的故障预报方法 |
-
2017
- 2017-04-19 CN CN201710255780.8A patent/CN107025355A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105718733A (zh) * | 2016-01-21 | 2016-06-29 | 福建师范大学 | 基于模糊贴近度和粒子滤波的故障预报方法 |
Non-Patent Citations (2)
| Title |
|---|
| 黄小龙 等: "基于模糊贴近度的故障诊断", 《科学技术与工程》 * |
| 黄小龙: "基于Labview的船舶机舱监控及故障诊断系统的研究", 《万方数据》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109885951A (zh) * | 2019-02-28 | 2019-06-14 | 中科云创(厦门)科技有限公司 | 设备故障诊断方法及装置 |
| CN110085006A (zh) * | 2019-03-13 | 2019-08-02 | 中交广州航道局有限公司 | 船舶监测方法、装置、系统和存储介质 |
| CN110085005A (zh) * | 2019-03-13 | 2019-08-02 | 中交广州航道局有限公司 | 船舶发电机监测方法、装置、系统和存储介质 |
| CN111240229A (zh) * | 2020-03-20 | 2020-06-05 | 智慧航海（青岛）科技有限公司 | 一种基于智能船舶靠离泊仿真测试的故障信息处理系统 |
| CN111240229B (zh) * | 2020-03-20 | 2023-06-30 | 智慧航海（青岛）科技有限公司 | 一种基于智能船舶靠离泊仿真测试的故障信息处理系统 |
| CN112990006A (zh) * | 2021-03-11 | 2021-06-18 | 南方电网电力科技股份有限公司 | 一种配电台区的巡检方法、智能巡检眼镜和系统 |
| CN117784765A (zh) * | 2023-12-28 | 2024-03-29 | 易站智联科技(广州)有限公司 | 一种故障关系分析的船舶机舱诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107025355A (zh) | 一种基于模糊贴近度的船舶故障诊断方法及系统 | |
| CN110109445B (zh) | 一种船舶机舱辅机监控系统及监控方法 | |
| CN104503399B (zh) | 一种集团级风电机组状态监测及故障诊断平台 | |
| CN102819239B (zh) | 一种数控机床智能故障诊断方法 | |
| CN106769052B (zh) | 一种基于聚类分析的机械系统滚动轴承智能故障诊断方法 | |
| CN104091070B (zh) | 一种基于时间序列分析的轨道交通故障诊断方法和系统 | |
| CN110940518B (zh) | 一种基于故障数据的航天传动机构分析方法 | |
| CN106338406A (zh) | 列车牵引电传动系统的在线监测与故障预警系统及方法 | |
| CN106124982A (zh) | 一种风电机组的自动专家综合故障诊断系统及诊断方法 | |
| CN103150473A (zh) | 一种风电机组发电效率实时监控诊断方法及装置 | |
| CN106199494A (zh) | 一种基于计量装置故障的智能诊断系统 | |
| CN110378034A (zh) | 一种机车发动机故障诊断方法、系统及实现装置 | |
| CN105487530A (zh) | 柴油机排温低故障预测系统及方法 | |
| CN103049365B (zh) | 信息与应用资源运行状态监控及评价方法 | |
| CN103969052A (zh) | 基于离群分析的柴油机故障诊断方法 | |
| CN103674538A (zh) | 一种直升机自动倾斜器多故障模式识别方法及装置 | |
| CN114819225A (zh) | 一种海上能源机组智能化运维方法及系统 | |
| CN112124229A (zh) | 一种应急抢险泵车远程实时故障诊断方法 | |
| CN112085233A (zh) | 基于站域bim数据融合多源信息的电力数字信息模型 | |
| CN117151684A (zh) | 风电风机数据分析预警方法、系统、装置及可读存储介质 | |
| CN110210634A (zh) | 基于大数据驱动的民航发动机故障诊断与健康管理系统 | |
| CN113204212A (zh) | 一种基于双专家系统的数控机床故障诊断方法 | |
| LU503684B1 (en) | A monitoring alarm method and system for power plant | |
| CN116862109A (zh) | 一种区域碳排放态势感知预警方法 | |
| CN110958312B (zh) | 一种航空传动故障数据分析系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170808 |