CN115112360B - 一种基于信度更新与融合的船舵故障诊断方法 - Google Patents
一种基于信度更新与融合的船舵故障诊断方法 Download PDFInfo
- Publication number
- CN115112360B CN115112360B CN202210711807.0A CN202210711807A CN115112360B CN 115112360 B CN115112360 B CN 115112360B CN 202210711807 A CN202210711807 A CN 202210711807A CN 115112360 B CN115112360 B CN 115112360B
- Authority
- CN
- China
- Prior art keywords
- reliability
- rudder
- confidence
- global dynamic
- value
- 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.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000004927 fusion Effects 0.000 title claims abstract description 22
- 230000003068 static effect Effects 0.000 claims abstract description 26
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 3
- 238000011524 similarity measure Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 abstract 1
- 238000001914 filtration Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- QERYCTSHXKAMIS-UHFFFAOYSA-M thiophene-2-carboxylate Chemical compound [O-]C(=O)C1=CC=CS1 QERYCTSHXKAMIS-UHFFFAOYSA-M 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开了一种基于信度更新与融合的船舵故障诊断方法。本发明根据传感器采集到的监测样本及其参考值集合构造关于船舵各个故障模式的参考信度分布;将单个传感器的监测样本带入参考信度分布获取故障的静态信度,利用信度更新规则对前后时刻静态信度进行融合获取全局动态信度;利用信度融合规则对于多个传感器的全局动态信度进行融合,并根据融合后的综合信度进行故障决策。通过单传感器的信度更新和多传感器的信度融合过程,能够显著提高故障决策的精准性。
Description
技术领域
本发明涉及一种基于信度更新与融合的船舵故障诊断方法,属于船舶安全运行维护领域。
背景技术
船舵是控制船舶行驶方向的核心装置,在船舶行驶过程中起到了十分重要的作用。近年来,随着自动控制技术的发展,船舵自动控制系统的应用逐渐增多,该系统的稳定性保证了船舶运行的稳定性和安全性。由于船舶航行受气候条件、水文条件及航道条件等因素影响大,船舵在水下受各种异物干扰常常出现故障,影响船舶的正常航行。因此,实时诊断船舵发生的故障进而采取应对措施,对于保证船舶正常航行尤为重要。
在获得船舵运行状态的监测变量采样值之后,传统的船舵故障诊断方法包括数字滤波、时间延迟、设置死区等方法,这些方法通常按照一定的规则,将采样值与设定的阈值进行比较,超限即发出异常报警。但是,实际中由于这些变量采样值受到噪声干扰,通过单个监测变量的超限报警通常难以给出准确的诊断结果。因此,本发明将多个监测变量的采样值转化为相应的信度值,用于描述该采样值支持故障发生的程度,然后将历史和当前的信度值进行更新和融合操作,从而给出比单一监测量更稳定和更精确的诊断结论。
发明内容
为了解决上述已有技术存在的不足,本发明提出一种基于信度更新与融合的船舵故障诊断方法,本发明具体技术方案如下:
一种基于信度更新与融合的船舵故障诊断方法,包括以下步骤:
S1:通过加速度传感器监测船舵自动控制系统左右舵机运行情况,包括正常运转(W1),舵机掉电故障(W2),舵机停转故障(W3);
S2:根据采集到的加速度样本及其参考值集合构造关于W1、W2、W3的参考信度分布;
S3:对于S1中获取的采样值xi(t),利用步骤S2中的参考信度分布,可获取xi(t)分别支持舵机处于W1、W2、W3这三种状态的静态信度;
S4:基于信度更新规则,利用当前t时刻的静态信度对历史全局动态信度进行更新,得到当前t时刻的全局动态信度;
S5:基于信度融合规则,将步骤S4中xi(t)的全局动态信度进行融合,得到当前t时刻的综合信度;
S6:对于步骤S5中得到的综合信度,设计决策准则,判定t时刻舵机的运行状态;
进一步地,所述步骤S1具体如下:
设定船舵自动控制系统中的舵机分为左舵、右舵两个,分别在左、右舵所处机舱内壁安装振动加速度传感器监测舵机的运行情况,右舵振动速度记为x1,左舵振动速度记为x2,单位为毫米/秒,采样频率10Hz;设定舵机的状态模式集合为Θ={W1,W2,W3}其中W1=0表示左右舵正常运转,W2=1表示某舵掉电故障,W3=2表示左右舵停转故障。
进一步地,所述步骤S2具体如下:
对于传感器采集到的加速度样本x1(t)、x2(t),t=1,2,3,…,t为采样时刻,x1(t),x2(t)∈[0mm/s,2.5mm/s],x1(t),x2(t)的参考值集合为 其中构造关于xi(t)与其参考值/>的参考信度分布/>其中,/>表示xi(t)取值为/>时,船舵状态为Wk的参考信度,并有/>且/>
进一步地,所述步骤S3具体如下:
S3-1:xi(t)对于参考值的趋近程度/>通过如下公式计算:
其中,fi,i=1,2,为集散因子,这里设为0.47,0.35;
S3-2:基于步骤S2获得的参考信度分布,获得xi(t)在t时刻的静态信度其公式如下:
进一步地,所述步骤S4具体如下:
S4-1:当1≤t≤3时,有全局动态信度等于该时刻静态信度ei(t);
S4-2:当4≤t时,将历史全局动态信度qi(1:t-1)与当前静态信度ei(t)利用信度更新规则进行更新,通过下式实现:
其中,w1与w2分别为历史全局动态信度qi(1:t-1)与当前静态信度ei(t)的权重,设为1,rt为当前静态信度ei(t)的可靠性,通过如下公式计算:
其中由如下公式(6)给出,定义为历史全局动态信度qi(1:t-1)的可靠性;
r0=1是可靠性初始值,τ是奖惩因子,通过比较当前静态信度ei(t)与历史全局动态信度qi(1:t-1),如果两个信度指向同一个状态,则τ=1,否则,τ=-1;c是根据两个信度之间的相似性度量给出的可靠性增强因子,通过下式计算:
其中,T1和T2分别是历史全局动态信度qi(1:t-1)、当前静态信度ei(t)与标准化信度的相似度,通过下式给出:
进一步地,所述步骤S5具体如下为:
S5-1:将通过步骤S4获得的全局动态信度q1(1:t)和q2(1:t)通过信度融合规则进行融合,得到当前t时刻的综合信度Q(t)=[Q1(t),Q2(t),Q3(t)],公式如下:
其中,β1和β2分别是关于全局动态信度q1(1:t)和q2(1:t)的可靠性,通过下式获得:
其中,di(t)是每时刻全局动态信度qi(1:t)与标准化信度的距离,通过下式计算:
进一步地,所述步骤S6具体如下:
对于步骤S5得到的综合信度Q(t),给出故障诊断准则:若Q1(t)≥Q2(t)且Q1(t)≥Q3(t),则此时故障诊断结果为W1,同理若Q2(t)>Q1(t)且Q2(t)>Q3(t),则此时故障诊断结果为W2,若Q3(t)>Q1(t)且Q3(t)>Q2(t),则此时故障诊断结果为W3。
本发明的有益效果在于:
1、本发明方法对于单个传感器提供的加速度数据,采用信度更新规则得到对船舵每时刻的故障诊断结果,与其他方法不同之处在于综合利用单个传感器当前和历史数据,有效避免噪声数据影响。
2、本发明方法对于多个传感器提供的融合结论,进一步采用信度融合规则得到对船舵每时刻的全局性诊断结果,与其他方法不同之处在于综合利用多传感器提供的局部诊断结果,显著提高诊断准确性和全面性。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他的附图。其中:
图1为本发明的信度更新与融合的船舵故障诊断方法流程图;
图2(a)和图2(b)是本发明方法实施例中x1和x2的测试样本序列。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方法对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明提供一种基于信度更新与融合的船舵故障诊断方法。先构造参考信度分布,再计算样本数据与参考值对应的趋向程度得到静态信度,通过信度更新规则与信度融合规则最终得到综合信度,最后依据诊断准则和综合信度得到诊断结果。
为了方便理解本发明的上述技术方案,下面通过具体实施例对本发明的上述技术方案进行详细说明。
实施例:一种基于信度更新与融合的船舵故障诊断方法,其利用MATLAB软件,对船舵运行状态进行诊断,包括以下步骤:
S1:设定船舵自动控制系统中的舵机分为左舵、右舵,分别在左、右舵所处机舱内壁安装振动加速度传感器监测舵机的运行情况,右舵振动速度记为x1,左舵振动速度记为x2,单位为毫米/秒,采样频率10Hz;设定舵机的状态模式集合为Θ={W1,W2,W3}其中W1=0表示左右舵正常运转,W2=1表示某舵掉电故障,W3=2表示左右舵停转故障。
S2:对于传感器采集到的加速度样本x1(t)、x2(t),t=1,2,3,…,t为采样时刻,x1(t),x2(t)∈[0mm/s,2.5mm/s],x1(t),x2(t)的参考值集合为其中构造关于xi(t)与其参考值/>的参考信度分布/>其中,/>表示xi(t)取值为/>时,船舵状态为Wk的参考信度,并有/>且/>
为了便于对样本参考值和参考信度分布的理解,这里举例说明。设加速传感器获得的样本集合,样本集合中的数据经统计可得船舵振动速度有效值xi(t)的变化范围为[0mm/s,2.5mm/s];输入船舵振动速度有效值xi(t)的参考值集合设定为:
A1={0.1,0.15,0.2,0.25,0.3.0.35,0.4,0.45,0.5,0.55,0.6,0.65,0.7,0.75,0.8,0.85,0.9,0.95,1}
A2={0.03,0.06,0.09,0.12,0.15,0.18,0.21,0.24,0.27,0.3,0.33,0.36,0.39,0.42,0.45,0.48,0.51,0.54,0.57},N=19。
S3:对于采样值xi(t),i=1,2,利用步骤S2中的可获取xi(t)分别支持舵机处于W1、W2、W3的静态信度/>
为加深对静态信度的理解,这里假设一个样本数据x2(t)=0.19,由公式(1)可算得数据与各参考值的趋向程度序列为
{0.01,0.01,0.01,0.01,0.01,0.85,0.06,0.01,0.01,0.01,0.01,0,0,0,0,0,0,0,0}
然后,利用公式(2)可得静态信度
e1(t)同理可得。
S4:基于信度更新规则,利用当前t时刻的静态信度ei(t)对历史全局动态信度进行更新,得到当前t时刻的全局动态信度
为加深对步骤S4的理解,这里举例说明。首先假设已知t=1,2,3,4这4个时刻的样本数据,关于x1(t)的静态信度分别由公式(1)、公式(2)还有参考信度分布得到,分别为:e1(1)=[0.8,0,0.2]、e1(2)=[0.7,0.3,0]、e1(3)=[0.6,0,0.4]、e1(4)=[0.4,0.1,0.5];按照步骤S4可以给出3个时刻的全局动态信度分别如下:
当t=1,2,3时,根据步骤S4-1可得:q1(1:1)=e1(1)=[0.8,0,0.2],q1(1:2)=e1(2)=[0.7,0.3,0],q1(1:3)=e1(3)=[0.6,0,0.4]。
当t=4时,根据步骤S4-2,设奖惩因子τ=0.5;前三个时刻可靠性均为可靠性初始值r0=1,根据公式(6)可得根据公式(8)和公式(9)可得到T1=0.65,T2=0.54;通过公式(7)可得到c=-0.05;根据公式(5)可得到r4=0.975,w1可通过遗传算法优化得到,取值为1;这里根据公式(3)和公式(4)用e1(4)更新q1(1:3),得到t=4时刻的全局动态信度q1(1:4)=[0.55,0,0.45],x2(t)的全局动态信度同理可得。
S5:基于信度融合规则,将步骤S4中获得的全局动态信度q1(1:t)和q2(1:t)进行融合,得到当前t时刻的综合信度Q(t)=[Q1(t),Q2(t),Q3(t)]。
为了更好的理解步骤S5,这里举例说明。通过公式(12)和公式(13)得到β1和β2分别为0.6和0.4;设有q1(1:t)=[0.7,0.1,0.2]和q2(1:t)=[0.6,0.1,0.3],通过公式(10)和公式(11)将全局动态信度q1(1:t)和q2(1:t)进行融合,可得综合信度Q(t)=[0.73,0.07,0.2]。
S6:对于步骤S5得到的综合信度Q(t),给出故障诊断准则:若Q1(t)≥Q2(t)且Q1(t)≥Q3(t),则此时故障诊断结果为W1,同理若Q2(t)>Q1(t)且Q2(t)>Q3(t),则此时故障诊断结果为W2,若Q3(t)>Q1(t)且Q3(t)>Q2(t),则此时故障诊断结果为W3;
在上例中,根据最后融合得到的综合信度中,Q1(t)>Q2(t)且Q1(t)>Q3(t),根据步骤S6可得诊断结果为W1,与该时刻真实的舵机状态一致。
对于图2(a)、图2(b)中的序列,实施本发明提供的方法,可以得到如下表1中的故障确诊率统计结果,可以看出所提方法对Wi的平均确诊率均达到90%以上,满足实际中对于船舵故障监测的要求。在同样的数据实验条件下,进一步将本发明与数字滤波、时间延迟方法进行比较,本发明方法有最优的确诊率。
表1故障确诊率统计表
方法 | W1确诊率 | W2确诊率 | W3错误率 |
时间延迟方法(%) | 86.76 | 85.72 | 99.8 |
数字滤波方法(%) | 78.67 | 92.11 | 99.4 |
信度更新融合方法(%) | 94.34 | 95.76 | 100 |
本发明基于船舵运行数据通过信度更新与融合得到对船舵运行状态的诊断,与其他诊断方法不同之处在于将历史时刻船舵状态信度与当前时刻船舵状态信度进行融合,而不仅仅依靠阈值,并且将多个传感器的信度进行融合,充分利用了过去时刻状态和多传感器的监测信息,有效地提高了诊断的准确性。利用本发明可以精确诊断船舵实时状态,得到船舵运行结果。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于信度更新与融合的船舵故障诊断方法,其特征在于该方法包括以下步骤:
S1:通过加速度传感器监测船舶自动控制系统左右舵机运行情况,包括正常运转W1,舵机掉电故障W2,舵机停转故障W3;
S2:根据采集到的加速度样本及其参考值集合构造关于W1、W2、W3的参考信度分布;
S3:对于S1中获取的采样值xi(t),利用步骤S2中的参考信度分布,获取xi(t)分别支持舵机处于W1、W2、W3这三种状态的静态信度;
S4:基于信度更新规则,利用当前t时刻的静态信度对历史全局动态信度进行更新,得到当前t时刻的全局动态信度;
S5:基于信度融合规则,将步骤S4中xi(t)的全局动态信度进行融合,得到当前t时刻的综合信度;
S6:对于步骤S5中得到的综合信度,设计决策准则,判定t时刻舵机的运行状态;
所述步骤S1具体如下:
设定船舶自动控制系统中的舵机分为左舵、右舵,分别在左、右舵所处机舱内壁安装振动加速度传感器监测舵机的运行情况,右舵振动速度记为x1,左舵振动速度记为x2,单位为毫米/秒,采样频率10Hz;设定舵机的状态模式集合为Q={W1,W2,W3};其中W1=0表示左右舵正常运转,W2=1表示某舵掉电故障,W3=2表示左右舵停转故障;
所述步骤S2具体如下:
对于传感器采集到的加速度样本x1(t)、x2(t),t=1,2,3,…,t为采样时刻,x1(t),x2(t)∈[0mm/s,2.5mm/s];x1(t),x2(t)的参考值集合为其中构造关于xi(t)与其参考值/>的参考信度分布/>其中,/>表示xi(t)取值为/>时,船舵状态为Wk的参考信度,并有/>且/>
所述步骤S3具体为:
S3-1:xi(t)对于参考值的趋近程度/>通过如下公式计算:
其中,fi,i=1,2,为集散因子;
S3-2:基于步骤S2获得的参考信度分布,获得xi(t)在t时刻的静态信度其公式如下:
所述步骤S4具体为:
S4-1:当1£t£3时,有全局动态信度即为该时刻静态信度,即qi(1:t)=ei(t),亦即
S4-2:当4£t时,将历史全局动态信度qi(1:t-1)与当前静态信度ei(t)利用信度更新规则进行更新,通过下式实现:
其中,w1与w2分别为历史全局动态信度qi(1:t-1)与当前静态信度ei(t)的权重,设为1,rt为当前静态信度ei(t)的可靠性,通过如下公式计算:
其中为前3个时刻信度可靠性的平均值,同时也是历史全局动态信度qi(1:t-1)的可靠性;
r0是可靠性初始值,t是奖惩因子,通过比较当前静态信度ei(t)与历史全局动态信度qi(1:t-1),如果两个信度指向同一个状态,则值为1,否则,该值为-1;c是根据两个证据之间的相似性度量给出的可靠性增强因子;
所述步骤S5具体为:
S5-1:将通过步骤S4获得的全局动态信度q1(1:t)和q2(1:t)通过信度融合规则进行融合,得到当前t时刻的综合信度Q(t)=[Q1(t),Q2(t),Q3(t)],公式如下:
其中,β1和β2是分别关于全局动态信度q1(1:t)和q2(1:t)的可靠性;
所述步骤S6具体如下:
对于步骤S5得到的综合信度Q(t),给出故障诊断准则:
若Q1(t)≥Q2(t)且Q1(t)≥Q3(t),则此时故障诊断结果为W1;
若Q2(t)>Q1(t)且Q2(t)>Q3(t),则此时故障诊断结果为W2;
若Q3(t)>Q1(t)且Q3(t)>Q2(t),则此时故障诊断结果为W3。
2.根据权利要求1所述的一种基于信度更新与融合的船舵故障诊断方法,其特征在于,为前3个时刻信计算如下:
r0是可靠性初始值,t是奖惩因子,通过比较当前静态信度ei(t)与历史全局动态信度qi(1:t-1),如果两个信度指向同一个状态,则值为1,否则,该值为-1;c是根据两个证据之间的相似性度量给出的可靠性增强因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210711807.0A CN115112360B (zh) | 2022-06-22 | 2022-06-22 | 一种基于信度更新与融合的船舵故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210711807.0A CN115112360B (zh) | 2022-06-22 | 2022-06-22 | 一种基于信度更新与融合的船舵故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115112360A CN115112360A (zh) | 2022-09-27 |
CN115112360B true CN115112360B (zh) | 2024-04-16 |
Family
ID=83328830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210711807.0A Active CN115112360B (zh) | 2022-06-22 | 2022-06-22 | 一种基于信度更新与融合的船舵故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115112360B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216923A (ja) * | 2002-11-29 | 2003-07-31 | Fuji Heavy Ind Ltd | 故障診断装置 |
CN101178844A (zh) * | 2007-12-03 | 2008-05-14 | 中国人民解放军国防科学技术大学 | 基于信息融合的柴油动力装置故障诊断系统 |
CN109375037A (zh) * | 2018-11-16 | 2019-02-22 | 杭州电子科技大学 | 一种中压船舶电力系统单相接地故障报警器设计方法 |
CN109765786A (zh) * | 2019-01-25 | 2019-05-17 | 杭州电子科技大学 | 一种基于证据滤波的电推船电机转轴不平衡故障检测方法 |
CN110275465A (zh) * | 2019-05-09 | 2019-09-24 | 上海海事大学 | 一种船载数据采集仪及其数据采集方法 |
CN110598274A (zh) * | 2019-08-23 | 2019-12-20 | 淮阴师范学院 | 一种大型复杂结构损伤诊断的多主体与信息融合方法 |
CN112154455A (zh) * | 2019-09-29 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 数据处理方法、设备和可移动平台 |
-
2022
- 2022-06-22 CN CN202210711807.0A patent/CN115112360B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216923A (ja) * | 2002-11-29 | 2003-07-31 | Fuji Heavy Ind Ltd | 故障診断装置 |
CN101178844A (zh) * | 2007-12-03 | 2008-05-14 | 中国人民解放军国防科学技术大学 | 基于信息融合的柴油动力装置故障诊断系统 |
CN109375037A (zh) * | 2018-11-16 | 2019-02-22 | 杭州电子科技大学 | 一种中压船舶电力系统单相接地故障报警器设计方法 |
CN109765786A (zh) * | 2019-01-25 | 2019-05-17 | 杭州电子科技大学 | 一种基于证据滤波的电推船电机转轴不平衡故障检测方法 |
CN110275465A (zh) * | 2019-05-09 | 2019-09-24 | 上海海事大学 | 一种船载数据采集仪及其数据采集方法 |
CN110598274A (zh) * | 2019-08-23 | 2019-12-20 | 淮阴师范学院 | 一种大型复杂结构损伤诊断的多主体与信息融合方法 |
CN112154455A (zh) * | 2019-09-29 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 数据处理方法、设备和可移动平台 |
Also Published As
Publication number | Publication date |
---|---|
CN115112360A (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cui et al. | Research on remaining useful life prediction of rolling element bearings based on time-varying Kalman filter | |
CN111823952B (zh) | 电芯温度的诊断方法、存储介质和电子设备 | |
CN111970229B (zh) | 一种针对多种攻击方式的can总线数据异常检测方法 | |
CN108257365B (zh) | 一种基于全局不确定性证据动态融合的工业报警器设计方法 | |
CN109029992A (zh) | 机床主轴的轴承故障诊断的方法和系统 | |
Adamy | Breakout prediction for continuous casting by fuzzy mealy automata | |
CN112629905A (zh) | 基于深度学习的设备异常检测方法、系统及计算机介质 | |
CN109635318A (zh) | 一种基于keos-elm算法的航空发动机传感器智能解析余度设计方法 | |
CN110261771B (zh) | 一种基于传感器互补性分析的故障诊断方法 | |
CN115112360B (zh) | 一种基于信度更新与融合的船舵故障诊断方法 | |
CN112478975A (zh) | 基于音频特征的电梯门故障检测方法 | |
CN106828106A (zh) | 一种面向动车组牵引电机的故障预警方法 | |
CN113933054B (zh) | 一种滚动轴承故障监测诊断方法、设备、介质及处理器 | |
CN115600136A (zh) | 一种基于多传感器的高压套管故障诊断方法、系统及介质 | |
CN112987687A (zh) | 一种云-端融合的智能线控底盘健康监测系统及方法 | |
CN109765786A (zh) | 一种基于证据滤波的电推船电机转轴不平衡故障检测方法 | |
CN111879522B (zh) | 基于时序概率的汽轮机运行监测和故障判别方法及系统 | |
US20220269257A1 (en) | Vacuum system with diagnostic circuitry and a method and computer program for monitoring the health of such a vacuum system | |
CN109061224A (zh) | 列车车轴监测方法、装置和系统 | |
CN117057150A (zh) | 一种基于无监督叠加集成的供水管网爆管检测与识别方法 | |
CN112631258A (zh) | 一种工业过程关键指标的故障预警方法 | |
CN112422546A (zh) | 一种基于变邻域算法和模糊聚类的网络异常检测方法 | |
CN109325310B (zh) | 一种基于多重t方控制图的高速列车间歇故障检测方法 | |
CN113955149B (zh) | 一种电机系统的健康诊断方法和装置 | |
CN116337447A (zh) | 一种非平稳工况下轨道车辆轮对轴承故障诊断方法及设备 |
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 | ||
GR01 | Patent grant |