船舶動(dòng)力設(shè)備在自身性能退化過程中的相當(dāng)長一段時(shí)間內(nèi)仍能完成規(guī)定功能,對具有重要特征參數(shù)或性能指標(biāo)的船舶動(dòng)力設(shè)備而言,若使用定基線進(jìn)行健康狀態(tài)評估會(huì)導(dǎo)致評估值連續(xù)較低甚至誤報(bào)警問題。為了解決這一問題,以目標(biāo)設(shè)備按性能退化時(shí)間序列采集的特征參數(shù)為研究對象,首先建立退化基線計(jì)算方法,利用滑動(dòng)概率神經(jīng)網(wǎng)絡(luò)和性能可靠度與基線值間的轉(zhuǎn)換函數(shù)獲得目標(biāo)設(shè)備的動(dòng)態(tài)退化基線;然后建立ARMA預(yù)測模型獲得預(yù)測參數(shù),并與退化基線計(jì)算方法結(jié)合對退化基線發(fā)生動(dòng)態(tài)變化的時(shí)間節(jié)點(diǎn)進(jìn)行預(yù)測;最后利用海水泵對建立的方法可行性進(jìn)行驗(yàn)證。結(jié)果表明,本文建立的退化基線計(jì)算方法能夠獲得動(dòng)態(tài)基線,退化基線預(yù)測方法能夠?qū)?dòng)態(tài)基線的變化時(shí)間節(jié)點(diǎn)進(jìn)行準(zhǔn)確預(yù)測。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(07)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

退化基線計(jì)算方法流程圖Fig.1Degradationbaselinecalculatemethod基本步驟為：步驟1確定具有重要特征參數(shù)或性能指標(biāo)的船舶

R(tk,VZ)=1F(tk,VZ)。(5)步驟6當(dāng)進(jìn)行第k+1次運(yùn)算時(shí)，保留第k次運(yùn)算時(shí)窗口內(nèi)的s-d個(gè)特征參數(shù)，并新增d個(gè)特征參數(shù)，重復(fù)步驟4及步驟5，可以獲得tk+1時(shí)刻的概率密度分布，經(jīng)過滑動(dòng)時(shí)間窗口的不斷滑動(dòng)，可以連續(xù)獲得各窗口處特征參數(shù)的概率密度分布和性能退化量，進(jìn)而獲得性能可靠度值，如圖3和圖4所示。YZ(tk)步驟7假設(shè)目標(biāo)設(shè)備完好無損正常狀態(tài)下的基線值為VH，根據(jù)式（6）獲得隨性能可靠度變化的動(dòng)態(tài)基線值。圖2滑動(dòng)概率神經(jīng)網(wǎng)絡(luò)拓?fù)鋱DFig.2Diagramofslidingprobabilisticneuralnetwork圖3性能退化量跟蹤曲線示意圖Fig.3Trackingcurveofperformancedegradationmeasures圖4性能可靠度跟蹤曲線示意圖Fig.4Trackingcurveofperformancereliability第42卷蔡玉良，等：船舶動(dòng)力設(shè)備退化基線計(jì)算及預(yù)測方法·143·

1次運(yùn)算時(shí)，保留第k次運(yùn)算時(shí)窗口內(nèi)的s-d個(gè)特征參數(shù)，并新增d個(gè)特征參數(shù)，重復(fù)步驟4及步驟5，可以獲得tk+1時(shí)刻的概率密度分布，經(jīng)過滑動(dòng)時(shí)間窗口的不斷滑動(dòng)，可以連續(xù)獲得各窗口處特征參數(shù)的概率密度分布和性能退化量，進(jìn)而獲得性能可靠度值，如圖3和圖4所示。YZ(tk)步驟7假設(shè)目標(biāo)設(shè)備完好無損正常狀態(tài)下的基線值為VH，根據(jù)式（6）獲得隨性能可靠度變化的動(dòng)態(tài)基線值。圖2滑動(dòng)概率神經(jīng)網(wǎng)絡(luò)拓?fù)鋱DFig.2Diagramofslidingprobabilisticneuralnetwork圖3性能退化量跟蹤曲線示意圖Fig.3Trackingcurveofperformancedegradationmeasures圖4性能可靠度跟蹤曲線示意圖Fig.4Trackingcurveofperformancereliability第42卷蔡玉良，等：船舶動(dòng)力設(shè)備退化基線計(jì)算及預(yù)測方法·143·

【參考文獻(xiàn)】：
期刊論文
[1]基于PNN的音樂情感分類[J]. 李強(qiáng),劉曉峰.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(02)
[2]基于集成學(xué)習(xí)概率神經(jīng)網(wǎng)絡(luò)的電機(jī)軸承故障診斷[J]. 張習(xí)習(xí),顧幸生.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[3]基于基線漂移模型的氣體光譜自動(dòng)基線校正[J]. 王昕,呂世龍,李巖,尉昊赟,陳夏.  光譜學(xué)與光譜分析. 2018(12)
[4]基于神經(jīng)網(wǎng)絡(luò)的柴油發(fā)動(dòng)機(jī)的故障診斷[J]. 宋娟,蒙曄.  工業(yè)控制計(jì)算機(jī). 2018(11)
[5]支持向量機(jī)的船舶短期電力負(fù)荷預(yù)測方法[J]. 侯文君,汪英英,姚藝新,黃小華.  艦船科學(xué)技術(shù). 2018(18)
[6]基于ARMA模型的船舶海水冷卻系統(tǒng)參數(shù)預(yù)測[J]. 孫曉磊,丁亞委,郭克余,鄒永久,孫培廷.  計(jì)算機(jī)測量與控制. 2017(07)
[7]我國沿海船舶CO2排放限值與EEDI比對分析[J]. 于巧嬋,紀(jì)永波,駱義.  中國航海. 2016(03)
[8]軟件配置管理中的基線問題研究[J]. 姜文,劉立康.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(06)
[9]基線分析方法在系統(tǒng)性能優(yōu)化中的應(yīng)用[J]. 梁軍科.  數(shù)字技術(shù)與應(yīng)用. 2016(05)
[10]基于GA-BP模型的船舶柴油機(jī)排氣溫度趨勢預(yù)測[J]. 王新全,孫培廷,鄒永久,李國龍.  大連海事大學(xué)學(xué)報(bào). 2015(03)

博士論文
[1]基于Parzen Window估計(jì)的分類與聚類方法及應(yīng)用研究[D]. 應(yīng)文豪.江南大學(xué) 2013

碩士論文
[1]船舶廢氣排放與能效水平在線監(jiān)測[D]. 朱強(qiáng).武漢理工大學(xué) 2017
[2]國內(nèi)船舶能效指數(shù)與CO2排放基線實(shí)船研究[D]. 顏林.武漢理工大學(xué) 2011



本文編號：3214282