近年來,隨著智能船舶概念的興起,以及大數(shù)據(jù)、云計算及物聯(lián)網(wǎng)等互聯(lián)網(wǎng)及信息技術(shù)的發(fā)展,船舶智能化已經(jīng)成為全球航運的大勢所趨。目前智能船舶的研究已在全球范圍內(nèi)開展。對船舶機械設(shè)備的運行狀態(tài)、健康狀況進行分析和評估,制定船舶機械設(shè)備操作決策和維護保養(yǎng)計劃,是智能船舶的主要目的之一。船舶機械設(shè)備主要包括船舶動力系統(tǒng)、船舶輔機、發(fā)電機等。其中船舶動力系統(tǒng)承擔著能量傳輸,動力傳遞和推進船舶的使命,被稱為船舶的“心臟”。船舶推進軸系是船舶動力系統(tǒng)的重要組成部分,在船體變形和風浪等外部載荷作用下,振動明顯加劇,加速船舶軸系故障的發(fā)生,這使得船舶軸系運行的可靠性和安全性成為了關(guān)注的重點。對船舶推進軸系狀態(tài)的狀態(tài)監(jiān)測與故障診斷是保證船舶動力裝置的可靠運行,實現(xiàn)船舶航行安全的有效手段。如何有效地、及時地、準確地識別和診斷船舶軸系的各種異常狀態(tài)或故障,是進行船舶軸系狀態(tài)監(jiān)測與故障診斷研究的關(guān)鍵,是提高船舶軸系運行的可靠性和有效性的重要保障。文中以船舶推進軸系為研究對象,在研究船體變形和外載荷激勵對船舶推進軸系振動影響的基礎(chǔ)上,提出了船舶推進軸系振動信號故障特征提取和故障診斷的方法,為船舶軸系的智能故障診斷方法... 

【文章來源】：武漢理工大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：135 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀與分析
        1.2.1 軸系狀態(tài)監(jiān)測與故障診斷
        1.2.2 振動故障信號特征提取
        1.2.3 人工智能在故障診斷中的研究現(xiàn)狀
        1.2.4 當前研究中存在的問題
    1.3 課題來源
    1.4 主要研究內(nèi)容
第2章 船舶軸系運行狀態(tài)影響因素及特征提取方法
    2.1 船舶軸系運行狀態(tài)影響因素
        2.1.1 船體變形
        2.1.2 軸承剛度
        2.1.3 溫度變化
        2.1.4 螺旋槳激勵力
        2.1.5 軸與軸承間油膜影響
    2.2 軸系常見振動故障機理
        2.2.1 不平衡的機理
        2.2.2 不對中的機理
        2.2.3 軸系碰摩的機理
        2.2.4 油膜渦動的機理
    2.3 常見的振動故障特征提取方法
        2.3.1 瞬時頻率
        2.3.2 短時傅里葉變換
        2.3.3 小波變換
        2.3.4 Wigner-Ville 分布
    2.4 HHT方法及其改進方法
        2.4.1 EMD分解及存在的問題
        2.4.2 EEMD分解及存在的問題
    2.5 VMD方法
        2.5.1 VMD分解的原理
        2.5.2 VMD分解的步驟
        2.5.3 EMD,EEMD 與 VMD 分解效果對比
        2.5.4 VMD方法的特點
    2.6 本章小結(jié)
第3章 船體變形下軸系振動影響因素分析
    3.1 船體變形下的軸系振動模型
        3.1.1 理論模型
        3.1.2 邊界條件的討論
    3.2 船體變形下軸系振動的影響因素研究
        3.2.1 理論模型與數(shù)值模型的對比
        3.2.2 船體變形對軸系振動的影響研究
    3.3 實船試驗
        3.3.1 試驗船舶參數(shù)
        3.3.2 實船試驗方案
        3.3.3 試驗條件
        3.3.4 實船結(jié)果分析
    3.4 本章小結(jié)
第4章 多激勵下的船舶軸系振動特性試驗研究
    4.1 船舶軸系試驗臺試驗
        4.1.1 試驗臺基本組成及加載系統(tǒng)
        4.1.2 試驗方案
    4.2 靜態(tài)加載時軸系振動分析
        4.2.1 不同強制位移的大小和方向的影響
        4.2.2 不同響應(yīng)點的位置和方向的影響
        4.2.3 混合激勵的影響
        4.2.4 不同轉(zhuǎn)速的影響
    4.3 動態(tài)加載時軸系振動分析
        4.3.1 不同激勵力的大小和方向的影響
        4.3.2 不同響應(yīng)點的位置和方向的影響
        4.3.3 混合激勵的影響
        4.3.4 轉(zhuǎn)速的影響
    4.4 變頻激勵下軸系振動分析
        4.4.1 不同頻率的影響
        4.4.2 變頻激勵的影響
        4.4.3 不同激勵力的大小和方向的影響
        4.4.4 不同響應(yīng)點的位置和方向的影響
        4.4.5 轉(zhuǎn)速的影響
    4.5 本章小結(jié)
第5章 基于VMD的軸系故障特征提取方法研究
    5.1 軸系故障模擬實驗
    5.2 基于VMD的油膜渦動故障特征提取
    5.3 VMD的參數(shù)優(yōu)化方法研究
        5.3.1 VMD參數(shù)對分解結(jié)果的影響
        5.3.2 VMD參數(shù)選擇方法研究
        5.3.3 VMD參數(shù)選擇步驟
    5.4 基于改進VMD-能量熵的軸系故障特征提取
    5.5 本章小結(jié)
第6章 基于深度學習的船舶軸系故障診斷方法研究
    6.1 機器學習在軸系故障診斷中的應(yīng)用
        6.1.1 人工神經(jīng)網(wǎng)絡(luò)
        6.1.2 支持向量機
        6.1.3 支持向量機在軸系故障診斷中的應(yīng)用
    6.2 深度學習理論
        6.2.1 深度學習概述
        6.2.2 深度學習思想
    6.3 深度置信網(wǎng)絡(luò)
        6.3.1 受限玻爾茲曼機
        6.3.2 深度置信網(wǎng)絡(luò)
        6.3.3 DBN參數(shù)選擇分析
    6.4 基于DBN的軸系故障診斷研究
        6.4.1 軸系故障數(shù)據(jù)預(yù)處理
        6.4.2 基于DBN的分類結(jié)果對比
    6.5 本章小結(jié)
第7章 結(jié)論與展望
    7.1 結(jié)論
    7.2 創(chuàng)新點
    7.3 展望
致謝
參考文獻
攻讀博士學位期間發(fā)表的論文及參加的科研項目


【參考文獻】：
期刊論文
[1]“大智”輪的標志性意義[J]. 胥苗苗.  中國船檢. 2017(12)
[2]基于混合核學習支持向量機的主減速器故障診斷[J]. 張華偉,左旭艷,潘昊.  計算機應(yīng)用與軟件. 2017(05)
[3]基于改進變分模態(tài)分解的旋轉(zhuǎn)機械故障時頻分析方法[J]. 劉尚坤,唐貴基,王曉龍.  振動工程學報. 2016(06)
[4]變分模態(tài)分解在齒輪箱故障診斷中的應(yīng)用[J]. 閆洪波,孫午向.  內(nèi)蒙古科技與經(jīng)濟. 2016(21)
[5]基于二維變分模態(tài)分解和自適應(yīng)中值濾波的圖像去噪方法[J]. 劉嘉敏,彭玲,袁佳成,劉軍委.  計算機應(yīng)用研究. 2017(10)
[6]碰摩載荷下船舶軸系轉(zhuǎn)速與縱向振動間影響研究[J]. 李亞楠,董良雄,蘇志鵬,楊金超.  機械工程師. 2016(10)
[7]基于變分模態(tài)分解參數(shù)估計的滾動軸承故障信息提取方法[J]. 楊洪柏,蔣超,石坤舉,劉樹林.  軸承. 2016(10)
[8]基于DBN的故障特征提取及診斷方法研究[J]. 趙光權(quán),葛強強,劉小勇,彭喜元.  儀器儀表學報. 2016(09)
[9]基于ZigBee的船舶軸功率監(jiān)測系統(tǒng)開發(fā)及故障診斷研究[J]. 楊琨,閆治宇,寧亞飛,武龍飛,王維韜,楊瑤瑤.  機床與液壓. 2016(15)
[10]變分模態(tài)分解方法及其在滾動軸承早期故障診斷中的應(yīng)用[J]. 唐貴基,王曉龍.  振動工程學報. 2016(04)

博士論文
[1]基于變分模態(tài)分解的風電機組傳動系統(tǒng)故障診斷研究[D]. 武英杰.華北電力大學(北京) 2016
[2]螺旋槳激振力引起的船體結(jié)構(gòu)振動及水下輻射噪聲特性研究[D]. 李燎原.哈爾濱工程大學 2016
[3]船舶柴油機推進軸系狀態(tài)評價方法的研究[D]. 王宏志.大連海事大學 2015
[4]大型船舶推進軸系功率流分析理論與方法研究[D]. 秦麗.武漢理工大學 2014
[5]基于局部均值分解的DFB激光器調(diào)諧特性研究[D]. 安穎.天津大學 2014
[6]大型船舶推進系統(tǒng)的動力學建模與狀態(tài)監(jiān)測方法研究[D]. 李志雄.武漢理工大學 2013
[7]柴油機硅油減振器減振機理及匹配仿真技術(shù)研究[D]. 汪萌生.武漢理工大學 2013
[8]基于支持向量機的旋轉(zhuǎn)機械故障診斷與預(yù)測方法研究[D]. 朱霄珣.華北電力大學 2013
[9]基于核學習理論的船舶柴油機故障診斷研究[D]. 柴艷有.哈爾濱工程大學 2012
[10]基于軸系扭振信號的船舶推進系統(tǒng)診斷理論與應(yīng)用研究[D]. 胡義.武漢理工大學 2011

碩士論文
[1]局部均值分解方法及其在滾動軸承故障診斷中的應(yīng)用研究[D]. 閆武起.蘭州交通大學 2016
[2]基于LMD和HSMM的旋轉(zhuǎn)機械故障診斷方法研究[D]. 張菲.西南交通大學 2016
[3]基于EEMD和最小二乘支持向量機的滾動軸承故障診斷方法研究[D]. 邵海賀.長春工業(yè)大學 2016
[4]基于貝葉斯網(wǎng)絡(luò)船用柴油機故障診斷系統(tǒng)的研究[D]. 林洋.大連海事大學 2016
[5]基于數(shù)據(jù)驅(qū)動的船舶旋轉(zhuǎn)機械故障診斷方法研究及應(yīng)用[D]. 董晨辰.南京航空航天大學 2016
[6]基于Hilbert-Huang變換的結(jié)構(gòu)非線性識別研究[D]. 王立巖.大連理工大學 2015
[7]基于DEMD時頻分析的旋轉(zhuǎn)機械故障特征提取方法研究[D]. 季艷.燕山大學 2015
[8]基于HHT的非平穩(wěn)信號特征提取與參數(shù)估計方法研究[D]. 張雪梅.電子科技大學 2015
[9]基于深度信念網(wǎng)絡(luò)的變速器故障分類識別研究[D]. 單外平.華南理工大學 2015
[10]船舶動力系統(tǒng)故障診斷方法與趨勢預(yù)測技術(shù)研究[D]. 徐曉健.武漢理工大學 2014



本文編號：3527025