-
公开(公告)号：CN117350056A
公开(公告)日：2024-01-05
申请号：CN202311332197.4
申请日：2023-10-13
Applicant: 哈尔滨工程大学
IPC: G06F30/20 , G06N3/006 , G06F17/16 , G06F17/10 , G06Q10/04 , G06Q10/0639 , G06F18/24 , G06F111/06
Abstract: 基于帕累托粒子群算法的柴油机监测传感器布置优化方法，本申请首先对传感器优化布置任务进行分析，并设计出包含故障区分能力指标、传感器失效区分能力指标与传感器数量指标的传感器布置方案优劣评价体系，将传感器优化布置任务转化为数学描述的多目标优化任务；然后，利用帕累托最优策略实现传感器最优传感器布置方案解集的构建，其中采用基于庄家法则和粒子群算法来加速帕累托非支配解集的形成；通过本申请的技术方案可以在保证柴油机故障区分能力不受传感器失效影响的条件下，有效减少传感器数量，且能够提供多组备选的布置方案；本申请改善了粒子群算法无法获得多种传感器优化布置方案的问题，也加速了帕累托非支配解集的构建速度。
-
公开(公告)号：CN112597658B
公开(公告)日：2022-02-18
申请号：CN202011589153.6
申请日：2020-12-28
Applicant: 哈尔滨工程大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于工况识别的船用柴油机多模型故障诊断方法。步骤1：根据转速判断柴油机运行工况；步骤2：选取柴油机监测参数；步骤3：对所选参数归一化处理，层次分析法处理，获取权重值并排序；步骤4：对每种工况的故障诊断模型进行输入参数优化处理，减少输入参数个数，循环生成模型；步骤5：利用检测样本检测各模型精度，并对比得到最优模型；步骤6：整合工况判断和故障诊断流程，进行船用柴油机多模型故障诊断。根据本发明结果，该模型能基于船用柴油机运行工况，构建差异性、精细化的故障诊断模型，实现对船用柴油机故障的高灵活性、高精度诊断。
-
公开(公告)号：CN112036079B
公开(公告)日：2021-12-07
申请号：CN202010831743.9
申请日：2020-08-18
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F119/02
Abstract: 本发明公开了一种基于ANFIS的柴油机多信息融合诊断方法。步骤1：输出结果集合F，输入参数集合S；故障数据库U1；步骤2：对数据集合进行归一化处理；步骤3：对数据集合进行层次分析法处理，得出参数权重值；步骤4：对生成柴油机故障诊断模型初始规则结构Q0；步骤5：将Q0训练后得到柴油机故障诊断模型规则结构Q1；步骤6：对Q1输入采取归一化处理后的柴油机实际运行参数S，记为输入参数集合S′，对S′进行模糊拟合和规则拟合后，生成输出基于ANFIS的柴油机故障诊断模型。本发明提高ANFIS在柴油机多信息融合诊断技术方面的工程实用性。
-
公开(公告)号：CN112036079A
公开(公告)日：2020-12-04
申请号：CN202010831743.9
申请日：2020-08-18
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F119/02
Abstract: 本发明公开了一种基于ANFIS的柴油机多信息融合诊断方法。步骤1：输出结果集合F，输入参数集合S；故障数据库U1；步骤2：对数据集合进行归一化处理；步骤3：对数据集合进行层次分析法处理，得出参数权重值；步骤4：对生成柴油机故障诊断模型初始规则结构Q0；步骤5：将Q0训练后得到柴油机故障诊断模型规则结构Q1；步骤6：对Q1输入采取归一化处理后的柴油机实际运行参数S，记为输入参数集合S′，对S′进行模糊拟合和规则拟合后，生成输出基于ANFIS的柴油机故障诊断模型。本发明提高ANFIS在柴油机多信息融合诊断技术方面的工程实用性。
-
公开(公告)号：CN119760522A
公开(公告)日：2025-04-04
申请号：CN202411816022.5
申请日：2024-12-11
Applicant: 哈尔滨工程大学
IPC: G06F18/2413 , G06F18/2431 , G06F18/213 , G06F18/15
Abstract: 本发明涉及柴油机故障诊断领域，提供了一种基于改进灰色关联分析的柴油机润滑系统故障诊断方法，方法包括：步骤S1、采集船舶柴油机润滑系统在不同状态下的运行数据并进行初值化处理，得到初值化数据；步骤S2、基于所述初值化数据计算不同运行状态的参考特征向量和待检状态特征向量；步骤S3、使用改进的灰色关联分析法计算参考特征向量和所述待检状态特征向量之间的改进灰色关联度；步骤S4、对所述进灰度关联度值进行大小排序，基于排序结果将待检状态归类为最小改进灰色关联度对应的运行状态，实现柴油机润滑系统故障诊断。本发明解决了传统灰色关联分析不能充分利用润滑系统待检特征向量与参考特征向量间的距离特征的问题。
-
Patent Agency Ranking
公开(公告)号：CN119761159A
公开(公告)日：2025-04-04
申请号：CN202411891474.X
申请日：2024-12-20
Applicant: 哈尔滨工程大学
IPC: G06F30/25 , G06F30/27 , G06N3/126 , G06F111/08
Abstract: 本发明属于柴油机智能监测技术领域，公开了一种基于改进NSGA‑II算法的船舶柴油机传感器配置策略优化方法及系统，方法包括：首先，确定柴油机备选传感器与待检故障模式，构建待优化传感器配置策略集合；然后将待优化传感器配置策略集合输入改进NSGA‑II算法，随后计算待优化传感器配置策略集合中各传感器配置策略的适应度函数，经过优化迭代后，找到最优传感器配置策略。本发明可以充分探究不同传感器组合对柴油机运行状态的监测效果，找到能以最少数量传感器精准识别各个待检故障模式的最优柴油机传感器配置策略。
-
公开(公告)号：CN117869065A
公开(公告)日：2024-04-12
申请号：CN202410134864.6
申请日：2024-01-31
Applicant: 哈尔滨工程大学
IPC: F02B77/08
Abstract: 结合优化保护策略的柴油机安全运行保护系统及方法，属于柴油机安全保护技术领域。解决了现有发动机运行监测系统存在误报警率大的问题。本发明所述控制模块用于判断接收的信号是否满足阈值范围，若存在任一信号不在对应的阈值范围，则延时对应阈值时间，延时后再次判断接收的信号是否满足对应的阈值范围，若延时后所述信号仍超出对应阈值范围，则判断是否存在越控信号，若是，则向按键模块和显示模块发送报警信号同时向电控系统发送报警信号，否则，向按键模块和显示模块发送报警信号同时向电控系统发送报警信号、停车信号和紧急停车信号。本发明主要用于柴油机安全监测。
-
公开(公告)号：CN115452391A
公开(公告)日：2022-12-09
申请号：CN202211130068.2
申请日：2022-09-16
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供基于神经网络专家系统的柴油机排气温度异常诊断方法，包括如下步骤：针对柴油机排气温度异常的问题，获取相关运行数据，将数据集划分为两份，其中一份作为训练数据，另一份份作为测试数据；将训练数据与测试数据均描述为知识系统；对故障特征矩阵进行归一化处理，得到归一化后的故障特征矩阵；建立BP神经网络；以BP神经网络的输出结果建立专家知识库；验证模型精度。本发明可以对柴油机排气温度异常进行准确诊断；解决了专家系统知识获取周期长与神经网络推理过程及结果不易理解的问题；本发明应用粒子群算法优化了BP神经网络模型中两个关键参数：连接权值与输出阈值，这提高了模型的分类精度和计算时间。
-
公开(公告)号：CN117290813A
公开(公告)日：2023-12-26
申请号：CN202311221250.3
申请日：2023-09-20
Applicant: 哈尔滨工程大学
IPC: G06F18/27 , G06F18/15 , G06F18/213 , G06F18/2433 , G01M15/05 , G06F123/02
Abstract: 基于参数预测的柴油机安全状态评估方法，涉及柴油机安全保护领域。本发明是为了解决目前还无法对柴油机的安全状态进行预测评估的问题。本发明包括：获取柴油机安全保护热工参数，并组成初始数据组S*；对初始数据组S*进行预处理获得S；对S进行长期预测，获得柴油机运行参数长预测数据Sl；对S进行短期预测，获得柴油机运行参数短预测数据Ss；对S、Sl、Ss分别进行归一化处理，获得SX、SXl、SXs；利用SX、SXl、SXs获取柴油机安全状态预测评估结论P1和柴油机安全状态运行预测剩余时长P2。本发明用于评估柴油机安全状态。
-
公开(公告)号：CN112597658A
公开(公告)日：2021-04-02
申请号：CN202011589153.6
申请日：2020-12-28
Applicant: 哈尔滨工程大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于工况识别的船用柴油机多模型故障诊断方法。步骤1：根据转速判断柴油机运行工况；步骤2：选取柴油机监测参数；步骤3：对所选参数归一化处理，层次分析法处理，获取权重值并排序；步骤4：对每种工况的故障诊断模型进行输入参数优化处理，减少输入参数个数，循环生成模型；步骤5：利用检测样本检测各模型精度，并对比得到最优模型；步骤6：整合工况判断和故障诊断流程，进行船用柴油机多模型故障诊断。根据本发明结果，该模型能基于船用柴油机运行工况，构建差异性、精细化的故障诊断模型，实现对船用柴油机故障的高灵活性、高精度诊断。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
