基于ER规则的船舶电力推进系统关键功能单元辨识方法

    公开(公告)号:CN112001124B

    公开(公告)日:2023-09-05

    申请号:CN202010877992.1

    申请日:2020-08-27

    Abstract: 本发明涉及一种基于ER规则的船舶电力推进系统关键功能单元辨识方法。本发明首先基于复杂网络对船舶电力推进系统进行抽象化建模,构建系统级复杂网络,并将其划分成多个模块级子网络。其次,分别计算系统级网络与模块级子网络的多个节点重要度指标,并转化为证据。然后,通过计算证据之间的支持度得到证据重要性权重,利用证据源的波动计算得到证据可靠性因子,进而通过ER规则将多个证据进行融合,得到融合后的证据。最后,建立节点重要度排序评价函数,得到节点的综合重要度。本发明在复杂网络的基础上进行船舶电力推进系统关键功能单元的评估,利用多指标的证据融合与多粒度评价提高了船舶电力推进系统的关键功能单元辨识的准确性。

    基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法

    公开(公告)号:CN110414407B

    公开(公告)日:2022-12-23

    申请号:CN201910665834.7

    申请日:2019-07-23

    Abstract: 本发明涉及基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法,该方法从船舶电力推进系统变频器实时获取三相电流均方根值和转矩特征值,并根据螺旋桨转矩损失系数确定恶劣海况所引起卷气效应的程度设定三个等级。首先通过K均值聚类方法给出每个证据推理规则弱学习器的输入特征参考值,建立故障信度分布矩阵,利用该矩阵将输入转化为诊断证据,并计算诊断证据的可靠性因子,然后根据可靠性因子将证据进行融合,从融合结果估计螺旋桨卷气效应等级。统计当前弱学习器的精度,计算弱学习器的学习系数。循环上述过程,最终得到由多个弱学习器组成的自适应提升强分类器,得出强分类器对卷气效应等级的估计值,实现对螺旋桨卷气效应的识别。

    一种基于信度推理的电推船舶电机PID参数整定方法

    公开(公告)号:CN109507876B

    公开(公告)日:2021-12-28

    申请号:CN201910071006.0

    申请日:2019-01-25

    Abstract: 本发明涉及一种基于信度推理的电推船舶电机PID参数整定方法。该方法构造了关于PID控制器参数的信度推理模型;确定信度推理模型的输入特征和输出结果的参考值集合;根据输入特征信号确定PID控制器参数的能力,确定输入信息源的可靠性;计算输入样本特征与参考值的匹配度及每一组输入样本向量激活的证据,对被激活的证据进行融合,得到PID控制器参数的估计值;采用序列线性规划方法对确定PID参数的信度推理模型参数进行实时优化、更新,使闭环控制系统的输出能够实时准确地跟踪输入。本发明能实现对电力推进船舶推进电机转速的智能控制,提高电机控制的实时性和控制精度,降低了PID参数确定模型的复杂性。

    基于ER规则的船舶电力推进系统关键功能单元辨识方法

    公开(公告)号:CN112001124A

    公开(公告)日:2020-11-27

    申请号:CN202010877992.1

    申请日:2020-08-27

    Abstract: 本发明涉及一种基于ER规则的船舶电力推进系统关键功能单元辨识方法。本发明首先基于复杂网络对船舶电力推进系统进行抽象化建模,构建系统级复杂网络,并将其划分成多个模块级子网络。其次,分别计算系统级网络与模块级子网络的多个节点重要度指标,并转化为证据。然后,通过计算证据之间的支持度得到证据重要性权重,利用证据源的波动计算得到证据可靠性因子,进而通过ER规则将多个证据进行融合,得到融合后的证据。最后,建立节点重要度排序评价函数,得到节点的综合重要度。本发明在复杂网络的基础上进行船舶电力推进系统关键功能单元的评估,利用多指标的证据融合与多粒度评价提高了船舶电力推进系统的关键功能单元辨识的准确性。

    一种基于信息融合的船舶柴油机磨粒类型辨识方法

    公开(公告)号:CN109740254A

    公开(公告)日:2019-05-10

    申请号:CN201811655295.0

    申请日:2018-12-29

    Abstract: 本发明涉及一种基于信息融合的船舶柴油机磨粒类型辨识方法。本发明从船舶柴油机在线油液监测系统中获得磨粒样本,利用图像处理技术对采集的磨粒图像进行校正去噪并提取磨粒的形貌特征;确定输入特征的参考值集合,并计算它们关于参考值的综合相似度分布;利用样本集合的综合相似度分布构造反映输入信号与五种磨粒类型之间关系的投点统计表;由投点统计表转换得到输入特征信号的证据矩阵表;利用置信规则推理和证据推理规则融合输入样本向量激活的证据并从融合结果推理磨粒样本对应的磨粒类型。本发明可实现对船舶柴油机磨粒类型的智能辨识,降低了辨识的复杂性,提高了辨识的精度。

    一种基于信息融合的船舶柴油机磨粒类型辨识方法

    公开(公告)号:CN109740254B

    公开(公告)日:2023-08-18

    申请号:CN201811655295.0

    申请日:2018-12-29

    Abstract: 本发明涉及一种基于信息融合的船舶柴油机磨粒类型辨识方法。本发明从船舶柴油机在线油液监测系统中获得磨粒样本,利用图像处理技术对采集的磨粒图像进行校正去噪并提取磨粒的形貌特征;确定输入特征的参考值集合,并计算它们关于参考值的综合相似度分布;利用样本集合的综合相似度分布构造反映输入信号与五种磨粒类型之间关系的投点统计表;由投点统计表转换得到输入特征信号的证据矩阵表;利用置信规则推理和证据推理规则融合输入样本向量激活的证据并从融合结果推理磨粒样本对应的磨粒类型。本发明可实现对船舶柴油机磨粒类型的智能辨识,降低了辨识的复杂性,提高了辨识的精度。

    基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法

    公开(公告)号:CN110414407A

    公开(公告)日:2019-11-05

    申请号:CN201910665834.7

    申请日:2019-07-23

    Abstract: 本发明涉及基于证据推理规则和自适应提升的船舶螺旋桨卷气识别法,该方法从船舶电力推进系统变频器实时获取三相电流均方根值和转矩特征值,并根据螺旋桨转矩损失系数确定恶劣海况所引起卷气效应的程度设定三个等级。首先通过K均值聚类方法给出每个证据推理规则弱学习器的输入特征参考值,建立故障信度分布矩阵,利用该矩阵将输入转化为诊断证据,并计算诊断证据的可靠性因子,然后根据可靠性因子将证据进行融合,从融合结果估计螺旋桨卷气效应等级。统计当前弱学习器的精度,计算弱学习器的学习系数。循环上述过程,最终得到由多个弱学习器组成的自适应提升强分类器,得出强分类器对卷气效应等级的估计值,实现对螺旋桨卷气效应的识别。

Patent Agency Ranking