一、船舶电力系统的故障诊断专家系统研究（论文文献综述）
郑聪,彭庆忠,周海峰,黄金满[1]（2021）在《基于人工智能专家系统的船舶电力系统故障诊断研究》文中指出为了提高船舶电力系统在发生故障后锁定故障点的效率,为船员抢修争取到宝贵时间,提高船舶在航行过程中的安全系数.本论文在阐述了船舶电力系统故障特点后,根据故障发生部位的优先级,将诊断模块分为输电线路和其它设备级两个模块,利用matlab程序设计语言设计改进遗传禁忌混合算法预处理数据,并分别使用正向推理和混合推理机制分析数据,同时引入模糊规则,对分析专家系统故障诊断机理在船舶电力系统故障诊断中的改进方案进行了研究,以便于工作人员及时排除故障,对于加强船舶电力系统的稳定性具有重要意义.
程晓絮,眭仁杰[2]（2020）在《基于专家系统的船舶电力系统故障诊断探究》文中研究指明船舶所处的特殊行驶环境会导致船舶电力系统存在故障,发生不稳定、故障点确定困难等问题,而故障诊断专家系统能及时对出现的故障进行高效率诊断,有效缩短船舶电力系统故障持续时间。文章对船舶电力系统的组成与特点进行分析,并基于船舶电力系统可能存在的电气故障明确传播故障诊断专家系统研究的结构框架,结合反向推理、模糊推理等方法,对船舶故障的具体诊断情况与解决方案进行分析,旨在有效增强船舶电气系统供电稳定性,提高船舶行使的安全系数。
郭晓杰[3]（2020）在《船舶电力推进系统智能容错控制技术研究》文中研究指明船舶电力推进系统将船舶操纵推进用电和其他用电负载一体化,具有降低动力装置重量和体积、提高系统供电可靠性以及便于能量综合利用与统一管理等特点,已经成为未来智能船舶的主要发展方向。多发电机组、多种用电负载和智能变电设备的投入使用改变了船舶电力推进系统的拓扑结构和操作特性,也对其解析容错控制设计提出了严峻挑战。因此,综合考虑系统故障行为特性和容错控制体系结构,进行船舶电力推进系统智能容错控制技术研究具有十分重要的意义。本文针对船舶电力推进系统智能容错控制技术的几个关键问题展开了研究:首先,开展了船舶电力推进系统的容错控制体系结构与数学建模研究。明确了本文的研究对象,介绍了船舶中压直流电力推进系统的基本结构和功能特性。考虑电力推进系统容错控制的多层结构与集成设计,提出了一种船舶中压直流电力推进系统递阶、分层智能容错控制体系结构框架,将系统状态监控、健康评估、故障诊断以及容错控制策略的内在联系进行了统一描述。为了对船舶电力推进系统容错控制研究提供必要的理论框架和模型基础,建立了发电子系统、推进子系统、区域负载集合以及配电子系统的数学模型,重点针对推进子系统中的六相永磁同步电机和螺旋桨负载特性进行了描述。其次,针对船舶电力推进系统的典型故障模式与影响分析进行了智能评估研究。综合考虑专家评估的可信度、模糊信息的不确定性以及故障模式与故障原因的内在关联性,提出了一种基于模糊逻辑与决策试验评估实验室（Decision-making Trial and Evaluation Laboratory,DEMATEL）理论的故障模式影响智能评估方法,利用信息熵与定性分析相结合的综合权重分配机制确定了专家意见可信度权重,引入了模糊语言术语集和模糊数得到各风险因子的模糊评价及相对模糊权重,设计了基准调整搜索算法确定模糊风险优先数的α-割集,采用质心解模糊思想和α-割集理论对模糊风险优先数进行了清晰化处理。将模糊风险优先数的解模糊值作为DEMATEL算法的输入变量,计算了各故障模式的原因度和风险优先级排序。以推进子系统的典型故障模式为例,验证了所提的智能评估方法的有效性,为后续的容错控制策略设计提供了理论依据。然后,针对船舶电力推进系统六相永磁同步电机的绕组缺相故障智能容错控制展开了研究。建立了含参数摄动和负载扰动的六相永磁同步电机缺相故障容错系统数学描述,结合故障检测机制,提出了一种基于中线补偿的零序电流参考值在线决策系统,无需根据不同相绕组开路情形和中性点连接方式重新推导降维解耦的数学模型,建立了矢量解耦的转速/电流容错控制结构框架。为了解决六相永磁同步电机绕组缺相引起的转速跟踪和转矩脉动问题,基于设计的矢量解耦容错控制结构,提出了一种自适应反步滑模鲁棒容错控制策略,利用自适应估计技术和鲁棒控制能量耗散不等式分别在线补偿了反步滑模系统的内部参数摄动和外部负载扰动,实现了六相永磁同步电机系统缺相故障运行的转速跟踪、扰动抑制和容错最优化。考虑到参数摄动自适应律设计中存在增益参数整定困难和抗扰鲁棒性能较差等问题,进一步提出了一种递归小波模糊神经网络智能观测器设计算法,将其应用于反步滑模鲁棒容错系统不确定参数摄动的在线估计过程,保证了基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制系统的渐进稳定性。通过缺相故障模拟和数字仿真试验结果,验证了所提的两种容错控制策略的有效性。最后,开展了船舶电力推进系统的舵/桨输出作用力协调容错控制研究。探讨了船舶航速与航向的耦合关系,以及螺旋桨对航向控制和舵对航速控制的影响,建立了含海浪环境干扰和模型参数估算误差（合称为复合扰动）的船舶航速/航向操纵系统数学描述。针对船舶电力推进系统双舵双桨控制力的部分失效情形,设计了非线性观测器在线补偿不确定性复合扰动,基于失效系数计算和复合扰动观测器,提出了一种自适应滑模协调容错控制策略,结合有效性系数矩阵修正了故障执行器的优先作用等级,设计了具有故障惩罚作用的伪逆优化分配策略。针对船舶电力推进系统双舵双桨输出控制力的部分失效、中断、偏移和卡死等故障模式,给出了含执行器多重故障和复合扰动的船舶航速/航向控制系统数学描述,设计了自适应更新律在线估计执行器失效因子、卡死故障因子、卡死故障的上下界以及复合扰动的上下界,结合故障参数估计值和复合扰动参数估计值,提出了一种控制律重构与控制分配集成设计的自适应反步协调容错控制策略,实现了航速/航向跟踪、复合扰动抑制和执行器能耗最小化。构建了船舶电力推进舵/桨协调容错系统数字仿真测试平台,分别验证了所提的两种容错控制策略的可行性。本文的研究成果具有重要的理论意义和应用前景,可以为船舶电力推进系统智能容错控制的工程化应用提供技术基础和经验积累,实现船舶电力推进系统的可靠运行与健康管理。此外,其研究成果也适用于其他对象,有助于其他工程领域在相关技术层面上的借鉴推广。
潘春兰[4]（2020）在《人工智能技术在船舶电力系统故障诊断中的应用》文中研究表明文章首先介绍人工智能与船舶电力系统故障基本情况,概述模糊理论、信息理论、遗传算法、专家系统、神经网络等人工智能技术在船舶电力系统故障诊断中的应用。并在此基础上,分别针对相应的诊断方法进行评述,分析它们在船舶电力系统故障诊断中显现出来的不同特点和主要不足,最后以解决船舶电力系统故障诊断中的实际问题为目标,指出了船舶电力系统故障诊断仍然面临的主要问题,对未来进行了展望,以期促进该领域研究的进一步发展。
陶珩[5]（2019）在《基于鸟群算法的船舶继电保护系统故障诊断方法》文中指出针对船舶配电系统在传输电能过程中由于大电流而引发继电保护装置非正常动作的问题,提出了一种船舶配电系统故障诊断方法以确定实际故障情况。该方法考虑了断路器的拒动、误动情况,在分析了船舶电网架构的前提下并结合现有电网解析模型的搭建方法提出了本文带有权值的解析模型,并用改进的鸟群算法完成对解析模型的迭代求解,以期得到更加准确的故障诊断结果。本文首先介绍了船舶电力系统继电保护技术及故障诊断技术发展历史、研究现状,同时指出了此类技术的研究意义。参考现有文献并分析了现有船舶配电系统电网架构,并指出了几种的设备编号方法;介绍了继电保护装置动作原理,并对断路器及保护进行了数字编码定义。其次探究了鸟群算法的原理机制;针对传统鸟群算法在多种测试函数下所表现出的无法跳出局部最优解的问题,首先希望引入Levy飞行机制更新鸟类生产者飞行的位置信息,以期提高传统鸟群算法的全局搜索能力和收敛精度。Levy飞行机制引入确实提高了鸟群算法的全局搜索能力,但是却是以牺牲鸟群算法稳定性为前提。为此,在Levy鸟群算法的基础上又引入阻尼条件抑制Levy飞行过程中的部分长距离跳跃,并做了一系列的相关仿真实验。随后,又参考相关文献完成了对阻尼Levy鸟群算法的二进制映射。然后,了解并研究了传统电网解析模型,针对传统电网解析模型存在可能导致诊断结果出现多解和误诊的问题,在船舶配电系统架构下提出了一种改进的电网解析模型。通过二进制阻尼Levy鸟群算法对船舶配电系统下的具体算例进行故障诊断分析。最后,在基于VxWorks的操作系统下完成传输层和感知层的数据通信。同时,在基于Windows的操作系统下用C#语言和Matlab进行混合编程搭建了应用层可视化故障诊断软件。
郎世城[6]（2019）在《基于Hopfield神经网络的船舶电网故障诊断研究》文中研究表明船舶电网是船舶最要的动力网络之一,且随着经济日益发展的需要,更大更复杂电力网络的船舶被建造出来。当船舶在航行过程中一旦发生电力系统故障,轻则局部机械失灵,重则造成整个电力系统瘫痪,甚至还会出现撞船等险情。因此船舶在航行过程中的电力系统是不被允许出现重大的电力故障,如果险情一旦发生,应及时发现并处理故障。而快速修复故障的前提是明确故障种类、故障位置和原因等。本研究采用基于离散型Hopfield神经网络（Discrete Hopfield Neural Network）DHNN进行船舶电网故障诊断。以重庆交通大学航运与船舶工程学院的模拟船舶电站,作为研究的电力系统原型常规电网故障通过观察继电开关的动作情况即可明确故障情况,但是如果发生开关拒动或者继电器故障的情况则很难直观发现故障情况,诊断故障就需要维修人员费时费力进行排查。如果船舶处于特殊情况下时,这种情况甚至会引发事故,因此本研究主要解决对船舶电网故障类型快速识别。将船舶电网常见故障分为三类:常规故障、保护装置拒动故障、组合故障,目的就是对这三类故障进行快速识别。具体思路是采集整个电网开关及保护继电器状态（通为1、断为0）进行编码,然后对故障类型进行归类并根据电路分析法、故障树故障分析法得出对应的开关及继电器的状态,以此作为离散Hopfield神经网络的输入样本。借助离散Hopfield神经网络的联想记忆的特点,当以上三类故障情形再度发生时,诊断系统就能够很好识别出电网出现的故障归属哪一种故障情况,以及时作出应对策略。最后通过对常规故障、开关继电器拒动故障、组合故障做了仿真测试,结果表明离散Hopfield神经网络能够有效识别以上三类故障情况,并应用SQL Server数据库和MATLAB编写了相应的船舶电网故障诊断系统,增加其实用性。
赵磊磊[7]（2018）在《基于专家系统的船舶电力系统故障诊断研究》文中研究指明针对船舶电力系统在发生故障后难以快速准确地找到故障点的问题,论文采用故障诊断专家系统来对发生的故障进行诊断,以此来提高船舶电力系统供电的持续性。论文在分析船舶电力系统特点的基础上将可能发生的故障分为四类。在知识的表示形式上采用框架式结构来描述船舶电网各部分的联系,运用产生式规则对具体故障进行描述,同时结合模糊推理的思想来处理故障诊断中的不确定性。通过测试,论文所设计的专家系统能够快速准确地找到故障点并提供解决方案,提高了船舶电力系统的可靠性。
梁纯,仇文宁[8]（2018）在《人工智能技术在船舶电力系统故障诊断中的应用》文中进行了进一步梳理近年来人工智能技术在很多领域得到了成功应用,特别是故障诊断方面。船舶电力系统是保障船舶自动化系统正常工作的重要组成部分。由于船舶电力系统工作环境恶劣,因而船舶电力系统一旦出现故障将会产生很严重的后果。传统船舶电力系统故障检测费时费力,本文通过对人工智能技术进行分析,研究了人工智能技术在船舶电力系统故障诊断中的应用,提出了一种故障诊断系统架构,重点研究了基于人工神经网络以及专家系统的电力系统故障诊断,设计了神经网络模型,给出了推理机的故障诊断流程。
赵磊磊[9]（2018）在《基于专家系统的船舶电力系统故障诊断方法研究》文中进行了进一步梳理船舶是海上最为重要的运输平台,而船舶电力系统则为船舶航行提供能源,是船舶正常作业的动力保证。随着我国造船业的不断发展,船舶电力系统越来越趋向于大型化和自动化,同时由于船舶工作环境较为恶劣,船舶电力系统可能发生的故障类型以及故障原因也趋于复杂,船舶电力系统故障诊断已成为船舶领域研究的重点之一。针对船舶电力系统故障诊断困难的问题,再结合专家系统在故障诊断领域特有的优势和良好的发展趋势,本文借助相关领域专家长期积累的诊断经验和诊断知识,设计出船舶电力系统故障诊断专家系统,以此提高故障诊断的效率与精度,保障船舶作业的连续性。本文首先介绍了专家系统的发展,再重点介绍了故障诊断专家系统和专家系统在船舶电力系统方面的应用;然后对船舶电力系统的结构和特点进行说明,将船舶电力系统常出现的故障以及故障原因进行了归类;接着对专家系统的结构及各模块的功能进行说明,在上面对故障进行归类的基础上构造了船舶电力系统的故障树,并结合故障树分析法和层次分析法确定了诊断知识的权重。对于专家系统知识库的建立,使用产生式规则和语义网分别对诊断知识进行描述,运用模糊推理解决输电线路故障诊断的不确定性。利用数据库平台建立了产生式专家系统的知识库,使用Protege软件建立语义网专家系统的知识库。在推理机制上产生式专家系统采用正向推理和先广度再深度的搜索策略,语义网专家系统使用包括匹配、合一、回溯、深度优先等推理策略的Prolog语言做推理机。最后在Windows平台下,通过Visual Studio 2012设计出针对船舶电力系统故障的诊断软件,采用SQL Server 2012数据库平台对专家系统的知识库进行管理,最后对所设计的专家系统进行测试,经过试验,该专家系统能够对多种故障进行快速准确地定位以及提出维修建议供工作人员参考。
吕志立[10]（2017）在《船舶电力系统故障演化机理与预测方法研究》文中提出船舶在海上航行会遭受各种各样的恶劣环境,在这些工作环境因素的影响下导致船舶电力系统的故障率增大,使电力系统中各种电气设备的稳定工作受到影响,严重时会引发事故,使船舶及船舶工作人员的安全受到威胁。船舶在实际航行中很难保证电力系统没有故障发生,但是可以根据船舶电力设备运行状态中的一些信息来对电力设备的健康状况进行评估,对电力设备的故障进行预测,把故障消灭在萌芽状态,从而提高船舶电力系统的安全性和稳定性。本文针对船舶电力系统DC/DC变换器及船舶电缆的故障演化机理和预测方法进行了深入研究和分析,主要完成以下研究工作:1)分析了船舶DC/DC变换器中滤波电容器、二极管、功率MOFSET、电感器的等效电路模型和老化失效机理,通过分析等效电路模型和老化失效机理确定了这些器件在老化过程中的老化特征参数及其变化规律。2)根据滤波电容器的等效电路模型和老化失效机理提出一种滤波电容器老化预测方法。首先根据滤波电容器的等效模型,推导DC/DC变换器的等效串联电阻等效电路,进而提出一种预测滤波电容器老化的方法,它将负载电压依次通过带通滤波器、均方根模块和低通滤波器处理,最后根据输出的响应规律分析电容器老化情况。Buck变换器、Boost变换器和Buck-Boost变换器的仿真结果都表明该预测方法不仅能预测DC/DC变换器滤波电容器老化的情况,还能估算出电容老化导致故障产生时的临界状态,表明该预测方法具有可行性。3)分析了船舶电缆在船舶特殊工作环境下的老化机理和产生的现象,并具体分析了热老化、机械老化和电老化三种老化机理,同时分析了船舶电缆老化过程中逐渐产生电弧的过程,并从能量平衡理论出发推导了Cassie电弧模型。4)根据推导出的Cassie电弧模型搭建了船舶电缆模型,在此基础上分析船舶电缆的老化过程,并得出阻抗和电弧电流有效值的变化规律,进而提出一种基于卡尔曼滤波算法的船舶电缆老化预测方法。它首先推导船舶电缆阻抗的卡尔曼滤波算法预测过程,对电缆老化过程中的阻抗值进行预测,并用预测到下一个状态的阻抗值和当前状态阻抗值的残差来表示阻抗的突变,通过残差检测电缆老化产生前期故障的临界状态,并通过检测电弧电流有效值的变化,确定临界状态后船舶电力系统的安全性和稳定性。仿真结果表明该预测方法的可行性。
二、船舶电力系统的故障诊断专家系统研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、船舶电力系统的故障诊断专家系统研究（论文提纲范文）
（1）基于人工智能专家系统的船舶电力系统故障诊断研究（论文提纲范文）
| 1 船舶电力系统的组成与故障特点 |
| 1.1 船舶电力系统的组成 |
| 1.2 船舶电力系统故障特点 |
| 2 故障诊断专家系统的总体结构 |
| 3 故障诊断优先级 |
| 4 人工混合智能算法 |
| 5 诊断机理与推理机制 |
| 5.1 输电线路故障诊断机理 |
| 5.2 模糊处理 |
| 5.3 其他电力设备故障推理机制 |
| 6 结论与展望 |
（3）船舶电力推进系统智能容错控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 船舶电力推进系统的发展概述 |
| 1.2.1 国外发展概述 |
| 1.2.2 国内发展概述 |
| 1.3 船舶电力推进系统容错控制技术研究现状 |
| 1.4 船舶电力推进系统容错控制的几个关键问题 |
| 1.4.1 船舶电力推进系统的容错控制体系结构研究 |
| 1.4.2 船舶电力推进系统的故障模式与影响分析研究 |
| 1.4.3 船舶电力推进系统的多相电机容错控制研究 |
| 1.4.4 船舶电力推进系统的螺旋桨协调容错控制研究 |
| 1.5 本文主要研究内容 |
| 第2章 船舶电力推进系统容错控制体系结构及数学建模研究 |
| 2.1 引言 |
| 2.2 船舶电力推进系统的基本结构 |
| 2.3 船舶电力推进系统的智能容错控制体系结构 |
| 2.4 船舶电力推进系统的数学模型 |
| 2.4.1 发电子系统数学模型 |
| 2.4.2 推进子系统数学模型 |
| 2.4.3 区域负载集合数学模型 |
| 2.4.4 配电子系统数学模型 |
| 2.5 本章小结 |
| 第3章 船舶电力推进系统故障模式影响智能评估研究 |
| 3.1 引言 |
| 3.2 故障模式影响的风险优先数评估 |
| 3.3 基于模糊逻辑与DEMATEL理论的故障模式影响智能评估 |
| 3.3.1 系统功能结构层次划分 |
| 3.3.2 模糊语言术语集 |
| 3.3.3 风险因子模糊评价及相对模糊权值 |
| 3.3.4 基准调整搜索算法计算α-割集 |
| 3.3.5 模糊风险优先数的清晰化 |
| 3.3.6 基于模糊逻辑的DEMATEL算法 |
| 3.4 实例验证与结果分析 |
| 3.4.1 推进子系统的典型故障模式 |
| 3.4.2 计算结果及对比分析 |
| 3.5 本章小结 |
| 第4章 船舶电力推进系统六相永磁同步电机智能容错控制策略研究 |
| 4.1 引言 |
| 4.2 含参数摄动和负载扰动的六相永磁同步电机系统数学描述 |
| 4.3 六相永磁同步电机自适应反步滑模鲁棒容错控制策略研究 |
| 4.3.1 六相永磁同步电机缺相故障容错的零序电流参考值在线决策 |
| 4.3.2 自适应反步滑模鲁棒容错控制策略设计 |
| 4.3.3 双交轴电流优化分配 |
| 4.4 基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制策略研究 |
| 4.4.1 基于递归小波模糊神经网络的智能观测器设计 |
| 4.4.2 控制系统稳定性分析 |
| 4.5 仿真验证与结果分析 |
| 4.5.1 一相绕组缺相的六相永磁同步电机容错控制仿真验证 |
| 4.5.2 两相绕组缺相的六相永磁同步电机容错控制仿真验证 |
| 4.6 本章小结 |
| 第5章 船舶电力推进系统舵/桨协调容错控制策略研究 |
| 5.1 引言 |
| 5.2 含复合扰动的船舶航速/航向控制系统数学描述 |
| 5.3 船舶电力推进系统舵/桨自适应滑模协调容错控制策略研究 |
| 5.3.1 非线性复合扰动观测器设计 |
| 5.3.2 自适应滑模容错控制策略设计 |
| 5.4 船舶电力推进系统舵/桨自适应反步协调容错控制策略研究 |
| 5.4.1 含执行器多重故障的船舶航速/航向控制系统数学描述 |
| 5.4.2 自适应反步容错控制策略设计 |
| 5.5 仿真验证与结果分析 |
| 5.5.1 船舶电力推进系统舵/桨自适应滑模协调容错控制仿真验证 |
| 5.5.2 船舶电力推进系统舵/桨自适应反步协调容错控制仿真验证 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（4）人工智能技术在船舶电力系统故障诊断中的应用（论文提纲范文）
| 0 引言 |
| 1 人工智能技术与船舶电力系统故障概述 |
| 1.1 人工智能技术概述 |
| 1.2 船舶电力系统短路故障概述 |
| 2 人工智能在船舶电力系统故障诊断中的应用 |
| 2.1 模糊理论诊断方法 |
| 2.2 信息理论诊断方法 |
| 2.3 遗传算法诊断方法 |
| 2.4 专家系统诊断方法 |
| 2.5 人工神经网络诊断方法 |
| 3 结语 |
（5）基于鸟群算法的船舶继电保护系统故障诊断方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 故障诊断方法简介 |
| 1.2.1 专家系统 |
| 1.2.2 人工神经网络 |
| 1.2.3 贝叶斯网络 |
| 1.2.4 Petri网 |
| 1.2.5 解析模型 |
| 1.3 本文的研究架构与工作安排 |
| 第2章 船舶配电系统结构分析与故障隔离机理研究 |
| 2.1 引言 |
| 2.2 船舶配电系统结构分析 |
| 2.2.1 船舶配电系统结构的描述 |
| 2.2.2 船舶配电系统设备编号规则 |
| 2.3 船舶配电系统故障隔离机理与编码设计 |
| 2.3.1 船舶电网继电保护机理 |
| 2.3.2 船舶配电系统编码设计 |
| 2.4 本章小结 |
| 第3章 改进鸟群优化算法的研究 |
| 3.1 鸟群算法原理 |
| 3.1.1 觅食行为 |
| 3.1.2 警戒行为 |
| 3.1.3 飞行行为 |
| 3.1.4 算法流程 |
| 3.2 融合阻尼莱维飞行机制的改进鸟群算法 |
| 3.2.1 莱维飞行策略 |
| 3.2.2 Levy飞行策略阻尼条件的引入 |
| 3.2.3 DLBSA算法思想和步骤 |
| 3.2.4 DLBSA算法的仿真测试 |
| 3.3 DLBSA算法的二进制映射 |
| 3.3.1 传统映射公式 |
| 3.3.2 改进的混合映射公式 |
| 3.3.3 二进制阻尼Levy飞行鸟群算法 |
| 3.4 本章小结 |
| 第4章 船舶继电保护系统故障诊断方法 |
| 4.1 船舶配电系统故障诊断解析模型的建立 |
| 4.1.1 保护和断路器的动作状态解析 |
| 4.1.2 故障诊断的完全解析模型 |
| 4.2 基于二进制阻尼LEVY飞行鸟群算法的船舶继电保护系统故障诊断 |
| 4.2.1 阻尼Levy飞行鸟群算法与经典故障诊断智能算法比较 |
| 4.3 算例仿真 |
| 4.3.1 复杂算例1 |
| 4.3.2 复杂算例2 |
| 4.3.3 算例分析 |
| 4.4 本章小结 |
| 第5章 船舶配电系统的监控与故障诊断 |
| 5.1 船舶配电系统集中控制功能的实现 |
| 5.2 船舶配电系统监测界面的搭建与故障诊断功能软件设计 |
| 5.2.1 船舶继电保护系统故障诊断功能编程步骤 |
| 5.2.2 船舶配电系统监控界面的搭建 |
| 5.2.3 船舶配电系统故障诊断功能的实现 |
| 5.3 软件演示 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
| 致谢 |
（6）基于Hopfield神经网络的船舶电网故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 船舶电网故障诊断技术 |
| 1.3 船舶电网故障诊断 |
| 1.3.1 船舶电网故障研究背景 |
| 1.3.2 船舶电网故障诊断国内外研究现状 |
| 1.4 本论文的主要工作 |
| 第二章 船舶电力系统分析 |
| 2.1 电网故障保护原理 |
| 2.1.1 岸电电网故障保护原理 |
| 2.1.2 船舶电网故障保护原理 |
| 2.1.3 岸电电网与船舶电网故障保护的区别 |
| 2.2 船舶电网模型 |
| 2.2.1 船舶电网故障判定原理 |
| 2.2.2 电网故障分析方法 |
| 2.3 船舶电网三类特征故障 |
| 2.4 本章小结 |
| 第三章 HOPFIELD人工神经网络分析 |
| 3.1 网络工作方式 |
| 3.2 学习算法 |
| 3.3 DHNN的能量函数和收敛性稳定分析 |
| 3.4 DHNN联想记忆分析 |
| 3.4.1 联想记忆的概念 |
| 3.4.2 伪吸引子 |
| 3.4.3 DHNN网络联想记忆过程 |
| 3.5 DHNN联想例子分析 |
| 3.6 应用DHNN故障诊断的思路 |
| 3.7 本章小结 |
| 第四章 基于HOPFIELD神经网络的船舶电网故障诊断 |
| 4.1 三类故障状态数据分析 |
| 4.1.1 常规故障状态 |
| 4.1.2 保护装置拒动故障状态 |
| 4.1.3 组合故障状态 |
| 4.2 整理训练记忆数据 |
| 4.3 建立HOPFIELD神经网络并验证网络的稳定性 |
| 4.4 三类故障测试数据 |
| 4.5 基于DHNN的故障诊断 |
| 4.5.1 诊断规则 |
| 4.5.2 诊断结果 |
| 4.6 本章小结 |
| 第五章 船舶电网故障诊断系统 |
| 5.1 常用数据库分析 |
| 5.1.1 ORACLE数据库 |
| 5.1.2 SQL SERVER数据库 |
| 5.1.3 数据库选择 |
| 5.2 数据库配置与连接 |
| 5.3 船舶电网故障诊断数据库设计 |
| 5.4 船舶电网故障诊断系统设计 |
| 5.5 本章小结 |
| 第六章 结论及展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间已发表或录用的论文 |
（7）基于专家系统的船舶电力系统故障诊断研究（论文提纲范文）
| 1 引言 |
| 2 专家系统的总体结构及船舶电力系统的故障分类 |
| 2.1 故障诊断专家系统的整体设计 |
| 2.2 船舶电力系统故障的分类 |
| 3 专家系统知识库的构建 |
| 3.1 知识的表示 |
| 3.2 模糊化规则 |
| 4 专家系统的推理机制 |
| 4.1 电网模块的推理机制 |
| 4.2 其他模块的推理机制 |
| 5 结语 |
（9）基于专家系统的船舶电力系统故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 专家系统的发展与应用 |
| 1.2.1 专家系统的发展 |
| 1.2.2 故障诊断专家系统的应用 |
| 1.2.3 专家系统在船舶电力系统的应用 |
| 1.3 本文的主要内容与结构安排 |
| 第2章 船舶电力系统故障分析 |
| 2.1 船舶电力系统的结构和特点 |
| 2.1.1 船舶电力系统的主要结构 |
| 2.1.2 船舶电力系统特点 |
| 2.2 船舶电力系统故障的分类 |
| 2.2.1 故障的分类 |
| 2.2.2 设备发生故障前的特征 |
| 2.3 船舶电力系统故障分析 |
| 2.3.1 电力设备故障分析 |
| 2.3.2 船舶电力系统的保护措施 |
| 2.4 本章小结 |
| 第3章 专家系统的结构和船舶电力系统故障树 |
| 3.1 专家系统 |
| 3.1.1 专家系统的介绍 |
| 3.1.2 专家系统的结构 |
| 3.1.3 专家系统的分类和特点 |
| 3.2 船舶电力系统故障树的构建 |
| 3.2.1 故障树的概念和符号 |
| 3.2.2 船舶电力系统故障树 |
| 3.3 故障树权重的确定 |
| 3.3.1 层次分析法 |
| 3.3.2 故障树分析法 |
| 3.3.3 权重的确定 |
| 3.4 本章小结 |
| 第4章 故障诊断专家系统知识库的构建 |
| 4.1 故障诊断知识的获取方式 |
| 4.2 专家系统知识的表示方法 |
| 4.2.1 框架表示法 |
| 4.2.2 语义网络 |
| 4.2.3 产生式表示法 |
| 4.2.4 专家系统的模糊知识 |
| 4.3 产生式规则专家系统知识库的建立 |
| 4.3.1 专家系统知识的获取 |
| 4.3.2 专家系统知识的表示 |
| 4.3.3 输电线路模糊知识表示 |
| 4.3.4 知识在数据库中的存储 |
| 4.4 语义网专家系统知识库的建立 |
| 4.4.1 建模的工具 |
| 4.4.2 语义网的建立 |
| 4.4.3 语义网知识形式 |
| 4.5 本章小结 |
| 第5章 故障诊断专家系统推理机的构建 |
| 5.1 推理策略 |
| 5.1.1 正向推理 |
| 5.1.2 反向推理 |
| 5.1.3 混合推理 |
| 5.2 搜索策略 |
| 5.2.1 广度优先搜索策略 |
| 5.2.2 深度优先搜索策略 |
| 5.3 产生式专家系统推理机的构建 |
| 5.3.1 故障诊断模块的推理机制 |
| 5.3.2 输电线路的推理机制 |
| 5.4 语义网专家系统推理机的构建 |
| 5.4.1 Prolog语言基础 |
| 5.4.2 Prolog的推理机制 |
| 5.4.3 OWL与 Prolog的转换 |
| 5.5 本章小结 |
| 第6章 船舶电力系统故障诊断专家系统软件的设计 |
| 6.1 系统的开发目标 |
| 6.2 系统的开发工具与数据的连接 |
| 6.2.1 开发环境 |
| 6.2.2 开发语言 |
| 6.2.3 数据的连接 |
| 6.3 船舶电力系统故障诊断专家系统的仿真 |
| 6.3.1 专家系统的主界面 |
| 6.3.2 专家系统知识库管理界面 |
| 6.3.3 专家系统故障诊断界面 |
| 6.3.4 专家系统实时监测界面 |
| 6.3.5 专家系统用户管理界面 |
| 6.4 语义网专家系统的优势 |
| 6.5 专家系统的验证 |
| 6.6 本章小结 |
| 结论与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文及科研成果 |
| 致谢 |
（10）船舶电力系统故障演化机理与预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 船舶电力系统 |
| 1.2.1 船舶电力系统结构 |
| 1.2.2 船舶电力系统与陆上电力系统的差异 |
| 1.2.3 船舶电力系统的基本参数 |
| 1.2.4 船舶电网的保护 |
| 1.3 船舶电力系统故障诊断与预测方法国内外研究现状 |
| 1.3.1 船舶电力系统故障诊断方法 |
| 1.3.2 船舶电力系统故障预测方法 |
| 1.4 本文研究的主要工作及论文整体结构 |
| 1.4.1 本文研究的内容 |
| 1.4.2 论文整体结构 |
| 第2章 船舶DC/DC变换器主要元器件等效电路模型和老化机理 |
| 2.1 滤波电容器等效电路模型和老化机理分析 |
| 2.2 二极管等效电路模型和老化机理分析 |
| 2.3 开关器件等效电路模型和老化机理分析 |
| 2.4 电感器等效电路模型和老化机理分析 |
| 2.5 本章小结 |
| 第3章 船舶DC/DC变换器滤波电容老化预测方法 |
| 3.1 船舶DC/DC变换器滤波电容老化预测方法 |
| 3.2 仿真实验 |
| 3.2.1 Buck电路电容器老化预测分析 |
| 3.2.2 Boost电路电容器老化预测分析 |
| 3.2.3 Buck-Boost电路电容器老化预测分析 |
| 3.3 本章小结 |
| 第4章 船舶电缆老化机理与电弧模型 |
| 4.1 引言 |
| 4.2 船舶电缆老化机理 |
| 4.3 电弧模型 |
| 4.3.1 电弧数学模型 |
| 4.3.2 Cassie电弧模型的建模 |
| 4.3.3 Cassie电弧模型仿真 |
| 4.4 本章小结 |
| 第5章 基于卡尔曼滤波算法的船舶电缆老化预测方法 |
| 5.1 船舶电缆老化过程中阻抗和电弧电流有效值变化规律的研究 |
| 5.1.1 船舶电缆老化过程的研究 |
| 5.1.2 船舶电缆老化过程中阻抗和电弧电流有效值变化规律的研究 |
| 5.1.3 船舶电缆老化过程中阻抗和电弧电流有效值数据采集 |
| 5.2 基于卡尔曼滤波算法的船舶电缆老化预测方法 |
| 5.2.1 船舶电缆老化预测原理 |
| 5.2.2 卡尔曼滤波算法的推导 |
| 5.3 船舶电缆老化预测方法仿真实验 |
| 5.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 在校期间科研成果情况 |
四、船舶电力系统的故障诊断专家系统研究（论文参考文献）
- [1]基于人工智能专家系统的船舶电力系统故障诊断研究[J]. 郑聪,彭庆忠,周海峰,黄金满. 广州航海学院学报, 2021(03)
- [2]基于专家系统的船舶电力系统故障诊断探究[J]. 程晓絮,眭仁杰. 中国水运(下半月), 2020(09)
- [3]船舶电力推进系统智能容错控制技术研究[D]. 郭晓杰. 哈尔滨工程大学, 2020(04)
- [4]人工智能技术在船舶电力系统故障诊断中的应用[J]. 潘春兰. 新型工业化, 2020(04)
- [5]基于鸟群算法的船舶继电保护系统故障诊断方法[D]. 陶珩. 江苏科技大学, 2019(03)
- [6]基于Hopfield神经网络的船舶电网故障诊断研究[D]. 郎世城. 重庆交通大学, 2019(06)
- [7]基于专家系统的船舶电力系统故障诊断研究[J]. 赵磊磊. 舰船电子工程, 2018(09)
- [8]人工智能技术在船舶电力系统故障诊断中的应用[J]. 梁纯,仇文宁. 舰船科学技术, 2018(16)
- [9]基于专家系统的船舶电力系统故障诊断方法研究[D]. 赵磊磊. 江苏科技大学, 2018(12)
- [10]船舶电力系统故障演化机理与预测方法研究[D]. 吕志立. 集美大学, 2017(01)
标签：专家系统论文; 故障诊断论文; 电力系统及其自动化论文; 模糊理论论文; 模糊神经网络论文;