期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SSA-Hurst-ARIMA组合模型的船舶柴油发电机组故障特征短期预测
1
作者
梁清政
王浩
+2 位作者
程垠钟
杨天诣
姚钦博
《现代制造技术与装备》
2024年第2期51-54,共4页
为提高船舶柴油发电机组故障特征短期预测精度,建立基于奇异谱分析(Singular Spectrum Analysis,SSA)、Hurst指数、自回归移动平均(Auto-Regressive Integrated Moving Average,ARIMA)的组合预测模型。以某试验中船舶柴油发电机组运行...
为提高船舶柴油发电机组故障特征短期预测精度,建立基于奇异谱分析(Singular Spectrum Analysis,SSA)、Hurst指数、自回归移动平均(Auto-Regressive Integrated Moving Average,ARIMA)的组合预测模型。以某试验中船舶柴油发电机组运行数据为基础,选取增压器滑油压强数据,对比分析单一ARIMA模型、SSA主成分-ARIMA组合模型和SSA-Hurst-ARIMA组合模型的预测效果。结果表明,SSA-Hurst-ARIMA组合模型的预测效果优于单一ARIMA模型和SSA主成分-ARIMA组合模型,更适合应用于船舶柴油发电机组故障特征的短期预测。
展开更多
关键词
船舶柴油发电机组
故障特征
短期预测
奇异谱分析(SSA)
HURST指数
自回归移动平均(ARIMA)模型
下载PDF
职称材料
基于改进多阈值方法的舰船发电用柴油机增压器润滑失效预测
被引量:
1
2
作者
杨天诣
程垠钟
+1 位作者
杜剑维
刘世生
《舰船科学技术》
北大核心
2022年第2期145-150,共6页
针对舰船发电用柴油机增压器的润滑失效问题,提出一种改进多阈值方法来实现对多工况异常情况的实时预测。该方法包含两部分,首先参考滑动平均滤波法对比分析各机组的运行数据,实现对异常数据的提取;其次采用一种基于外部特性法的箱型图...
针对舰船发电用柴油机增压器的润滑失效问题,提出一种改进多阈值方法来实现对多工况异常情况的实时预测。该方法包含两部分,首先参考滑动平均滤波法对比分析各机组的运行数据,实现对异常数据的提取;其次采用一种基于外部特性法的箱型图法对分析后提取的异常数据进行多阈值表达式的设定。为了验证方法的有效性,基于某发电用柴油机在发电机工作过程中的实际故障数据进行验证,利用C++和Qt建立了可视化的增压器润滑失效故障在线监测与预测系统。验证表明,依据改进多阈值方法建立的系统可以实现对增压器在发电机全负载工作过程中异常情况的判断和对润滑失效的预测。
展开更多
关键词
发电用柴油机
增压器润滑失效
多阈值
故障预测
下载PDF
职称材料
基于核密度估计的船舶柴油发电机组冷却水温度异常检测方法
被引量:
3
3
作者
杨天诣
程垠钟
+1 位作者
杜剑维
王浩
《船舶工程》
CSCD
北大核心
2022年第S01期487-494,共8页
对船舶柴油发电机组基于冷却水高温阈值开展异常检测的方法进行改进,基于核密度估计法采用多阈值构建全工况下的异常检测模型。根据冷却系统工作原理,借鉴故障树分析法(FTA)对引发冷却水温度高报警的原因进行分析,确定本文使用的异常检...
对船舶柴油发电机组基于冷却水高温阈值开展异常检测的方法进行改进,基于核密度估计法采用多阈值构建全工况下的异常检测模型。根据冷却系统工作原理,借鉴故障树分析法(FTA)对引发冷却水温度高报警的原因进行分析,确定本文使用的异常检测特征参数。在此基础上,基于核密度估计法(KDE)分别求取各特征参数在不同运行工况下的报警阈值,进而通过拟合构建全工况的异常检测模型;利用柴油发电机组的冷却水温度异常升高的实际运行数据进行验证,选择混淆矩阵和接受者操作特性(ROC)曲线作为检测准确度的性能验证指标。结果表明,文中提出的冷却水温度异常检测方法有较高准确度,可以进一步指导实际工程应用。
展开更多
关键词
柴油发电机组
冷却水温度
故障树分析
核密度估计
异常检测
原文传递
题名
基于SSA-Hurst-ARIMA组合模型的船舶柴油发电机组故障特征短期预测
1
作者
梁清政
王浩
程垠钟
杨天诣
姚钦博
机构
中国舰船研究院
出处
《现代制造技术与装备》
2024年第2期51-54,共4页
文摘
为提高船舶柴油发电机组故障特征短期预测精度,建立基于奇异谱分析(Singular Spectrum Analysis,SSA)、Hurst指数、自回归移动平均(Auto-Regressive Integrated Moving Average,ARIMA)的组合预测模型。以某试验中船舶柴油发电机组运行数据为基础,选取增压器滑油压强数据,对比分析单一ARIMA模型、SSA主成分-ARIMA组合模型和SSA-Hurst-ARIMA组合模型的预测效果。结果表明,SSA-Hurst-ARIMA组合模型的预测效果优于单一ARIMA模型和SSA主成分-ARIMA组合模型,更适合应用于船舶柴油发电机组故障特征的短期预测。
关键词
船舶柴油发电机组
故障特征
短期预测
奇异谱分析(SSA)
HURST指数
自回归移动平均(ARIMA)模型
Keywords
marine diesel generator set
fault characteristics
short-term forecast
Singular Spectrum Analysis(SSA)
Hurst index
Auto-Regressive Integrated Moving Average(ARIMA)model
分类号
F22 [经济管理—国民经济]
下载PDF
职称材料
题名
基于改进多阈值方法的舰船发电用柴油机增压器润滑失效预测
被引量:
1
2
作者
杨天诣
程垠钟
杜剑维
刘世生
机构
中国舰船研究院
出处
《舰船科学技术》
北大核心
2022年第2期145-150,共6页
文摘
针对舰船发电用柴油机增压器的润滑失效问题,提出一种改进多阈值方法来实现对多工况异常情况的实时预测。该方法包含两部分,首先参考滑动平均滤波法对比分析各机组的运行数据,实现对异常数据的提取;其次采用一种基于外部特性法的箱型图法对分析后提取的异常数据进行多阈值表达式的设定。为了验证方法的有效性,基于某发电用柴油机在发电机工作过程中的实际故障数据进行验证,利用C++和Qt建立了可视化的增压器润滑失效故障在线监测与预测系统。验证表明,依据改进多阈值方法建立的系统可以实现对增压器在发电机全负载工作过程中异常情况的判断和对润滑失效的预测。
关键词
发电用柴油机
增压器润滑失效
多阈值
故障预测
Keywords
diesel generator
lubrication failure of supercharger
multi-threshold
fault prediction
分类号
U664.1 [交通运输工程—船舶及航道工程]
下载PDF
职称材料
题名
基于核密度估计的船舶柴油发电机组冷却水温度异常检测方法
被引量:
3
3
作者
杨天诣
程垠钟
杜剑维
王浩
机构
中国舰船研究院
出处
《船舶工程》
CSCD
北大核心
2022年第S01期487-494,共8页
文摘
对船舶柴油发电机组基于冷却水高温阈值开展异常检测的方法进行改进,基于核密度估计法采用多阈值构建全工况下的异常检测模型。根据冷却系统工作原理,借鉴故障树分析法(FTA)对引发冷却水温度高报警的原因进行分析,确定本文使用的异常检测特征参数。在此基础上,基于核密度估计法(KDE)分别求取各特征参数在不同运行工况下的报警阈值,进而通过拟合构建全工况的异常检测模型;利用柴油发电机组的冷却水温度异常升高的实际运行数据进行验证,选择混淆矩阵和接受者操作特性(ROC)曲线作为检测准确度的性能验证指标。结果表明,文中提出的冷却水温度异常检测方法有较高准确度,可以进一步指导实际工程应用。
关键词
柴油发电机组
冷却水温度
故障树分析
核密度估计
异常检测
Keywords
diesel generator
abnormal temperature of cooling water
fault tree analysis
kernel density estimation
abnormal detection
分类号
U665.1 [交通运输工程—船舶及航道工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于SSA-Hurst-ARIMA组合模型的船舶柴油发电机组故障特征短期预测
梁清政
王浩
程垠钟
杨天诣
姚钦博
《现代制造技术与装备》
2024
0
下载PDF
职称材料
2
基于改进多阈值方法的舰船发电用柴油机增压器润滑失效预测
杨天诣
程垠钟
杜剑维
刘世生
《舰船科学技术》
北大核心
2022
1
下载PDF
职称材料
3
基于核密度估计的船舶柴油发电机组冷却水温度异常检测方法
杨天诣
程垠钟
杜剑维
王浩
《船舶工程》
CSCD
北大核心
2022
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部