基于VMD和RBF的舰船管路泄漏识别和定位

发布时间：2021-04-25 11:21

　　针对工作环境恶劣、维护保养不便的,舰船管路难以迅速定位的泄漏点及对其进行的损害管制,提出了一种基于VMD和RBF的舰船管路泄漏识别和定位的方法。对管路泄漏产生的空化现象、湍流和流体与管路的摩擦进行分析,研究影响泄漏产生激励的因素;提出一种基于变分模态分解（VMD）与径向基函数（RBF）神经网络的管路泄漏识别和定位方法,通过VMD得到有效分量的中心频率和能量值分别构造特征向量,输入RBF神经网络,以达到泄漏识别和定位的目的;模拟舰船环境,搭建泄漏管路试验平台,分析泄漏管路不同工况下的振动信号,并对RBF神经网络的诊断准确率进行验证。实测舰船管路故障信号分析表明,泄漏识别的准确率为90%,泄漏定位的准确率为87.5%。 

【文章来源】：船舶工程. 2020,42(10)北大核心CSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]基于径向基函数神经网络辅助容积卡尔曼滤波的多自主水下航行器协同定位方法[J]. 徐博,李盛新,金坤明,王连钊.  兵工学报. 2019(10)
[2]基于大数据的船舶建造供应商RBF神经网络评价模型研究[J]. 钱芳.  舰船科学技术. 2019(07)
[3]基于VMD和SVM的舰船辐射噪声特征提取及分类识别[J]. 李余兴,李亚安,陈晓,蔚婧.  国防科技大学学报. 2019(01)
[4]基于增强VMD相关分析的水电机组摆度信号降噪[J]. 付文龙,李雄,邹祖冰,陈铁,谭佳文.  水力发电学报. 2018(12)
[5]VMD结合误差能量算法在管道泄漏检测中的应用[J]. 梁洪卫,邹岱峰,高丙坤,阚玲玲.  化工自动化及仪表. 2017(12)
[6]基于模糊补偿的RBF神经网络机械手控制[J]. 毛润,高宏力,宋兴国.  西南交通大学学报. 2018(03)
[7]采用小波包能量熵的铣削振动状态分析方法研究[J]. 张智,刘成颖,刘辛军,张洁.  机械工程学报. 2018(21)
[8]一种基于VMD和小波去噪的管道泄漏检测算法[J]. 潘凌云,赵岩,高丙坤.  自动化技术与应用. 2017(09)
[9]船舶管路系统泄漏定位实验研究[J]. 吴绍科,付立东,张跃文,张鹏.  舰船科学技术. 2017(17)
[10]基于流量平衡法的泄漏识别改进算法[J]. 张弢甲,富宽,刘胜楠,郑健峰,施宁.  管道技术与设备. 2017(04)



本文编号：3159294