基于时间序列的船舶冷却水系统状态参数预测分析

发布时间：2017-09-25 02:06

  本文关键词：基于时间序列的船舶冷却水系统状态参数预测分析

  更多相关文章： 船舶 冷却水系统 状态预测 ARMA时间序列模型

【摘要】：在大数据时代背景下,船舶智能化已经成为当今船舶制造与航运领域发展的必然趋势。在船舶安全运行过程中,保证动力装置稳定工作是轮机员工作中最为重要的一个环节。柴油机在工作过程中会释放出大量热量,若这些热量不能及时有效地散发出去,将造成动力装置的经济性,动力性和可靠性的急剧下降。因此,船舶冷却水系统的正常运行对于船舶的正常营运至关重要。冷却水系统的状态预测是实现船舶智能化的必要条件,对视情维修具有很大意义。本文首先介绍了“育鲲轮”的中央冷却水系统,详细说明了三个子系统的组成及与之相关联的状态参数。然后以“主海水泵”为例,对主海水泵故障模式、故障影响等进行了分析,提出海水泵各部件故障可通过状态参数的变化进行预测。进而,介绍了数据预测的几种方法,通过对比神经网络算法、灰色理论、说明了时间序列方法比较适合本文研究使用,主要由于本文采集的是平稳、按照时间先后顺序排列的的数据。再次,说明了建立ARMA模型的步骤。接着将中央冷却器低温淡水出口温度和主机缸套淡水冷却泵出口压力的历史参数作为输入,获取两种状态参数未来变化趋势,通过对比预测的结果与实测值,验证模型的准确性。最后,结合前面的内容对海水泵出口压力进行变化趋势预测,实现对海水泵的剩余寿命预测。综上,本文建立了ARMA时间序列模型,并对模型的准确性进行了验证。随着传感器技术的发展,状态参数采集愈发方便。应用时间序列方法,可以实现依靠“历史数据”预测“未来数据”。
【关键词】：船舶 冷却水系统 状态预测 ARMA时间序列模型
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U664.814
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 研究背景10-11
• 1.2 研究意义11-12
• 1.3 国内外研究现状及发展趋势12-14
• 1.3.1 预测技术发展过程与研究现状12-13
• 1.3.2 船舶冷却水系统研究现状13-14
• 1.4 论文主要内容及论文结构14-16
• 第2章 船舶冷却水系统介绍及典型故障分析16-28
• 2.1 船舶冷却水系统组成及功能16-17
• 2.2 船舶冷却水系统运行状态参数采集17-22
• 2.2.1 海水子系统运行参数采集17-19
• 2.2.2 低温淡水子系统运行参数采集19-20
• 2.2.3 高温淡水子系统运行参数采集20-22
• 2.3 冷却水系统故障模式和失效影响分析22-26
• 2.3.1 海水子系统典型故障模式和故障影响分析22-25
• 2.3.2 主海水冷却泵故障模式和故障影响分析25-26
• 2.3.3 海水泵故障可测分析26
• 2.4 本章小结26-28
• 第3章 船舶冷却水系统状态参数预测方法选取28-36
• 3.1 状态预测技术介绍28-30
• 3.1.1 状态预测的定义28
• 3.1.2 状态预测技术的发展28-30
• 3.2 常用状态预测方法30-32
• 3.2.1 支持向量机预测30
• 3.2.2 神经网络预测30-31
• 3.2.3 灰色理论31-32
• 3.2.4 时间序列法32
• 3.3 时间序列预测方法32-35
• 3.3.1 分段线性表示法33-34
• 3.3.2 离散傅里叶变换34
• 3.3.3 离散小波变换34-35
• 3.3.4 奇异值分解法35
• 3.4 本章小结35-36
• 第4章 船舶冷却水系统状态参数预测分析36-49
• 4.1 典型状态参数的选取36
• 4.2 ARMA时间序列模型的建立36-39
• 4.2.1 ARMA(p,q)模型定义37-38
• 4.2.2 ARMA预测模型的建立步骤38-39
• 4.3 基于ARMA模型的冷却水系统状态参数预测39-48
• 4.3.1 船舶冷却水状态参数样本数据的选取39-40
• 4.3.2 状态参数趋势预测方法的实现过程40
• 4.3.3 中央冷却器低温淡水出口温度趋势预测40-44
• 4.3.4 主机缸套冷却淡水泵出口压力趋势预测44-48
• 4.4 本章小结48-49
• 第5章 船舶冷却水系统剩余寿命预测49-54
• 5.1 设备剩余寿命预测49
• 5.1.1 剩余寿命的定义49
• 5.1.2 阈值设定49
• 5.1.3 剩余寿命预测意义49
• 5.2 基于ARMA模型的剩余寿命预测方案49-50
• 5.3 基于时间序列剩余寿命预测实现过程50-52
• 5.3.1 海水泵进口压力变化趋势分析51
• 5.3.2 基于ARMA模型的海水泵剩余寿命预测51-52
• 5.3.3 预测结果分析52
• 5.4 本章小结52-54
• 第6章 总结与展望54-56
• 6.1 本文结论54-55
• 6.2 展望55-56
• 参考文献56-59
• 附录A：中央冷却器低温淡水出口温度实船数据59-63
• 附录B：(p,q)取不同组合时,残差取值列表63-65
• 附录C：主机缸套冷却淡水泵出口压力实船数据65-69
• 附录D：(p,q)取不同组合时,残差取值列表69-71
• 附录E：海水泵出口压力实船数据71-77
• 致谢77

【参考文献】

中国期刊全文数据库 前5条

1 李爱军;章卫国;谭键;;飞行器健康管理技术综述[J];电光与控制;2007年03期

2 赵荣珍,孟凡明,张优云,王成栋;机械振动趋势的灰色预测模型研究[J];机械科学与技术;2004年03期

3 茹斌;张天伟;王宇欣;;基于小波去噪及ARMA模型的故障率预测方法研究[J];测控技术;2014年10期

4 方荣华;;基于ARMA时间序列理论的建模及应用[J];科技资讯;2012年19期

5 许小伟;范世东;姚玉南;;On-line SVM在船舶设备故障预测中的应用[J];武汉理工大学学报;2014年09期

中国硕士学位论文全文数据库 前4条

1 邱立鹏;设备剩余寿命的预测与分析[D];大连理工大学;2000年

2 鲍文斌;中央冷却系统的计算及在船舶中应用[D];哈尔滨工程大学;2001年

3 石昌峰;基于径向基神经网络的船舶冷却水系统故障诊断[D];大连海事大学;2012年

4 刘庆;Silverlight环境下的船舶冷却水管网系统动态仿真[D];大连海事大学;2014年

，

本文编号：914734