络在远洋船舶远程监控中的应用研究.pdf

万方数据

BP神经网络在远洋船舶远程监控中的应用研究作者简介：崔文彬(1981一)，男，助教，硕士，E—mail：cuiwenbin2[1lX曾163．m崔文彬，张跃文，吴桂涛，孙培廷remotemonitoringApplyingbackpropagationneuralofocean-goingshipsYue-wen，WU舶的信息能够迅速传递到公司，从而设计出最佳的哈尔滨工程大学学报networkstoWen-bin，ZHANGpropagation(BP)neuralenginebetweenjudge远洋船舶远程监控系统，是船上人员与陆地端的船公司信息沟通的重要工具．远洋船舶远程监控，目前主要采用卫星系统对船舶进行监控⋯，并可对船舶信息进行实时收集【21．船舶设备装有监控点，监控设备主要工作参数，设备工作参数传输到船舶上的电脑上并定期打包，通过卫星传递给公司，公司得到参数后，做出相应回应．通过该系统，可以将船营运路线和管理方案；紧要关头，船舶可以获得公司的救援和支持¨1．远程监控的船舶，机舱各设备都装有监控仪器，如温度、压力感应器等．正常工作时，定期将参数通过卫星传给公司．如果能将远程监控系统改进，在出现故障之前，将相应参数传给公司并在船内报警，公司就能及时了解船舶运行情况并能协助处理．因此，故障趋势参数的提取就成了通知岸上船舶运行情况是否的一个关键．BP神经网络，对于系统发展趋势有很强的学习特性，通过采用BP神经网络对故障趋势进行预先训练，这样就能对设备运行中的故障趋势进行反应，在达到故障现象之前，即可将信号从众多信号中过滤出来，发给公司并能实现预报警第30卷第8期2009年8月Journal(大连海事大学轮机工程学院，辽宁大连116026)摘要：为了满足公司对于远洋船舶更加有效监控的要求，应用BP神经网络对监控系统加以改进，使船舶远程监控系统发出预警信号，并能在船舶上报警．相应参数识别码第一时间到达岸上公司，岸上公司可以在最佳时间协助船舶对设备进行维修．BP神经网络在远程监控系统的应用分析过程中，以6缸柴油主机排气温度变化趋势为模型，利用BP神经网络良好的学习特性，建立了排气温度变化的持续升高预警模型及其他非预警模型．模拟结论经验证表明，模拟结果与样本之间的误差小于5％，能够准确判断敝障趋势并能预报警，改进了远洋船舶的远程故障监测系统．关键词：远洋船舶远程I监控；参数识别码；BP神经网络；排气温度中图分类号：U672文献标识码：A文章编号：1006-7043(2009)08-0935-05CUIGui—tao，SUNPei—ting(College116026，China)warningnon—warningocean—goingnetworks；exhaustHarbinEngineeringUniversity30№．8doi：10．3969／j．issn．1006—7043．2009．08．016Abstract：Inordersatisfytheneedforbymoreeffectivemethods，backappliedimproveexistingsystemsanticipatingfailureandoutputtingsignalsinsteadsignals．Duringthisprocess，thealarmboardcouldbeactuatedwhilerelevantidentificationcodescompanymanagementashore．Subsequently，thebestmethodsolveproblemworkedshipgengineersashore。ToanalyzeplicationBPsurveillance，changingtrendsinexhausttemperaturesixcylindermaindieselsimulated．Makinglearningabilitynetworks，amodelproposedwhencontinuallyrisingpotentiallyleadsfailure．Fivemodelsestablishedotherconditions．Thesamplesresultssimulatedsmallerthan5％，consequentlytrendmoni-totingimplementingpredictionfunctions．Keywords：remotemoritofingships；identificationnumber；BP收稿日期：2008-07-22．基金项目：国家科技支撑计划课题基金资助项目(2006BAcolA05)．孙培廷(1959一)，男，教授，博士生导师．VoLAug．