具有工作状态转换的EIIKF船舶柴油机故障预测

船舶柴油机作为大多数船舶的动力源泉,具有十分重要的地位,其健康状态直接影响了船舶的稳定运行.由于船舶柴油机具有工作环境复杂且工况多变的特点,不利于传统故障预测方法的应用.本文提出了一种增强型间歇性未知输入卡尔曼滤波器,可以有效降低建模的复杂度,应对具有不同的工作状态的参数预测.最后本文提出并使用改进的序贯概率比检验进行残差处理,减小故障误报.仿真结果表明,该方法可以较好地对船舶柴油机系统故障进行预测....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 45; no. 5; pp. 920 - 926
Main Authors 韩敏, 李锦冰, 许美玲, 韩冰
Format Journal Article
LanguageChinese
Published 大连理工大学电子信息与电气工程学部 大连 116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海 200135 01.05.2019
Subjects
序贯概率比检验
卡尔曼滤波器
船舶柴油机
故障预测
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.2018.c170457

Cover

Abstract 船舶柴油机作为大多数船舶的动力源泉,具有十分重要的地位,其健康状态直接影响了船舶的稳定运行.由于船舶柴油机具有工作环境复杂且工况多变的特点,不利于传统故障预测方法的应用.本文提出了一种增强型间歇性未知输入卡尔曼滤波器,可以有效降低建模的复杂度,应对具有不同的工作状态的参数预测.最后本文提出并使用改进的序贯概率比检验进行残差处理,减小故障误报.仿真结果表明,该方法可以较好地对船舶柴油机系统故障进行预测.
AbstractList 船舶柴油机作为大多数船舶的动力源泉,具有十分重要的地位,其健康状态直接影响了船舶的稳定运行.由于船舶柴油机具有工作环境复杂且工况多变的特点,不利于传统故障预测方法的应用.本文提出了一种增强型间歇性未知输入卡尔曼滤波器,可以有效降低建模的复杂度,应对具有不同的工作状态的参数预测.最后本文提出并使用改进的序贯概率比检验进行残差处理,减小故障误报.仿真结果表明,该方法可以较好地对船舶柴油机系统故障进行预测.
Author 许美玲
韩敏
韩冰
李锦冰
AuthorAffiliation 大连理工大学电子信息与电气工程学部 大连 116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海 200135
AuthorAffiliation_xml – name: 大连理工大学电子信息与电气工程学部 大连 116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海 200135
Author_FL HAN Min
LI Jin-Bing
XU Mei-Ling
HAN Bing
Author_FL_xml – sequence: 1
  fullname: HAN Min
– sequence: 2
  fullname: LI Jin-Bing
– sequence: 3
  fullname: XU Mei-Ling
– sequence: 4
  fullname: HAN Bing
Author_xml – sequence: 1
  fullname: 韩敏
– sequence: 2
  fullname: 李锦冰
– sequence: 3
  fullname: 许美玲
– sequence: 4
  fullname: 韩冰
BookMark eNotjzFLw0AYhm-oYK39Be5uid93l8vlcJLSarDgonO55HJqkRQMojgptFAVR5cSEApuTqItFfpv7DX9FwZ0erfned4NUkl7aULIFoKLPgvYTtdVKnMpYODGKMDjokKqQLnneMj9dVLPsvMIABGoRKyS3cVgavOHxfTtZ54vHyf27r6Yv9vn8XLUb4bhYasYzorhxL5-2o-Zzb_ty2A1ylfjvv162iRrRl1kSf1_a-Sk1TxuHDjto_2wsdd2MgSUTgAiQNCoRZxQLjRoYcoWTqVUJpJgOEpQfiJ8z2eGKk-zsldxYUwUM42sRrb_uNcqNSo97XR7V5dpaezc6rObqDwrgQNI9gsOf13R
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.16383/j.aas.2018.c170457
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL Fault Prognosis of Marine Diesel Engine With Working State Transition Based on EIIKF
EndPage 926
ExternalDocumentID zdhxb201905009
GrantInformation_xml – fundername: 国家自然科学基金; 中央高校基本科研业务费专项(DUT16RC; 上海启明星计划
  funderid: (61773087); (3)123); (15QB1400800)
GroupedDBID --K
-0Y
.~1
0R~
1B1
1~.
1~5
2B.
4.4
457
4A8
4G.
5GY
5VS
5XA
5XJ
7-5
71M
8P~
92H
92I
93N
AAIKJ
AALRI
AAQFI
AAXUO
ABJNI
ABWVN
ACGFS
ACRPL
ADEZE
ADNMO
ADTZH
AECPX
AEKER
AFTJW
AGHFR
AGYEJ
AITUG
ALMA_UNASSIGNED_HOLDINGS
BLXMC
CCEZO
CS3
CUBFJ
CW9
EBS
EJD
EO8
EO9
EP2
EP3
FDB
FEDTE
FNPLU
GBLVA
HVGLF
HZ~
IHE
J1W
JJJVA
M41
MO0
N9A
O-L
O9-
OAUVE
OZT
P-8
P-9
P2P
PC.
PSX
Q38
ROL
RPZ
SDF
SDG
SES
TCJ
TGT
U1G
U5S
ID FETCH-LOGICAL-s1019-807810d1d7ce257d0d7f1565299afb90f5190a6e76463f2a4d3254a57ffbc3d13
ISSN 0254-4156
IngestDate Thu May 29 04:10:30 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 5
Keywords 序贯概率比检验
卡尔曼滤波器
船舶柴油机
故障预测
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1019-807810d1d7ce257d0d7f1565299afb90f5190a6e76463f2a4d3254a57ffbc3d13
PageCount 7
ParticipantIDs wanfang_journals_zdhxb201905009
PublicationCentury 2000
PublicationDate 2019-05-01
PublicationDateYYYYMMDD 2019-05-01
PublicationDate_xml – month: 05
  year: 2019
  text: 2019-05-01
  day: 01
PublicationDecade 2010
PublicationTitle 自动化学报
PublicationTitle_FL Acta Automatica Sinica
PublicationYear 2019
Publisher 大连理工大学电子信息与电气工程学部 大连 116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海 200135
Publisher_xml – name: 大连理工大学电子信息与电气工程学部 大连 116023%上海船舶航运研究院航海与安全技术国家重点实验室 上海 200135
SSID ssib001102911
ssib006576350
ssib051375349
ssib007293330
ssj0059721
ssib007290157
ssib023646446
ssib005904210
Score 2.275315
Snippet ...
SourceID wanfang
SourceType Aggregation Database
StartPage 920
Title 具有工作状态转换的EIIKF船舶柴油机故障预测
URI https://d.wanfangdata.com.cn/periodical/zdhxb201905009
Volume 45
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR3LahRBcAjJRQ_iE9_mYJ_Cxnn1dDeeujezJiqeEsktzGMnOa1gEpCcFBKIikcvYUEIePMkmhAhf2MmyV9YVT27M7IBH5elp7qmHl21XdVNd43j3IecQ2RJ4bcwALQgXvNWmsFk6LlFyFWYqSyhA7LPotmF8PEiXxwbb55aWl9Lp7ONM--V_I9VAQZ2xVuy_2DZIVEAQBvsC79gYfj9KxuzmDPJmREsjphqM6kQAo-aszhkZgaBsWBSMxMhjnQhc2SxxC7dJgg0fMRRmskwnpt70sF-CShq0KBXVYeZEBvGpy5iaDQ1SIpYIQ1kqJCktMjQZZoJMNEEATXJrpmW1GgzFWFDgzhWUujiA28g2h2m1YBbp-4BwAyTMaGE9DL0A2O3RpFMx8xI1NLEhCvw1_hn0G--XG2G4P0r3twMIUGBl6CR7DBFFJWLr9bjP8QZaiVQQsMrCOCjjYCtRwp7THcIIisRK2QUB9s1ZYGjJk2DsmIyAODUqGRTnhdR2Qw-oK0ruxhxlqGpgdax77vEzfIXOECGuCkycY08JDgUn-OYW38E30Ark03BAa3noK6cKYOeaJEtZfANcEk0kHUz6lJkXmAEfmIhOpwa1QfLY3q2LE0V23wOM4Nna8oPAnHIGxMOb0RV5buNBE3ZEgsjsR8iSUDBP0mwDr8np2HSgRWLqFOd4QHUjXzlVYoO5HK6_jvhC4GnPCYemafPdb2egPRbNQIgVxDjGvlyxLGeY_0s8FRC4xgBPAdBvT7HjzVEjf0X7gWCB7j_YVNHjqW0aFO4Gp2qTBpq9mBUL7pn2CuS3nIjJZ6_6Fyo1rKT2k5Ml5yxjZXLzvlGhdMrzsOjrf2y__Zo__PPw_7xu73y9ZuTwy_lh93jnU2abE62D06298pP38qvB2X_R_lx63Snf7q7WX5_f9VZ6MTz7dlW9b2W1qqH_0X8dIXn5l4usi5kArmbiwKU4JDxJkWq3AJWi24SdQWMQlD4SZgHoGjCRVGkWZB7wTVnvPei173uTOL5g26UJVxFRVgkuGqJkkR4KawXVR4lN5x7lepL1Xy8uvS7TW_-EeOWc66eQm4742sv17t3YIWxlt6t_OAXxV3MfQ
linkProvider Elsevier
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%85%B7%E6%9C%89%E5%B7%A5%E4%BD%9C%E7%8A%B6%E6%80%81%E8%BD%AC%E6%8D%A2%E7%9A%84EIIKF%E8%88%B9%E8%88%B6%E6%9F%B4%E6%B2%B9%E6%9C%BA%E6%95%85%E9%9A%9C%E9%A2%84%E6%B5%8B&rft.jtitle=%E8%87%AA%E5%8A%A8%E5%8C%96%E5%AD%A6%E6%8A%A5&rft.au=%E9%9F%A9%E6%95%8F&rft.au=%E6%9D%8E%E9%94%A6%E5%86%B0&rft.au=%E8%AE%B8%E7%BE%8E%E7%8E%B2&rft.au=%E9%9F%A9%E5%86%B0&rft.date=2019-05-01&rft.pub=%E5%A4%A7%E8%BF%9E%E7%90%86%E5%B7%A5%E5%A4%A7%E5%AD%A6%E7%94%B5%E5%AD%90%E4%BF%A1%E6%81%AF%E4%B8%8E%E7%94%B5%E6%B0%94%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%83%A8+%E5%A4%A7%E8%BF%9E+116023%25%E4%B8%8A%E6%B5%B7%E8%88%B9%E8%88%B6%E8%88%AA%E8%BF%90%E7%A0%94%E7%A9%B6%E9%99%A2%E8%88%AA%E6%B5%B7%E4%B8%8E%E5%AE%89%E5%85%A8%E6%8A%80%E6%9C%AF%E5%9B%BD%E5%AE%B6%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4+%E4%B8%8A%E6%B5%B7+200135&rft.issn=0254-4156&rft.volume=45&rft.issue=5&rft.spage=920&rft.epage=926&rft_id=info:doi/10.16383%2Fj.aas.2018.c170457&rft.externalDocID=zdhxb201905009
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fzdhxb%2Fzdhxb.jpg