一个实时诊断系统使用长期短期记忆模型与信号重塑技术用于船舶螺旋
Sheng-Chih Shen1, Chih-Chieh Chao1, Hsin-Jung Huang1
1Department of Systems and Naval Mechatronic Engineering, National Cheng Kung University, Tainan 701, Taiwan.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
本研究介绍了使用剩余使用寿命 (RUL) 预测的船舶螺旋诊断系统. 该系统准确评估轴承健康状况和RUL,提高船舶运营效率和维护能力.
科学领域:
- 海洋工程 海洋工程
- 预测性维护是指预测性维护.
- 信号处理 信号处理
背景情况:
- 船舶维护能力不足阻碍了运营效率.
- 准确评估船舶螺旋轴承的健康状况对于防止故障至关重要.
- 现有的诊断方法缺乏现代海事运营所需的精度和效率.
研究的目的:
- 开发一个先进的船舶螺旋诊断系统.
- 提高运营效率,解决船舶维护能力的局限性.
- 准确预测船舶螺旋轴承的剩余使用寿命 (RUL).
主要方法:
- 开发了一个使用长短期记忆 (LSTM) 网络的诊断和RUL预测模型.
- 采用同步信号重塑技术处理振动信号.
- 集成轴承老化实验数据和真实世界的振动测量,用于系统开发.
主要成果:
- 开发的基于LSTM的模型实现了0.018的平均平方误差 (MSE) 和0.039.03的平均绝对误差 (MAE).
- 该系统准确地确定螺旋轴承的当前状态和剩余使用寿命 (RUL),即使在磨损阶段.
- 与传统的循环神经网络和支持向量回归模型相比,证明了更高的预测准确性和计算效率.
结论:
- 综合船舶螺旋诊断系统为提高维护能力提供了实用解决方案.
- 该系统通过准确的实时健康监测和RUL预测来提高船舶运营效率.
- 这项研究为海事行业的积极维护提供了一个强大的工具.
