-
题名船舶强噪声电子电力设备微弱故障信号获取系统
被引量：1
- 1
-
-
作者
唐玉兵
樊明哲
-
机构
泸州职业技术学院电子工程学院
-
出处
《舰船科学技术》
北大核心
2019年第18期100-102,共3页
-
文摘
故障信号获取在船舶电子电力设备故障检测中具有重要作用,获取的故障信号质量越高,检测结果越好。为此,针对传统故障信号获取系统在面对强噪声干扰下,采集到的信号质量较差的问题,研究一种强噪声下船舶电子电力设备微弱故障信号获取系统。该系统在软件程序指导下,利用传感设备、通信设备以及DSP实现信号采集、处理、传输、分析、显示等功能。经测试,面对强噪声干扰,本系统采集到电子电力设备微弱故障信号信噪比要大于传统系统,由此说明本系统获取的信号质量更高,更有利于设备故障检测。
-
关键词
强噪声
电子电力设备
微弱故障信号
信号获取系统
-
Keywords
strong noise
electronic power equipment
weak fault signal
signal acquisition system
-
分类号
U672
[交通运输工程—船舶及航道工程]
-
-
题名基于DSP的船舶通信设备故障辨识模型
被引量：1
- 2
-
-
作者
樊明哲
唐玉兵
-
机构
泸州职业技术学院电子工程学院
-
出处
《舰船科学技术》
北大核心
2019年第16期187-189,共3页
-
文摘
针对当前船舶通信设备故障辨识误差大,不能满足现代船舶通信要求的难题,提出基于数字信号处理(DSP)的船舶通信设备故障辨识模型。首先分析船舶通信设备故障辨识原理,并采用数字信号处理技术采集船舶通信设备的状态信号,然后采用小波包对船舶通信设备的状态信号进行处理,并提取最有效的船舶通信设备故障辨识特征,最后引入机器学习算法建立船舶通信设备故障辨识模型,采用具体船舶通信设备故障辨识样本进行仿真测试,结果表明,数字信号处理的船舶通信设备故障辨识精度高,船舶通信设备故障辨识误差小于当前其他辨识模型,而且故障辨识的训练时间和测试时间相应减少,改善了船舶通信设备故障辨识结果。
-
关键词
船舶通信技术
设备故障
辨识模型
小波包提取特征
训练时间
-
Keywords
ship communication technology
equipment failure
identification model
feature extraction by wavelet packet
training time
-
分类号
U665.2
[交通运输工程—船舶及航道工程]
-
