推荐8篇关于船用柴油机的计算机专业论文

今天分享的是关于船用柴油机的8篇计算机毕业论文范文, 如果你的论文涉及到船用柴油机等主题,本文能够帮助到你

CM6D28C型船用柴油机冷却系统开发

这是一篇关于船用柴油机,冷却系统,FLOWMASTER,台架试验的论文, 主要内容为为满足船舶市场对柴油机的需要,将企业柴油机产品应用到更广的领域,本研究以CM6D28系列车用柴油机为基础,进行CM6D28C船用柴油机冷却系统的开发和研究。船用柴油机工作环境特殊,通风差且船舶航行拥有丰富的水资源,因此在船用柴油机冷却系统设计时经常用水冷来替代传统车用柴油机的空冷,并将冷却系统中的热交换器、中冷器、水泵等零部件安装在柴油机上。船用柴油机冷却系统与传统车用柴油机冷却系统存在较大差异,因此冷却系统的开发设计在船用柴油机设计工作中是十分重要的。本研究结合CM6D28C船用柴油机开发目标,依据船用柴油机冷却系统设计方法,完成CM6D28C船用柴油机冷却系统选型设计、匹配研究和试验验证等工作。具体工作如下:(1)根据船用柴油机的特点和设计要求完成冷却系统的方案布置,根据CM6D28C船舶柴油机的性能数据和热力学公式计算船用柴油机的散热量及冷却液流量需求。完成冷却水泵、热交换器、中冷器、节温器等冷却系统关键零部件的选型和设计工作。(2)根据CM6D28C船用柴油机冷却系统原理图和冷却系统零部件的选型结果搭建冷却系统的FLOWMASTER仿真计算模型。在搭建冷却系统仿真计算模型时,根据本设计船用柴油机冷却系统的特点,选择合适的单元模型来模拟冷却系统中的柴油机水套、热交换器、水泵、节温器等零部件。通过FLOWMASTER软件对本设计冷却系统进行流场特性分析,由分析结果可知本设计冷却系统中各冷却单元的流量、流速和压力损失情况符合设计要求。(3)完成本设计冷却系统与CM6D28C船用柴油机整机之间的匹配设计,确定冷却系统各零部件在发动机上的安装位置,并准备CM6D28C船用柴油机试验样机。通过台架试验验证本设计冷却系统的冷却性能及其对柴油机的影响。整机热平衡试验验证本设计冷却系统的散热性能、冷却系统的压力损失和冷却系统主流道冷却液流量等是能够满足发动机的设计要求,通过分析热平衡试验数据可知CM6D28C船用柴油机在各工况下的热量损失情况及发动机热效率。整机瞬态振动试验和冷却系统零部件瞬态振动试验结果均符合设计要求,匹配本设计冷却系统的CM6D28C船用柴油机通过了2000小时的耐久试验。在CM6D20C船用柴油机冷却系统开发过程中采用了理论计算与台架试验相结合的方法。本研究方法可为同类型船用柴油机冷却系统的开发提供参考。

知识图谱驱动的船用柴油机故障诊断技术研究

这是一篇关于知识图谱,船用柴油机,故障诊断,图卷积神经网络的论文, 主要内容为船用柴油机故障诊断作为航海领域中的一个重要研究方向,如何利用人工智能技术准确高效地对船用柴油机的各种异常状态做出判断,以及把故障损失降到最低水平,是目前整个航运事业面向多维智能化方向发展的重要难题之一。传统的诊断方法实施过程繁琐又或是诊断过程不够高效,造成诊断数据管理困难,未能得到较好的转化处理与挖掘启用,为了有效解决该问题,实现故障诊断领域的知识建模与应用管理,本文结合知识图谱技术和深度学习方法的特点与适用范围,围绕船用柴油机具体故障案例,开展领域知识图谱构建技术和分类更新技术的研究,并以此技术为指导开发了船用柴油机故障诊断平台,实现故障告警信息解析判断和故障诊断辅助决策。具体研究内容如下:(1)船用柴油机故障诊断平台总体技术方案设计。通过对可能用到的技术手段、开发工具及环境进行预估,运用专业的设计理念和开发思想布局,总结现有诊断业务流程和方案中存在的问题,制定了船用柴油机故障诊断的总体方案,对平台功能模块进行了划分与描述。(2)故障诊断领域知识图谱构建技术研究。首先对船用柴油机故障诊断知识案例进行收集分析,并对提取的概念信息进行归类建模,采用知识图谱模式层和数据层协同的方式进行知识图谱的构建;其次通过挖掘知识预案中的概念与逻辑进行本体构建,进而实现模式层构建;最后基于模式层运用深度学习的方法构建数据层,通过对知识预案进行知识抽取输出结构化的知识表达并存储于图数据库,从而完成知识图谱的构建。(3)故障诊断知识图谱分类更新技术研究。鉴于构建的知识图谱需要紧跟领域专业知识的更新进行定期维护,本文基于图卷积神经网络搭建了能够学习具有给定源和目标网络标签信息的类判别节点表示的新型图迁移学习网络模型,实现了从部分标记的源属性网络中转移知识,辅助知识图谱分类更新,并结合该项技术完成知识图谱维护技术方案的布局,用以优化故障信息的分析和判断。(4)船用柴油机故障诊断平台开发。基于上述研究成果,结合故障诊断技术管理过程,研发出船用柴油机故障诊断平台,校对各功能模块的工作机制和操作规程,并用实际案例印证了平台功能的可行性。

知识图谱驱动的船用柴油机故障诊断技术研究

船用柴油机关键件可制造性评价知识图谱平台关键技术研究

这是一篇关于船用柴油机,T-S模糊神经网络,可制造性评价,知识图谱,智能问答的论文, 主要内容为随着制造业的智能化转型,传统的产品生产设计模式已经无法满足当前市场需求。船用柴油机作为船舶动力系统的重要组成部分,其关键零部件具有结构特征复杂、标注信息乱等特点,设计与可制造性评价难度较大;同时相关的历史设计信息与工艺文档得不到合理的储运与重用,导致无法对历史模型全生命周期知识进行挖掘。针对如何提升该类零件的设计效率与可制造性这一问题,本课题以船用柴油机关键件MBD(Model Based Definition)模型为基础数据模型,开展了产品可制造性评价与知识图谱构建技术研究,并开发了船用柴油机关键件可制造性评价知识图谱平台,旨在设计阶段找出设计方案中的缺陷,提高生产效率。主要的研究内容如下:(1)设计了船用柴油机关键件可制造性评价知识图谱平台的总体技术路线。深入分析了本课题的研究背景,根据船用柴油机关键件制造的具体需求,划分了系统功能模块,规划了平台框架,确定了船用柴油机关键件可制造性评价知识图谱搭建的总体技术路线。(2)提出了一种船用柴油机关键件可制造性评价策略。首先,通过嵌入自注意力机制的卷积神经网络模型,构建出模型特征分类器,获取模型相关信息,作为智能评价的数据源;其次,从不同角度展开了零件的可制造性智能评价,包括基于T-S(Takagi-Sugeno)模糊神经网络智能决策模型的结构工艺性评价方法和基于制造资源模型的加工可行性评价;最后,通过实例验证了该方法的可行性,成功的减少了人为因素对评价结果的影响。(3)提出了一种面向产品设计的知识图谱构建策略。针对企业历史信息以分散形式进行储存,导致信息难以重用这一问题,提出一种新的Machine ALBERT(A lite Bidirectional Encoder Representations from Transformers)预训练模型对通用ALBERT进行参数设计,将该模型作为文本的语义编码层,以Bi-LSTM(Long Short-Term Memory,长短时记忆网络)作为标签预测层,加入CRF(Conditional Random Field,条件随机场)作为整体标签优化层,搭建了实体识别模型;对于关系抽取模型,使用共享字符编码层,并加入CNN(Convolutional Neural Network,卷积神经网络)层对文本关系进行分类,将非结构化信息转化为结构化三元组,经实体对齐后存储至图数据库,为后续图谱的使用奠定基础。(4)提出了一种基于语义解析的智能问答策略。针对知识图谱通用度较低这一问题,提出一种基于朴素贝叶斯分类器的自然问句模板匹配方法。该方法结合结巴分词工具进行问句语义解析,并构造数据库查询语句,通过与前端技术相结合,提供查询与知识问答等多种功能以提升产品设计效率。(5)开发了船用柴油机关键件可制造性评价知识图谱平台。基于NX软件二次开发技术,在上述研究的基础上,开发了船用柴油机关键件可制造性评价模块与知识图谱模块。并以柴油机关键件为验证对象,验证了该平台的实用性与有效性。