基于ARMA模型的船舶海水冷却系统参数预测

船舶海水冷却系统与船外海水直接接触，工作环境较为恶劣，而基于小波理论、灰色理论等参数预测方法受环境影响较大，为了实现对船舶海水冷却系统状态参数的准确预测，提出了根据平稳时间序列建立自回归移动平均模型（ARMA）的方法；介绍了ARMA模型原理及建模过程；选取“育鲲轮”海水冷却系统6天的状态参数作为训练样本，输入到ARMA预测模型中进行训练；在MATLAB环境下，获得预测数据；运用平均绝对百分比误差对预测模型的准确性进行验证并对误差进行分析，结果表明所建立的船舶海水冷却系统状态参数预测模型具有良好的预测能力，能有效的反应未来一段时间海水冷却系统的工作状态的变化，提示系统是否存在异常，为早期故障诊断提供有效手段，进而为船舶的稳定运营提供了条件。     

基于灰色关联神经网络的主机热力参数监测研究

为了对船舶主动力系统的热力性能参数进行监测研究,以确保故障预警的可靠性,针对主机热力参数间的非线性关系,建立了基于灰色关联分析的BP神经网络监测模型(GRA-BP),通过灰色关联分析和信息熵加权对网络输入量进行预处理,并利用遗传算法优化网络的初始权值和阈值,提高模型监测精度。最后,以实船主机排气温度为待监测对象,验证了该监测模型的准确性,平均相对误差为0.549℃,优于传统网络的监测结果。