CN109711682B - 一种数据驱动的船舶总体状态评估方法 - Google Patents
一种数据驱动的船舶总体状态评估方法 Download PDFInfo
- Publication number
- CN109711682B CN109711682B CN201811526993.0A CN201811526993A CN109711682B CN 109711682 B CN109711682 B CN 109711682B CN 201811526993 A CN201811526993 A CN 201811526993A CN 109711682 B CN109711682 B CN 109711682B
- Authority
- CN
- China
- Prior art keywords
- ship
- data
- state
- host
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Combined Controls Of Internal Combustion Engines (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种数据驱动的船舶总体状态评估方法,包括,建立评估模型步骤和在线状态评估步骤,使用建立的评估模型对船舶关键性指标进行评估,输出关键指标识别结果,确定船舶总体状态。本发明通过选取典型的三个船舶总体关键性指标,对实船航段实际航行数据进行分析处理,在船舶总体状态评估的精确量化程度上有所提高,将各项指标的评估基准对应了不同载重航行工况和主机转速,为船员管理船舶安全运行与经济运行提供了辅助的基础。
Description
技术领域
本发明涉及船舶技术领域,尤其涉及一种数据驱动的船舶总体状态评估方法。
背景技术
为辅助船舶安全与经济运行,需要根据船舶总体关键性指标对船舶航行时的总体状态进行评估,对其实时状态与变化趋势进行监控和分析。
对于船舶总体状态的关键性指标监测与评估,常见方法包括:
1)在出厂前的系泊试验中,由主机制造厂商通过台架试验中施加一定扭矩方式进行离线测量、标定的离线标示形式,确定低速柴油机出厂燃油消耗率指标与设计曲线;
2)同样在系泊试验中,发电机制造厂商通过台架试验施加一定负载方式进行离线测量、标定,确定发电机出厂输出功率与各项电气相关设计曲线;
这种方式的缺陷在于,台架试验测量值和主机、发电机设计曲线能够表明的只是设备出厂前的理想经济性能状态,无法客观、实时反映出船舶实际运行时的真实性能状态。
3)近几年,部分营运船舶安装了船舶能效监测***,但大多数监测***只依靠人工抄录进行离线测量、记录燃油消耗率统计量、主机功率、发电机功率数据,且仅能实现数据的采集与存储,并未对采集到的海量数据进行充分分析和利用。这种方式的缺陷在于,缺少实时数据分析工具,不能时刻通过定量的方式来判断柴油机、发电机是否处于正常运行状态,较难为船员对于船舶实时的设备状态与性能做出准确评价。
发明内容
鉴于上述的分析,本发明旨在提供一种数据驱动的船舶总体状态关键性指标评估方法,解决船舶实时的设备状态与性能准确评价问题。
本发明的目的主要是通过以下技术方案实现的:
一种数据驱动的船舶总体状态评估方法,包括,
建立评估模型步骤:获取船舶航行过程中包括主机运行相关数据、船舶状态数据和船舶设备数据在内的历史数据,进行数据预处理和数据清洗,得到总体状态关键性指标数据样本集;对数据样本集中数据进行统计分析,建立评估模型,用于对包括船舶燃油效率、主机燃油效率和总体船舶功率在内的关键性指标进行评估;
在线状态评估步骤:在线获取当前次航行过程中包括主机运行相关数据、船舶状态数据和船舶设备数据在内的数据,进行数据预处理和数据清洗,得到当前次航行的总体状态关键性指标数据;使用建立的评估模型进行评估,输出关键指标识别结果,确定船舶总体状态。
进一步地,所述建立评估模型步骤包括以下子步骤:
步骤S1-1、设定采样间隔,获取船舶航行过程中包括主机运行相关数据、船舶状态数据和船舶设备数据在内的历史数据;
步骤S1-2、对所述历史数据进行处理,得到包括船舶平均吃水,主机转速下的船舶燃油效率、主机燃油效率和总体船舶功率在内的船舶总体关键性指标样本数据;
步骤S1-3、从所述预处理后的数据中消除船舶非稳定航行状态下的船舶总体关键性指标样本数据和奇异值数据;
步骤S1-4、对清洗后的船舶总体关键性指标样本数据进行统计分析,得到关键指标识别的评估矩阵,训练评估模型。
进一步地,所述训练好的评估模型为满足稳定转速运行条件下,空载、压载和满载工况下,对应不同转速下,主机转速-船舶燃油效率分布矩阵、主机转速-主机燃油效率分布矩阵、主机转速-总体船舶功率分布矩阵;
在所述分布矩阵中,对在不同载货工况、不同主机转速工况之下,船舶的异常状态、提醒关注和正常状态对应的船舶燃油效率、主机燃油效率和总体船舶功率参数范围进行划分。
进一步地,所述运行相关数据包括主机转速、主机每小时的燃油消耗量、主机有效功率数据;所述燃油消耗量包含主机燃油进口流量和主机燃油出口流量;
所述船舶状态数据包括船速数据,船舶左舯吃水、右舯吃水数据;
所述船舶设备数据为发电机组有效功率。
进一步地,所述数据涵盖所有吃水工况及关键指标相关的航行数据,且各吃水工况条件下稳定运行时间大于1个月,覆盖所有条件工况。
进一步地,所述数据预处理后得到船舶平均吃水,主机转速下的船舶燃油效率、主机燃油效率和总体船舶功率;
所述船舶平均吃水D(i)=(dL(i)+dR(i))/2;dL(i)为船舶左舯吃水,dR(i)为右舯吃水;
所述主机转速下的总体船舶功率P(i)=Pe(i)+PDe(i);Pe(i)为主机有效功率;PDe(i)为发电机组有效功率。
进一步地,所述数据清洗中,非稳定航行状态包括工况切换过程中的航行状态;所述奇异值数据通过阈值排除方法进行剔除。
进一步地,所述评估模型训练,具体包括:
1)依据船舶载货状态情况划分工况,在不同吃水情况下,对船舶燃油效率、主机燃油效率、总体船舶功率进行分布分析,按照主机转速分别统计船舶燃油效率、主机燃油效率和总体船舶功率的分布情况;得到固定转速间隔下的各工况下重心点状态矩阵;
所述重心点状态矩阵包括主机转速-船舶燃油效率分布矩阵、主机转速-主机燃油效率分布矩阵和主机转速-总体船舶功率分布矩阵;
2)根据不同载货工况、不同主机转速工况之下,将船舶的总体状态划分为异常状态、提醒关注和正常状态;
3)根据划分的总体状态确定重心点状态矩阵中与异常状态、提醒关注和正常状态对应的数值区间,即数值的范围阈值。
4)以所述重心点状态矩阵作为评估模型的评估矩阵,以所述数值的范围阈值为确定船舶总体状态的评估基准建立评估模型。
进一步地,使用建立的评估模型进行评估方法包括:
步骤S2-1、设定采样间隔,获取当次航行过程中给定时刻的,包括主机运行相关数据、船舶状态数据和船舶设备数据在内的采集数据;
步骤S2-2、给定时刻的采集数据进行预处理,得到包括船舶平均吃水,主机转速下的船舶燃油效率、主机燃油效率和总体船舶功率在内的船舶总体关键性指标数据;
步骤S2-3、判断给定时刻的关键性指标数据是否为主机稳定运行数据,若是,进行下一步,否则保持前一个采样时刻状态不更新;
步骤S2-4、判断给定时刻数据是否为奇异值,若不是奇异值,进行下一个采样时刻数据的评估,否则保持前一个采样时刻状态不更新;
步骤S2-5、通过分析给定时刻的关键性指标数据在所述评估模型的评估矩阵中所处的范围阈值,判断当前时刻船舶总体状态。
进一步地,还包括,通过分析当前给定时刻转速下的键性指标数据与上一时刻参数相比的变化趋势判断,判断船舶总体状态变化趋势。
本发明有益效果如下:
本发明通过选取典型的三个船舶总体关键性指标,对实船航段实际航行数据进行分析处理,在船舶总体状态评估的精确量化程度上有所提高,将各项指标的评估基准对应了不同载重航行工况和主机转速。
并且,通过丰富的表现形式,清晰易懂地呈现出当前时刻的船舶燃油效率、主机燃油效率、总体船舶功率所处状态的评估结果,以及他们与上一时刻状态相比的变化趋势。为船员管理船舶安全运行与经济运行提供了辅助的基础。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分的从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例中的数据驱动的船舶总体状态评估方法流程图;
图2为本发明实施例中的空载条件下船舶燃油效率评估矩阵;
图3为本发明实施例中的空载条件下主机燃油效率评估矩阵;
图4为本发明实施例中的空载条件下船舶总体功率评估矩阵;
图5为本发明实施例中的空载条件下评估结果图;
图6为本发明实施例中的满载条件下评估结果图;
图7为本发明实施例中的压载条件下评估结果图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。
实施例一、
本实施例公开了一种数据驱动的船舶总体状态评估方法,如图1所示,包括以下步骤:
步骤S1、建立评估模型步骤:获取船舶航行过程中包括主机运行相关数据、船舶状态数据和船舶设备数据在内的历史数据,进行数据预处理和数据清洗,得到总体状态关键性指标数据样本集;对数据样本集中数据进行统计分析,建立评估模型,用于对包括船舶燃油效率、主机燃油效率和总体船舶功率在内的关键性指标进行评估;
步骤S2、在线状态评估步骤:在线获取当前次航行过程中包括主机运行相关数据、船舶状态数据和船舶设备数据在内的数据,进行数据预处理和数据清洗,得到当前次航行的总体状态关键性指标数据;使用建立的评估模型进行评估,输出关键指标识别结果,确定船舶总体状态。
具体的,
所述步骤S1包括以下子步骤:
步骤S1-1、数据获取:设定采样间隔,获取船舶航行过程中包括主机运行相关数据、船舶状态数据和船舶设备数据在内的历史数据;
数据获取步骤具体包括:
1)设定采样间隔,获取船舶实际航行过程中采集存储的包括主机运行相关数据、船舶状态数据和船舶设备数据在内的多项数据集;
具体的,本实施例中,
提取的运行相关数据包括主机转速(RPM)、主机每小时的燃油消耗量(包含主机燃油进口流量、主机燃油出口流量数据,kg/h)、主机有效功率(kW)数据;
提取的船舶状态数据包括船速数据(kn)、吃水数据(包括船舶左舯吃水、右舯吃水,m);
提取的船舶设备数据为发电机组有效功率(kW)。
特殊的,获取的历史数据涵盖所有吃水工况及关键指标相关的航行数据,且各吃水工况条件下稳定运行时间大于1个月,覆盖所有条件工况。
步骤S1-2、数据预处理;得到每个采样点的包括船舶平均吃水D(i),主机转速下的船舶燃油效率gn(i)、主机燃油效率ge(i)和总体船舶功率P(i)在内的船舶总体关键性指标数据;i表示每个时刻的采样点标号;
(1)船舶平均吃水D(i)
将船舶左舯吃水dL、右舯吃水dR通过公式计算得到船舶平均吃水D。
D(i)=(dL(i)+dR(i))/2;
(2)主机转速下的船舶燃油效率gn(i)
根据数据计算转速对应的船舶燃油效率,公式为:
式中,Gt(i)——船舶每小时燃油消耗量,kg/h;
Vs(i)——航速,kn
其中,由于主机的本方法涉及的船舶每小时燃油消耗量指的是主机每小时燃油消耗量(主机燃油进口流量-主机燃油出口流量),单位为kg/h;船速单位为kn。
(3)主机转速下的主机燃油效率ge(i):
根据数据计算转速对应的主机燃油效率,公式为:
式中,Ge(i)——柴油机每小时燃油消耗量,kg/h;
Pe(i)——主机有效功率,kW
其中,柴油机每小时燃油消耗量(主机燃油进口流量-主机燃油出口流量),单位为kg/h;主机功率单位为kW。
(4)主机转速下的总体船舶功率P(i):
根据数据计算转速对应的主机燃油效率,公式为:
总体船舶功率P(i)=Pe(i)+PDe(i);
式中,Pe(i)——主机有效功率;
PDe(i)——发电机组有效功率;(单位:kW)
对每一组船舶平均吃水、主机转速、船舶燃油效率、主机燃油效率、总体船舶功率数据向量,组成一个样本数据,多组样本数据构成样本矩阵。
步骤S1-3、数据清洗:从所述预处理后的数据中消除船舶非稳定航行状态下的船舶总体关键性指标样本数据和奇异值数据;
具体的,数据清洗步骤,包括:
1)提取船舶稳定航行状态下的样本数据;通过对主机运行相关数据的处理实现。
参考主机出厂数据情况,并对主机转速原始样本数据过滤掉工况切换过程中的非稳定数据,有选择性地抽取部分固定转速运行数据,作为船舶稳定航行状态下的样本数据。
2)采用阈值排除方法进行奇异值数据剔除;
由于提取的船舶稳定航行状态下的样本数据中,仍然存在由于传感器异常、船舶操纵等原因带来的奇异值,这些数据并非由工况的差异性产生,对于航行工况分类过程计算不具有关联意义。
采用设置参数的阈值范围,对超出阈值范围的数据进行排除方法剔除奇异值。
例如,对于船舶平均吃水D剔除0到船舶型深范围以外的数据;对于功率数据剔除额定输出功率范围以外的数据。
步骤S1-4、对清洗后的船舶总体关键性指标样本数据进行统计分析,得到关键指标识别的评估矩阵,训练评估模型。
所述训练评估模型,具体包括:
1)进行关键指标统计分析;依据船舶载货状态情况划分工况,在不同吃水情况下,对船舶燃油效率、主机燃油效率、总体船舶功率进行分布分析,按照每1rpm主机转速分别统计船舶燃油效率、主机燃油效率和总体船舶功率的分布情况;得到每1转速间隔下的各工况下重心点状态矩阵;
所述重心点状态矩阵包括主机转速-船舶燃油效率分布矩阵、主机转速-主机燃油效率分布矩阵和主机转速-总体船舶功率分布矩阵;
2)船舶的总体状态划分;根据不同载货工况、不同主机转速工况之下,将船舶的总体状态划分为异常状态、提醒关注和正常状态;
3)确定范围阈值;根据划分的总体状态确定重心点状态矩阵中与异常状态、提醒关注和正常状态对应的数值区间,即数值的范围阈值。
4)建立评估模型;以所述重心点状态矩阵作为评估模型的评估矩阵,以所述数值的范围阈值为确定船舶总体状态的评估基准建立评估模型。
特殊的,为方便可视化操作,将异常状态、提醒关注和正常状态对应的分布矩阵内数据进行区域颜色赋值,异常状态、提醒关注和正常状态这三种状态对应红、黄和绿三种颜色。
具体的,
所述步骤S2包括以下子步骤:
步骤S2-1、设定采样间隔,获取当次航行过程中给定时刻的,包括主机运行相关数据、船舶状态数据和船舶设备数据在内的采集数据;
步骤S2-2、给定时刻的采集数据进行预处理,得到包括船舶平均吃水,主机转速下的船舶燃油效率、主机燃油效率和总体船舶功率在内的船舶总体关键性指标数据;
所述预处理方法与模型训练过程中的一致。
步骤S2-3、判断给定时刻的关键性指标数据是否为主机稳定运行数据,若是,进行下一步,否则保持前一个采样时刻状态不更新;
所述主机稳定运行数据为非工况切换过程中航行状态下,转速稳定的数据。
步骤S2-4、判断给定时刻数据是否为奇异值,若不是奇异值,进行下一个采样时刻数据的评估,否则保持前一个采样时刻状态不更新;
所述奇异值的判断与模型训练过程中一致。
步骤S2-5、通过分析给定时刻的关键性指标数据在所述评估模型的评估矩阵中所处的范围阈值,判断当前时刻船舶总体状态。
步骤S2-6、通过分析当前给定时刻转速下的键性指标数据与上一时刻参数相比的变化趋势判断,判断船舶总体状态变化趋势。
通过可视化方式提高指标评估的便利性;具体包括两个方面:
(1)通过颜色判别:对于当前时刻,识别当前所处吃水工况,并调用各参数的评估矩阵,分析当前转速下的船舶燃油效率、主机燃油效率、总体船舶功率参数在评估矩阵中所处的位置,给出相应评估颜色的结果,输出各参数对应的箭头颜色。
(2)变化状态识别:当前转速下的船舶燃油效率、主机燃油效率、总体船舶功率参数与过去参数变化趋势判断,给出箭头变化方向判断结果,输出各参数对应的箭头方向。
最后,输出关键指标识别结果。输出结果包括:
(1)船舶燃油效率当前值及评估结果(箭头形式),箭头颜色为评估结论(红、黄或绿)、箭头方向为变化趋势(上、平或下);
(2)主机燃油效率当前值及评估结果(箭头形式),箭头颜色为评估结论(红、黄或绿)、箭头方向为变化趋势(上、平或下);
(3)总体船舶功率当前值及评估结果(箭头形式),箭头颜色为评估结论(红、黄或绿)、箭头方向为变化趋势(上、平或下)。
能够实现当前时刻的船舶燃油效率、主机燃油效率、总体船舶功率所处状态的评估结果,以及他们与上一时刻状态相比的变化趋势。
实施例二、
本发明的实例应用,选取某型散货轮的实际运行数据进行测试,数据采样时间间隔为5分钟。
Step 1:数据获取
采用该散货轮在2015.08.04-2016.06.16时间内多个航段的实际运行数据,提取船舶吃水(m)、主机转速(RPM)、船速(kn)、主机每小时的燃油消耗量(kg/h)、主机有效功率(kW)、发电机组有效功率(kW)参数数据,整理并计算得到船舶平均吃水(m)、主机转速(RPM)、船舶燃油效率(kg/nm)、主机燃油效率(g/kWh)、总体船舶功率(kW)数据向量,组成样本数据集合。
Step 2:数据清洗
首先,通过对主机运行相关数据分析计算,提取船舶稳定航行状态下的样本数据。其次,设置阈值范围,剔除船舶平均吃水(m)、主机转速(RPM)、船舶燃油效率(kg/nm)、主机燃油效率(g/kWh)、总体船舶功率(kW)的奇异值数据。
Step 3:评估模型训练
按照具体技术方案描述划分工况,经训练可获得三个总体状态关键性指标的评估矩阵。
(1)船舶燃油效率评估颜色根据空载、压载、满载条件进行划分,分别输出空载、压载、满载条件下的船舶燃油效率评估矩阵;
(2)主机燃油效率评估颜色根据空载、压载、满载条件进行划分,分别输出空载、压载、满载条件下的主机燃油效率评估矩阵;
(3)总体船舶功率评估颜色根据空载、压载、满载条件进行划分,分别输出空载、压载、满载条件下的总体船舶功率评估矩阵如下:
1)空载条件下船舶燃油效率评估矩阵:
如图2所示,
矩阵中最右侧一列表示主机转速工况,在每1rpm转速下,对应4个区间阈值:
第一列为异常状态阈值(后文用x1表示),当数据大于x1,评估结果为异常状态;
第二列和第三列为提醒状态的上限值和下限值(后文用x2、x3表示),当数据介于x2、x3之间,评估结果为提醒状态;
第四列为健康状态上限值(后文用x4表示),当数据小于x4,评估结果为健康状态。
通常情况下,x1与x2相等,x3与x4相等(在设备有特殊要求时,各个范围阈值可能不相等)。
2)空载条件下主机燃油效率评估矩阵:
如图3所示,矩阵内数据的含义与1)相同。
3)空载条件下船舶总体功率评估矩阵:
如图4所示,
矩阵中最右侧一列表示主机转速工况,在每1rpm转速下,对应8个区间阈值:
第一列和第八列为异常状态上限值和下限值(后文用y1、y8表示),当数据大于y1或小于y8时,评估结果为异常状态;
第二列和第三列为提醒状态的高上限值和高下限值(后文用y2、y3表示),第六列和第七列为提醒状态的低上限值和低下限值(后文用y6、y7表示),当数据介于y2、y3之间或者介于y6、y7之间,评估结果为提醒状态;
第四列和第五列为健康状态上限值和下限值(后文用y4、y5表示),当数据介于y4、y5之间,评估结果为健康状态。
通常情况下,y1与y2相等,y3与y4相等,y5与y6相等,y7与y8相等(在设备有特殊要求时,各个范围阈值可能不相等)。
同理可获得满载、压载条件下的关键指标评估矩阵,即为评估基准,在此不再赘述。
Step 4:在线进行船舶总体状态评估
选取该散货轮的实际运行数据(训练数据之后的实际在线运行数据),对传感器采集的数据进行与模型训练过程中一致的数据清洗,以上述评估矩阵为基准,进行三组时刻的指标评估,其状态评估结果如下:
评估数据1:2016-06-26 05:55:00时刻运行数据,工况分类为空载;
评估结果如图5所示,
(1)船舶燃油效率
(a)箭头颜色:根据空载工况下船舶燃油效率评估矩阵,主机转速为80rpm时,x1=x2=86.15,x3=x4=77.03。该时刻船舶燃油效率为72.05,健康状态评估结果为健康状态,故箭头颜色为绿色。
(b)箭头方向:由于该时刻数值大于上一时刻数值,72.05>71.80,故箭头方向向上。
(2)主机燃油效率
(a)箭头颜色:根据空载工况下主机燃油效率评估矩阵,主机转速为80rpm时,x1=x2=202.92,x3=x4=192.845。该时刻船舶燃油效率为194.69,健康状态评估结果为提醒状态,故箭头颜色为黄色。
(b)箭头方向:由于该时刻数值小于上一时刻数值,194.69<194.97,故箭头方向向下。
(3)总体船舶功率
(a)箭头颜色:根据空载工况下总体船舶功率评估矩阵,主机转速为80rpm时,x8=5430。该时刻船舶燃油效率为5429,健康状态评估结果为异常状态,故箭头颜色为红色。
(b)箭头方向:由于该时刻数值大于上一时刻数值,5429>5419,故箭头方向向上。
评估数据2:2016-07-15 11:40:00时刻运行数据,工况分类为满载;
评估结果如图6所示,
与评估数据1中同理,可获得满载条件下的关键指标评估结果,在此不再赘述。
评估数据3:2016-06-29 07:20:00时刻运行数据,工况分类为压载;
评估结果如图7所示,
与评估数据1中同理,可获得压载条件下的关键指标评估结果,在此不再赘述。
可见,本方法对该超大型散货轮在稳定航行状态下分不同工况进行三个总体状态关键性指标的评估,其结果均正确反映了船舶的总体状态和运行趋势。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种数据驱动的船舶总体状态评估方法,其特征在于,包括,
建立评估模型步骤:获取船舶航行过程中包括主机运行相关数据、船舶状态数据和船舶设备数据在内的历史数据,进行数据预处理和数据清洗,得到总体状态关键性指标数据样本集;对数据样本集中数据进行统计分析,建立评估模型,用于对包括船舶燃油效率、主机燃油效率和总体船舶功率在内的关键性指标进行评估;
数据样本集包括多组样本数据,每组样本数据为一组在采样点上的船舶平均吃水、主机转速、船舶燃油效率、主机燃油效率、总体船舶功率数据;
所述船舶平均吃水D(i)=(dL(i)+dR(i))/2;dL(i)为船舶左舯吃水,dR(i)为右舯吃水;
所述主机转速下的总体船舶功率P(i)=Pe(i)+PDe(i);Pe(i)为主机有效功率;PDe(i)为发电机组有效功率;
训练所建立的评估模型,具体包括:
1)依据船舶载货状态情况划分工况,在不同吃水情况下,对船舶燃油效率、主机燃油效率、总体船舶功率进行分布分析,按照主机转速分别统计船舶燃油效率、主机燃油效率和总体船舶功率的分布情况;得到固定转速间隔下的各工况下重心点状态矩阵;
所述重心点状态矩阵包括主机转速-船舶燃油效率分布矩阵、主机转速-主机燃油效率分布矩阵和主机转速-总体船舶功率分布矩阵;
2)根据不同载货工况、不同主机转速工况之下,将船舶的总体状态划分为异常状态、提醒关注和正常状态;
3)根据划分的总体状态确定重心点状态矩阵中与异常状态、提醒关注和正常状态对应的数值区间,即数值的范围阈值;
4)以所述重心点状态矩阵作为评估模型的评估矩阵,以所述数值的范围阈值为确定船舶总体状态的评估基准建立评估模型;
训练好的评估模型为满足稳定转速运行条件下,空载、压载和满载工况下,对应不同转速下,主机转速-船舶燃油效率分布矩阵、主机转速-主机燃油效率分布矩阵、主机转速-总体船舶功率分布矩阵;在所述分布矩阵中,对在不同载货工况、不同主机转速工况之下,船舶的异常状态、提醒关注和正常状态对应的船舶燃油效率、主机燃油效率和总体船舶功率参数范围进行划分;
在线状态评估步骤:在线获取当前次航行过程中包括主机运行相关数据、船舶状态数据和船舶设备数据在内的数据,进行数据预处理和数据清洗,得到当前次航行的总体状态关键性指标数据;使用建立的评估模型进行评估,输出关键指标识别结果,确定船舶总体状态;
使用建立的评估模型进行评估方法包括:
步骤S2-1、设定采样间隔,获取当次航行过程中给定时刻的,包括主机运行相关数据、船舶状态数据和船舶设备数据在内的采集数据;
步骤S2-2、给定时刻的采集数据进行预处理,得到包括船舶平均吃水,主机转速下的船舶燃油效率、主机燃油效率和总体船舶功率在内的船舶总体关键性指标数据;
步骤S2-3、判断给定时刻的关键性指标数据是否为主机稳定运行数据,若是,进行下一步,否则保持前一个采样时刻状态不更新;
所述主机稳定运行数据为非工况切换过程中航行状态下,转速稳定的数据;
步骤S2-4、判断给定时刻数据是否为奇异值,若不是奇异值,进行下一个采样时刻数据的评估,否则保持前一个采样时刻状态不更新;
步骤S2-5、通过分析给定时刻的关键性指标数据在所述评估模型的评估矩阵中所处的范围阈值,判断当前时刻船舶总体状态;
步骤S2-6、通过分析当前给定时刻转速下的关键性指标数据与上一时刻参数相比的变化趋势判断,判断船舶总体状态变化趋势;
通过可视化方式输出关键指标识别结果:
(1)船舶燃油效率当前值及评估结果,以箭头形式表示:箭头颜色为评估结论,包括红、黄或绿;箭头方向为变化趋势,包括上、平或下;
(2)主机燃油效率当前值及评估结果,以箭头形式表示:箭头颜色为评估结论,包括红、黄或绿;箭头方向为变化趋势,包括上、平或下;
(3)总体船舶功率当前值及评估结果以箭头形式表示:箭头颜色为评估结论,包括红、黄或绿;箭头方向为变化趋势,包括上、平或下;
其中,绿色为健康状态,黄色为提醒状态,红色为异常状态;箭头方向上为与上一时刻状态相比的变化趋势变大,箭头方向平为上一时刻状态相比的变化趋势不变,箭头方向下为与上一时刻状态相比的变化趋势变小。
2.根据权利要求1所述的船舶总体状态评估方法,其特征在于,所述建立评估模型步骤包括以下子步骤:
步骤S1-1、设定采样间隔,获取船舶航行过程中包括主机运行相关数据、船舶状态数据和船舶设备数据在内的历史数据;
步骤S1-2、对所述历史数据进行处理,得到包括船舶平均吃水,主机转速下的船舶燃油效率、主机燃油效率和总体船舶功率在内的船舶总体关键性指标样本数据;
步骤S1-3、从所述预处理后的数据中消除船舶非稳定航行状态下的船舶总体关键性指标样本数据和奇异值数据;
步骤S1-4、对清洗后的船舶总体关键性指标样本数据进行统计分析,得到关键指标识别的评估矩阵,训练评估模型。
3.根据权利要求1所述的船舶总体状态评估方法,其特征在于,
所述数据涵盖所有吃水工况及关键指标相关的航行数据,且各吃水工况条件下稳定运行时间大于1个月,覆盖所有条件工况。
4.根据权利要求2所述的船舶总体状态评估方法,其特征在于,所述数据清洗中,非稳定航行状态包括工况切换过程中的航行状态;所述奇异值数据通过阈值排除方法进行剔除。
5.根据权利要求4所述的船舶总体状态评估方法,其特征在于,还包括,通过分析当前给定时刻转速下的关键性指标数据与上一时刻参数相比的变化趋势判断,判断船舶总体状态变化趋势。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811526993.0A CN109711682B (zh) | 2018-12-13 | 2018-12-13 | 一种数据驱动的船舶总体状态评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811526993.0A CN109711682B (zh) | 2018-12-13 | 2018-12-13 | 一种数据驱动的船舶总体状态评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109711682A CN109711682A (zh) | 2019-05-03 |
CN109711682B true CN109711682B (zh) | 2021-09-14 |
Family
ID=66255743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811526993.0A Active CN109711682B (zh) | 2018-12-13 | 2018-12-13 | 一种数据驱动的船舶总体状态评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711682B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532612A (zh) * | 2019-07-26 | 2019-12-03 | 中国船舶重工集团公司第七一九研究所 | 船舶动力***的运行数据处理方法及装置 |
CN110532613B (zh) * | 2019-07-26 | 2023-05-02 | 中国船舶重工集团公司第七一九研究所 | 船舶动力***运行工况识别方法及装置 |
CN110696990B (zh) * | 2019-11-11 | 2020-12-04 | 中国船舶工业***工程研究院 | 一种基于数据驱动的船舶发电机部件影响识别方法及*** |
CN111489075B (zh) * | 2020-04-07 | 2023-12-26 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶能效评估方法及装置 |
CN112093004B (zh) * | 2020-09-30 | 2021-08-31 | 震兑工业智能科技有限公司 | 一种基于总体污底系数的船舶污底监测评估方法 |
CN112141293B (zh) * | 2020-09-30 | 2021-08-31 | 震兑工业智能科技有限公司 | 一种基于固定航速污底系数的船舶污底监测评估方法 |
CN112208728B (zh) * | 2020-09-30 | 2021-11-09 | 震兑工业智能科技有限公司 | 一种船舶污底监测预警方法 |
CN112258689B (zh) * | 2020-10-26 | 2022-12-13 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶数据处理方法、装置和船舶数据质量管理平台 |
CN115104114A (zh) * | 2022-05-16 | 2022-09-23 | 广东逸动科技有限公司 | 评估方法、评估装置、电子设备及计算机可读存储介质 |
CN115186005A (zh) * | 2022-06-16 | 2022-10-14 | 上海船舶运输科学研究所有限公司 | 一种船舶主机工况划分方法及*** |
CN118052351A (zh) * | 2023-11-30 | 2024-05-17 | 中交广州航道局有限公司 | 一种绞吸船装仓二合一船舶数据处理*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768524A (zh) * | 2012-08-06 | 2012-11-07 | 长沙绿航节能科技有限公司 | 一种船舶运行能效的***优化方法及其装置 |
CN107563576A (zh) * | 2017-10-14 | 2018-01-09 | 连云港杰瑞深软科技有限公司 | 一种船舶智能能效管理*** |
CN108052707A (zh) * | 2017-11-28 | 2018-05-18 | 中国船舶工业***工程研究院 | 一种基于聚类分析的船舶航行工况划分方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104590526B (zh) * | 2014-12-09 | 2017-07-07 | 倪杰峰 | 船舶节能航行的控制方法及装置 |
CN105737922B (zh) * | 2016-01-26 | 2018-09-25 | 中国船舶工业***工程研究院 | 船舶低速柴油机燃油消耗率预警方法及装置 |
CN108009723A (zh) * | 2017-12-01 | 2018-05-08 | 大连海事大学 | 一种船舶航行状态判断与能效状态评估*** |
-
2018
- 2018-12-13 CN CN201811526993.0A patent/CN109711682B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768524A (zh) * | 2012-08-06 | 2012-11-07 | 长沙绿航节能科技有限公司 | 一种船舶运行能效的***优化方法及其装置 |
CN107563576A (zh) * | 2017-10-14 | 2018-01-09 | 连云港杰瑞深软科技有限公司 | 一种船舶智能能效管理*** |
CN108052707A (zh) * | 2017-11-28 | 2018-05-18 | 中国船舶工业***工程研究院 | 一种基于聚类分析的船舶航行工况划分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109711682A (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711682B (zh) | 一种数据驱动的船舶总体状态评估方法 | |
CN106769052B (zh) | 一种基于聚类分析的机械***滚动轴承智能故障诊断方法 | |
CN109465676B (zh) | 一种刀具寿命预测方法 | |
CN102091972B (zh) | 一种数控机床刀具磨损监测方法 | |
CN105372591B (zh) | 一种基于暂态过程的水电机组健康状态量化评价方法 | |
JP4133627B2 (ja) | 建設機械の状態判定装置及び建設機械の診断装置,並びに建設機械の状態判定方法及び建設機械の診断方法 | |
CN109997025A (zh) | 引擎健康诊断装置和方法 | |
CN109834513A (zh) | 刀具状态检测***及方法 | |
CN103471841A (zh) | 一种旋转机械振动故障诊断方法 | |
CN114619292A (zh) | 一种基于小波降噪和注意力机制融合gru网络的铣削加工刀具磨损监测方法 | |
CN110576335A (zh) | 一种基于切削力的刀具磨损在线监测方法 | |
CN110119518A (zh) | 一种采用神经网络模型诊断发动机故障原因的方法 | |
CN109376794A (zh) | 一种铁水脱硫搅拌器的智能故障诊断方法及*** | |
CN105631481B (zh) | 基于遗传编程的铁谱磨粒复合特征构造方法 | |
CN113157732A (zh) | 一种基于pso-bp神经网络的地下铲运机故障诊断方法 | |
CN110696990B (zh) | 一种基于数据驱动的船舶发电机部件影响识别方法及*** | |
CN202661269U (zh) | 一种柴油机复合故障诊断的测试平台 | |
CN101246090A (zh) | 闸调器疲劳试验的图像监测方法及其装置 | |
CN115983669A (zh) | 一种简化河湖地表水水质评价的方法与*** | |
CN116625683A (zh) | 一种风电机组轴承故障识别方法、***、装置及电子设备 | |
CN117708637A (zh) | 基于改进k均值聚类分析的风电机组叶片故障诊断方法 | |
CN110826600B (zh) | 基于自适应共振网络在线增量学习的发动机喘振预测方法 | |
CN112783138A (zh) | 生产线设备加工稳定性智能监控和异常诊断方法及装置 | |
CN106250937A (zh) | 一种基于非相似度指标的故障分类诊断方法 | |
CN115828164A (zh) | 一种基于数据驱动的电动钉枪故障类型识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |