CN110738331A - 一种智能船舶机舱*** - Google Patents
一种智能船舶机舱*** Download PDFInfo
- Publication number
- CN110738331A CN110738331A CN201910889359.1A CN201910889359A CN110738331A CN 110738331 A CN110738331 A CN 110738331A CN 201910889359 A CN201910889359 A CN 201910889359A CN 110738331 A CN110738331 A CN 110738331A
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- module
- subsystem
- maintenance
- 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.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 claims abstract description 73
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 230000008447 perception Effects 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 35
- 230000036541 health Effects 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 28
- 230000003993 interaction Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 238000003745 diagnosis Methods 0.000 claims description 13
- 238000010248 power generation Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 208000024891 symptom Diseases 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 101100536354 Drosophila melanogaster tant gene Proteins 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 32
- 238000004891 communication Methods 0.000 abstract description 10
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 230000002035 prolonged effect Effects 0.000 abstract description 3
- 230000000737 periodic effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 11
- 239000003921 oil Substances 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 239000010687 lubricating oil Substances 0.000 description 8
- 238000001816 cooling Methods 0.000 description 7
- 239000000295 fuel oil Substances 0.000 description 7
- 238000012546 transfer Methods 0.000 description 7
- 239000007788 liquid Substances 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001667 episodic effect Effects 0.000 description 4
- 239000013505 freshwater Substances 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 239000013535 sea water Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- VREFGVBLTWBCJP-UHFFFAOYSA-N alprazolam Chemical compound C12=CC(Cl)=CC=C2N2C(C)=NN=C2CN=C1C1=CC=CC=C1 VREFGVBLTWBCJP-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005553 drilling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000003595 mist Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000010724 circulating oil Substances 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明提供一种智能船舶机舱***,智能船舶机舱***包括数据获取子***、辅助子***和外部子***;数据获取子***用于机舱设备及其工作状态感知数据的获取;辅助子***用于根据获取的感知数据为机舱设备提供故障维修的辅助决策和周期保养的维护方案。智能船舶机舱***整体架构采用分布式方式,将智能船舶机舱***划分为多个子***,使用通信接口协议,降低子***之间的耦合度;不同子***通过不同的软件控制,采用调用接口的方式增设子***,操作更便捷;基于传感器监测得到的数值,对机舱设备的工作环境和运行状态分析,对其可能出现的故障或失效进行诊断和预测,及时输出故障原因及对应的维修方案和评估结果,延长机械设备的使用寿命。
Description
技术领域
本发明涉及智能船舶领域,尤其涉及一种智能船舶机舱***。
背景技术
近年来船舶制造业和船舶航运业为代表的传统行业处于一种困境,需求低迷,如何在这种情况下走出困境,如何创造新的需求,这是船舶行业共同思考的问题。出于应对运营成本增长、船舶操作复杂化以及环保法规日趋严格的需求,近年来航运界不断增加对智能船舶的技术投入。在大数据时代背景下,船舶智能化已经成为船舶制造与航运领域发展的必然趋势。同时,智能船舶也是《中国制造2025》中明确重点发展的领域,代表了船舶未来的方向,关乎航运业的转型升级。智能船舶的功能模块包括智能航行、智能船体、智能机舱、智能能效管理、智能货物管理和智能集成平台六个部分,基本囊括了智能船舶所应具备的所有功能。目前已有的船舶机舱***是自动化船舶机舱***,现有的机舱***只能实现对机舱内重要设备的运行参数实时监控,对出现故障的设备给予报警提示,而并不能通过对机舱设备参数的分析来实现对设备可能出现的潜在故障的预测和机舱设备实际工作周期的预测,从而导致机舱设备使用寿命缩短,加重船舶行业的设备成本和运行成本,使得现有的智能船舶无法达到未来发展所需求水平,难以摆脱现有的船舶制造业的困境。
发明内容
(一)要解决的技术问题
本发明提供一种智能船舶机舱***,旨在解决现有技术无法对机舱设备的故障进行分析,并针对故障作出相应的辅助决策,无法预测机舱设备的潜在故障以及实际工作周期,从而导致机舱设备的使用寿命缩短的问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
一种智能船舶机舱***,其包括数据获取子***、辅助子***以及外部子***;
所述数据获取子***用于通过多个传感器实时获取机舱设备的感知数据,并对所述感知数据进行转换和处理形成标准数据;
所述辅助子***包括健康评估模块、辅助决策模块以及视情维护模块;
其中,所述健康评估模块用于根据所述标准数据对机舱设备的运行状态和健康状况进行分析评估,形成分析评估报告;
所述辅助决策模块用于根据所述分析评估报告和所述标准数据诊断出机舱设备的故障并形成故障信息,根据所述故障信息与所述外部子***中储存的历史数据进行比较形成比较结果,所述历史数据包括所述标准数据、所述分析评估报告、所述维修方案以及所述时间表的历史数据,根据所述比较结果制定维修方案;
所述视情维护模块用于根据所述分析评估报告和所述维修方案预测机舱设备的有效工作周期,制定维修调度的时间表;
所述外部子***用于储存所述数据获取子***和所述辅助子***产生的数据以及所述历史数据;
所述根据所述故障信息与所述外部子***中储存的历史数据进行比较形成比较结果包括:
将所述标准数据、所述分析评估报告、所述维修方案以及所述时间表组合成故障事例,并将所述故障事例储存于所述外部子***;所述故障事例的五元组表示为:
case=<T,E,M,D,P>
式中:T={t1,t2,...tn}是有限非空集合,表示所述故障事例的编号;E={e1,e2,...en}是有限集合,表示所述故障事例的说明信息;M={m1,m2,...mn}是有限非空集合,表示所述故障事例的征兆;D={d1,d2,...dn}是有限非空集合,表示由故障征兆引起的故障结论;P={p1,p2,...pn}是有限集合,表示故障事例的所述维修方案;
所述辅助决策模块将所述故障信息与所述故障事例进行相似度计算,相似度的计算公式表示为:
式中,simi(Xi,Yi)为所述故障信息和第i个所述故障事例的相似度;μi为故障发生部位的特征属性的权重系数,μi表示为:
式中,Pij为三级比较标准的值;
当将μi简化为1,则相似度的计算公式表示为:
式中,Cx为所述故障信息的故障现象数量;Cy为所述故障事例的故障现象数量;Cx∩Cy为所述故障信息与所述故障事例相匹配的故障现象数量;
所述比较结果为相似度的值,当相似度的值落在设定范围内时,表示故障信息和故障事例相似,所述辅助决策模块制定与故障事例相同的所述维修方案;否则,所述辅助决策模块从所述外部子***中获取所述维修方案。
优选地,所述健康评估模块对船舶主机健康状况的分析采用瞬时转速法,船舶主机瞬时转速波动系数表示为:
船舶主机运动的平衡方程表示为:
式中:F为曲轴惯性矩,QX为柴油机做功输出,QL为负载平均角速度;
从而,船舶主机运动的平衡方程表示为:
ω/F=φ1(θ)=cons tan t
船舶主机瞬时转速表示为:
从而得出船舶主机瞬时转速波动系数的表达式:
优选地,三级比较标准的含义表示为:
所述辅助决策模块计算所述故障事例和所述故障信息的特征属性值,根据所述特征属性值计算出比较值;当ri大于rj时,pij=1;当ri等于rj时,pij=0.5;当ri小于rj时,pij=0;其中,ri为所述故障事例第i个特征属性值,rj为所述故障信息第j个特征属性值,pij为三级比较标准的比较值;
比较值构成矩阵N表示为:
N=(pij)n*n
式中,n为指标数量。
优选地,所述辅助决策模块还用于根据所述分析评估报告和所述标准数据制定机舱设备的操作和维护的优化方案。
优选地,所述数据获取子***采用压缩感知方法传输数据,所述压缩感知方法包括:
将标准数据进行稀疏变换后得到稀疏数据;
将所述稀疏数据压缩去掉零值或接近零值的系数后形成变换数据;
对所述变换数据进行低速采样获取采样数据;
对所述采样数据进行编码并传输;
将传输后的所述采样数据进行重构。
优选地,所述视情维护模块还用于将所述时间表进行存储和存取管理以及对所述视情维护模块的配置进行管理。
优选地,所述辅助决策模块包括模型库单元以及专家***;
其中,所述模型库单元用于储存提供决策分析能力的定量模型;
所述专家***包括知识获取子单元、知识库和推理机;
其中,所述知识获取子单元用于从知识源获取船舶领域的知识,并将所述知识转换成计算机程序;
所述知识库用于储存事实、专门的启发性知识或者规则;
所述推理机用于调用知识库中的相应知识,对诊断对象进行检测,根据所述故障信息分析与隔离故障源。
优选地,所述数据获取子***包括数据模块,所述数据模块包括数据采集单元和数据处理单元;
其中,所述数据采集单元用于将所述感知数据转换成数字数据;
所述数据处理单元用于对所述数字数据执行包括信号处理、同步或非同步平均、算法计算、特征提取的操作,并得出所述结果数据。
优选地,所述数据获取子***还包括感知模块,所述感知模块通过传感器获取所述机舱设备的工作状态和运行环境的所述感知数据,所述机舱设备包括主推进动力装置、电力装置、发电动力装置、锅炉装置、舵机装置。
优选地,所述外部子***包括数据库模块和信息交互模块,所述数据库模块用于储存和传输数据获取子***和辅助子***产生的数据,所述信息交互模块用于以信息交互的方式,实现船端、岸端以及移动终端的连接。
(三)有益效果
本发明的有益效果是:智能船舶机舱***整体架构采用分布式方式,将智能船舶机舱***划分为多个子***,使用通信接口协议,降低了子***之间的耦合度,不同的子***采用不同的软件进行控制,在增设子***时采用调用接口的方式,有效地提高了便捷度;
基于传感器监测得到的数值,对机舱设备的工作环境和运行状态了解分析,对其可能出现的故障或失效进行诊断和预测,及时输出故障原因及对应的维修方案和评估结果,降低了机舱设备的维修成本,延长了机舱设备的使用寿命增长。
附图说明
图1为本发明的智能船舶机舱***的基本架构图;
图2为本发明的智能船舶机舱***的***架构图;
图3为本发明的智能船舶机舱***的压缩感知信号编解码流程图。
【附图标记说明】
1:数据获取子***;11:感知模块;12:数据模块;
2:辅助子***;21:健康评估模块;22:辅助决策模块;23:视情维护模块;
3:外部子***;31:数据库模块;32:信息交互模块;
4:执行子***。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
本发明提供一种智能船舶机舱***,智能船舶机舱***包括数据获取子***1、辅助子***2以及外部子***3;数据获取子***1用于通过多个传感器实时获取机舱设备的感知数据,并对感知数据进行转换和处理形成标准数据;辅助子***2包括健康评估模块21、辅助决策模块22以及视情维护模块23;其中,健康评估模块21用于根据标准数据对机舱设备的运行状态和健康状况进行分析评估,形成分析评估报告;辅助决策模块22用于根据分析评估报告和标准数据诊断出机舱设备的故障并形成故障信息,根据故障信息与外部子***3中储存的历史数据进行比较形成比较结果,历史数据包括标准数据、分析评估报告、维修方案以及时间表的历史数据,根据比较结果制定维修方案;视情维护模块23用于根据分析评估报告和维修方案预测机舱设备的有效工作周期,制定维修调度的时间表;外部子***3用于储存数据获取子***1和辅助子***2产生的数据以及历史数据;根据故障信息与外部子***3中储存的历史数据进行比较形成比较结果包括:
将标准数据、分析评估报告、维修方案以及时间表组合成故障事例,并将故障事例储存于外部子***3;故障事例的五元组表示为:
case=<T,E,M,D,P>
式中:T={t1,t2,...tn}是有限非空集合,表示故障事例的编号;E={e1,e2,...en}是有限集合,表示故障事例的说明信息;M={m1,m2,...mn}是有限非空集合,表示故障事例的征兆;D={d1,d2,...dn}是有限非空集合,表示由故障征兆引起的故障结论;P={p1,p2,...pn}是有限集合,表示故障事例的维修方案;
辅助决策模块22将故障信息与故障事例进行相似度计算,相似度的计算公式表示为:
式中,simi(Xi,Yi)为故障信息和第i个故障事例的相似度;μi为故障发生部位的特征属性的权重系数,μi表示为:
式中,Pij为三级比较标准的值;
当将μi简化为1,则相似度的计算公式表示为:
式中,Cx为故障信息的故障现象数量;Cy为故障事例的故障现象数量;Cx∩Cy为故障信息与故障事例相匹配的故障现象数量;
比较结果为相似度的值,当相似度的值落在设定范围内时,表示故障信息和故障事例相似,辅助决策模块22制定与故障事例相同的维修方案;否则,辅助决策模块22从外部子***3中获取维修方案。
优选地,健康评估模块21对船舶主机健康状况的分析采用瞬时转速法,船舶主机瞬时转速波动系数表示为:
船舶主机运动的平衡方程表示为:
式中:F为曲轴惯性矩,QX为柴油机做功输出,QL为负载平均角速度;从而,船舶主机运动的平衡方程表示为:
ω/F=φ1(θ)=cons tan t
船舶主机瞬时转速表示为:
优选地,三级比较标准的含义表示为:辅助决策模块22计算故障事例和故障信息的特征属性值,根据特征属性值计算出比较值;当ri大于rj时,pij=1;当ri等于rj时,pij=0.5;当ri小于rj时,pij=0;其中,ri为故障事例第i个特征属性值,rj为故障信息第j个特征属性值,pij为三级比较标准的比较值;
比较值构成矩阵N表示为:
N=(pij)n*n
式中,n为指标数量。
优选地,辅助决策模块22还用于根据分析评估报告和标准数据制定机舱设备的操作和维护的优化方案。
优选地,数据获取子***1采用压缩感知方法传输数据,压缩感知方法包括:将标准数据进行稀疏变换后得到稀疏数据;将稀疏数据压缩去掉零值或接近零值的系数后形成变换数据;对变换数据进行低速采样获取采样数据;对采样数据进行编码并传输;将传输后的采样数据进行重构。
优选地,视情维护模块23还用于将时间表进行存储和存取管理以及对视情维护模块23的配置进行管理。
优选地,辅助决策模块22包括模型库单元以及专家***;其中,模型库单元用于储存提供决策分析能力的定量模型;专家***包括知识获取子单元、知识库和推理机;其中,知识获取子单元用于从知识源获取船舶领域的知识,并将知识转换成计算机程序;知识库用于储存事实、专门的启发性知识或者规则;推理机用于调用知识库中的相应知识,对诊断对象进行检测,根据故障信息分析与隔离故障源。
优选地,数据获取子***1包括数据模块12,数据模块12包括数据采集单元和数据处理单元;其中,数据采集单元用于将感知数据转换成数字数据;数据处理单元用于对数字数据执行包括信号处理、同步或非同步平均、算法计算、特征提取的操作,并得出结果数据。
优选地,数据获取子***1还包括感知模块11,感知模块11通过传感器获取机舱设备的工作状态和运行环境的感知数据,机舱设备包括主推进动力装置、电力装置、发电动力装置、锅炉装置、舵机装置。
优选地,外部子***3包括数据库模块31和信息交互模块32,数据库模块31用于储存和传输数据获取子***1和辅助子***2产生的数据,信息交互模块32用于以信息交互的方式,实现船端、岸端以及移动终端的连接。
具体地,如图1所示,图1为本发明的智能船舶机舱***的基本架构图,智能船舶机舱***包括数据获取子***1、辅助子***2以及外部子***3;数据获取子***1用于通过多个传感器实时获取机舱设备以及机舱设备的运行环境的感知数据,并对感知数据进行转换和处理形成标准数据;辅助子***2包括健康评估模块21、辅助决策模块22以及视情维护模块23;其中,健康评估模块21用于根据标准数据对机舱设备的运行状态和健康状况进行分析评估,形成分析评估报告;辅助决策模块22用于根据分析评估报告和标准数据诊断出机舱设备的故障并形成故障信息,根据故障信息与外部子***3中储存的历史数据进行比较形成比较结果,历史数据包括标准数据、分析评估报告、维修方案以及时间表的历史数据,根据比较结果制定维修方案;视情维护模块23用于根据分析评估报告和维修方案预测机舱设备的有效工作周期,制定维修调度的时间表;外部子***3用于储存数据获取子***1和辅助子***2产生的数据。
数据获取子***1是基于各种传感器、数据采集设备等,对船舶机舱设备的工作状态、工作环境进行实时感知监测,并将感知得到的数据进行传递,从而提高船舶航行安全性以及机舱设备工作效率。数据获取子***1监测的设备主要包括主推进动力装置、电力供应及分配装置、发电动力装置、锅炉及附属设备、舵机装置及附属设备以及辅助机械。
对主推进动力装置的监控分为外部监控和内部监控。其中,外部监控检测的信息有:启动空气/控制空气、外部电源强电/弱点、冷却海水压力/温度、进机润滑油压力/温度、进机冷却水压力/温度、进机燃油压力/温度/粘度、液位监测油/水等;内部监控检测的信息有:排烟温度、增压器油/气的压力/温度、冷却淡水压力/温度、润滑油压力/温度、曲轴箱油压/油温、轴向振动、转速输出轴前/后等;
对发电动力装置的监测包括发电机绝缘情况检测、发电机轴承温度及油位检测、发电机输出三相电源相位电流及激励电压电流检测等;对发电动力装置的监测包括外部监控和内部监控。其中,外部监控检测的信息主要有液位监控、外部电源供给情况、冷却水海水进机温度/压力、润滑油进机温度/压力、燃油进机温度/压力/粘度/流量等;内部监控检测的信息主要有缸内压缩压力和***压力检测、转速检测、润滑油进机温度/压力、冷却淡水温度/压力、共轨燃油压力、排烟温度等。
锅炉及附属设备的监控分为内部监控和外部监控。其中,外部监控检测的信息有:外部汽压、外部电源、燃油压力/温度/粘度/油品、水柜水位、供水压力等;内部监控检测的信息有:燃油转换、燃烧室监控、自动点火程序、喷嘴控制、上下排污、水位控制、汽压控制等。
压力传感器主要应用于主推进动力装置中冷却海水、进机润滑油、进机燃油、压缩机、凸轮等;发电动力装置中缸内压缩压力和***压力、冷却淡水等;以及锅炉及附属设备中外部汽压、供水压力等;舵机装置及附属设备中液压油等的压力检测,并将监测的压力数值转换成电信号进行传递;
流量传感器主要应用于发电动力装置中燃油进机装置中流量的检测,并将监测的流量数值转换成电信号进行传递;
温度传感器主要应用于主推进动力装置中冷却海水、排烟、进机润滑油、进机燃油、增压器等;发电动力装置中燃油进机、冷却淡水、润滑油进机等;以及锅炉及附属设备中燃油等的温度检测,并将监测得到的温度数值转换成电信号进行传递;
转速传感器主要应用于主推进动力装置中转速输出轴等;发电动装置中柴油机、增压器等装置的转速检测,并将监测的转速数值转换成电信号进行传递;
液位传感器主要应用于主推进动力发电机中油/水液位监测等;发电动力装置中润滑油循环油柜、发电机轴承等;锅炉及附属设备中水柜水位和水位控制等设备的液位检测,并将监测的液位信息转换成电信号进行传递;
电压电流传感器主要应用于发电动力装置中发电机输出三相电源以及激励电压电流、发电机绝缘监测等;舵机装置及附属设备中舵机外接电源、转舵电机负荷等;锅炉及附属设备中外部电源等设备的电压电流检测,并将监测的电压电流数值转换成电信号进行传递;
油雾浓度监测传感器主要应用于主推进动力装置中曲轴箱设备中的油雾浓度检测,并将监测的浓度数值转换成电信号进行传递等等。
智能船舶机舱***中的传感器种类较多,检测得到的数据相当的丰富,后续基于传感器检测测得到的数据,对机舱设备的工作状态和运行状态了解分析,对其可能出现的故障或失效进行预测和诊断,及时输出故障原因以及对应的措施和备选方案,使机舱内的机械设备使用寿命增长,降低维修成本。
具体地,如图2所示,图2为本发明的智能船舶机舱***的***架构图;数据获取子***1是对感知设备感知数据进行采集、处理和监测的***。数据获取子***1包括数据模块12和感知模块11。感知模块11通过传感器获取机舱设备的工作状态和工作环境的感知数据,机舱设备包括主推进动力装置、电力装置、发电动力装置、锅炉装置、舵机装置。数据模块12包括数据采集单元和数据处理单元;数据采集单元利用数据装置将感知模块11传递的数据输入到***内部的一个接口。感知模块11采集的数据类型较多,经数据采集单元将传递的数据转换成数字数据。数据处理单元是对数字数据执行信号处理、同步或非同步平均、算法计算、特征提取等操作,最终得出结果数据。数据处理是对数据的挖掘,比较典型的算法有用于统计分析的SVM和用于分类的NaiveBayes,主要使用的工具有Hadoop的Maahout等,且常用的数据挖掘算法以单线程为主。
数据处理是对船舶监测区域内的分布的所有船舶传感器节点所感知的信息进行采集、处理,对传感器节点数据的采集处理采用数据融合的技术。压缩感知能够对任何可压缩信号或者稀疏信号进行低速率无失真采样,为信号的采集、存储、传输和处理提供便捷途径,压缩感知对数据的处理如图2所示,图2为本发明的智能船舶机舱***的压缩感知信号编解码流程图。
压缩感知方法采样速率不在取决于信号的带宽,而是取决于信息在信号中的结构和内容,降低了计算的复杂度。
设一维信号x∈RN×1可以由正交基ψ=[ψ1,ψ2,...,ψN]展开,那么有:
式中:α为与的内积,即当x在正交基ψ∈CN×N上仅有K(K≤N)个非零系数αi时,则ψ∈CN×N称为x的稀疏基。
式中:ε为任意小正数。
其中,传感器类型主要有压力传感器、流量传感器、温度传感器、转速传感器、液位传感器、电压电流传感器、氧含量传感器、二氧化碳含量传感器、火警探测器、油雾浓度监测传感器、轴向移动报警装置等等,其中:
数据获取子***1还包括状态检测模块是对数据包执行逻辑或数学运算,采用强大的面向对象方法,将以上两个模块操作完成后输出的数据与期望值相比较,得出输出值与期望值的界限超出数值,并得出状态指标。
进一步地,健康评估模块21用于根据标准数据对机舱设备的运行状态和健康状况进行分析评估,形成分析评估报告。健康评估模块21包括诊断子模块和预测子模块两部分,其中:诊断子模块实现故障失效检测、辨识、定位、早期隔离。诊断的信息包含:
(1)可能发生故障/失效的机械及其部件,以及故障模式失效形式;
(2)故障失效潜在的能观察到的症状;
(3)相关的状态监测参数;
(4)诊断方法、依据和解释。
诊断子模块的诊断方法应该满足的条件是:
(1)具备检测***性能与退化级别的能力;
(2)通过可测的现象检测出基于物理特性改变的故障/失效发生的机理;
(3)能辨识特定***或部件及其故障/失效发生的机理;
(4)给出故障/失效对***运行完整性的潜在影响的诊断结果。
诊断子模块诊断的性能指标包括有:及时性、灵敏性、虚警、虚警率、漏警、漏警率、故障/失效隔离能力、故障/失效辨识能力、鲁棒性、自适应能力等等。
预测子模块是对机械故障模式的未来状况与趋势进行预测的模块。预测信息包含:
(1)在预测过程中,被监测机械的运行工况、监测参数等;
(2)预测结论,包括所有已识别的失效模式;
(3)置信度、有效条件和风险分析;
(4)为提高置信度而需要的附加试验/验证工作;
(5)预测方法、依据和解释。
预测子模块进行预测的依据包括:数据库输出数据及历史数据、健康评估模块21的输出数据及历史数据、专家知识、维修记录、控制命令、相关配置参数等。预测子模块预测完成之后输出的信息包括:性能评估、解释、相关配置参数及要保存的历史数据等。诊断子模块和预测子模块的输出数据构成分析评估报告。
健康评估模块21主要是针对船舶机舱设备的运行状况进行检测,其中对于船舶主机,典型的主机故障包括有拉缸、气门间隙异常、气阀漏气、连杆大小端轴承和主轴承磨损等问题,且故障间容易发生相互耦合,对于准确故障位置很难判断。且船舶主机具有零部件多且相互关联、运动复杂、工作环境恶劣等特点。健康评估模块21对船舶主机的运行状况进行实时监测、及早发现故障征兆,避免恶性事故的发生。为智能船舶机舱视情维护节省了维修时间,降低维修费用,保证机械设备运行状态良好,极大的提高经济效益。
船舶主机状态监测的方法有缸内压力法、振动分析法和瞬时转速法。其中缸内压力法,缸内安装传感器安装复杂,难以实际操作;振动分析法,由于主机结构复杂,振源较多,难以准确提取故障振动源;瞬时转速法具有安装简便,信号复杂度低,易于分析的优点,可以有效分析智能船舶主机状况。瞬时转速波动反映了主机各缸的工作状态,正常情况下,主机各缸的动力性能基本一致,各缸瞬时转速波动虽然有差异,但是总是呈现一个范围内的某种规律性。船舶主机瞬时转速波动系数(IASFR)表示为:
主机的瞬时转速主要受气缸对曲轴的做功波动影响,而气缸做功又与进气压力、气缸活塞摩擦以及外部负载等因素直接相关,主机运动的平衡方程表示为:
式中:F为曲轴惯性矩,QX为柴油机做功输出,QL为负载平均角速度。
由此,主机瞬时转速波动系数的公式可以表示:
ω/F=φ1(θ)=cons tan t
从而,进一步得出主机瞬时转速的计算公式:
根据以上公式,计算得出
当船舶主机正常工作时,主机瞬时转速的波动不大,一旦出现主机故障,船舶主机的瞬时转速就会出现明显反应。体现船舶主机瞬时转速的主要特征是主机的基本工作频率和发生故障时的频率,通过主机频率情况得出船舶主机是否出现故障。
辅助决策模块22是依据船舶机械设备报警/预警信息、故障/失效当前信息与预测信息,输出危害源及其影响、危害原因,推荐措施及备选方案(按照推荐等级排序),依据与解释等信息,或为优化船舶机械设备的运行状态,而给出机械操作、维护等优化建议的***。辅助决策模块22具有执行简单、适应性强,用户接口快捷、友好的特点。
辅助决策模块22推荐的维修方案应基于机械设备或部件的危险程度、运行成本、维修成本、备件的可用性和其他因素,应该满足以下几种条件:
(1)自我学习/自我完善功能;
(2)人机交互功能;
(3)存储问题求解所需要的知识、重要的问题上充分完备;
(4)充足的数据库/数据仓库容量;
(5)提供知识获取、机器学习以及知识库的修改、扩充和完善等维护手段;
(6)按照时序自动记录、备份决策建议的采纳、执行、纠错与人工补充(如有时)等情况信息,必要时,船端***操作人员可协助完成此工作。
另外,辅助决策模块22包括模型库单元和专家***。
模型库单元包括模型库及其他可提供决策分析能力的定量模型,由模型库管理***为用户提供建模语言和功能以及模型库管理功能。
专家***中包括知识获取子单元、知识库和推理机三部分。
知识获取子单元从知识源提取用于求解专门领域问题的知识,并将这些知识转换成计算机程序,以建立或扩展知识库;
知识库包括事实(如有关问题领域内的问题情况及其理论)、专门的启发性知识或者规则;
推理机在诊断对象故障/失效发生时,采用某种策略调用知识库中的相应知识,对诊断对象进行检测,根据征兆数据,进行分析与隔离,直至定位到故障/失效源。
智能船舶机舱***由多个子***组成,组成部件非常多,***的结构也比较复杂,因此专家***的知识库分为字典库、规则库、事例库和综合数据库。专家***采用多个子***的组织方式,可提高知识库的查询速度。
关于专家***的推理机制根据推理的途径、推理知识的确定性以及推理中是否运用于问题的启发性知识等不同具有不同的分类方式,其中基于事例的推理方式类似与人类求解问题的方式,当遇到一个新问题时,总是先从过去的经验中寻找类似问题的答案。
专家***将标准数据、分析评估报告、维修方案以及时间表组合成故障事例,并将故障事例储存于外部子***3;一个故障事例可用五元组进行描述:
case=<T,E,M,D,P>
其中:T={t1,t2,...tn}是有限非空集合,表示事例编号;
E={e1,e2,...en}是有限集合,表示故障事例的说明信息;
M={m1,m2,...mn}是有限非空集合,表示故障事例的各种征兆;
D={d1,d2,...dn}是有限非空集合,表示由各种故障征兆引起的故障结论;
P={p1,p2,...pn}是有限集合,表示故障事例的维修方案。
事例间相似度的计算通常是建立一个相似性计算函数来比较目标事例和源事例,关于智能船舶机舱专家***中采用最近邻算法来对事例进行相似性计算。把需要求解的事例与专家***中的相似事例逐一比较,求出事例之间的每个特征属性的相似度,再根据其加权向量,最终确定所有事例与待求事例的相似度。最终将相似度不符的事例反馈给专家***,智能船舶岸基中心根据反馈的信息对事故进行分析处理,并给出决策方案。
专家***将故障信息与故障事例进行相似度计算,相似度的计算公式表示为:
式中,simi(Xi,Yi)指故障信息和第i个故障事例的相似度;μi为故障发生部位特征的权重;
关于属性权重的确定方法采用相对比较法来确定。
相对比较法的基本思路是:将所有的特征属性分别按行和列排成一个正方形表格,将特征属性根据三级比较标准,两两比较给出比较值,然后将各比较值按行求和,得出各特征属性比较值总和,最后通过归一化处理,求得各特征属性的权重系数。
其中三级比较标准的含义是:
当ri比rj重要时,pij=1;
当ri和rj同等重要时,pij=0.5;
当ri比rj不重要时,pij=0。
设r1,r2,...rn为n个指标,按三级比较标准的比较值为pij,比较值构成矩阵N:
N=(pij)n*n
采用矩阵方式可以更直观的对比较值进行分析。
特征属性ri的权重系数为:
由于智能船舶机舱***中包含有多个子***,同时各个子***又划分成多个模块,这样导致确定各个特征属性的权重需要经过繁琐的计算,为了提高相似度的计算效率,将各特征属性的权重简化为1,则:
式中,Cx为故障信息的故障现象数量;Cy为故障事例的故障现象数量;Cx∩Cy为故障信息与故障事例相匹配的故障现象数量。
智能船舶机舱***是一个复杂的***,了解机舱中的故障机理是一件很困难的事情,因此对于专家***的完整性和准确性具有很高的要求,通过完善专家***中的故障诊断方法,可以对机舱内不同故障类型采用合理的诊断方法,增加诊断结果的可信度,为智能机舱辅助决策模块22提供可靠的依据,保证决策方***性。
视情维护模块23用于根据分析评估报告和维修方案预测机舱设备的有效工作周期,制定维修调度的时间表;视情维护模块23还用于将时间表进行存储和存取管理以及对视情维护模块23的配置进行管理。
视情维护模块23的主要功能有:
(1)预测未来健康概况和失效形式等;
(2)维修方案或为特定运行环境中设备可用性的评价;
(3)对历史数据存储和存取管理;
(4)***配置管理;
(5)人机交互;
(6)船岸端之间安全、可靠的双向数据交换;
(7)按照时序自动记录、备份维护方案的采纳、执行、纠错与人工补充(如有时)等情况信息,必要时,船端***操作人员可协助完成此工作。
视情维护模块23的***要求是:
(1)确保提高维修性、安全性,并在全生命周期内降低关键***/过程的使用与保障成本;
(2)结构应设计成开放式的,在当外部子***3或子***与部件更改、升级、置换时,应便于使用,同时***/过程的接口变更尽可能少;
(3)可靠性、可用性、维修性与耐用性需求须得到满足;
(4)知识库主要来自设计(初始数据和信息以及它的组件)和运营(包含运行数据记录、维修历史、材料消耗历史);
(5)独立性要求:应设计成或使其模块和功能相互独立,当其中的某一或多个模块发生故障时,应不影响其他模块的正常工作;
(6)故障安全要求:应按故障安全原则设计,故障安全原则不仅应考虑模块本身以及与之有关的机械,而且对船上其余机械装置,以及船舶和人员的安全不应造成危害;模块的设计,应能使运行过程中出现的一个故障不会导致其他故障的产生,并且其产生的危险性降到尽可能低的程度;模块应确保持续、有效、可靠的运行、更新与维护。
(7)冗余设计:采用双套电源,其中当主电源发生故障后,备用电源会立即承担所有的负载;当模块发生故障时,冗余配置的部件介入并承担故障部件的工作,由此减少故障时间。
优选地,智能船舶机舱***还包括执行子***4,执行子***4是根据健康评估、辅助决策、视情维护等模块的输出结果,自主制定并执行机舱管理与行动方案的***。
在此过程中,可自动识别行动方案与其他分***(如智能航行***、智能能效管理***等)存在的潜在冲突,并将存在潜在冲突的行动方案及时上传至船舶智能综合管控与指挥中枢***,最终执行中枢***发出的协调管控指令。综合利用状态监测***所获得的各种信息和数据,对机舱内机、电、气、液、管等设备的运行状态、健康状况进行分析、评估、决策、预测,并对相应设备进行自动预警、报警、维护、保养、操控等功能。
外部子***3包括数据库模块31和信息交互模块32,数据库模块31用于储存和传输数据获取子***1和辅助子***2产生的数据,信息交互模块32用于以信息交互的方式,实现船端、岸端以及移动终端的连接。
数据库模块31的功能要求主要有:
(1)设置足够容量的服务器或数据库,实现数据、网络、***的存储、备份、管理和回放功能;
(2)保存至少一个检验周期的数据(船端保存至少5年,建立数据备份机制);
(3)历史运行数据可随时被健康评估等其他功能模块检索调用;
(4)历史数据趋势可用于统计相关性分析,为了精确,应审查核实以前健康状态评估和根本原因信息;
(5)具有双冗余热备份功能,当***示控制台(或网络)故障时,能功能重组,确保外部子***3不间断运行,完成原外部子***3的全部功能;
(6)模拟演练功能,借助数据库服务器,模拟生成***演练、监测工作状态必需的传感器和设备信息,模拟生成船舶航行工作流程,在特定的海洋环境条件下,进行船舶航行、智能机舱管理控制等模拟演练。
信息交互模块32是指操作人员借助船端、岸端以及移动终端等设备,通过交互***界面对机械总体画面及各个子***进行了解,也可以设定机械状态舵机报警值,同时输出不同的统计信息,包括报警信息、测量信息、健康评估结果等。船岸一体化信息同步是在各个船舶上建立独立的局域网,并与船舶上的通信网关单元连接,借助船舶卫星通信设备,以邮件的形式进行传递,并由应用服务器进行数据的校验和智能拆分,自动保存到船舶数据库中。
信息交互模块32的功能主要有:
(1)交互模块具有用户友好的人机界面,操作方便;可显示所有机械总体画面及各个子***或部件分画面;还可设定机械状态多级报警值,同时输出不同的统计信息,包括报警信息、测量信息、信号异常信息、健康评估结果等。
(2)输出的数据与信息至少包括:
a、标识码或编号:通过设备号、部件号、评价日期等历史记录描述被检测机械的识别;
b、状态监测:显示被检测机械的具体状态信息与趋势性数据等;
c、健康评价:显示被检测机械当前或潜在的故障/失效的诊断结论,以及失效预测信息。
(3)信息交互模块32应能把数据转换成能够清楚表达做出正确决定所必需信息的格式,例如文字描述形式、表示复制的数字形式、表示趋势的图标形式或者三种形式的组合;
(4)为了便于资深人员的分析,需要相关的技术显示来展示诸如趋势和相关的异常区域数据,为分析人员提供需要识别、确认或理解异常状态的数据;
(5)为了让用户对状态快速了解,对大多数用户而言,可以把显示分为五个不同的区域,随后的多窗口可以显示更详细的附加数据,五个不同的区域为状态监测、健康评价、预测、推荐措施、识别,如情况特殊,可为具体应用开发定制显示格式;
(6)对不同需求的操作人员设定不同的权限,防止人员误操作,保证***的安全性。
优选的实施方式中,信息交互模块32包含状态检测、健康评估、预测、推荐措施和识别五个窗口,通过对不同区域信息的划分,方便用户对设备工作状态的快速了解,同时对设备附加信息的显示,也可通过增加信息窗口的方式实现。
外部子***3中的数据储存采用SQL Server数据库;数据获取子***1通过NETBILS适配器采集数据;外部子***3通过TCP/IP适配器采集数据;健康评估模块21通过PROFINET接口获取数据;辅助决策模块22通过PROFINET接口采集数据;视情维护模块23通过PROFINET接口采集数据;执行子***4通过NETBILS适配器采集数据;数据***通过FTP适配器获取数据;信息感知***通过FTP适配器获取采集数据。
具体协议内容如下:
(1)NETBILS协议
NETBILS(Network Basic Input/Output System)网上基本输入输出***,是一种应用程序接口,可以在局域网中互相连线以及分享数据,NETBILS定义了一种软件接口以及在应用程序和连接介质之间提供通信接口的标准方法,是一种会话层协议。NETBIL的传输速度为60MB/s。
(2)TCP/IP协议
TCP/IP(互联网协议)是一个网络通信模型,以及一整个网络传输协议家族,为互联网的基础通信架构。由于在网络通讯协议普遍采用分层的结构,当多个层次的协议共同工作时,类似计算机科学中的堆栈,因此又被称为TCP/IP协议栈。TCP/IP提供点对点的链接机制,将数据应该如何封装、定址、传输、路由以及在目的地如何接收,都加以标准化。TCP/IP的传输速度在局域网内,可以达到100MB/s。
(3)FTP协议
FTP(File Transfer Protocol)文件传输协议,用于Tnternet上的控制文件的双向传输,FTP是一个8位的客户端服务器协议,能操作任何类型的文件而不需要进一步处理。文件传送(file transfer)和文件访问(file access)之间的区别在于:前者由FTP提供,后者由如NFS等应用***提供;FTP的传输方式有两种:ASCII、二进制。另外FTP传输的速度在100MB/s,千兆FTP传输的速度在50-60MB/s之间波动是很正常的。
(4)PROFINET协议
PROFINET由ROFIBUS国际组织推出,是新一代基于工业以太网技术的自动化总线标准。PROFINET为自动化通信领域提供了一个完整的网络解决方案,囊括了诸如实时以太网、运动控制、分布式自动化、故障安全以及网络安全等当前自动化领域的热点话题,并且,PROFINET完全兼容工业以太网和现有的现场总线技术。光纤没有传输距离之说,只有衰耗的不同,主要取决于光强度和灵敏度,正常情况下,光纤平均每KM衰耗0.4DB,多模光纤衰耗大,传输距离近,单模光纤衰耗小,传输距离远。
(5)SQL Server数据库
SQL Server(Structured Query Language)结构化查询语言,SQL语言的功能是同各种数据库建立联系,进行沟通。按照ANSI的规定,SQL(Structured Query Language)被作为关系型数据库管理***的标准语言。SQL Server是由Microsoft开发和推广的关系型数据库管理***。SQL Server的传输速度主要取决于电脑的配置以及网络带宽,最快速度是复制一个文件的速度,最慢速度为0。
智能船舶机舱***架构设计采用的是分布式架构方式,将智能船舶机舱***划分为外部子***3、辅助子***2、执行子***4、数据获取子***1,使用通信接口协议,降低***之间的耦合度,不同的软件负责不同的子***,增加***功能时,只需要增加一个新的子***,调用其他***的接口即可,在分布式部署时更加具有灵活性。
Claims (10)
1.一种智能船舶机舱***,其特征在于,所述智能船舶机舱***包括数据获取子***、辅助子***以及外部子***;
所述数据获取子***用于通过多个传感器实时获取机舱设备的感知数据,并对所述感知数据进行转换和处理形成标准数据;
所述辅助子***包括健康评估模块、辅助决策模块以及视情维护模块;
其中,所述健康评估模块用于根据所述标准数据对机舱设备的运行状态和健康状况进行分析评估,形成分析评估报告;
所述辅助决策模块用于根据所述分析评估报告和所述标准数据诊断出机舱设备的故障并形成故障信息,根据所述故障信息与所述外部子***中储存的历史数据进行比较形成比较结果,所述历史数据包括所述标准数据、所述分析评估报告、所述维修方案以及所述时间表的历史数据,根据所述比较结果制定维修方案;
所述视情维护模块用于根据所述分析评估报告和所述维修方案预测机舱设备的有效工作周期,制定维修调度的时间表;
所述外部子***用于储存所述数据获取子***和所述辅助子***产生的数据以及所述历史数据;
所述根据所述故障信息与所述外部子***中储存的历史数据进行比较形成比较结果包括:
将所述标准数据、所述分析评估报告、所述维修方案以及所述时间表组合成故障事例,并将所述故障事例储存于所述外部子***;所述故障事例的五元组表示为:
case=<T,E,M,D,P>
式中:T={t1,t2,...tn}是有限非空集合,表示所述故障事例的编号;E={e1,e2,...en}是有限集合,表示所述故障事例的说明信息;M={m1,m2,...mn}是有限非空集合,表示所述故障事例的征兆;D={d1,d2,...dn}是有限非空集合,表示由故障征兆引起的故障结论;P={p1,p2,...pn}是有限集合,表示故障事例的所述维修方案;
所述辅助决策模块将所述故障信息与所述故障事例进行相似度计算,相似度的计算公式表示为:
式中,simi(Xi,Yi)为所述故障信息和第i个所述故障事例的相似度;μi为故障发生部位的特征属性的权重系数,μi表示为:
式中,Pij为三级比较标准的值;
当将μi简化为1,则相似度的计算公式表示为:
式中,Cx为所述故障信息的故障现象数量;Cy为所述故障事例的故障现象数量;Cx∩Cy为所述故障信息与所述故障事例相匹配的故障现象数量;
所述比较结果为相似度的值,当相似度的值落在设定范围内时,表示故障信息和故障事例相似,所述辅助决策模块制定与故障事例相同的所述维修方案;否则,所述辅助决策模块从所述外部子***中获取所述维修方案。
3.如权利要求1所述的智能船舶机舱***,其特征在于,三级比较标准的含义表示为:
所述辅助决策模块计算所述故障事例和所述故障信息的特征属性值,根据所述特征属性值计算出比较值;当ri大于rj时,pij=1;当ri等于rj时,pij=0.5;当ri小于rj时,pij=0;其中,ri为所述故障事例第i个特征属性值,rj为所述故障信息第j个特征属性值,pij为三级比较标准的比较值;
比较值构成矩阵N表示为:
N=(pij)n*n
式中,n为指标数量。
4.如权利要求1所述的智能船舶机舱***,其特征在于,所述辅助决策模块还用于根据所述分析评估报告和所述标准数据制定机舱设备的操作和维护的优化方案。
5.如权利要求1所述的智能船舶机舱***,其特征在于,所述数据获取子***采用压缩感知方法传输数据,所述压缩感知方法包括:
将标准数据进行稀疏变换后得到稀疏数据;
将所述稀疏数据压缩去掉零值或接近零值的系数后形成变换数据;
对所述变换数据进行低速采样获取采样数据;
对所述采样数据进行编码并传输;
将传输后的所述采样数据进行重构。
6.如权利要求1所述的智能船舶机舱***,其特征在于,所述视情维护模块还用于将所述时间表进行存储和存取管理以及对所述视情维护模块的配置进行管理。
7.如权利要求1所述的智能船舶机舱***,其特征在于,所述辅助决策模块包括模型库单元以及专家***;
其中,所述模型库单元用于储存提供决策分析能力的定量模型;
所述专家***包括知识获取子单元、知识库和推理机;
其中,所述知识获取子单元用于从知识源获取船舶领域的知识,并将所述知识转换成计算机程序;
所述知识库用于储存事实、专门的启发性知识或者规则;
所述推理机用于调用知识库中的相应知识,对诊断对象进行检测,根据所述故障信息分析与隔离故障源。
8.如权利要求1所述的智能船舶机舱***,其特征在于,所述数据获取子***包括数据模块,所述数据模块包括数据采集单元和数据处理单元;
其中,所述数据采集单元用于将所述感知数据转换成数字数据;
所述数据处理单元用于对所述数字数据执行包括信号处理、同步或非同步平均、算法计算、特征提取的操作,并得出所述结果数据。
9.如权利要求8所述的智能船舶机舱***,其特征在于,所述数据获取子***还包括感知模块,所述感知模块通过传感器获取所述机舱设备的工作状态和运行环境的所述感知数据,所述机舱设备包括主推进动力装置、电力装置、发电动力装置、锅炉装置、舵机装置。
10.如权利要求1所述的智能船舶机舱***,其特征在于,所述外部子***包括数据库模块和信息交互模块,所述数据库模块用于储存和传输数据获取子***和辅助子***产生的数据,所述信息交互模块用于以信息交互的方式,实现船端、岸端以及移动终端的连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889359.1A CN110738331A (zh) | 2019-09-19 | 2019-09-19 | 一种智能船舶机舱*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889359.1A CN110738331A (zh) | 2019-09-19 | 2019-09-19 | 一种智能船舶机舱*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110738331A true CN110738331A (zh) | 2020-01-31 |
Family
ID=69268184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910889359.1A Pending CN110738331A (zh) | 2019-09-19 | 2019-09-19 | 一种智能船舶机舱*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738331A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240229A (zh) * | 2020-03-20 | 2020-06-05 | 智慧航海(青岛)科技有限公司 | 一种基于智能船舶靠离泊仿真测试的故障信息处理*** |
CN111382546A (zh) * | 2020-04-07 | 2020-07-07 | 东方电气集团东方电机有限公司 | 一种基于支持向量机建模对发电机绝缘***进行寿命预测的方法 |
CN111855219A (zh) * | 2020-07-20 | 2020-10-30 | 哈尔滨工程大学 | 一种基于灰色理论的柴油机润滑油进机安保参数预测方法 |
CN112360625A (zh) * | 2020-10-27 | 2021-02-12 | 中船动力有限公司 | 基于专家***的船用柴油机智能化故障诊断*** |
CN112967417A (zh) * | 2021-02-01 | 2021-06-15 | 南京盛航海运股份有限公司 | 智能船舶数据采集组网方法、装置、设备及存储介质 |
CN113379223A (zh) * | 2021-06-04 | 2021-09-10 | 江苏科技大学 | 基于故障关联模型的船舶主机随船备件多层级配置方法 |
CN113947740A (zh) * | 2021-10-15 | 2022-01-18 | 大连海事大学 | 一种基于视觉的船舶机械智能运维方法、***及存储介质 |
CN114205686A (zh) * | 2021-12-01 | 2022-03-18 | 大连海事大学 | 基于主动感知的智能船舶传感器配置、监控方法及*** |
CN115453236A (zh) * | 2022-08-24 | 2022-12-09 | 大连海事大学 | 一种船舶风翼动力***的故障诊断与健康评估方法 |
CN116773169A (zh) * | 2023-06-20 | 2023-09-19 | 南通思诺船舶科技有限公司 | 一种推进轴健康管理方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114743A1 (en) * | 2002-07-19 | 2005-05-26 | Moorhouse Timothy J. | Fault diagnosis system |
CN105302112A (zh) * | 2015-10-23 | 2016-02-03 | 中国电子科技集团公司第十研究所 | Icni***智能故障诊断*** |
CN205539035U (zh) * | 2016-01-13 | 2016-08-31 | 重庆人文科技学院 | 柴油机瞬时转速测量仪 |
CN107168285A (zh) * | 2017-05-26 | 2017-09-15 | 大连理工大学 | 一种结合主客观信息和云模型的汽车智能故障诊断与维修辅助方法及*** |
CN109682601A (zh) * | 2019-03-04 | 2019-04-26 | 北京天泽智云科技有限公司 | 一种变转速工况下滚动轴承的早期故障识别方法 |
CN110109445A (zh) * | 2019-05-24 | 2019-08-09 | 连云港杰瑞深软科技有限公司 | 一种船舶机舱辅机监控***及监控方法 |
-
2019
- 2019-09-19 CN CN201910889359.1A patent/CN110738331A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114743A1 (en) * | 2002-07-19 | 2005-05-26 | Moorhouse Timothy J. | Fault diagnosis system |
CN105302112A (zh) * | 2015-10-23 | 2016-02-03 | 中国电子科技集团公司第十研究所 | Icni***智能故障诊断*** |
CN205539035U (zh) * | 2016-01-13 | 2016-08-31 | 重庆人文科技学院 | 柴油机瞬时转速测量仪 |
CN107168285A (zh) * | 2017-05-26 | 2017-09-15 | 大连理工大学 | 一种结合主客观信息和云模型的汽车智能故障诊断与维修辅助方法及*** |
CN109682601A (zh) * | 2019-03-04 | 2019-04-26 | 北京天泽智云科技有限公司 | 一种变转速工况下滚动轴承的早期故障识别方法 |
CN110109445A (zh) * | 2019-05-24 | 2019-08-09 | 连云港杰瑞深软科技有限公司 | 一种船舶机舱辅机监控***及监控方法 |
Non-Patent Citations (6)
Title |
---|
叶义成等 编: "《***综合评价技术及其应用》", 31 January 2006, 冶金工业出版社 * |
王慧滨: "基于规则和案例推理的汽轮发电机组故障诊断专家***", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
王晓蕊 著: "《光电成像***——建模、仿真、测试与评估》", 30 September 2017, 西安电子科技大学出版社 * |
胡洁等 编: "《知识融合理论与方法》", 31 May 2018, 上海交通大学出版社 * |
赵建光 等著: "《物联网技术研究综述》", 31 December 2016, 东北师范大学出版社 * |
马晋 等: "基于瞬时转速波动率的内燃机故障诊断方法研究", 《振动与冲击》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240229A (zh) * | 2020-03-20 | 2020-06-05 | 智慧航海(青岛)科技有限公司 | 一种基于智能船舶靠离泊仿真测试的故障信息处理*** |
CN111240229B (zh) * | 2020-03-20 | 2023-06-30 | 智慧航海(青岛)科技有限公司 | 一种基于智能船舶靠离泊仿真测试的故障信息处理*** |
CN111382546B (zh) * | 2020-04-07 | 2023-06-30 | 东方电气集团东方电机有限公司 | 一种基于支持向量机建模对发电机绝缘***进行寿命预测的方法 |
CN111382546A (zh) * | 2020-04-07 | 2020-07-07 | 东方电气集团东方电机有限公司 | 一种基于支持向量机建模对发电机绝缘***进行寿命预测的方法 |
CN111855219A (zh) * | 2020-07-20 | 2020-10-30 | 哈尔滨工程大学 | 一种基于灰色理论的柴油机润滑油进机安保参数预测方法 |
CN112360625A (zh) * | 2020-10-27 | 2021-02-12 | 中船动力有限公司 | 基于专家***的船用柴油机智能化故障诊断*** |
CN112967417A (zh) * | 2021-02-01 | 2021-06-15 | 南京盛航海运股份有限公司 | 智能船舶数据采集组网方法、装置、设备及存储介质 |
CN113379223A (zh) * | 2021-06-04 | 2021-09-10 | 江苏科技大学 | 基于故障关联模型的船舶主机随船备件多层级配置方法 |
CN113947740A (zh) * | 2021-10-15 | 2022-01-18 | 大连海事大学 | 一种基于视觉的船舶机械智能运维方法、***及存储介质 |
CN114205686A (zh) * | 2021-12-01 | 2022-03-18 | 大连海事大学 | 基于主动感知的智能船舶传感器配置、监控方法及*** |
CN115453236A (zh) * | 2022-08-24 | 2022-12-09 | 大连海事大学 | 一种船舶风翼动力***的故障诊断与健康评估方法 |
CN116773169A (zh) * | 2023-06-20 | 2023-09-19 | 南通思诺船舶科技有限公司 | 一种推进轴健康管理方法及*** |
CN116773169B (zh) * | 2023-06-20 | 2024-04-26 | 南通思诺船舶科技有限公司 | 一种推进轴健康管理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738331A (zh) | 一种智能船舶机舱*** | |
RU2313815C2 (ru) | Устройство и способ для контроля технической установки, содержащей множество систем, в частности установки электростанции | |
Liu et al. | Fault detection, diagnostics, and prognostics: software agent solutions | |
CN113076625B (zh) | 一种舰船柴油发电机组健康管理***及其工作方法 | |
Zaher et al. | A multi-agent fault detection system for wind turbine defect recognition and diagnosis | |
JP2009053938A (ja) | 複数モデルに基づく設備診断システム及びその設備診断方法 | |
CN116228186A (zh) | 基于人因工程的船舶机舱智能运维*** | |
JPH08202444A (ja) | 機械設備の異常診断方法および装置 | |
CN110925031B (zh) | 一种大功率间接空冷汽轮机管控*** | |
WO2014001799A1 (en) | Vehicle diagnostic system and method | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断***以及诊断方法 | |
CN113033055B (zh) | 一种基于数字孪生的船用发动机状态评估方法及*** | |
KR102268733B1 (ko) | 선박기관의 고장검출 방법 및 시스템 | |
CN108593302A (zh) | 一种低速柴油机故障诊断*** | |
CN112083355A (zh) | 一种船舶舱室设备健康管理与故障预测***及方法 | |
CN113537415A (zh) | 基于多信息融合的换流站巡检方法、装置和计算机设备 | |
CN113847950A (zh) | 基于云计算的智能船舶设备状态监测***及信息交互方法 | |
CN112308300A (zh) | 一种大型电子产品状态预测管理*** | |
CN112486143A (zh) | 柴油发电机组远程监控及专家诊断*** | |
Yang et al. | Research on knowledge graph and Bayesian network in fault diagnosis of steam turbine | |
CN112124229A (zh) | 一种应急抢险泵车远程实时故障诊断方法 | |
CN113697424B (zh) | 一种基于云技术的带式输送机监测与故障诊断***及方法 | |
CN114648212A (zh) | 一种基于云计算的船舶设备性能智能管理***及方法 | |
CN113919207A (zh) | 上面级开放式电气智能健康监测与管理*** | |
CN108520302A (zh) | 一种柴油机故障诊断*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200131 |
|
RJ01 | Rejection of invention patent application after publication |