CN113503921B - 一种船舶的智能推力轴系监测*** - Google Patents

一种船舶的智能推力轴系监测*** Download PDF

Info

Publication number
CN113503921B
CN113503921B CN202110785433.2A CN202110785433A CN113503921B CN 113503921 B CN113503921 B CN 113503921B CN 202110785433 A CN202110785433 A CN 202110785433A CN 113503921 B CN113503921 B CN 113503921B
Authority
CN
China
Prior art keywords
data
lubricating oil
monitoring system
time
shafting
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
Application number
CN202110785433.2A
Other languages
English (en)
Other versions
CN113503921A (zh
Inventor
左毅
贺宝华
江俊豪
马赫
李铁山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Maritime University
Original Assignee
Dalian Maritime University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN202110785433.2A priority Critical patent/CN113503921B/zh
Publication of CN113503921A publication Critical patent/CN113503921A/zh
Application granted granted Critical
Publication of CN113503921B publication Critical patent/CN113503921B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • G06F16/212—Schema design and management with details for data modelling support
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
    • H04L63/0209—Architectural arrangements, e.g. perimeter networks or demilitarized zones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Fuzzy Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Medical Informatics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种船舶的智能轴系监测***，包括数据采集装置和智能云平台。本发明通过智能云平台实现对轴系运行网络的控制和管理，确保轴系的信息及时传递给船上工作人员。当轴系***接入智能云平台后，相关感应器通过局域网为智能云平台提供轴系设备的基本信息、能力信息、时间信息、状态信息和任务信息；导航卫星为平台提供航行信息；云平台防火墙保障整个运行网络的安全，视觉监测***用以监测工作过程中的相关硬件的运行状态是否良好、硬件运行过程中是否有破损，大大提高对轴系故障的监测速度与精度，防止人为产生的误判；将网络和视觉监测***联系起来可以进行线上和线下的视频监视，更加直观的观察轴系运行状况并及时发现轴系运行问题。

Description

一种船舶的智能推力轴系监测***
技术领域
本发明涉及一种船舶的智能轴系监测***，属于船舶与海洋工程中的船舶的轴系监测管理技术领域。
背景技术
随着科技的发展和智能化水平的提高，智能监测***这一领域已经逐步趋于成熟化，在轴系监测方面也是如此，随着船舶吨位越来越大，船舶动力需求也是越来越大，轴系的体积也会相应的扩大，这使得对于轴系的监测更加困难，因此轴系智能监测具有很大的潜在价值，可以减少船上工作人员的压力。
目前的轴系监测主要是通过人为进行监测，只能直观的监测轴系设备问题，不能发现轴系存在的客观问题，对轴系出现故障发现的不及时会使船舶轴系寿命缩短，加重船舶企业的财力支出和运营成本。同时，由于海上环境比较恶劣，船公司对船员素质要求较高，导致船员匮乏。
目前船员对于轴系故障和疑难问题等的判断主要还是依靠经验和理论知识，难免会出现不恰当的决策，造成不必要的人力、物力和财力损失。对于航行中的船舶，由于海上复杂的通航环境，不恰当的决策会造成更为严重的损失。
发明内容
为了解决现有技术中的不足，本发明要提供一种船舶智能轴系监测***，能够实现轴系监测智能化感知、判断分析、决策和控制，从而保障船舶拥有充足的动力，大幅度减少甚至杜绝人为因素造成的事故。
为了实现上述目的，本发明的技术方案如下：一种船舶的智能轴系监测***，包括数据采集装置和智能云平台；所述智能云平台与数据采集装置连接；
所述智能云平台包括控制器、云平台防火墙、5G接收装置和视觉监测***；所述控制器通过局域网分别与轴系路由器、云平台防火墙、5G接收装置和视觉监测***连接，所述视觉监测***将视频信息传输至控制器进行在线监测。所述数据采集装置通过轴系路由器与控制器连接，并将收集的数据传输至控制器中。云平台防火墙为整个***提供安全保障服务，保证整个***的安全运行。5G接收装置为整个***提高网络服务，保证信息传输效率。
所述数据采集装置包括振动传感器、轴马力计、温度传感器、噪音传感器和油液在线监测机箱；
所述数据采集装置对轴系进行智能化监测，收集轴系的振动数据、功率数据、温度数据和噪音数据，并对油液进行在线监测；
所述油液在线监测机箱内安装艉轴滑油液在线监测***，所述艉轴滑油液在线监测***包括艉轴滑油成分监测***、艉轴滑油粘度监测***、艉轴滑油压力监测***、艉轴滑油温度监测***、艉轴滑油流量监测***和艉轴滑油流速监测***。
所述控制器内安装大数据处理***，所述大数据处理***包括大数据管理***、大数据建模***和大数据分析***；
所述大数据处理***通过对数据采集装置收集到的信息进行处理和分析，通过智能云平台再将信息共享给岸上公司、船舶码头和船上工作人员；
所述大数据建模***采集由振动传感器、轴马力计、温度传感器、噪音传感器、油液在线监测机箱、船舶自动识别***和气象采集***中收集的振动数据、功率数据、温度数据、噪音数据、油液数据、船舶航行数据和天气状况组成的多源异构数据，所述油液数据包括油液的成分、粘度、压力、温度、流量和流速；随后大数据管理***对上述多源异构数据进行管理、存储，便于进一步分析研究。
所述大数据处理***的工作方法包括以下步骤：
A、大数据建模***将数据采集装置收集到的多源异构数据进行融合和建模，相关数据符号表示如下所示：
Vi(t)表示t时刻的振动数据；
S(t)表示t时刻的功率数据；
T(t)表示t时刻的轴管温度数据；
N(t)表示t时刻的噪音数据；
L(t)表示t时刻的润滑油量数据；
W(t)表示t时刻的风力数据；
Dw(t)表示t时刻的风向数据；
D(t)表示t时刻的船舶吃水数据；
V(t)表示t时刻的船舶对地航速数据；
Dr(t)表示t时刻的船舶航向数据；
将数据采集装置采集到的前五个时刻的上述数据输入至神经网络模型中，预测下一时刻的振动数据、功率数据、轴管温度、噪音强度和润滑油量，即将下一时刻的数据进行输出。当前时刻的输入数据Lt,n及下一时刻的输出数据Lt+1,oit表示如下：
Lt,n＝[Vi(t),S(t),T(t),N(t),L(t),W(t),DW(t),D(t),V(t),Dr(t)]
Lt+1,out＝[Vi(t+1),S(t+1),T(t+1),N(t+1),L(t+1)]
神经网络模型输入Input为前五个时刻的数据，表示如下：
Input＝(Lt-4,Lt-3,Lt-2,Lt-1,Lt)
神经网络模型输出Output为下一时刻的数据，表示如下：
Output＝(Lt+1)
B、大数据分析***对数据进行分析并将实际数据与预测数据进行分析比较，当实际数据与预测数据偏差较大时，设备发生故障，控制器会发出预警，提醒船员需要及时排除故障，保障船舶航行安全。
C、采用神经网络模型对数据采集装置收集到的数据进行实时多标签分类，将上述实时数据进行输入，对实时滑油油液消耗等级、实时故障风险等级和实时推力轴系运行效率进行多标签分类，标签类别为高、较高、中、较低和低五个标签，并将实时标签在控制器的电脑屏幕中进行展示，便于工作人员了解船舶运行状况，排除故障风险，提高运行效率。
进一步地，所述神经网络模型包括长短时记忆网络LSTM或门控单元GRU神经网络。
进一步地，所述艉轴滑油成分监测***、艉轴滑油粘度监测***、艉轴滑油压力监测***、艉轴滑油温度监测***、艉轴滑油流量监测***和艉轴滑油流速监测***分别为油液分析仪、粘度传感器、压力传感器、温度传感器、流量传感器和流速传感器，所述油液分析仪对艉轴滑油成分进行分析监测，粘度传感器对艉轴滑油粘度进行监测，压力传感器对艉轴滑油压力进行监测，温度传感器对艉轴滑油液温度进行监测，流量传感器和流速传感器对艉轴滑油液流量和流速进行监测。
进一步地，船舶中间轴处均匀分布安装五个振动传感器用以监测并收集振动数据，在中间轴处安装轴马力计用以监测并收集轴功率数据，在螺旋桨与艉部轴承连接处安装艉管温度传感器用以监测并收集艉管温度数据，在艉部轴承处安装艉部噪音传感器用以监测并收集艉部噪音数据，在滑油出口处安装油液在线监测机箱用以监测并收集滑油数据。
与现有技术相比，本发明的有益效果如下：
1、本发明通过智能云平台实现对轴系运行网络的控制和管理，确保轴系的信息及时传递给船上工作人员。当轴系***接入智能云平台后，相关感应器通过局域网为智能云平台提供轴系设备的基本信息、能力信息、时间信息、状态信息和任务信息；导航卫星为平台提供航行信息；云平台防火墙保障整个运行网络的安全，视觉监测***用以监测工作过程中的相关硬件的运行状态是否良好、硬件运行过程中是否有破损，大大提高对轴系故障的监测速度与精度，防止人为产生的误判，并且将网络和视觉监测***联系起来可以进行线上和线下的视频监视，更加直观的观察轴系运行状况并及时发现轴系运行问题。
2、本发明的艉轴润滑油液监测***对艉轴滑油的成分、粘度、压力、温度、流量和流速进行实时、连续的监测并将采集的相关数据传送至智能云平台，智能云平台的大数据处理***对油液的相关性能指标进行分析，当发现油液瞬时性能指标变化较大时，监测***通过控制器的电脑向工作人员发送预警，提醒其对相关部分进行检测，保证艉轴的正常运行。
3、本发明的智能云平台将数据采集装置所收集到的数据进行管理、建模和分析，建模过程对数据进行了实时预测，利用预测数据与实时数据比较来判断船舶故障情况。此外，建模***利用实时数据对实时滑油油液消耗等级、实时故障风险等级和实时推力轴系运行效率进行多标签分类并在电脑屏幕进行展示，保证船舶高效率、低风险航行。
4、本发明运用先进的信息化技术、实时数据传输和汇集、大计算容量、数字建模、远程控制、传感器等，实现轴系监测智能化的感知、判断分析、决策和控制，从而更好地保证船舶充足的动力，大幅度减少甚至杜绝人为因素造成的事故。
附图说明
图1是本发明的构架图。
图2是本发明的流程图。
图3是大数据管理、建模、分析流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面将结合本发明实施例中的附图，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1-3所示，一种船舶的智能推力轴监测***的工作方法，包括如下步骤。
S1：数据采集
数据采集装置将振动传感器、轴马力计、温度传感器、噪音传感器和油液在线监测机箱收集的振动数据、功率数据、温度数据、噪音数据、艉轴滑油油液数据和船舶自身的船舶自动识别***和气象采集装置收集到的航行数据以及天气状况数据进行汇集，将这些数据输送至智能云平台。
S2：智能云平台数据管理、建模、分析
智能云平台包括控制器、视觉检测***、5G接收装置和云平台防火墙，智能云平台数据管理、建模、分析过程主要由控制器中的大数据管理***、大数据建模***和大数据分析***进行。大数据管理***将数据采集装置收集到的振动数据、功率数据、温度数据、噪音数据、油液的成分、粘度、压力、温度、流量和流速、船舶航行数据和天气状况数据进行管理，大数据建模***将收集到的多源异构数据进行建模，主要分预测和多标签分类两个过程。
如图2-3所示，本发明的预测方法如下：假设选用LSTM神经网络，首先，将数据采集装置收集到的前五个时刻的上述数据作为输入，输入至LSTM神经网络中，经过神经网络计算，输出后一个时刻的数据，将Output＝(Lt+1)与实际情况进行比较，当实际数据与预测数据偏差较大时候，进行情况预警，控制器提醒工作人员及时排除故障。
如图3所示，多标签分类过程具体操作如下：将数据采集装置收集到的数据输入至神经网络，对实时滑油油耗等级、实时故障风险等级和实时推力轴系运行效率进行多标签分类，多标签类别分为高、较高、中、较低和低五个标签，将分类结果进行屏幕展示，在对实时滑油耗等级进行多标签分类时，当滑油油耗高于平均油耗的10％-20％时，滑油油耗等级显示为较高，当滑油油耗高于平均油耗的20％以上时，滑油油耗等级显示为高；在对实时故障风险等级进行多标签分类时，当数据采集装置采集的数据超出其合理范围时按照分类标准进行多标签分类；运行效率同理。通过上述预测与多标签分类，便于工作人员实时查看轴系运作情况，提高轴系的运行效率。
其中步骤S1与步骤S2同时进行，步骤S2建模过程中的预测和多标签分类也同时进行。
本发明的技术内容及技术特征已揭示如上，然而熟悉本领域的技术人员仍可能基于本发明的教示及揭示而做种种不背离本发明精神的替换及修饰，因此，本发明保护范围应不限于实施例所揭示的内容，而应包括各种不背离本发明的替换及修饰，并为本专利申请权利要求所涵盖。

Claims (4)

1.一种船舶的智能轴系监测***，包括数据采集装置和智能云平台；所述智能云平台与数据采集装置连接；
其特征在于：所述智能云平台包括控制器、云平台防火墙、5G接收装置和视觉监测***；所述控制器通过局域网分别与轴系路由器、云平台防火墙、5G接收装置和视觉监测***连接，所述视觉监测***将视频信息传输至控制器进行在线监测；所述数据采集装置通过轴系路由器与控制器连接，并将收集的数据传输至控制器中；云平台防火墙为整个***提供安全保障服务，保证整个***的安全运行；5G接收装置为整个***提高网络服务，保证信息传输效率；
所述数据采集装置包括振动传感器、轴马力计、温度传感器、噪音传感器和油液在线监测机箱；
所述数据采集装置对轴系进行智能化监测，收集轴系的振动数据、功率数据、温度数据和噪音数据，并对油液进行在线监测；
所述油液在线监测机箱内安装艉轴滑油液在线监测***，所述艉轴滑油液在线监测***包括艉轴滑油成分监测***、艉轴滑油粘度监测***、艉轴滑油压力监测***、艉轴滑油温度监测***、艉轴滑油流量监测***和艉轴滑油流速监测***；
所述控制器内安装大数据处理***，所述大数据处理***包括大数据管理***、大数据建模***和大数据分析***；
所述大数据处理***通过对数据采集装置收集到的信息进行处理和分析，通过智能云平台再将信息共享给岸上公司、船舶码头和船上工作人员；
所述大数据建模***采集由振动传感器、轴马力计、温度传感器、噪音传感器、油液在线监测机箱、船舶自动识别***和气象采集***中收集的振动数据、功率数据、温度数据、噪音数据、油液数据、船舶航行数据和天气状况组成的多源异构数据，所述油液数据包括油液的成分、粘度、压力、温度、流量和流速；随后大数据管理***对上述多源异构数据进行管理、存储，便于进一步分析研究；
所述大数据处理***的工作方法包括以下步骤：
A、大数据建模***将数据采集装置收集到的多源异构数据进行融合和建模，相关数据符号表示如下所示：
Vi(t)表示t时刻的振动数据；
S(t)表示t时刻的功率数据；
T(t)表示t时刻的轴管温度数据；
N(t)表示t时刻的噪音数据；
L(t)表示t时刻的润滑油量数据；
W(t)表示t时刻的风力数据；
Dw(t)表示t时刻的风向数据；
D(t)表示t时刻的船舶吃水数据；
V(t)表示t时刻的船舶对地航速数据；
Dr(t)表示t时刻的船舶航向数据；
将数据采集装置采集到的前五个时刻的上述数据输入至神经网络模型中，预测下一时刻的振动数据、功率数据、轴管温度、噪音强度和润滑油量，即将下一时刻的数据进行输出；当前时刻的输入数据Lt，in及下一时刻的输出数据Lt+1，out表示如下：
Lt，in＝[Vi(t)，S(t)，T(t)，N(t)，L(t)，W(t)，DW(t)，D(t)，V(t)，Dr(t)]
Lt+1，out＝[Vi(t+1)，S(t+1)，T(t+1)，N(t+1)，L(t+1)]
神经网络模型输入Input为前五个时刻的数据，表示如下：
Input＝(Lt-4，Lt-3，Lt-2，Lt-1，Lt)
神经网络模型输出Output为下一时刻的数据，表示如下：
Output＝(Lt+1)
B、大数据分析***对数据进行分析并将实际数据与预测数据进行分析比较，当实际数据与预测数据偏差较大时，设备发生故障，控制器会发出预警，提醒船员需要及时排除故障，保障船舶航行安全；
C、采用神经网络模型对数据采集装置收集到的数据进行实时多标签分类，将上述实际数据进行输入，对实时滑油油液消耗等级、实时故障风险等级和实时推力轴系运行效率进行多标签分类，标签类别为高、较高、中、较低和低五个标签，并将实时标签在控制器的电脑屏幕中进行展示，便于工作人员了解船舶运行状况，排除故障风险，提高运行效率。
2.根据权利要求1所述一种船舶的智能轴系监测***，其特征在于：所述神经网络模型包括长短时记忆网络LSTM或门控单元GRU神经网络。
3.根据权利要求1所述一种船舶的智能轴系监测***，其特征在于：所述艉轴滑油成分监测***、艉轴滑油粘度监测***、艉轴滑油压力监测***、艉轴滑油温度监测***、艉轴滑油流量监测***和艉轴滑油流速监测***分别为油液分析仪、粘度传感器、压力传感器、温度传感器、流量传感器和流速传感器，所述油液分析仪对艉轴滑油成分进行分析监测，粘度传感器对艉轴滑油粘度进行监测，压力传感器对艉轴滑油压力进行监测，温度传感器对艉轴滑油液温度进行监测，流量传感器和流速传感器对艉轴滑油液流量和流速进行监测。
4.根据权利要求1所述一种船舶的智能轴系监测***，其特征在于：船舶中间轴处均匀分布安装五个振动传感器用以监测并收集振动数据，在中间轴处安装轴马力计用以监测并收集轴功率数据，在螺旋桨与艉部轴承连接处安装艉管温度传感器用以监测并收集艉管温度数据，在艉部轴承处安装艉部噪音传感器用以监测并收集艉部噪音数据，在滑油出口处安装油液在线监测机箱用以监测并收集滑油数据。
CN202110785433.2A 2021-07-12 2021-07-12 一种船舶的智能推力轴系监测*** Active CN113503921B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110785433.2A CN113503921B (zh) 2021-07-12 2021-07-12 一种船舶的智能推力轴系监测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110785433.2A CN113503921B (zh) 2021-07-12 2021-07-12 一种船舶的智能推力轴系监测***

Publications (2)

Publication Number Publication Date
CN113503921A CN113503921A (zh) 2021-10-15
CN113503921B true CN113503921B (zh) 2022-05-17

Family

ID=78012786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110785433.2A Active CN113503921B (zh) 2021-07-12 2021-07-12 一种船舶的智能推力轴系监测***

Country Status (1)

Country Link
CN (1) CN113503921B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108225169A (zh) * 2017-12-21 2018-06-29 沪东中华造船(集团)有限公司 一种大型船舶推进轴系状态监控方法
CN110320886A (zh) * 2019-06-04 2019-10-11 武汉理工大学 一种船舶辅助***船岸一体化监控和故障诊断的方法
CN112255946A (zh) * 2020-10-19 2021-01-22 青岛博瑞斯自动化技术有限公司 一种基于云服务和大数据的船舶状态远程监控***及方法
CN112381394A (zh) * 2020-11-13 2021-02-19 南通中远海运川崎船舶工程有限公司 一种船舶智能化管理***平台

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7099755B2 (en) * 2003-05-30 2006-08-29 Siemens Aktiengesellschaft Automation and platform management system for naval vessels

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108225169A (zh) * 2017-12-21 2018-06-29 沪东中华造船(集团)有限公司 一种大型船舶推进轴系状态监控方法
CN110320886A (zh) * 2019-06-04 2019-10-11 武汉理工大学 一种船舶辅助***船岸一体化监控和故障诊断的方法
CN112255946A (zh) * 2020-10-19 2021-01-22 青岛博瑞斯自动化技术有限公司 一种基于云服务和大数据的船舶状态远程监控***及方法
CN112381394A (zh) * 2020-11-13 2021-02-19 南通中远海运川崎船舶工程有限公司 一种船舶智能化管理***平台

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
云平台船舶状态实时监控***;苑立娟;《舰船科学技术》;20210531;第43卷(第5A期);第178-180页 *
基于云服务平台的船舶远程实时监控***的研究;何东 等;《山东工业技术》;20180331(第3期);第123-234、127页 *

Also Published As

Publication number Publication date
CN113503921A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN110109445B (zh) 一种船舶机舱辅机监控***及监控方法
AU2020103722A4 (en) A Dynamic Early Warning System for Power Station Operating Parameters Based on Cloud Platform
CN110397476B (zh) 一种核电用汽轮机油品在线监测分析***与方法
CN112785458A (zh) 一种桥梁健康大数据智能管养***
CN112948457B (zh) 客运索道检测监测与健康诊断***、方法、介质、设备
CN112381406A (zh) 一种基于船岸协同的船舶能效管理大数据***及方法
CN110011864B (zh) 一种高速铁路接触网安全状态监测方法
CN116228186A (zh) 基于人因工程的船舶机舱智能运维***
CN112324485A (zh) 一种基于大数据的隧道通风管理一体化智能***
CN111966034B (zh) 一种智能水务***
CN111668927A (zh) 一种基于泛在电力物联网的变电站智能巡检***及其控制方法
CN116991130A (zh) 一种石化生产智能化自动化控制***和方法
CN114298384A (zh) 适用于船用装卸臂的安全运维预测***及方法
CN115407712A (zh) 一种钢厂液压站智慧维修保养***及工作流程
CN113503921B (zh) 一种船舶的智能推力轴系监测***
CN113374582B (zh) 一种燃气轮机运行状态评估装置及方法
CN116976865B (zh) 基于大数据分析的船舶维修器件调配管理***
CN210605036U (zh) 一种分布式气象监测***
CN117522028A (zh) 一种水电站实时运行数据可视化展示***
CN107527478A (zh) 一种基于网络通讯平台的黄河坝岸监控报警报险***
CN113361014A (zh) 一种船舶的智能能效管理方法
CN117423225A (zh) 一种基于高速铁路运行的灾害遥感预警***
CN110532699A (zh) 基于模糊dcd的湿法冶金浓密洗涤过程故障诊断方法
CN110458366A (zh) 粮食储运过程粉尘***风险预控***及评估预警方法
CN212032008U (zh) 一种船舶机舱辅机监控***

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