CN109670714B - 基于隶属度分析的船舶燃气轮机综合状态评估方法 - Google Patents

Abstract

本发明涉及一种基于隶属度分析的船舶燃气轮机综合状态评估方法，属于船舶燃气轮机技术领域，解决了现有技术建模过程复杂、不易验证模型正确性、对船舶燃气轮机运行状态评估不准确且效率较低的问题。该方法包括如下步骤：选取与船舶燃气轮机运行状态有关联的部件，实时采集每一部件的实测数据；选取状态评估参数，根据上述实测数据获得对应部件的状态评估参数实测值；基于每一部件可能的评判状态和上述状态评估参数实测值，分析每一部件的状态评估参数在各评判状态下的隶属程度，建立模糊综合评判矩阵；根据上述模糊综合评判矩阵，以及每一部件对应的权重，获得综合评判结果，根据所述综合评判结果得到船舶燃气轮机当前运行状态。

Description

基于隶属度分析的船舶燃气轮机综合状态评估方法

技术领域

本发明涉及船舶燃气轮机技术领域，尤其涉及一种基于隶属度分析的船舶燃气轮机综合状态评估方法。

背景技术

船舶燃气轮机作为新兴动力装置，具有结构紧凑、平稳性高、效率高、噪声低、排放量低等优点。作为关系国防安全及民用经济领域的能源供给之一，其发生故障将会带来不可估量的经济损失。如何能够维持船舶燃气轮机的安全可靠、持久耐用，成为研究人员日益关注的焦点。

目前，船舶燃气轮机综合状态常用的评估方法包括模型法、层次分析法和人工神经网络法等。其中，模型法通过建立物理或数学模型，对研究对象进行评估。层次分析法通过将半定性、半定量问题转化为定量计算，有效地将把复杂问题进行分解，表示成有序的结构呈阶梯层次分布的多个因素，各指标的权重值通过两两比较各层次因素的相对重要性来进行确定。人工神经网络通过在物理机制上对人脑信息处理机制进行模拟，具有处理信息、学习、记忆等功能。

上述方法中，模型法建模过程复杂，且不易对所建模型进行验证。层次分析法只能从原有的多个备选方案中选择最优，而不能为决策者提供解决问题的新技术方案，且在分析问题时缺少已知数据的输入，评估结果主观性较强，难以令人信服。人工神经网络需要输入大量的数据进行学习和训练，对输入的样本量要求较高，且学习时间较长。可见，目前缺少一种有效的舶燃气轮机综合状态评估方法，用于在样本量较少时能够简单、有效、科学、客观地对舶燃气轮机综合状态进行评价。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种基于隶属度分析的船舶燃气轮机综合状态评估方法，用以解决现有技术建模过程复杂、不易验证模型正确性、对船舶燃气轮机运行状态评估不准确且效率较低的问题。

一方面，本发明实施例提供了一种基于隶属度分析的船舶燃气轮机综合状态评估方法，包括如下步骤：

选取与船舶燃气轮机运行状态有关联的部件，实时采集每一部件的实测数据；

选取表征每一部件运行状态的状态评估参数，根据上述实测数据获得对应部件的状态评估参数实测值；

基于每一部件可能的评判状态和上述实测数据获得对应部件的状态评估参数实测值，分析每一部件的状态评估参数在各评判状态下的隶属程度，建立模糊综合评判矩阵；

根据上述模糊综合评判矩阵，以及每一部件对应的权重，获得综合评判结果，根据所述综合评判结果得到船舶燃气轮机当前运行状态。

上述技术方案的有益效果如下：提出了一种适用于船舶燃气轮机综合状态评估的新方法——模糊综合评价方法。该方法从船舶燃气轮机工作机理出发，运用模糊综合评价理论对船舶燃气轮机的运行状态进行准确评估，确保船舶燃气轮机运行的安全性和可靠性，从而提升全船任务执行能力。该方法建模过程简单且实用，相比人工神经网络，不需要输入大量的数据样本进行训练，效率较高。获得的综合评判结果是一个矢量而不是点值，在输入已知因素对应的数据后，可计算各运行状态下的隶属度(综合评判结果)，从而对船舶燃气轮机进行综合评价。而且，本方法有成熟的模型验证机制，结合船舶燃气轮机实际运行情况，可对选用的与船舶燃气轮机运行状态有关联的所有因素构成的模型进行验证，因此，可根据需要，方便地调整技术方案，重新选择因素。

基于上述方法的另一个实施例中，所述选取与船舶燃气轮机运行状态有关联的部件、实时采集每一部件的实测数据，包括如下步骤：

对船舶燃气轮机的组成进行分析，选取对船舶燃气轮机运行状态影响较大的关键部件，建立因素集；

对每一关键部件的所有测量数据进行分析，选取最能表征该关键部件运行状态的测量指标；

实时采集每一关键部件上不同测点位置的测量指标实测数据。

上述技术方案的有益效果是：船舶燃气轮机的组成很多，对其运行状态进行分析时，只需选定影响较大的关键部件，进而只需获得关键部件的测量指标实测数据获得关键部件运行状态，对关键部件运行状态进行分析即可获得船舶燃气轮机运行状态。在此处理过程中，选取关键部件和测量指标是关键。通过选择关键部件运行状态的测量指标构建综合状态模型，能够更加全面地表征燃气轮机当前的健康状态，为综合状态评估方法提供输入。

进一步，所述船舶燃气轮机运行状态包括健康状态、一般状态和故障状态；

所述关键部件包括低压压气机转子、高压压气机转子、动力涡轮转子和辅助系统；

所述部件运行状态包括健康状态、一般状态和故障状态；

所述测量指标包括温度、压力、振动参数中的至少一种；所述振动参数包括加速度。

上述进一步方案的有益效果是：对关键部件、测量指标、船舶燃气轮机运行状态、部件运行状态进行了限定，上述内容是发明人经过大量试验并参考国际状态评估标准总结出的规律，实际上是构建了综合状态评估方法中的评判集，设定了部件状态标准等级，直接应用能够缩短实施时间，有利于节省成本和时间，并能更好地完善该方法的实施。

进一步，所述测量指标为加速度；

对于低压压气机转子，测点位置包括低压支撑垂直方向上测点位置、低压支撑水平方向上测点位置，同时采集上述每一测点位置同一时间段不同时刻的振动信号，得到每一测点位置同一时间段不同时刻的加速度；

对于高压压气机转子，测点位置包括高压支撑垂直方向上测点位置、高压支撑水平方向上测点位置，同时采集上述每一测点位置同一时间段不同时刻的振动信号，得到每一测点位置同一时间段不同时刻的加速度；

对于动力涡轮转子，测点位置包括动涡支撑垂直方向上测点位置、动涡支撑水平方向上测点位置，同时采集上述每一测点位置同一时间段不同时刻的振动信号，得到每一测点位置同一时间段不同时刻的加速度；

对于辅助系统，测点位置包括辅助系统整机支撑水平方向测点、辅助系统整机支撑垂直方向测点，同时采集上述每一测点位置同一时间段不同时刻的振动信号，得到每一测点位置同一时间段不同时刻的加速度

上述进一步方案的有益效果是：对测量指标和对应的测点位置、测量方式进行限定，通过在准确的测点位置进行信号的采集，能够获反映各部件健康状态的原始数据，进而进行本申请综合状态评估模型的训练和评估结果的验证。上述内容是发明人经过大量试验并结合国内外标准总结出的规律，直接应用能够缩短实施时间，有利于节省成本和时间。

进一步，所述选取表征每一部件运行状态的状态评估参数、根据上述实测数据获得对应部件的状态评估参数实测值，包括如下步骤：

对每一部件的所有参数及其组合进行分析，选取最能表征部件运行状态的状态评估参数；

根据上述每一测点位置同一时间段不同时刻的多组加速度，计算每一部件在每一测点位置同一时间段不同时刻的状态评估参数实测值。

上述进一步方案的有益效果是：测量指标往往不能够最直接有效地反映部件运行状态，一般要经过处理转换成状态评估参数，进而根据状态评估参数对部件运行状态进行分析。对每个测点做多组数据的采集和处理能够更好地反映燃气轮机各关键部件的运行状态。多组数据进行对比分析，一方面增加了本申请综合状态评估模型训练样本量，保证了模型的置信度，另一方面多方位的信号采集能够更加全面地捕捉格关键部件在轴向和径向的健康状态，提升了评估结果的准确性。

进一步，所述状态评估参数包括1倍频幅值、2倍频幅值、3～5倍频幅值之和，或者，

所述状态评估参数包括1倍频幅值、2倍频幅值、3～5倍频幅值均值和标准差。

上述进一步方案的有益效果是：对选取的状态评估参数进行限定，一般情况下，特征指标(状态评估参数)包括时域类指标和频域类指标两部分，本申请根据燃气轮机运行特点选择了频域类指标进行了分析，选取了上述状态评估参数组合方案。上述内容是发明人经过大量试验并结合国内外评估标准总结出的规律，直接应用能够缩短实施时间，有利于节省成本和时间。

进一步，所述基于每一部件可能的评判状态和上述实测数据获得对应部件的状态评估参数实测值，分析每一部件的状态评估参数在各评判状态下的隶属程度，建立模糊综合评判矩阵，包括如下步骤：

设置状态评估参数的评估阈值，根据所述评估阈值对每一部件可能的状态区间进行划分，获得每一部件所有可能的评判状态，建立评判集；所述评判集中，每一部件可能的评判状态包括健康状态、一般状态、故障状态；

根据每一部件在每一测点位置同一时间段不同时刻的状态评估参数实测值，以及对应的评估阈值，通过隶属函数计算每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度；

根据每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度，获得该部件当前运行状态，并建立模糊综合评判矩阵。

上述进一步方案的有益效果是：对模糊综合评判矩阵的过程进行限定，通过每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度，能够获得该部件当前运行状态，如果每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度不一致，说明选取的测量指标和状态评估参数不合适，需要重新进行选择，进而可以优化方案，提升了综合状态评估结果的准确性。

进一步，所述设置状态评估参数的评估阈值，包括如下步骤：

对每一部件在每一测点位置同一时间段不同时刻的状态评估参数实测值按时间求均值，获得每一部件在每一测点位置的状态评估参数均值E和标准差σ；

将上述每一部件在每一测点位置的状态评估参数均值E和标准差σ输入a＝E+σ,b＝c＝2E,d＝4E中，获得每一部件在每一测点位置的状态评估参数阈值a、b、c、d。

上述进一步方案的有益效果是：对设置状态评估参数的评估阈值的过程进行限定，参考了国内外评估标准，提供了一种简单有效的方法，该方法有效降低了综合状态评估模型中状态评估参数阈值设置的难度，在保证阈值设定的准确性上也大大提高了计算效率。上述内容是发明人经过大量试验基础上总结出的规律，直接应用能够缩短实施时间，有利于节省成本和时间。

进一步，在健康状态下的隶属函数为

在一般状态下的隶属函数为

在故障状态下的隶属函数为

式中，x表示第i个测点位置的状态评估参数实测值，a、b、c、d表示第i个测点位置的状态评估参数的评估阈值。

上述进一步方案的有益效果是：对隶属函数进行了限定，在健康状态、一般状态、故障状态下分别采用不同的隶属函数，符合实际情况，通过构建定量化模型将定性的问题定量化处理，能够更加科学合理地反映设备的健康状态，为用户提供准确的有价值的设备状态信息。

进一步，所述根据上述模糊综合评判矩阵以及每一部件对应的权重，获得综合评判结果，根据所述综合评判结果得到船舶燃气轮机当前运行状态，包括如下步骤：

对船舶燃气轮机综合状态的需求进行分析，根据分析结果建立模糊算子模型；模糊算子模型采用主因素突出型模型、主因素决定型模型、取小上界和型模型、加权平均型模型、均衡平均型模型中的至少一种；

将模糊综合评判矩阵以及每一部件对应的权重，输入上述建立的模糊算子模型中，获得船舶燃气轮机运行状态的综合评判结果；

根据所述船舶燃气轮机运行状态的综合评判结果对船舶燃气轮机运行状态进行综合评价，判断其处于健康状态、一般状态还是故障状态。

上述进一步方案的有益效果是：对根据模糊综合评判矩阵以及每一部件对应的权重获得综合评判结果的过程进行限定，获得的综合评判结果是一列数，分别表示在健康状态、一般状态、故障状态下的隶属度，对该列数进行比较，可获得船舶燃气轮机当前处于好状态、一般状态、故障状态的可能性大小，进而获得船舶燃气轮机当前最可能状态，经大量试验验证，评估结果准确、有效。该方法是发明人经过大量试验基础上总结出的规律，直接应用能够缩短实施时间，有利于节省成本和时间。

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可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说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。

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1基于隶属度分析的船舶燃气轮机综合状态评估方法的步骤示意图；

图2为本发明实施例2船舶燃气轮机综合状态评估方法整体思路示意图；

图3为本发明实施例2在健康状态下的隶属函数、在一般状态下的隶属函数和在故障状态下的隶属函数示意图；

图4为本发明实施例2对低压压气机转子的评估流程示意图；

图5为本发明实施例2对高压压气机转子的评估流程示意图；

图6为本发明实施例2对动力涡轮转子的评估流程示意图；

图7为本发明实施例2对辅助系统的评估流程示意图。

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，并非用于限定本发明的范围。

实施例1

本发明的一个具体实施例，公开了一种基于隶属度分析的船舶燃气轮机综合状态评估方法，如图1所示，包括如下步骤：

S1.选取与船舶燃气轮机运行状态有关联的部件，实时采集每一部件的实测数据。

S2.选取表征每一部件运行状态的状态评估参数，根据上述实测数据获得对应部件的状态评估参数实测值。

S3.基于每一部件可能的评判状态和上述实测数据获得对应部件的状态评估参数实测值，分析每一部件的状态评估参数在各评判状态下的隶属程度，建立模糊综合评判矩阵。

S4.根据上述模糊综合评判矩阵，以及每一部件对应的权重，获得综合评判结果，根据所述综合评判结果得到船舶燃气轮机当前运行状态。

与现有技术相比，本实施例提供的基于隶属度分析的船舶燃气轮机综合状态评估方法提出了一种适用于船舶燃气轮机综合状态评估的新方法——模糊综合评价方法。该方法从船舶燃气轮机工作机理出发，运用模糊综合评价理论对船舶燃气轮机的运行状态进行准确评估，确保船舶燃气轮机运行的安全性和可靠性，从而提升全船任务执行能力。该方法建模过程简单且实用，相比人工神经网络，不需要输入大量的数据样本进行训练，效率较高。获得的综合评判结果是一个矢量而不是点值，在输入已知因素对应的数据后，可计算各运行状态下的隶属度(综合评判结果)，从而对船舶燃气轮机进行综合评价。而且，有成熟的模型验证机制，结合船舶燃气轮机实际运行情况，可对选用的与船舶燃气轮机运行状态有关联的所有因素构成的模型进行验证，因此，可根据需要方便地调整技术方案，重新选择因素。

实施例2

在实施例1的基础上进行优化，步骤S1可进一步细化为如下步骤：

S11.对船舶燃气轮机的组成进行分析，选取对船舶燃气轮机运行状态影响较大的关键部件，建立因素集U＝{u₁,u₂,…,u_n}。此外，确定所述因素集中，每一关键部件对应的权重，建立权重集A＝{a₁,a₂,…,a_n}。

S12.对每一关键部件的所有测量数据进行分析，选取最能表征该关键部件运行状态的测量指标。

上述步骤S11中，船舶燃气轮机运行状态包括健康状态、一般状态和故障状态。如图2所示，关键部件包括低压压气机转子、高压压气机转子、动力涡轮转子和辅助系统。可通过专家评价法确定上述每一关键部件对应的权重。

上述步骤S12中，部件运行状态包括健康状态、一般状态和故障状态。测量指标可选择温度、压力、振动参数中的至少一种；所述振动参数包括加速度。在本实施例中，测量指标选择加速度，对加速度进行分析获得的状态评估参数能够很好地表征部件运行状态。

优选地，步骤S2可进一步细化为如下步骤：

S21.对每一部件的所有参数及其组合进行分析，选取最能表征部件运行状态的状态评估参数。

S22.根据上述每一测点位置同一时间段不同时刻的多组加速度，计算每一部件在每一测点位置同一时间段不同时刻的状态评估参数实测值。

上述步骤S21中，状态评估参数可包括1倍频幅值、2倍频幅值、3～5倍频幅值之和，或者，包括1倍频幅值、2倍频幅值、3～5倍频幅值均值和标准差。本实施例中采用前一种方案，低压压气机转子、高压压气机转子、动力涡轮转子和辅助系统的评估过程如图3～图7所示。

对于低压压气机转子，测点位置可选择低压支撑垂直方向上测点位置、低压支撑水平方向上测点位置。同时采集上述每一测点位置同一时间段不同时刻的振动信号，得到每一测点位置同一时间段不同时刻的加速度。

对于高压压气机转子，测点位置可选择高压支撑垂直方向上测点位置、高压支撑水平方向测点位置，同时采集上述每一测点位置同一时间段不同时刻的振动信号，得到每一测点位置同一时间段不同时刻的加速度。

对于动力涡轮转子，测点位置可选择动涡支撑垂直方向上测点位置和动涡支撑水平方向上测点位置，同时采集上述每一测点位置同一时间段不同时刻的振动信号，得到每一测点位置同一时间段不同时刻的加速度。

对于辅助系统，测点位置可选择辅助系统整机支撑水平方向测点、辅助系统整机支撑垂直方向测点，同时采集上述每一测点位置同一时间段不同时刻的振动信号，得到每一测点位置同一时间段不同时刻的加速度。

上述过程涉及根据振动信号求加速度的信号处理方法，该信号处理方法为本领域技术人员常用技术手段，不再赘述。

优选地，步骤S3可进一步细化为如下步骤：

S31.设置状态评估参数的评估阈值a、b、c、d，根据所述评估阈值对每一部件可能的状态区间进行划分，获得每一部件所有可能的评判状态，建立评判集V＝{v₁,v₂,…,v_m}。所述评判集中，每一部件可能的评判状态包括健康状态、一般状态、故障状态。

S32.根据每一部件在每一测点位置同一时间段不同时刻的状态评估参数实测值，以及对应的评估阈值，通过隶属函数计算每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度。

S33.根据每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度，获得该部件当前运行状态，并建立模糊综合评判矩阵。

上述模糊评判矩阵可采用如下形式

本实施例中，m＝3，代表每一部件可能的评判状态包括健康状态、一般状态和故障状态。

步骤S31中，设置状态评估参数的评估阈值，包括如下步骤：

S311.对每一部件在每一测点位置同一时间段不同时刻的状态评估参数实测值按时间求均值，获得每一部件在每一测点位置的状态评估参数均值E和标准差σ。

S312.将上述每一部件在每一测点位置的状态评估参数均值E和标准差σ输入a＝E+σ,b＝c＝2E,d＝4E中，获得每一部件在每一测点位置的状态评估参数阈值a、b、c、d。

步骤S32中，隶属函数包括在健康状态下的隶属函数、在一般状态下的隶属函数和在故障状态下的隶属函数。其中，在健康状态下的隶属函数可表示为Z型函数

在一般状态下的隶属函数为π型函数

在故障状态下的隶属函数为S型函数

式中，x表示第i个测点位置的状态评估参数实测值，a、b、c、d表示第i个测点位置的状态评估参数的评估阈值。

然后，根据r_i＝{r_i1,r_i2,r_i3}，构建部件的模糊综合评判矩阵。

优选地，步骤S33中，根据每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度，获得该部件当前运行状态，可进一步细化为如下步骤：

S331.如果步骤S2获得的某测点位置同一时间段不同时刻该部件相对于良好运行状态的隶属程度都接近1，即通过上述在健康状态下的隶属函数(r_i2)获得的该部件相对于其各部件运行状态的隶属程度都接近1，判定该部件当前运行状态良好；否则，判定该部件需要进行检修；

S332.将S331中的判定结果与部件实际运行状态进行比较，如果结果一致，判定选择的测量参数及状态评估参数合适，否则，判定需要重新选择测量参数及或状态评估参数，重复上述步骤，直到判定选择的测量参数及状态评估参数合适为止。

步骤S332的技术方案为本实施例提供的基于隶属度分析的船舶燃气轮机综合状态评估方法提供了一种成熟变更技术方案的验证流程。使得整个技术方案可靠性、结果准确性更高。

步骤S33中，建立模糊综合评判矩阵，可进一步细化为如下步骤：

S333.对每一测点位置同一时间段不同时刻相对其各部件运行状态的隶属程度按时间求均值，获得每一测点位置相对其各部件运行状态的平均隶属程度r_i1,r_i2,r_i3；

S334.根据r_i＝{r_i1,r_i2,r_i3}，构建部件的模糊综合评判矩阵。

步骤S4可进一步细化为如下步骤：

S41.对船舶燃气轮机综合状态的需求进行分析，根据分析结果建立模糊算子模型。模糊算子模型采用主因素突出型模型、主因素决定型模型、取小上界和型模型、加权平均型模型、均衡平均型模型中的至少一种。

S42.将模糊综合评判矩阵以及每一部件对应的权重，输入上述建立的模糊算子模型中，获得船舶燃气轮机运行状态的综合评判结果。

S43.根据所述船舶燃气轮机运行状态的综合评判结果对船舶燃气轮机运行状态进行综合评价，判断其处于健康状态、一般状态还是故障状态。

优选地，步骤S41中，主因素突出型模型的公式为

b_j＝max{(a_i·r_ij),1≤i≤n}(j＝1,2,…,m) (5)

主因素决定型模型的公式为

取小上界和型模型的公式为

加权平均型模型的公式为

均衡平均型模型的公式为

式中，b_j表示第j种船舶燃气轮机运行状态的综合评判结果，a_i表示第i个部件对应的权重，r_ij表示第i个部件在第j种评判状态下的隶属程度，∧表示向量积。

主因素突出型模型是一种与主因素决定型相近但更加精细一些的模型，兼顾了其他因素的同时，主要因素也得到突出，在单个因素失效或故障的情况下较为适用。主因素决定型模型适用于总评价中单一主因素决定最终结果，其余因素没有多大影响，单项评判可以作为综合评判结果依据。加权平均型模型衡兼顾所有因素，要求总和最大时较为适用。均衡平均型模型适用于R中元素r_ij偏大或偏小的情形。本领域技术人员能够理解相关内容，此处不再赘述。

上述步骤S42可进一步细化为如下步骤：

S421.将模糊综合评判矩阵以及每一部件对应的权重，输入上述建立的模糊算子模型中，获得船舶燃气轮机运行状态的综合评判结果；

S422.将S431中的综合评判结果与船舶燃气轮机实际运行状态进行比较，如果结果一致，判定选择的关键部件合适，否则，判定需要重新选择关键部件，重复上述步骤，直到判定选择的关键部件合适为止。

步骤S421计算出的综合评判结果是一个向量，里面有一列数。在步骤43中比较这一列数，判断船舶燃气轮机处于健康状态、一般状态还是故障状态。

优选地，步骤S43可进一步细化为如下步骤：

S431.对船舶燃气轮机运行状态的所有综合评判结果进行比较，获得综合评判结果最大值、及其隶属的船舶燃气轮机运行状态；

S432.判定综合评判结果最大值隶属的船舶燃气轮机运行状态为当前船舶燃气轮机运行状态。

与实施例1相比，本实施例提供的船舶燃气轮机综合状态评估方法能够更加直观全面地反映燃气轮机综合状态评估的整个过程和结果，是模糊综合状态评估方法在设备上应用的具体实例，为以后对其他设备运行状态评价提供了一种思路和参考。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

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 (1)

1.一种基于隶属度分析的船舶燃气轮机综合状态评估方法，其特征在于，包括如下步骤：

对船舶燃气轮机的组成进行分析，选取对船舶燃气轮机运行状态影响较大的关键部件，建立因素集；所述船舶燃气轮机运行状态包括健康状态、一般状态和故障状态；所述关键部件包括低压压气机转子、高压压气机转子、动力涡轮转子和辅助系统；

对每一关键部件的所有测量数据进行分析，选取最能表征该关键部件运行状态的测量指标；所述测量指标为加速度；所述部件运行状态包括健康状态、一般状态和故障状态；

实时采集每一关键部件上不同测点位置的测量指标实测数据，获得每一测点位置同一时间段不同时刻的加速度；对于低压压气机转子，测点位置包括低压支撑垂直方向上测点位置、低压支撑水平方向上测点位置；对于高压压气机转子，测点位置包括高压支撑垂直方向上测点位置、高压支撑水平方向测点位置；对于动力涡轮转子，测点位置包括动涡支撑垂直方向上测点位置和动涡支撑水平方向上测点位置；对于辅助系统，测点位置包括辅助系统整机支撑水平方向测点、辅助系统整机支撑垂直方向测点；

对每一部件的所有参数及其组合进行分析，选取最能表征该部件运行状态的状态评估参数；所述状态评估参数包括1倍频幅值、2倍频幅值、3～5倍频幅值之和；

根据上述每一测点位置同一时间段不同时刻的多组加速度，计算每一部件在每一测点位置同一时间段不同时刻的状态评估参数实测值；

基于每一部件可能的评判状态和上述实测数据获得的对应部件的状态评估参数实测值，分析该部件当前运行状态，并建立模糊综合评判矩阵；

对船舶燃气轮机综合状态的需求进行分析，根据分析结果建立模糊算子模型；模糊算子模型采用主因素突出型模型、主因素决定型模型、取小上界和型模型、加权平均型模型、均衡平均型模型中的至少一种；

将模糊综合评判矩阵以及每一部件对应的权重，输入上述建立的模糊算子模型中，获得船舶燃气轮机运行状态的综合评判结果；将综合评判结果与船舶燃气轮机实际运行状态进行比较，如果结果一致，判定选择的关键部件合适，否则，判定需要重新选择关键部件，重复上述步骤，直到判定选择的关键部件合适为止；

根据所述船舶燃气轮机运行状态的综合评判结果对船舶燃气轮机运行状态进行综合评价，判断其处于健康状态、一般状态还是故障状态；

上述基于每一部件可能的评判状态和上述实测数据获得对应部件的状态评估参数实测值，分析每一部件的状态评估参数在各评判状态下的隶属程度，建立模糊综合评判矩阵，包括如下步骤：

对每一部件在每一测点位置同一时间段不同时刻的状态评估参数实测值按时间求均值，获得每一部件在每一测点位置的状态评估参数均值E和标准差σ；

将上述每一部件在每一测点位置的状态评估参数均值E和标准差σ输入a＝E+σ,b＝c＝2E,d＝4E中，获得每一部件在每一测点位置的状态评估参数的评估阈值a、b、c、d；

根据所述评估阈值a、b、c、d对每一部件可能的状态区间进行划分，获得每一部件所有可能的评判状态，建立评判集；所述评判集中，每一部件可能的评判状态包括健康状态、一般状态、故障状态；

根据每一部件在每一测点位置同一时间段不同时刻的状态评估参数实测值，以及对应的评估阈值，通过隶属函数计算每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度；

在健康状态下的隶属函数为

在一般状态下的隶属函数为

在故障状态下的隶属函数为

式中，x表示第i个测点位置的状态评估参数实测值，a、b、c、d表示第i个测点位置的状态评估参数的评估阈值；

根据每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度，获得该部件当前运行状态，并建立模糊综合评判矩阵

上述根据每一测点位置同一时间段不同时刻该部件相对于其各部件运行状态的隶属程度，获得该部件当前运行状态，进一步包括：

判断某测点位置同一时间段不同时刻该部件相对于良好运行状态的隶属程度是否都接近1，如果都接近1，判定该部件当前运行状态良好；否则，判定该部件需要进行检修；

将上述判断的结果与部件实际运行状态进行比较，如果结果一致，判定选择的测量参数及状态评估参数合适，否则，判定需要重新选择测量参数及或状态评估参数，重复上述步骤，直到判定选择的测量参数及状态评估参数合适为止。

Images