CN110109445A - 一种船舶机舱辅机监控系统及监控方法 - Google Patents
一种船舶机舱辅机监控系统及监控方法 Download PDFInfo
- Publication number
- CN110109445A CN110109445A CN201910440983.3A CN201910440983A CN110109445A CN 110109445 A CN110109445 A CN 110109445A CN 201910440983 A CN201910440983 A CN 201910440983A CN 110109445 A CN110109445 A CN 110109445A
- Authority
- CN
- China
- Prior art keywords
- data
- equipment
- engine room
- layer
- watercraft
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003745 diagnosis Methods 0.000 claims abstract description 35
- 238000005265 energy consumption Methods 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims abstract description 18
- 238000013480 data collection Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims abstract description 15
- 230000003862 health status Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims description 34
- 230000036541 health Effects 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000012800 visualization Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 230000004308 accommodation Effects 0.000 claims description 4
- 239000003651 drinking water Substances 0.000 claims description 4
- 235000020188 drinking water Nutrition 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 2
- 238000009423 ventilation Methods 0.000 claims description 2
- 239000012141 concentrate Substances 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 239000000523 sample Substances 0.000 description 7
- 208000010086 Hypertelorism Diseases 0.000 description 2
- 206010020771 Hypertelorism of orbit Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种船舶机舱辅机监控系统,包括感知层、数据采集层、数据分析层和应用层,通过采集系统对船舶机舱辅机设备运行、状态数据的收集,同时将各种实时数据传输到机舱监控平台,采用BP神经网络算法对数据进行处理分析,从而形成故障诊断方法和模型,对机舱辅机设备进行运行状态监测与分析、健康状态监测与评估、能效监控、调度管理决策等,提高设备运维效率及机舱综合管控水平,实现船舶机舱辅机设备运行状态实时监测以及故障诊断功能、主要耗能设备能耗数据采集、分析功能、以及主要耗能设备能效及耗能情况的实时监测功能。
Description
技术领域
本发明涉及船舶监控技术领域,特别是一种船舶机舱辅机监控系统,还涉及上述船舶机舱辅机监控系统的监控方法。
背景技术
船舶是现代社会各个国家地区之间进行经济资源交流与互通的重要交通工具。
随着近年来海运业的发展以及各国对环境问题的日益重视,迫使船舶向智能化、大型化方向发展,在世界著名的船级社注册的大吨位船舶中,50%以上船舶具有无人机舱级,无人机舱成为了目前新造船的常规要求,虽然国内关于智能船舶及智能机舱的规范较早,但在具体应用上还很落后。
面对日益增长的船舶机舱智能化管理需求及应用程度低等矛盾情况,亟需配套相应的智能机舱系统,实现对机舱辅机设备运行状态监测与分析、健康状态监测与评估、能效监控等,从而降低船舶运营成本,提高航运效率。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种采用分布式测控架构,分层采集和控制,实现统一管理,以实现对辅机运行状态的监测、故障报警和控制的船舶机舱辅机监控系统。
本发明所要解决的另一个技术问题是提供了上述船舶机舱辅机监控系统的监控方法。
本发明所要解决的技术问题是通过以下的技术方案来实现的。本发明是一种船舶机舱辅机监控系统,该系统包括感知层、数据采集层、数据分析层和应用层;
感知层包括多种分别安装于船舶机舱辅机上的传感器,用于通过传感器对各个设备状态进行数据采集,采集的数据包括船舶主要耗能设备参数、能耗记录设备参数及船舶航行状况参数;
数据采集层采用多数据库技术对感知层传感器采集的数据进行分类、存储,包括通风机参数数据库、空调器参数数据库、空压机参数数据库和舵机参数数据库等;
数据分析层包括数据集成模块和数据分析服务模块,数据集成模块用于提取数据采集层存储的数据,进行数据管理,形成数据集市;数据分析服务模块用于根据数据集市实现设备状态监测、模型训练、故障诊断、辅助决策等功能;
应用层包括显示平台,用于对数据分析层分析得到的信息进行集中显示,包括设备的实时和历史监测数据、故障信息、设备健康状态情况,实现船舶辅机的可视化管控。
本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现,对于以上所述的船舶机舱辅机监控系统,所述数据采集层还包括故障实例数据样本库,用于存储系统故障时的参数,实现对诊断模型的学习训练。
本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现,对于以上所述的船舶机舱辅机监控系统,该系统还包括用于连接整个系统运行的控制器,感知层的传感器与控制器有线或无线连接,数据采集层的数据库通过网络通信层与控制器连接,应用层的显示平台与控制器有线或无线连接。
本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现,对于以上所述的船舶机舱辅机监控系统,一种船舶机舱辅机监控系统的监控方法,该方法通过传感器对船舶机舱辅机设备状态进行数据采集,控制器通过通信网络对底层的设备进行控制,并将采集的数据信息通过多数据库集成技术进行分类、存储;然后对存储的数据采用BP神经网络方法进行分析、决策、健康管理,为机舱设备正常运行提供保障;同时对船舶机舱辅机设备实现可视化管控,将故障信息、设备的监视数据、设备健康管理情况集中在显示平台上进行显示。
本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现,对于以上所述的船舶机舱辅机监控系统的监控方法,该方法具体包括:
(1)面向船舶机舱设备故障诊断的算法模型
针对船舶机舱设备故障类型与征兆进行分析,通过传感器网络对设备状态数据进行监控、采集与处理,并结合专家诊断经验,构建故障实例数据样本库,在充分研究目前已有的专家系统故障诊断模型方法的基础上,通过分别尝试不同智能算法实现诊断模型建立;同时,利用故障测试样本数据检验诊断模型的准确性与效率,进而不断对该诊断模型进行完善与修正;
(2)船舶机舱设备智能诊断与健康管理技术
通过数据和信息判别处理和数据层信息融合技术,及故障智能滤波、故障诊断及健康评估的推理决策技术,建立基于可靠性分析的健康状态诊断与视情维护系统,实现对舱室辅机系统分布式智能检测、故障诊断与健康预测管理;
(3)船舶能效智能监测与实时分析技术
结合信息采集技术、实时通信技术、传感器技术等通用技术,对船舶主要耗能设备、能耗计量设备参数,包括功率、压力、温度、燃料消耗,及船舶航行状况参数,包括风力、风向、船位、航向、航速、倾斜角度、水深值、吃水值、浪涌,进行采集,并结合船舶能耗运营指数相关规范,运用数据可视化技术,建立能效分析模型,实现能效指标实时统计分析。
本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现,对于以上所述的船舶机舱辅机监控系统的监控方法,所述显示平台上显示的画面包括机舱主要设备水、电等能源消耗流程图、高耗能设备能源消耗图等。
本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现,对于以上所述的船舶机舱辅机监控系统的监控方法,该方法在对数据处理过程中采用数据辨识、过滤功能,自动识别和报警,当机舱辅机采集数据异常时,将报警信息显示,并提供手动数据补偿方法,保证数据的连续性及完整性。
与现有技术相比,本发明充利用工业物联网、数据分析等技术,结合我国船舶机舱辅机建设实际情况,通过采集系统对船舶机舱辅机设备运行、状态数据的收集,同时将各种实时数据传输到机舱监控平台,采用相关算法对数据进行处理分析,从而形成故障诊断方法和模型,对机舱辅机设备进行运行状态监测与分析、健康状态监测与评估、能效监控、辅助决策等,从而提高设备运维效率及机舱综合管控水平。
本发明的优点及技术效果在于:
1、本发明通过信息采集、实时通信等技术,提高船舶机舱设备数据采集的准确度及可靠性
针对船舶机舱设备数量繁多、传统采集技术准确度低、覆盖面窄的现状,本发明结合信息采集技术、实时通信技术、传感器技术等,对船舶主要耗能设备、能耗计量设备参数,包括功率、压力、温度、燃料消耗,及船舶航行状况参数,包括船位、航向、航速、水深值、吃水值等进行全方位采集,提高采集范围及准确性。并结合船舶能耗运营指数相关规范,运用数据分析服务,建立能效分析模型,实现能效指标实时分析;
2、本发明通过BP神经网络方法,提高了故障诊断的准确性和适用性
针对目前船舶设备故障诊断方法适用性不广、准确度不高等问题,本系统引入了BP神经网络船舶设备故障诊断方法,提出了一种基于反向学习和自适应搜索策略结合的改进人工蜂群算法,通过反向学习策略进行蜜源初始化,提高初始解的质量,并在迭代过程中自适应调整搜索步长,提升原算法的收敛性能和局部寻优能力,将该算法与BP神经网络的参数寻优相结合,构造了性能良好的故障诊断分类器,有效提高了故障诊断的准确性和适用性,满足船舶设备故障诊断的实时性能要求。
附图说明
图1为本发明的系统总体架构图。
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,下面将结合本发明附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,一种船舶机舱辅机监控系统,该系统包括感知层、数据采集层、数据分析层和应用层;
感知层包括多种分别安装于船舶机舱辅机上的传感器,包括温度传感器、液位传感器、压力传感器、转速传感器、流量传感器、电流传感器和电压传感器等,实时测量船舶辅机的运行状态,如重点舱室的温度、风机的转速、供水管路的流量及压力;用于通过传感器对各个设备状态进行数据采集,采集的数据包括船舶主要耗能设备参数、能耗记录设备参数及船舶航行状况参数;
数据采集层用于采用多数据库技术对感知层传感器采集的数据进行分类、存储,根据机舱辅机设备功能主次进行分类,包括风机参数数据库、空调参数数据库、空压机参数数据库和舱机参数数据库等等;
数据分析层包括数据集成模块和数据分析服务模块,数据集成模块用于提取数据采集层存储的数据,进行数据管理,形成数据集市,数据集市也叫数据市场,数据集市就是满足特定的部门或者用户的需求,按照多维的方式进行存储,包括定义维度、需要计算的指标、维度的层次等,生成面向决策分析需求的数据立方体,即根据需要从数据采集层内采集的数据提取出来的数据集合;数据分析服务模块用于根据数据集市实现预测诊断、设备监控、指标体系、设计评估、多维呈现和分析模型等功能;
应用层包括显示平台,用于对数据分析层分析得到的信息进行集中显示,包括故障信息、设备的监视数据和健康管理情况,实现可视化管控。
所述数据采集层还包括故障实例数据样本库,用于存储系统故障时的参数,实现对诊断模型的准确性和效率进行检验。
该系统还包括用于控制整个系统运行的控制器,感知层的传感器与控制器有线或无线连接,数据采集层的数据库通过网络通信层与控制器连接,应用层的显示平台与控制器有线或无线连接;控制器采用CPU,以计算机为载体,通过计算机实现整个系统的运行,包括数据采集、分类、存储、管理、提取、分析,最后进行展示。
所述控制器与传感器之间还设置有用于解决因距离过远造成较大信号衰减问题的区域监控中继设备,区域监控中继设备指的是现有技术的中继设备,在具有相同接口和相同介质访问控制协议的同构网段互联时,中间加入的仪器设备,它可以对传输的信号进行放大并可重发,从而可以避免因网段电缆线路过长而产生的信号衰减,进而有效地提高传输的可靠性。
该系统主要由感知层、数据采集层、数据分析层、应用层四部分组成,以实现:
1、船舶机舱辅机设备运行状态实时监测以及故障诊断功能:鉴于辅机的分布特点,集中监控系统采用典型的分布式测控架构,分层采集和控制,实现统一管理;全船设立一个集中监控台,实现对辅机运行状态的监测、故障报警和控制,区域监控箱可按防火区或水密区设置,实现区域内辅机监控信息统一采集转发;
现场采控模块根据辅机布置位置现场分布,还可作为区域监控中继设备,用于解决辅机与区域监控箱之间距离过远造成较大信号衰减问题,另外在管路、舱室设置一定数量的温度、压力、流量传感器,实时测量辅助系统运行的状态,如重点舱室的温度、压缩空气瓶压力、日用水管路流量、冷媒水管路温度和流量等;
船舶机舱设备状态监控主要通过传感器对设备状态进行数据采集,控制设备通过通信网络对底层的设备进行控制,并将数据信息通过多数据库集成技术进行分类、存储;对顶层数据采用BP神经网络等方法进行分析、决策、健康管理,为机舱设备正常运行提供保障;同时对船舶机舱实现可视化管控,将故障信息、设备的监视数据、健康管理情况等集中在显示平台上进行显示;
2、主要耗能设备能耗数据采集、分析功能:监控系统由船舶机舱辅机设备的控制器、智能仪表(专用数据采集器)完成对机舱设备的能耗数据采集,后通过服务总线技术实现信息的汇聚并通过工业网关进行协议转换,在系统平台上对能耗数据进行分析及评估;
3、主要耗能设备能效及耗能情况的实时监测功能:基于船舶机舱综合可视化平台,对水、电等能耗介质进行不同层次的画面展示,并根据机舱辅机设备功能主次分为了不同层级:机舱所有设备水、电等能源消耗流程图;高耗能设备能源消耗图,在对数据处理过程中采用数据辨识、过滤功能,自动识别和报警,当机舱辅机采集数据异常时,将条形码测量仪器相应的转换显示报警信息,并可提供手动数据补偿方法,保证数据的连续性及完整性。
本发明充分响应CCS《船舶智能机舱检验指南》文件,利用工业物联网、数据分析技术,借鉴国内外船舶智能化、数字化系统的技术框架,结合我国船舶机舱建设实际情况,通过采集系统对船舶机舱辅机设备运行、状态数据的收集,同时将各种实时数据传输到机舱监控平台,采用BP神经网络、改进的人工蜂群等算法对数据进行处理分析,从而形成故障诊断方法和模型,对机舱辅机设备进行运行状态监测与分析、健康状态监测与评估、能效监控等,从而提高设备运维效率及机舱综合管控水平。本申请没有进行详细说明的地方均可现有技术中的常规手段,具体可参考CCS《船舶智能机舱检验指南》。
一种船舶机舱辅机监控系统的监控方法,该方法通过传感器对船舶机舱辅机设备状态进行数据采集,控制器通过通信网络对底层的设备进行控制,并将采集的数据信息通过多数据库集成技术进行分类、存储;然后对存储的数据采用BP神经网络方法进行分析、决策、健康管理,为机舱设备正常运行提供保障;同时对船舶机舱辅机设备实现可视化管控,将故障信息、设备的监视数据、健康管理情况集中在显示平台上进行显示;
该方法具体包括:
(1)面向船舶机舱设备故障诊断的算法模型
针对船舶机舱设备故障类型与征兆进行分析,通过传感器网络对设备状态数据进行监控、采集与处理,并结合专家诊断经验,构建故障实例数据样本库。在充分研究目前已有的专家系统故障诊断模型方法的基础上,通过分别尝试不同智能算法实现诊断模型建立;同时,利用故障测试样本数据检验诊断模型的准确性与效率,进而不断对该诊断模型进行完善与修正;
(2)船舶机舱设备智能诊断与健康管理技术
通过数据和信息判别处理和数据层信息融合技术,及故障智能滤波、故障诊断定位及健康评估的推理决策技术,建立基于可靠性分析的健康状态诊断与视情维护系统,实现对舱室辅机系统分布式智能检测、故障诊断与健康预测管理;
(3)船舶能效智能监测与实时分析技术
结合信息采集技术、实时通信技术、传感器技术等通用技术,对船舶主要耗能设备、能耗计量设备参数,包括功率、压力、温度、燃料消耗,及船舶航行状况参数,包括风力、风向、船位、航向、航速、倾斜角度、水深值、吃水值、浪涌,进行采集,并结合船舶能耗运营指数相关规范,运用数据分析服务,建立能效分析模型,实现能效指标实时分析;
所述显示平台上显示的画面包括机舱所有设备水、电等能源消耗流程图、重要作业段流程图和高耗能设备能源消耗图等等。
该方法在对数据处理过程中采用数据辨识、过滤功能,自动识别和报警,当机舱辅机采集数据异常时,将报警信息显示,并提供手动数据补偿方法,保证数据的连续性及完整性。
Claims (7)
1.一种船舶机舱辅机监控系统,其特征在于:该系统包括感知层、数据采集层、数据分析层和应用层;
感知层包括多种分别安装于船舶机舱辅机上的传感器,用于通过传感器对各个设备状态进行数据采集,采集的数据包括船舶主要耗能设备参数、能耗记录设备参数及船舶航行状况参数;
数据采集层采用多数据库技术对感知层传感器采集的数据进行分类、存储,包括通风机参数数据库、空调器参数数据库、空压机参数数据库和舵机参数数据库;
数据分析层包括数据集成模块和数据分析服务模块,数据集成模块用于提取数据采集层存储的数据,进行数据管理,形成数据集市;数据分析服务模块用于根据数据集市实现设备状态监测、模型训练、故障诊断、辅助决策功能;
应用层包括显示平台,用于对数据分析层分析得到的信息进行集中显示,包括设备的实时和历史监测数据、故障信息、设备健康状态情况,实现船舶辅机的可视化管控。
2.根据权利要求1所述的船舶机舱辅机监控系统,其特征在于:所述数据采集层还包括故障实例数据样本库,用于存储系统故障时的参数,实现对诊断模型的学习训练。
3.根据权利要求1所述的船舶机舱辅机监控系统,其特征在于:该系统还包括用于连接整个系统运行的控制器,感知层的传感器与控制器有线或无线连接,数据采集层的数据库通过网络通信层与控制器连接,应用层的显示平台与控制器有线或无线连接。
4.一种船舶机舱辅机监控系统的监控方法,其特征在于:该方法使用权利要求1-3任意一项所述的船舶机舱辅机监控系统,该方法通过传感器对船舶机舱辅机设备状态进行数据采集,控制器通过通信网络对底层的设备进行控制,并将采集的数据信息通过多数据库集成技术进行分类、存储;然后对存储的数据采用BP神经网络方法进行分析、决策、健康管理,为机舱设备正常运行提供保障;同时对船舶机舱辅机设备实现可视化管控,将故障信息、设备的监视数据、设备健康管理情况集中在显示平台上进行显示。
5.根据权利要求4所述的船舶机舱辅机监控系统的监控方法,其特征在于:该方法具体包括:
(1)面向船舶机舱设备故障诊断的算法模型
针对船舶机舱设备故障类型与征兆进行分析,通过传感器网络对设备状态数据进行监控、采集与处理,并结合专家诊断经验,构建故障实例数据样本库,在充分研究目前已有的专家系统故障诊断模型方法的基础上,通过分别尝试不同智能算法实现诊断模型建立;同时,利用故障测试样本数据检验诊断模型的准确性与效率,进而不断对该诊断模型进行完善与修正;
(2)船舶机舱设备智能诊断与健康管理技术
通过数据和信息判别处理和数据层信息融合技术,及故障智能滤波、故障诊断及健康评估的推理决策技术,建立基于可靠性分析的健康状态诊断与视情维护系统,实现对舱室辅机系统分布式智能检测、故障诊断与健康预测管理;
(3)船舶能效智能监测与实时分析技术
结合信息采集技术、实时通信技术、传感器技术等通用技术,对船舶主要耗能设备、能耗计量设备参数,包括功率、压力、温度、燃料消耗,及船舶航行状况参数,包括风力、风向、船位、航向、航速、倾斜角度、水深值、吃水值、浪涌,进行采集,并结合船舶能耗运营指数相关规范,运用数据可视化技术,建立能效分析模型,实现能效指标实时统计分析。
6.根据权利要求5所述的船舶机舱辅机监控系统的监控方法,其特征在于:所述显示平台上显示的画面包括机舱主要设备水、电等能源消耗流程图、高耗能设备能源消耗图。
7.根据权利要求5所述的船舶机舱辅机监控系统的监控方法,其特征在于:该方法在对数据处理过程中采用数据辨识、过滤功能,自动识别和报警,当机舱辅机采集数据异常时,将报警信息显示,并提供手动数据补偿方法,保证数据的连续性及完整性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440983.3A CN110109445B (zh) | 2019-05-24 | 2019-05-24 | 一种船舶机舱辅机监控系统及监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910440983.3A CN110109445B (zh) | 2019-05-24 | 2019-05-24 | 一种船舶机舱辅机监控系统及监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110109445A true CN110109445A (zh) | 2019-08-09 |
CN110109445B CN110109445B (zh) | 2023-12-01 |
Family
ID=67492256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910440983.3A Active CN110109445B (zh) | 2019-05-24 | 2019-05-24 | 一种船舶机舱辅机监控系统及监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110109445B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110601884A (zh) * | 2019-09-06 | 2019-12-20 | 中国船舶科学研究中心(中国船舶重工集团公司第七0二研究所) | 用于船舶机舱分布式监控的数据传输系统及其使用方法 |
CN110738331A (zh) * | 2019-09-19 | 2020-01-31 | 智慧航海(青岛)科技有限公司 | 一种智能船舶机舱系统 |
CN110941558A (zh) * | 2019-11-27 | 2020-03-31 | 嘉兴企树网络科技有限公司 | 一种智慧办公远程运维的方法及系统 |
CN111337784A (zh) * | 2020-04-07 | 2020-06-26 | 中车株洲电力机车有限公司 | 一种电力机车辅机测试的控制方法及系统 |
CN111489075A (zh) * | 2020-04-07 | 2020-08-04 | 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 |
CN111505989A (zh) * | 2020-04-27 | 2020-08-07 | 深圳众维轨道交通科技发展有限公司 | 一种船舶监控管理系统 |
CN111538611A (zh) * | 2020-03-30 | 2020-08-14 | 无锡融合大数据创新中心有限公司 | 一种基于大数据平台的设备故障诊断及健康管理系统 |
CN111695744A (zh) * | 2020-06-28 | 2020-09-22 | 曾晨 | 一种基于大数据的维修器材需求预测分析系统 |
CN112230893A (zh) * | 2020-10-16 | 2021-01-15 | 北京中船信息科技有限公司 | 面向船舶制造的多种工业机理模型一站式构建系统及方法 |
CN113031548A (zh) * | 2021-03-04 | 2021-06-25 | 舟山鼠浪湖码头有限公司 | 一种能耗监测系统 |
CN113031492A (zh) * | 2021-04-08 | 2021-06-25 | 江苏远望仪器集团有限公司 | 船舶耗能设备的能耗监测系统及能耗监测方法 |
CN113313272A (zh) * | 2021-06-15 | 2021-08-27 | 江苏杰瑞信息科技有限公司 | 一种基于人工智能的船舶辅机设备故障智能预警设计方法 |
CN113312709A (zh) * | 2021-06-24 | 2021-08-27 | 中国舰船研究设计中心 | 一种基于数智融合的船舶赛博机舱 |
CN113437741A (zh) * | 2021-05-17 | 2021-09-24 | 交通运输部水运科学研究所 | 船舶多能源供电系统的能量和健康管控系统、方法和船舶 |
CN113478500A (zh) * | 2021-07-12 | 2021-10-08 | 大连海事大学 | 一种基于智能巡检机器人的船舶机舱多源数据收集系统 |
CN113515078A (zh) * | 2021-05-20 | 2021-10-19 | 湖南湘船重工有限公司 | 一种智能船舶信息监控及告警处理方法及系统 |
CN113947109A (zh) * | 2021-10-15 | 2022-01-18 | 大连海事大学 | 一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质 |
CN114564325A (zh) * | 2022-01-29 | 2022-05-31 | 杭州捷音智能科技有限公司 | 一种用于船舶诊断的数据采集及管理方法、设备和系统 |
CN114572361A (zh) * | 2022-03-07 | 2022-06-03 | 武汉理工大学 | 船舶智能机舱运维系统验证平台 |
CN115158599A (zh) * | 2022-07-08 | 2022-10-11 | 中国船舶工业集团公司第七0八研究所 | 一种船舶起动空气可视化管理系统 |
CN117784765A (zh) * | 2023-12-28 | 2024-03-29 | 易站智联科技(广州)有限公司 | 一种故障关系分析的船舶机舱诊断方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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系统 |
CN108458885A (zh) * | 2017-11-30 | 2018-08-28 | 镇江赛尔尼柯自动化有限公司 | 船舶故障远程诊断与支持决策系统 |
-
2019
- 2019-05-24 CN CN201910440983.3A patent/CN110109445B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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系统 |
CN108458885A (zh) * | 2017-11-30 | 2018-08-28 | 镇江赛尔尼柯自动化有限公司 | 船舶故障远程诊断与支持决策系统 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110601884A (zh) * | 2019-09-06 | 2019-12-20 | 中国船舶科学研究中心(中国船舶重工集团公司第七0二研究所) | 用于船舶机舱分布式监控的数据传输系统及其使用方法 |
CN110738331A (zh) * | 2019-09-19 | 2020-01-31 | 智慧航海(青岛)科技有限公司 | 一种智能船舶机舱系统 |
CN110941558A (zh) * | 2019-11-27 | 2020-03-31 | 嘉兴企树网络科技有限公司 | 一种智慧办公远程运维的方法及系统 |
CN111538611A (zh) * | 2020-03-30 | 2020-08-14 | 无锡融合大数据创新中心有限公司 | 一种基于大数据平台的设备故障诊断及健康管理系统 |
CN111337784A (zh) * | 2020-04-07 | 2020-06-26 | 中车株洲电力机车有限公司 | 一种电力机车辅机测试的控制方法及系统 |
CN111489075A (zh) * | 2020-04-07 | 2020-08-04 | 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 |
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 |
CN111505989A (zh) * | 2020-04-27 | 2020-08-07 | 深圳众维轨道交通科技发展有限公司 | 一种船舶监控管理系统 |
CN111695744A (zh) * | 2020-06-28 | 2020-09-22 | 曾晨 | 一种基于大数据的维修器材需求预测分析系统 |
CN112230893A (zh) * | 2020-10-16 | 2021-01-15 | 北京中船信息科技有限公司 | 面向船舶制造的多种工业机理模型一站式构建系统及方法 |
CN113031548A (zh) * | 2021-03-04 | 2021-06-25 | 舟山鼠浪湖码头有限公司 | 一种能耗监测系统 |
CN113031492A (zh) * | 2021-04-08 | 2021-06-25 | 江苏远望仪器集团有限公司 | 船舶耗能设备的能耗监测系统及能耗监测方法 |
CN113437741A (zh) * | 2021-05-17 | 2021-09-24 | 交通运输部水运科学研究所 | 船舶多能源供电系统的能量和健康管控系统、方法和船舶 |
CN113515078A (zh) * | 2021-05-20 | 2021-10-19 | 湖南湘船重工有限公司 | 一种智能船舶信息监控及告警处理方法及系统 |
CN113313272A (zh) * | 2021-06-15 | 2021-08-27 | 江苏杰瑞信息科技有限公司 | 一种基于人工智能的船舶辅机设备故障智能预警设计方法 |
CN113312709A (zh) * | 2021-06-24 | 2021-08-27 | 中国舰船研究设计中心 | 一种基于数智融合的船舶赛博机舱 |
CN113478500A (zh) * | 2021-07-12 | 2021-10-08 | 大连海事大学 | 一种基于智能巡检机器人的船舶机舱多源数据收集系统 |
CN113947109A (zh) * | 2021-10-15 | 2022-01-18 | 大连海事大学 | 一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质 |
CN113947109B (zh) * | 2021-10-15 | 2024-05-07 | 大连海事大学 | 一种基于视觉的船舶系统设备泄漏状态监测方法、系统及存储介质 |
CN114564325A (zh) * | 2022-01-29 | 2022-05-31 | 杭州捷音智能科技有限公司 | 一种用于船舶诊断的数据采集及管理方法、设备和系统 |
CN114572361A (zh) * | 2022-03-07 | 2022-06-03 | 武汉理工大学 | 船舶智能机舱运维系统验证平台 |
CN114572361B (zh) * | 2022-03-07 | 2023-11-28 | 武汉理工大学 | 船舶智能机舱运维系统验证平台 |
CN115158599A (zh) * | 2022-07-08 | 2022-10-11 | 中国船舶工业集团公司第七0八研究所 | 一种船舶起动空气可视化管理系统 |
CN117784765A (zh) * | 2023-12-28 | 2024-03-29 | 易站智联科技(广州)有限公司 | 一种故障关系分析的船舶机舱诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110109445B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110109445A (zh) | 一种船舶机舱辅机监控系统及监控方法 | |
CN108189043B (zh) | 一种应用于高铁机房的巡检方法及巡检机器人系统 | |
CN111682640A (zh) | 一种配电房全感知监测与运维系统 | |
CN110492607A (zh) | 一种基于泛在电力物联网的智能变电站状态监测系统 | |
CN109101906A (zh) | 一种变电站电力设备红外图像异常实时检测方法及装置 | |
CN107943078A (zh) | 多旋翼双机系统无人机巡检故障诊断系统及方法 | |
CN108764601A (zh) | 一种基于计算机视觉和深度学习技术的结构健康监测异常数据诊断方法 | |
CN111682639A (zh) | 基于无线多跳网络的配电房全感知监测运维系统及方法 | |
CN109490713A (zh) | 一种用于电缆线路移动巡检及交互诊断的方法及系统 | |
CN101105690A (zh) | 城市长隧道监控系统中的多传感器融合方法 | |
CN110027701A (zh) | 地下综合管廊巡检系统 | |
CN110568792A (zh) | 一种海洋平台振动噪声舒适性监测装置及在线监测方法 | |
CN106997513A (zh) | 基于大数据分析的配网设备状态评价系统 | |
CN102254400A (zh) | 一种can总线冗余的船舶机舱监测报警系统 | |
CN113536440B (zh) | 一种基于bim运维管理系统的数据处理方法 | |
CN112531732B (zh) | 变电站无功电气设备与智能机器人联动巡检系统与方法 | |
CN113296113A (zh) | 一种应用于海上升压站的无人智能巡检系统及方法 | |
CN111582165B (zh) | 一种电力配电站房监控系统 | |
CN109746893A (zh) | 数据中心智能运维机器人 | |
CN212784888U (zh) | 一种配电房全感知监测与运维系统 | |
CN114118202A (zh) | 一种城市地下综合管廊异常事件预警方法 | |
CN113361686A (zh) | 一种多层异构多模态卷积神经网络集成式机器人巡检方法 | |
CN109038818A (zh) | 电力设备远程监控系统及方法 | |
CN110533345A (zh) | 一种船舶柴油机状态评估方法及系统 | |
CN212032008U (zh) | 一种船舶机舱辅机监控系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 222000 No.42, Hailian East Road, Haizhou District, Lianyungang City, Jiangsu Province Applicant after: China Shipbuilding Digital Information Technology Co.,Ltd. Address before: 222000 No.42, Hailian East Road, Haizhou District, Lianyungang City, Jiangsu Province Applicant before: LIANYUNGANG JARI SHENRUAN TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |