CN110334844A - 利用船舶主推进柴油机运行状态的船舶优化使用方法 - Google Patents
利用船舶主推进柴油机运行状态的船舶优化使用方法 Download PDFInfo
- Publication number
- CN110334844A CN110334844A CN201910329109.2A CN201910329109A CN110334844A CN 110334844 A CN110334844 A CN 110334844A CN 201910329109 A CN201910329109 A CN 201910329109A CN 110334844 A CN110334844 A CN 110334844A
- Authority
- CN
- China
- Prior art keywords
- failure
- ship
- fault mode
- diesel engine
- mode
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 208000015181 infectious disease Diseases 0.000 claims abstract description 18
- 230000015556 catabolic process Effects 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000012423 maintenance Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 40
- 238000005457 optimization Methods 0.000 claims description 24
- 238000011058 failure modes and effects analysis Methods 0.000 claims description 21
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008439 repair process Effects 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 5
- 229910052742 iron Inorganic materials 0.000 claims description 5
- 230000007774 longterm Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/05—Testing internal-combustion engines by combined monitoring of two or more different engine parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/12—Testing internal-combustion engines by monitoring vibrations
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Abstract
本发明涉及利用船舶主推进柴油机运行状态的船舶优化使用方法,包含一套处理步骤,实时采集所需的设备运行数据,与专家经验数据库相结合,判断发生故障的设备和类别,对相应的故障模式、原因和影响进行计算和分析,分析并计算出每种故障模式的故障发生率、模式频比数、影响概率和危害度,结合优化策略,得到优化策略。本发明能对柴油机各部分状态在行进中时监控,自动处理数据,及时发现、识别故障,给出相应优化策略,保证船舶能够最大程度的良好运行状态,提高运行安全性,尽可能减小设备性能衰退或故障后的风险,量化了专家经验,降低了维修从业门槛,提高了判断准确度和处理方法的得当性;推广成本低;参数、算法调整灵活;策略方法可复制性强。
Description
技术领域
本发明涉及一种船舶优化使用的策略,尤其涉及一种利用船舶住推进柴油机运行状态进行优化的方法。
背景技术
在船舶长期航行的过程中,船舶主机发生故障再所难免,在发生故障后的运行状态优化方面的研究却很少。如何保障船舶主机在发生故障后能够继续运行和快速恢复平稳状态,提升船舶主机的可靠性与船舶的安全和稳定性能直接相关。船舶主机设备运行状态优化使用策略能够对故障设备提供合理的缓解方法及恢复策略,支持船舶的可靠性维护工作。
船舶因长期所处工作环境所限,一旦主机发生故障,无法随时获取帮助。而主机故障客观上是无法避免的。现行的对于主机运行状态的可靠性分析基本分为两个方向:故障后维修和故障前检修,亦即对于主机故障,主流的处理方法主要是出现故障后进行维修判断,或是主机开车前的检修以降低发生故障的概率和损失。
目前对于运行状态优化方面的研究工作相对较少。所谓运行状态优化是指对某设备出现故障时对其模式进行影响及危害度分析,并根据其分析结果来决定设备能够继续运行的对策和恢复运行状态的方法,尽可能减小设备性能衰退或故障后的风险。
发明内容
本发明要解决的技术问题在于:提供了一种利用船舶主推进柴油机运行状态的船舶优化使用方法,能够尽可能减小设备性能衰退或故障后的风险。
本发明为解决上述问题采取的技术方案为:利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于:本方法包含了以下步骤:
S1.实时采集所需要的信息,包括:热力性能参数、曲轴瞬时转速波动信号、振动信号、铁谱及光谱分析,运行数据和设备运行状态;
S2.根据S1采集到的信息和预设的专家经验数据库相结合,判断发生故障的设备及故障类别,并对故障类别对应的故障模式、故障原因和故障影响进行计算和分析,然后划分严酷度等级指标后对故障进行严酷度评价,得出故障模式及影响分析表和严酷度等级;
按上述方案,所述的专家经验是指相关专家在长期工作或研究中总结出来的结论,包含故障模式及影响分析模块、危害度分析模块、优化策略分析模块,其中:
按上述方案,所述的故障模式及影响分析模块包括故障设备、故障类别、故障模式、故障原因、故障影响、严酷度等级之间的映射关系,并以故障模式及影响分析的形式给出输出到下一步使用;所述的严酷度等级为组件工作、环境、操作者的影响严重程度;
按上述方案,所述的危害度分析模块包括故障设备、故障部件、故障模式、故障原因、严酷度等级、故障发生率、故障模式频比数、故障影响概率、工作时间、故障模式危害度之间的映射关系;
按上述方案,所述的优化策略分析模块包括故障模式及影响分析模块、危害度分析模块、恢复策略之间的映射关系;
按上述方案,所述的故障模式及影响分析表为组件的故障及其影响进行分析与评价,包括故障设备、故障类别、故障模式、故障原因、故障影响、严酷度等级;
S3.根据S2得到的故障模式及影响分析表和严酷度等级数据,依照所述的危害度分析模块,分析并计算出每种故障模式的故障发生率、故障模式频比数、故障影响概率和故障模式危害度;
按上述方案,所述的故障发生率为工作到某一时刻还未故障的组件,在该时刻后单位时间内发生故障的概率;
按上述方案,所述的故障模式频比数为组件故障表示为确定故障故障模式的比率;
按上述方案,所述的故障影响概率为假定某故障模式已经发生,其多种最终影响所占的百分比;
按上述方案,所述的故障模式危害度为组件在某种故障模式对其系统危害所占的比率;
S4.根据S3得到的结果,结合优化策略分析模块,最终得到相应的船舶主推进柴油机在运行过程中发生故障的优化处理策略。
按上述方案,所述的S2中的故障影响包括局部影响、高一层次影响和最终影响,是根据故障影响的从轻到重预设的。
按上述方案,所述的船舶主推进柴油机在运行过程中发生的故障的优化处理策略包括降额运行、切换备用设备、停机自修、项修和厂修。
按上述方案,所述的S2中的严酷度等级分为5个档次,从轻到重依次为:
I.轻度:对设备功能影响不明显,可视情况进行处理;
II.一般:对设备功能影响较小,可结合大小修进行处理;
III.比较严重:对设备功能造成一定影响,需要提前安排检修;
IV.严重:对设备功能产生明显影响,需要尽快安排停电维修;
V.致命:对设备功能造成严重影响,需要立刻停电维修。
按上述方案,所述的船舶主推进柴油机在运行过程中发生的故障)的优化处理策略包括降额运行、切换备用设备、停机自修、项修和厂修。
按上述方案,所述的故障模式频比数为组件故障表示为确定故障故障模式的比率,设故障频比数为α,则α的计算方法为:
α=α1*α’
其中α1为发生故障的设备数占该设备的总数的比值:
其中α’为设备每种故障模式数占设备故障总数的比值:
按上述方案,所述的故障发生率为工作到某一时刻还未故障的组件,在该时刻后单位时间内发生故障的概率,设故障发生率为λ,则λ的计算方法为:
λ=k·e-C·ISE
其中k为比例系数,C为曲率系数,ISE为与本次故障模式相关的状态量的百分制评估值,ISE属于专家经验的一部分,事先预设于系统数据库中。
按上述方案,所述的故障影响概率为假定某故障模式已经发生,其多种最终影响所占的百分比,是专家经验的一部分,事先预设于系统数据库中。
按上述方案,所述的S2中的故障影响概率根据发生概率,定为4个档次,设故障影响概率为β,则β从高到低依次为:
I.肯定发生:β=100%;
II.很可能发生:β∈[10%,100%);
III.有可能发生:β∈(0%,10%);
IV.不会发生:β=0%。
按上述方案,所述的故障模式危害度为组件在某种故障模式对其系统危害所占的比率,设故障模式危害度为Cm,则Cm的计算方法为:
Cm=α·β·λ·t
其中t为设备至今安全运行天数与设备总寿命的比值,α为故障频比数为,λ为故障发生率,β为故障影响概率。
本发明产生的有益效果是:
1.本发明在船舶主推进柴油机行进中对各部分的性能和状态实时监控,并利用专家经验数据库自动处理所获取的数据,能够及时发现设备的故障,在故障刚发生时就能迅速识别,并给出相应的优化策略,从而保证船舶能够最大程度的保持良好的运行状态,提高运行的安全性,尽可能减小设备性能衰退或故障后的风险。
3.量化了维修专家的经验并集成于策略中,降低了维修人员的从业门槛,降低了故障诊断和处理方案的得出时间,大幅提高了维修人员的判断准确度和处理方法的得当性。
4.推广成本低,效率高。
5.参数、算法调整灵活,迭代更新方便。
6.策略方法可复制性强,普适性高,未来可应用领域广泛。
附图说明
图1是船舶运行状态优化策略框架图;
图2是故障发生率与故障模式相关的状态量的百分制评估值ISE关系图;
图3是柴油机故障情况示功图,其中虚线代表正常运行状态示功图。
具体实施方案
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
以下为气缸活塞组件和配气系统采用本发明方法的具体实施方案,经过相应的分析步骤和方法,气缸活塞组件和配气系统的故障模式及影响分析表见表 1:
表1故障模式及影响分析表
如图1所示为一种利用船舶主机设备运行状态优化使用策略,主要包括以下步骤(Ss):
Ss1.实时采集所需要的信息,包括:热力性能参数、曲轴瞬时转速波动信号、振动信号、铁谱及光谱分析,运行数据和设备运行状态;
Ss2.根据S1采集到的信息和预设的专家经验相结合,判断发生故障的设备及故障类别,并对故障类别对应的故障模式、故障原因和故障影响进行计算和分析,然后划分严酷度等级指标后对故障进行严酷度评价,得出故障模式及影响分析表和严酷度等级;
所述的专家经验是指相关专家在长期工作或研究中总结出来的结论,包含故障模式及影响分析模块、危害度分析模块、优化策略分析模块,其中:
所述的故障模式及影响分析模块包括故障设备、故障类别、故障模式、故障原因、故障影响、严酷度等级之间的映射关系,并以故障模式及影响分析表的形式作为输出给到下一步使用;这里的故障影响包括局部影响、高一层次影响和最终影响,是根据故障影响的从轻到重预设的;
所述的危害度分析模块包括故障设备、故障部件、故障模式、故障原因、严酷度等级、故障发生率、故障模式频比数、故障影响概率、工作时间、故障模式危害度之间的映射关系;
Ss3.根据Ss2得到的故障模式及影响分析表和严酷度等级数据,依照所述的危害度分析模块,分析并计算出每种故障模式的故障发生率、故障模式频比数、故障影响概率和故障模式危害度,其中:
I.故障发生率为工作到某一时刻还未故障的组件,在该时刻后单位时间内发生故障的概率,设故障发生率为λ,则λ的计算方法为:
λ=k·e-C·ISE
其中k为比例系数,C为曲率系数,ISE为与本次故障模式相关的状态量的百分制评估值;
II.故障模式频比数为组件故障表示为确定故障故障模式的比率,设故障频比数为α,则α的计算方法为:
α=α1*α’
其中α1为发生故障的设备数占该设备的总数的比值:
其中α’为设备每种故障模式数占设备故障总数的比值:
III.故障影响概率为假定某故障模式已经发生,其多种最终影响所占的百分比,设故障影响概率为β,其中β是专家经验的一部分,事先预设于系统数据库中,β的定义标准见表2:
表2故障影响概率β表
故障影响 | β的范围 |
肯定发生故障 | β=1 |
很可能发生故障 | 0.1<β<1 |
有可能发生故障 | 0<β<0.1 |
不会发生故障 | 0 |
IV.故障模式危害度为组件在某种故障模式对其系统危害所占的比率,设故障模式危害度为Cm,则Cm的计算方法为:
Cm=α·β·λ·t
其中t为设备至今安全运行天数与设备总寿命的比值,α为故障频比数为,λ为故障发生率,β为故障影响概率,根据上述的计算步骤可得危害度分析表,见表3。
表3危害度分析表
V.严酷度等级为组件工作、环境、操作者的影响严重程度,可通过查表4 得到相应数值;
表4严酷度指标
所述的优化策略分析模块包括故障模式及影响分析模块、危害度分析模块、恢复策略之间的映射关系,其中:
I.故障模式及影响分析模块通过为组件的故障及其影响进行分析与评价,得出故障模式及影响分析表;
II.危害度分析模块包括故障设备、故障部件、故障模式、故障原因、严酷度等级、故障发生率、故障模式频比数、故障影响概率、工作时间、故障模式危害度之间的映射关系;
III.恢复策略为运行优化使用策略分析表中的“恢复措施”项,是系统根据汇总数据分析得出的优化使用策略;
以下通过对某一次故障的原因和模式的确定过程,以此来说明Ss2的运行原理(以下的数据采集来自安装在主推进柴油机上的各传感器),过程如下:
I.如图3所示为某台主推进柴油机的示功图,其曲线由缸压传感器、曲柄转角传感器和上止点传感器测量处理得出,实线表示故障状态,虚线表示正常运行状态。
II.由实线曲线趋势可以看出最高爆发压力和压缩压力都低于正常状态,气缸压力和气缸容积图所形成的面积减小,由专家经验得出此故障可能为气密性故障(气缸活塞组件故障)或者配气系统故障;
III.由采集到的信息源分析故障的来源,其中由振动信号的振动量增大得出气缸活塞组件磨损;
IV.由铁谱分析中铜和铁的比例增大得出活塞环故障;
V.由对气阀间隙的测量和气缸盖振动信号高频振动得出气阀间隙引起的故障和漏泄故障;
VI.通过拆下空气滤清器观察到排气黑烟减少得出空气滤清器堵塞;
VII.对比表1,系统对发生的故障的影响得出严酷度等级,并结合故障原因及参数作为此步骤的输出;
Ss4.根据故障模式影响分析和危害性分析得出的分析结果,制定相对应的船舶优化使用策略;
通过综合考虑可靠性分析结果,将船舶运行中的优化使用策略划分为五个等级,优化使用策略依据表5执行;
表5优化使用策略表
可靠性等级 | 运行使用策略 |
① | 降额运行 |
② | 切换备用设备 |
③ | 停机自修 |
④ | 项修 |
⑤ | 厂修 |
Ss5.总结上述步骤的结果,根据运行优化使用策略分析表分析故障处理流程,并得出运行优化使用策略,最后输出供用户使用,其中表6为运行优化使用策略分析表,因页宽所限,将其分解为表6-1和表6-2,应理解表6-1和表 6-2合并后即为表6。
表6-1运行优化使用策略分析表
表6-2运行优化使用策略分析表
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所做的改变,修饰,替代组合简化均应为等效的置换方式都包括在本发明的保护范围之内。
Claims (9)
1.利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于:本方法包含了以下步骤:
S1.实时采集所需要的信息,包括:热力性能参数、曲轴瞬时转速波动信号、振动信号、铁谱及光谱分析,运行数据和设备运行状态;
S2.根据S1采集到的信息和预设的专家经验数据库相结合,判断发生故障的设备及故障类别,并对故障类别对应的故障模式、故障原因和故障影响进行计算和分析,然后划分严酷度等级指标后对故障进行严酷度评价,得出故障模式及影响分析表和严酷度等级;
所述的专家经验是指相关专家在长期工作或研究中总结出来的结论,包含故障模式及影响分析模块、危害度分析模块、优化策略分析模块,其中:
所述的故障模式及影响分析模块包括故障设备、故障类别、故障模式、故障原因、故障影响、严酷度等级之间的映射关系,并以故障模式及影响分析的形式给出输出到下一步使用;所述的严酷度等级为组件工作、环境、操作者的影响严重程度;
所述的危害度分析模块包括故障设备、故障部件、故障模式、故障原因、严酷度等级、故障发生率、故障模式频比数、故障影响概率、工作时间、故障模式危害度之间的映射关系;
所述的优化策略分析模块包括故障模式及影响分析模块、危害度分析模块、恢复策略之间的映射关系;
所述的故障模式及影响分析表为组件的故障及其影响进行分析与评价,包括故障设备、故障类别、故障模式、故障原因、故障影响、严酷度等级;
S3.根据S2得到的故障模式及影响分析表和严酷度等级数据,依照所述的危害度分析模块,分析并计算出每种故障模式的故障发生率、故障模式频比数、故障影响概率和故障模式危害度;
所述的故障发生率为工作到某一时刻还未故障的组件,在该时刻后单位时间内发生故障的概率;
所述的故障模式频比数为组件故障表示为确定故障故障模式的比率;
所述的故障影响概率为假定某故障模式已经发生,其多种最终影响所占的百分比;
所述的故障模式危害度为组件在某种故障模式对其系统危害所占的比率;
S4.根据S3得到的结果,结合优化策略分析模块,最终得到相应的船舶主推进柴油机在运行过程中发生故障的优化处理策略。
2.根据权利要求1所述的利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于:所述的S3中的故障影响包括局部影响、高一层次影响和最终影响,是根据故障影响的从轻到重预设的。
3.根据权利要求1或2所述的利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于:所述的S2中的严酷度等级分为5个档次,从轻到重依次为:
I.轻度:对设备功能影响不明显,可视情况进行处理;
II.一般:对设备功能影响较小,可结合大小修进行处理;
III.比较严重:对设备功能造成一定影响,需要提前安排检修;
IV.严重:对设备功能产生明显影响,需要尽快安排停电维修;
V.致命:对设备功能造成严重影响,需要立刻停电维修。
4.根据权利要求1或2所述的利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于所:所述的船舶主推进柴油机在运行过程中发生的故障)的优化处理策略包括降额运行、切换备用设备、停机自修、项修和厂修。
5.根据权利要求1或2所述的利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于所:所述的故障模式频比数为组件故障表示为确定故障故障模式的比率,设故障频比数为α,则α的计算方法为:
α=α1*α’
其中α1为发生故障的设备数占该设备的总数的比值:
其中α’为设备每种故障模式数占设备故障总数的比值:
6.根据权利要求1或2所述的利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于所:所述的故障发生率为工作到某一时刻还未故障的组件,在该时刻后单位时间内发生故障的概率,设故障发生率为λ,则λ的计算方法为:
λ=k·e-C·ISE
其中k为比例系数,C为曲率系数,ISE为与本次故障模式相关的状态量的百分制评估值,ISE属于专家经验的一部分,事先预设于系统数据库中。
7.根据权利要求1或2所述的利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于所:所述的故障影响概率为假定某故障模式已经发生,其多种最终影响所占的百分比,是专家经验的一部分,事先预设于系统数据库中。
8.根据权利要求7所述的利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于:所述的S2中的故障影响概率根据发生概率,定为4个档次,设故障影响概率为β,则β从高到低依次为:
I.肯定发生:β=100%;
II.很可能发生:β∈[10%,100%);
III.有可能发生:β∈(0%,10%);
IV.不会发生:β=0%。
9.根据权利要求1或2所述的利用船舶主推进柴油机运行状态的船舶优化使用方法,其特征在于所:所述的故障模式危害度为组件在某种故障模式对其系统危害所占的比率,设故障模式危害度为Cm,则Cm的计算方法为:
Cm=α·β·λ·t
其中t为设备至今安全运行天数与设备总寿命的比值,α为故障频比数为,λ为故障发生率,β为故障影响概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910329109.2A CN110334844A (zh) | 2019-04-23 | 2019-04-23 | 利用船舶主推进柴油机运行状态的船舶优化使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910329109.2A CN110334844A (zh) | 2019-04-23 | 2019-04-23 | 利用船舶主推进柴油机运行状态的船舶优化使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110334844A true CN110334844A (zh) | 2019-10-15 |
Family
ID=68139756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910329109.2A Pending CN110334844A (zh) | 2019-04-23 | 2019-04-23 | 利用船舶主推进柴油机运行状态的船舶优化使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110334844A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN116432082A (zh) * | 2023-03-29 | 2023-07-14 | 武汉理工大学 | 一种船舶故障特征分析方法、系统及存储介质 |
CN116542510A (zh) * | 2023-07-05 | 2023-08-04 | 江苏航运职业技术学院 | 船舶电气调试流程的优化配置方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933477A (zh) * | 2015-06-05 | 2015-09-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种利用输变电设备风险评估优化检修策略的方法 |
CN107203839A (zh) * | 2017-05-04 | 2017-09-26 | 中国北方发动机研究所(天津) | 一种柴油机零部件故障风险等级的评估方法 |
-
2019
- 2019-04-23 CN CN201910329109.2A patent/CN110334844A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933477A (zh) * | 2015-06-05 | 2015-09-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种利用输变电设备风险评估优化检修策略的方法 |
CN107203839A (zh) * | 2017-05-04 | 2017-09-26 | 中国北方发动机研究所(天津) | 一种柴油机零部件故障风险等级的评估方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN116432082A (zh) * | 2023-03-29 | 2023-07-14 | 武汉理工大学 | 一种船舶故障特征分析方法、系统及存储介质 |
CN116432082B (zh) * | 2023-03-29 | 2024-01-09 | 武汉理工大学 | 一种船舶故障特征分析方法、系统及存储介质 |
CN116542510A (zh) * | 2023-07-05 | 2023-08-04 | 江苏航运职业技术学院 | 船舶电气调试流程的优化配置方法 |
CN116542510B (zh) * | 2023-07-05 | 2023-10-13 | 江苏航运职业技术学院 | 船舶电气调试流程的优化配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110334844A (zh) | 利用船舶主推进柴油机运行状态的船舶优化使用方法 | |
CN110208019B (zh) | 一种动设备状态监测动态阈值预警方法 | |
CN103792087B (zh) | 并联试车故障监测与诊断方法 | |
CN102799171B (zh) | 检测故障码设置中的异常和使用分析症状增强维修文件 | |
WO2011049667A1 (en) | System and method for selecting a maintenance operation | |
CN100472574C (zh) | 基于信息融合的柴油动力装置故障诊断系统 | |
CN106600095A (zh) | 一种基于可靠性的维修评估方法 | |
CN111289256B (zh) | 一种数据驱动的船舶柴油机故障检测方法 | |
CN108956107A (zh) | 耦合三角模糊数的往复压缩机典型故障的故障树诊断方法 | |
CN110261122A (zh) | 一种基于分块的船舶柴油机故障监测方法 | |
KR102268733B1 (ko) | 선박기관의 고장검출 방법 및 시스템 | |
CN105487530A (zh) | 柴油机排温低故障预测系统及方法 | |
CN112067306A (zh) | 船用发动机健康状态在线监测评估方法、设备及系统 | |
CN114738132B (zh) | 基于实船数据的增压器转速传感器故障诊断方法及系统 | |
KR102457752B1 (ko) | 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템 | |
JP4163995B2 (ja) | 監視診断システム | |
CN110210722A (zh) | 一种核电厂系统监督方案的开发方法 | |
Gharib et al. | Development of a new expert system for diagnosing marine diesel engines based on real-time diagnostic parameters | |
CN108520302A (zh) | 一种柴油机故障诊断系统 | |
CN109519368B (zh) | 储气库往复式压缩机的智能运维与健康管理系统 | |
Autar | An automated diagnostic expert system for diesel engines | |
KR102348314B1 (ko) | 선박의 스크러버와 연동되는 사고예방 모니터링 기능을 갖는 배기가스 조절밸브용 에어펌프 제어시스템 | |
CN108536878A (zh) | 一种基于扩展式fmeca的rms一体化分析方法 | |
Jiang et al. | An expert system based on multi-source signal integration for reciprocating compressor | |
Cai et al. | Ship diesel engine fault diagnosis based on the SVM and association rule mining |
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: 20191015 |
|
RJ01 | Rejection of invention patent application after publication |