CN111240229B - 一种基于智能船舶靠离泊仿真测试的故障信息处理系统 - Google Patents

一种基于智能船舶靠离泊仿真测试的故障信息处理系统 Download PDF

Info

Publication number
CN111240229B
CN111240229B CN202010202868.5A CN202010202868A CN111240229B CN 111240229 B CN111240229 B CN 111240229B CN 202010202868 A CN202010202868 A CN 202010202868A CN 111240229 B CN111240229 B CN 111240229B
Authority
CN
China
Prior art keywords
fault
module
information
ship
fault information
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
CN202010202868.5A
Other languages
English (en)
Other versions
CN111240229A (zh
Inventor
王晓原
夏媛媛
姜雨函
朱慎超
王曼曼
柴垒
曹志伟
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.)
Navigation Brilliance Qingdao Technology Co Ltd
Original Assignee
Navigation Brilliance Qingdao Technology Co Ltd
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 Navigation Brilliance Qingdao Technology Co Ltd filed Critical Navigation Brilliance Qingdao Technology Co Ltd
Priority to CN202010202868.5A priority Critical patent/CN111240229B/zh
Publication of CN111240229A publication Critical patent/CN111240229A/zh
Application granted granted Critical
Publication of CN111240229B publication Critical patent/CN111240229B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • 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
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • 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
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
    • 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
    • G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—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 model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Quality & Reliability (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提供一种基于智能船舶靠离泊仿真测试的故障信息处理系统，包括：故障信息监测模块基于传感器得到故障信息；故障处理分析模块对故障信息进行模糊处理分析，确定发生故障的原因和位置；解决方案生成模块根据发生故障的原因生成相应的解决方案并确定最佳解决方案；执行模块按照最佳解决方案结合故障发生的位置执行相应的操作；故障实施反馈模块将故障处理的当前状况实时反馈给故障信息监测模块；数据库模块存储有关故障的历史信息；相似故障预警模块根据有关故障的历史信息与故障信息进行计算得到事例间相似度，当事例间相似度满足预设条件时进行提前预警。本发明可以对故障实施过程中可能出现的故障实时了解，针对相类似的故障进行提前预警。

Description

一种基于智能船舶靠离泊仿真测试的故障信息处理系统
技术领域
本发明涉及船舶技术领域，尤其涉及一种基于智能船舶靠离泊仿真测试的故障信息处理系统。
背景技术
近年来，随着人工智能、大数据、物联网以及5G技术的迅速发展，船舶行业智能化发展成为必然的趋势，多个国家都在积极研究智能船舶相关的各项关键技术，其中智能船舶的自动靠离泊技术是智能船舶研究的关键技术之一。船舶的靠离泊是船舶在航行作业中不可避免的操作，因此针对智能船舶的靠离泊方面进行的测试也是必要的研究工作。
随着国家经济的快速发展，港口规模日益矿大，泊位日益增多，船舶数量也急剧膨胀，相应的船舶在进行靠离泊过程中发生故障的次数也随之增加，影响了船舶的流通速度。由于智能船舶是无人驾驶船舶，在繁忙的海域航行以及靠离泊过程中，容易由于突发状况导致设备故障以及事故的发生，因此针对智能船舶在靠离泊过程中的状况进行仿真测试以及对其故障信息的处理分析是非常必要的手段。
目前已经有针对智能船舶靠离泊功能方面的测试系统及方法，但是并没有针对智能船舶的靠离泊功能方面的故障数据的处理系统。
上述缺陷是本领域技术人员期望克服的。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题，本发明提供一种基于智能船舶靠离泊仿真测试的故障信息处理系统，解决现有技术中没有针对智能船舶的靠离泊功能方面的故障数据的处理系统的问题。
(二)技术方案
为了达到上述目的，本发明采用的技术方案包括：
本发明提供一种基于智能船舶靠离泊仿真测试的故障信息处理系统，包括：
故障信息监测模块，用于基于传感器对智能船舶在靠离泊过程中船舶运动参数以及周围海况参数进行监测，得到故障信息；
故障处理分析模块，用于对所述故障信息进行模糊处理分析，确定发生故障的原因和发生故障的位置；
解决方案生成模块，用于根据所述发生故障的原因生成相应的解决方案；
执行模块，用于根据所述解决方案确定最佳解决方案，并按照所述最佳解决方案结合所述故障发生的位置执行相应的操作；
故障实施反馈模块，用于在所述执行模块执行相应操作的过程中，将故障处理的当前状况实时反馈给故障信息监测模块；
数据库模块，用于存储有关故障的历史信息，所述有关故障的历史信息包括故障信息、发生故障的原因和发生故障的位置；
相似故障预警模块，与所述数据库模块和所述故障信息监测模块连接，用于根据所述有关故障的历史信息与所述故障信息监测模块实时监测得到的故障信息进行计算得到事例间相似度，当所述事例间相似度满足预设条件时进行提前预警。
在本发明的一种示例性实施例中，所述故障信息包括船舶信息、环境信息和港口相关信息；
所述船舶信息包括船舶种类、船舶的操纵性能、吨级、船龄、船舶长度、吃水，所述环境信息包括风、浪、流、能见度、港口泊位长度、港池船舶密度、码头前沿水深、码头前沿回旋水域尺度、船舶密度，所述港口相关信息包括港口靠离泊安全规章制度的制定和实施、港口通信设施的通畅程度、拖轮使用规则。
在本发明的一种示例性实施例中，所述故障处理分析模块包括：
分解子模块，用于利用量测模型对所述故障信息进行加性分解，确定当前时刻传感器是否产生故障信号；
分析子模块，用于根据所述分解子模块检测出的产生故障信号的传感器进行分析，确定发生故障的原因以及发生故障的位置。
在本发明的一种示例性实施例中，所述量测模型为：
zi(k)＝xi(k)+υi(k)+ηi(k)ζi(k)
其中zi(k)为第k时刻第i个传感器的量测值；xi(k)为第k时刻观测对象的真实状态值；υi(k)为第k时刻第i个传感器的量测噪声；ηi(k)为第k时刻第i个传感器产故障的符号函数，当故障发生时，其取值为1，当没有故障发生时，期取值为0；ζi(k)为第k时刻第i个传感器产生的故障信号；
所述分解子模块进行故障监测的目标是ηi(k)和ζi(k)，并根据ηi(k)和ζi(k)识别第k时刻第i个传感器是否发生故障，以及发生故障时对应传感器的位置。
在本发明的一种示例性实施例中，所述解决方案生成模块用于结合专家知识库，在所述专家知识库中查找与本次故障的原因相同的记录，如果能查找到则直接根据所述专家知识库得到相应的解决方案；如果未能查找到则参照所述专家知识库给出相应的解决方案。
在本发明的一种示例性实施例中，所述故障实施反馈模块将故障处理的当前状况实时反馈给故障信息监测模块后，还包括：
结合所述故障信息监测模块、所述故障处理分析模块和所述解决方案生成模块分析按照所述解决方案执行后，所述故障处理的当前状况与故障初始情况的改善程度是否达到预设要求，如果未能达到预设要求则所述解决方案生成模块给出新的解决方案。
在本发明的一种示例性实施例中，所述相似故障预警模块包括：
相似度计算子模块，用于将故障的历史信息作为事例库中目标事例，将当前监测到的故障信息作为当前事例，对船舶靠离泊过程中的事故相似度采用最近邻算法建立一个相似性计算函数，得到事例间相似度；
预警子模块，用于根据事例间相似度与相似度阈值进行比较，如果超出所述相似度阈值，则进行提前预警。
在本发明的一种示例性实施例中，所述相似性计算函数为：
Figure BDA0002419966620000041
其中sim(X,Y)为当前事例和事例库中已存在的目标事例之间的相似度；simi(Xi,Yi)为当前事例和事例库中在第i个故障上的相似度；μi为第i个故障发生部位特征的权重，μi为采用相对比较法确定得到。
在本发明的一种示例性实施例中，权重μi的计算公式为：
Figure BDA0002419966620000042
其中三级比较标准的比较值pij的数值为：
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。
在本发明的一种示例性实施例中，还包括：
人机交互模块，与所述数据库模块连接，用于提供交互界面，将靠离泊过程中的故障信息向操作人员进行显示，以及获取操作人员的操作指令。
(三)有益效果
本发明的有益效果是：本发明实施例提供的基于智能船舶靠离泊仿真测试的故障信息处理系统，通过传感器对智能船舶的故障信息进行监测，然后对故障信息进行分析给出解决方案，通过故障实施反馈模块可以对故障实施过程中可能出现的故障实时了解，并通过相似故障预警模块针对相类似的故障进行提前预警。
附图说明
图1为本发明一实施例提供的一种基于智能船舶靠离泊仿真测试的故障信息处理系统的示意图；
图2为本发明一实施例中对于智能船舶在靠离泊在靠离泊作业中导致故障发生的影响因素的示意图；
图3为本发明一实施例基于图1中系统对故障信息进行监测、保存和处理过程的信号流向示意图。
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。
本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
智能船舶在靠离泊过程中发生故障的因素来自各个方面，任何一方面的处理不恰当均会引起智能船舶的靠离泊故障，为了减少事故的发生，下面针对这一问题本发明提出了一种基于智能船舶靠离泊仿真测试的故障信息处理系统，该系统主要是针对智能船舶在进行靠离泊的过程中发生故障后对故障信息的判断和提供解决方案，首先是对智能船舶在靠离泊过程中导致故障发生的因素进行分析了解，得到智能船舶在靠离泊过程中发生故障的原因和位置，便于提出解决方案。
图1为本发明一实施例提供的一种基于智能船舶靠离泊仿真测试的故障信息处理系统的示意图，如图1所示，该系统100包括：故障信息监测模块110、故障处理分析模块120、解决方案生成模块130、执行模块140、故障实施反馈模块150、数据库模块160和相似故障预警模块170。
其中故障信息监测模块110用于基于传感器对智能船舶在靠离泊过程中船舶运动参数以及周围海况参数进行监测，得到故障信息；故障处理分析模块120用于对所述故障信息进行模糊处理分析，确定发生故障的主要原因和发生故障的位置；解决方案生成模块130用于根据所述发生故障的主要原因生成相应的解决方案；执行模块140用于根据所述解决方案确定最佳解决方案，并按照所述最佳解决方案结合所述故障发生的位置执行相应的操作；故障实施反馈模块150用于在所述执行模块执行相应操作的过程中，将故障处理的当前状况实时反馈给故障信息监测模块；数据库模块160用于存储有关故障的历史信息，所述有关故障的历史信息包括故障信息、发生故障的主要原因和发生故障的位置；相似故障预警模块170与所述数据库模块160和所述故障信息监测模块110连接，用于根据所述有关故障的历史信息与所述故障信息监测模块110实时监测得到的故障信息进行计算得到事例间相似度，当所述事例间相似度满足预设条件时进行提前预警。还包括人机交互模块180与所述数据库模块170连接，用于提供交互界面，将靠离泊过程中的故障信息向操作人员进行显示，以及获取操作人员的操作指令。
上述故障信息处理系统是基于对智能船舶进行的靠离泊仿真测试，对于智能船舶的靠离泊仿真测试中主要是通过工况选择模块、测试环境选择设置模块、智能船舶数据信息设置模块、拖船设置模块、三维场景显示模块、船舶靠离泊算法导入模块、测试算法选择模块、数据库模块、测试结果显示模块、数据存储模块以及测试结果评价模块等仿真测试模块对智能船舶的整个靠离泊过程进行完整的测试。
其中在进行智能船舶的靠离泊仿真测试过程中，需要设置的测试较多，例如：对于工况的选择，在工况中分别设置正常工况、故障工况以及突发状况，根据每种工况需要对其他模块的参数分别进行设置，突发状况主要指智能船舶在进行靠离泊过程中所遇到的突发故障情况下的测试。
图2为本发明一实施例中对于智能船舶在靠离泊在靠离泊作业中导致故障发生的影响因素的示意图，如图2所示，容易发生的靠离泊故障因素有很多，将主要的影响因素进行归纳总结为船舶因素、环境因素、操作因素、设备因素和管理因素以上几种，并对每种影响因素进行详细的说明介绍。
船舶因素主要包括有船舶的船龄、吨位、结构强度以及船舶技术状态等，其中船舶船龄体现在船舶运营时间的长度、建造工艺以及自动化水平的优良程度；船舶吨位直接影响船舶的靠离泊安全，吨位越大发生事故的概率越大；结构强度主要体现船舶的抗破坏力；而船舶的技术状态主要是指船舶的适航性以及可操纵性等技术性能，该因素直接影响船舶的靠离泊状况。
环境因素包括航道条件、导航助航设施、船舶交通流量、通讯状况、水文气象条件等，其中航道条件包括航道的宽度、弯曲度、交叉口、航道水深、海底电缆、礁石状况等等；导航助航设施包括航标、灯塔、堤头灯等助航设施，助航设施可以为船舶提供航道转向、水深、边界、障碍物等相关信息，对于防止事故的发生具有非常重要的作用；船舶的交通流量、通讯状况以及水文气象环境，这些条件直接影响船舶在码头的靠离泊状况。
操作因素主要指针对船舶在港口进行靠泊作业、装卸作业以及离泊作业的过程中的船舶操控的问题。
设备因素主要是针对船舶以及码头的消防设备、防污染处理设备等应急救援设备的充足性和救援的时效性。
管理因素包括安全管理、应急管理和海事部门的监管等，其中安全管理是指安全机构对船舶作业设备的安全检查、对作业人员的安全教育及岗位职责完成情况的监督和指导；应急管理则是对安全事故的应急机构设施、应急方案编制、应急演练情况等；海事部门的监管是指对船舶安全生产措施落实的检查、交通管制方案对船舶靠离泊安全性的影响状况。
在船舶的实际靠离泊过程中，人工操作船舶主要依靠经验丰富的船员进行靠离泊操作，人为因素是导致靠离泊事故发生的主要因素，但是智能船舶属于无人驾驶船舶，与普通船舶有人操作船舶相比，既有优点也有弊端：优点是发生事故时可以减少人员的伤亡，减少不必要的经济损失，以及减少由于操作人员的人为因素导致的不安全行为的发生；弊端是当突发状况发生时，由于智能船舶的设备信息传递的延时问题，导致无法及时做出相应的操作，从而导致事故的发生。
为了保证智能船舶在故障发生时可以及时对故障信息进行处理分析，提出基于智能船舶靠离泊仿真测试的故障信息处理系统。该处理系统主要是针对智能船舶在靠离泊仿真测试过程中，当发生靠离泊故障时，首先对故障的原因进行分析，根据故障原因提供相应的解决方案，然后由执行机构实施给定的解决方案并实时反馈故障处理情况，以便提高故障解决的效率和准确度。
以下结合图1所示系统对其功能进行详细介绍：
图3为本发明一实施例基于图1中系统对故障信息进行监测、保存和处理过程的信号流向示意图，如图3所示，主要由故障信息监测模块310、故障处理分析模块320、解决方案生成模块330、执行模块340、故障实施反馈模块350、数据库模块360、相似故障预警模块370和人机交互模块380实现。
故障信息监测模块310是系统的主要部分，基于传感器对智能船舶在靠离泊过程中船舶运动参数以及周围海况参数进行监测，得到故障信息，通过布设在智能船舶不同设备上、不同位置处的多个高精度的传感器，可以实现对智能船舶靠离泊过程中数据信息的实时监测，及时发现故障信息。
在本发明的一种示例性实施例中，故障信息监测模块310得到的故障信息包括船舶信息、环境信息和港口相关信息；所述船舶信息包括船舶种类、船舶的操纵性能、吨级、船龄、船舶长度、吃水等，所述环境信息包括风、浪、流、能见度、港口泊位长度、港池船舶密度、码头前沿水深、码头前沿回旋水域尺度、船舶密度等，所述港口相关信息包括港口靠离泊安全规章制度的制定和实施、港口通信设施的通畅程度、拖轮使用规则等。之后，故障信息监测模块310将监测到的这些故障信息传递给故障处理分析模块320。
故障处理分析模块320收到故障信息后，对故障信息进行模糊处理分析，获取故障发生的影响因素，从而查找出靠离泊过程中发生故障的主要原因和发生故障的位置。故障处理分析模块320中包括：分解子模块和分析子模块，分解子模块用于利用量测模型对所述故障信息进行加性分解，确定当前时刻传感器是否产生故障信号。分解子模块结合传感器动测量数据的过程特性，将传感器的量测模型进行加性分解，所采用的所述量测模型为：
zi(k)＝xi(k)+υi(k)+ηi(k)ζi(k)公式(1)
其中zi(k)为第k时刻第i个传感器的量测值；xi(k)为第k时刻观测对象的真实状态值；υi(k)为第k时刻第i个传感器的量测噪声；ηi(k)为第k时刻第i个传感器产故障的符号函数，当故障发生时，其取值为1，当没有故障发生时，期取值为0；ζi(k)为第k时刻第i个传感器产生的故障信号。所述分解子模块进行故障监测的目标是ηi(k)和ζi(k)，并根据ηi(k)和ζi(k)识别第k时刻第i个传感器是否发生故障，以及发生故障时对应传感器的位置。
在本发明的一种示例性实施例中，分析子模块用于根据所述分解子模块检测出的产生故障信号的传感器进行分析，确定发生故障的主要原因以及发生故障的位置，间接确定故障导致的因素。分析子模块根据监测出的传感器位置的故障信息对船舶靠离泊过程中该位置故障发生的原因进行整理分析，通过对确定的位置的数据进行分析，最终得出该位置导致故障发生的原因，一般分析出主要原因即可。
解决方案生成模块330在故障处理分析模块320对故障进行分析处理后找出故障发生的原因后，根据原因自动生成相应的最佳解决方案。具体的，根据发生故障的原因结合专家知识库，在所述专家知识库中查找与本次故障的主要原因相同的记录，如果能查找到则直接根据所述专家知识库得到相应的解决方案，从中选择最佳的解决方案(如操作少、速度快、易实现等均是找出最佳解决方案的依据)；如果未能查找到则参照所述专家知识库给出相应的解决方案。例如，如果在专家知识库中未查找到与本次故障的主要原因相同的记录，则查找发生故障的位置相同或位置相对称(如左舷右舷相对称)的解决方案，并参照该方案作出适当的调整，得到本次的解决方案。
执行模块340包括对解决方案进行落地的执行机构，通过控制执行机构开始执行解决方案，根据解决方案生成模块330中给出的最佳解决方案，执行模块340按照方案中操作相应的机械结构，完成操作。
故障实施反馈模块350作为执行模块的反馈系统，执行模块在执行解决方案的过程中，实时反馈执行模块的运转状况以及故障信息的解决状况，并将反馈信息传递给故障信息监测模块，可以随时掌握故障信息的处理情况。故障实施反馈模块350将故障处理的当前状况实时反馈给故障信息监测模块后，结合所述故障信息监测模块、所述故障处理分析模块和所述解决方案生成模块分析按照所述解决方案执行后，所述故障处理的当前状况与故障初始情况的改善程度是否达到预设要求，如果未能达到预设要求则所述解决方案生成模块给出新的解决方案。
故障实施反馈模块350实现的全过程是：执行模块340中的执行机构执行解决方案的过程中，会随时将故障处理的状况实时通过故障实施反馈模块350反馈给故障信息监测模块310，故障信息监测模块310通过对反馈的信息的检测分析，判断故障的处理状况，若出现解决方案与故障情况不完善时，通过故障实施反馈模块350反馈的信息，故障信息监测模块310、故障处理分析模块320和解决方案生成模块330会及时做出调整，给出解决方案。采用故障实施反馈模块350的目的是对执行模块340的实时处理故障的情况进行掌握，可以节省故障再次处理所带来的的信息全面监测的时间，保证故障可以及时得到处理，缩短故障处理所需时间，提高处理效率。
数据库模块360是整个系统的数据存储模块，将智能船舶在进行靠离泊过程中的所有发生过的故障信息进行存储，方便其他模块的历史调用和工作人员调取信息；同时该数据库模块在系统设计过程中，会结合理论知识以及收集有经验的船员的航海经验形成专家知识库，保存解决已有故障的解决方案及辅助信息，并将这些信息录入数据库中，供其他有需要的模块进行调用。通过将发生过的故障信息以及自动生成的解决方案进行分类且一一对应得存储在专家知识库，方便后续工作人员对故障信息进行分析了解。
相似故障预警模块370是预警模块，是基于数据库存储的历史故障信息，在进行船舶的靠离泊过程中接收所述故障信息监测模块实时监测得到的故障信息，并调用所述数据库模块360中存储的有关故障的历史信息，然后进行计算得到事例间相似度，根据数据库分析或许可能出现的故障信息进行预警。
在本发明的一种示例性实施例中，所述相似故障预警模块包括：相似度计算子模块和预警子模块，相似度计算子模块用于将故障的历史信息作为事例库中目标事例，将当前监测到的故障信息作为当前事例，对船舶靠离泊过程中的事故相似度采用最近邻算法建立一个相似性计算函数，得到事例间相似度；预警子模块用于根据事例间相似度与相似度阈值进行比较，如果超出所述相似度阈值，则进行提前预警。
在本发明的一种示例性实施例中，相似度计算子模块对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，关于船舶靠离泊过程中的事故相似度采用最近邻算法来对故障事件进行相似性计算。把需要求解的事件(如本实施例中的故障信息)与数据库中的历史事件(如本实施例中的故障的历史信息)逐一比较，求出事件之间的每个特征的相似度，再根据加权向量，最终确定数据库事件与待核实事件的相似度，相似性计算函数为：
Figure BDA0002419966620000111
其中sim(X,Y)为当前事例和事例库中已存在的目标事例之间的相似度；simi(Xi,Yi)为当前事例和事例库中在第i个故障上的相似度；μi为第i个故障发生部位特征的权重，μi为采用相对比较法确定得到。
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公式(3)特征属性ri的权重系数为：
Figure BDA0002419966620000121
由于智能船舶在靠离泊过程中，导致故障发生的因素很多，使得以上公式(2)-(4)进行相似度的计算时需要经过繁琐的过程，为了提高相似度的计算效率，将各个特征属性的权重简化为1，则：
Figure BDA0002419966620000122
其中，Cx为当前事例的故障现象数量；Cy为事例库中事例的故障现象数量；Cx∩Cy为当前事例与库内事例相似或者相匹配的故障现象数量。
通过以上相似度的计算，可以对靠离泊过程中的可能发生的事故进行提前预知，进而较早的对故障事件提出解决方案，避免因数据分析导致的延时问题。
人机交互模块380与所述数据库模块370连接，用于将获取的信息存储到数据库，以及从数据库中进行信息的调用。人机交互模块380便于工作人员查看靠离泊故障信息的交互界面，且工作人员可以在人机交互模块对发生的故障信息进行进一步的分析了解，便于解决方案的完善。
基于上述，在本发明的故障处理系统执行过程中增加故障实施反馈模块和相似故障预警模块两个模块，可以对故障实施过程中可能出现的故障实时了解，并针对相类似的故障进行提前预警。
综上所述，采用本发明实施例提供的基于智能船舶靠离泊仿真测试的故障信息处理系统，根据故障发现到解决的全过程实现模块化处理，可以使操作过程更加简单，且针对故障处理的多个模块，对故障可能发生的各种情况进行全方位监督处理，保证故障信息处理更加完善，减少智能船舶在靠离泊过程中发生故障的机率，间接减少经济损失。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (4)

1.一种基于智能船舶靠离泊仿真测试的故障信息处理系统，其特征在于，包括：
故障信息监测模块，用于基于传感器对智能船舶在靠离泊过程中船舶运动参数以及周围海况参数进行监测，得到故障信息；
故障处理分析模块，用于对所述故障信息进行模糊处理分析，确定发生故障的原因和发生故障的位置；
解决方案生成模块，用于根据所述发生故障的原因生成相应的解决方案并确定最佳解决方案；
执行模块，用于按照所述最佳解决方案结合所述故障发生的位置执行相应的操作；
故障实施反馈模块，用于在所述执行模块执行相应操作的过程中，将故障处理的当前状况实时反馈给故障信息监测模块；
数据库模块，用于存储有关故障的历史信息，所述有关故障的历史信息包括故障信息、发生故障的原因和发生故障的位置；
相似故障预警模块，与所述数据库模块和所述故障信息监测模块连接，用于根据所述有关故障的历史信息与所述故障信息监测模块实时监测得到的故障信息进行计算得到事例间相似度，当所述事例间相似度满足预设条件时进行提前预警；
所述故障信息包括船舶信息、环境信息和港口相关信息；
所述船舶信息包括船舶种类、船舶的操纵性能、吨级、船龄、船舶长度、吃水，所述环境信息包括风、浪、流、能见度、港口泊位长度、港池船舶密度、码头前沿水深、码头前沿回旋水域尺度、船舶密度，所述港口相关信息包括港口靠离泊安全规章制度的制定和实施、港口通信设施的通畅程度、拖轮使用规则；
所述故障处理分析模块包括：
分解子模块，用于利用量测模型对所述故障信息进行加性分解，确定当前时刻传感器是否产生故障信号；
分析子模块，用于根据所述分解子模块检测出的产生故障信号的传感器进行分析，确定发生故障的原因以及发生故障的位置；
所述量测模型为：
zi(k)＝xi(k)+υi(k)+ηi(k)ζi(k)
其中zi(k)为第k时刻第i个传感器的量测值；xi(k)为第k时刻观测对象的真实状态值；υi(k)为第k时刻第i个传感器的量测噪声；ηi(k)为第k时刻第i个传感器产故障的符号函数，当故障发生时，其取值为1，当没有故障发生时，期取值为0；ζi(k)为第k时刻第i个传感器产生的故障信号；
所述分解子模块进行故障监测的目标是ηi(k)和ζi(k)，并根据ηi(k)和ζi(k)识别第k时刻第i个传感器是否发生故障，以及发生故障时对应传感器的位置；
所述相似故障预警模块包括：
相似度计算子模块，用于将故障的历史信息作为事例库中目标事例，将当前监测到的故障信息作为当前事例，对船舶靠离泊过程中的事故相似度采用最近邻算法建立一个相似性计算函数，得到事例间相似度；
预警子模块，用于根据事例间相似度与相似度阈值进行比较，如果超出所述相似度阈值，则进行提前预警；
所述相似性计算函数为：
Figure FDA0004056686740000021
其中sim(X,Y)为当前事例和事例库中已存在的目标事例之间的相似度；simi(Xi,Yi)为当前事例和事例库中在第i个故障上的相似度；μi为第i个故障发生部位特征的权重，μi为采用相对比较法确定得到；
权重μi的计算公式为：
Figure FDA0004056686740000022
其中三级比较标准的比较值pij的数值为：
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ri和rj为来自于当前事例和事例库的指标。
2.如权利要求1所述的基于智能船舶靠离泊仿真测试的故障信息处理系统，其特征在于，所述解决方案生成模块用于结合专家知识库，在所述专家知识库中查找与本次故障的原因相同的记录，如果能查找到则直接根据所述专家知识库得到相应的解决方案；如果未能查找到则参照所述专家知识库给出相应的解决方案。
3.如权利要求1所述的基于智能船舶靠离泊仿真测试的故障信息处理系统，其特征在于，所述故障实施反馈模块将故障处理的当前状况实时反馈给故障信息监测模块后，还包括：
结合所述故障信息监测模块、所述故障处理分析模块和所述解决方案生成模块分析按照所述解决方案执行后，所述故障处理的当前状况与故障初始情况的改善程度是否达到预设要求，如果未能达到预设要求则所述解决方案生成模块给出新的解决方案。
4.如权利要求1-3中任一项所述的基于智能船舶靠离泊仿真测试的故障信息处理系统，其特征在于，还包括：
人机交互模块，与所述数据库模块连接，用于提供交互界面，将靠离泊过程中的故障信息向操作人员进行显示，以及获取操作人员的操作指令。
CN202010202868.5A 2020-03-20 2020-03-20 一种基于智能船舶靠离泊仿真测试的故障信息处理系统 Active CN111240229B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010202868.5A CN111240229B (zh) 2020-03-20 2020-03-20 一种基于智能船舶靠离泊仿真测试的故障信息处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010202868.5A CN111240229B (zh) 2020-03-20 2020-03-20 一种基于智能船舶靠离泊仿真测试的故障信息处理系统

Publications (2)

Publication Number Publication Date
CN111240229A CN111240229A (zh) 2020-06-05
CN111240229B true CN111240229B (zh) 2023-06-30

Family

ID=70873741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010202868.5A Active CN111240229B (zh) 2020-03-20 2020-03-20 一种基于智能船舶靠离泊仿真测试的故障信息处理系统

Country Status (1)

Country Link
CN (1) CN111240229B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114120675A (zh) * 2021-11-30 2022-03-01 武汉理工大学 自主交通信息管理系统
CN116827764B (zh) * 2023-08-23 2023-11-03 山西绿柳科技有限公司 一种基于神经网络的物联网故障检测控制方法及系统
CN117078020B (zh) * 2023-10-12 2024-01-30 山东龙翼航空科技有限公司 基于无人机的物流运输数据管理系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0535484A (ja) * 1991-07-26 1993-02-12 Ricoh Co Ltd 故障診断方法
CN102681537A (zh) * 2012-06-01 2012-09-19 江苏科技大学 船舶航向控制系统故障检测装置及其方法
CN107025355A (zh) * 2017-04-19 2017-08-08 江苏科技大学 一种基于模糊贴近度的船舶故障诊断方法及系统
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002244724A (ja) * 2001-02-20 2002-08-30 Honda Motor Co Ltd 機械の遠隔監視装置および管理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0535484A (ja) * 1991-07-26 1993-02-12 Ricoh Co Ltd 故障診断方法
CN102681537A (zh) * 2012-06-01 2012-09-19 江苏科技大学 船舶航向控制系统故障检测装置及其方法
CN107025355A (zh) * 2017-04-19 2017-08-08 江苏科技大学 一种基于模糊贴近度的船舶故障诊断方法及系统
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Simulation study on the fault tree of ship host;Ming Sun;《2012 IEEE Symposium on Robotics and Applications(ISRA)》;第282-286页 *
船舶设备事故中的人为因素分析与控制研究;盛进路等;《中国安全科学学报》(第03期);第43-48页 *

Also Published As

Publication number Publication date
CN111240229A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN111240229B (zh) 一种基于智能船舶靠离泊仿真测试的故障信息处理系统
CN110208816B (zh) 用于海上无人艇的自动障碍物识别系统及识别方法
CN113012472B (zh) 一种适用于vts系统的船舶预警方法、设备及存储介质
CN115294804B (zh) 一种基于船舶状态监测的海缆安全预警方法及系统
CN111613094A (zh) 一种港口水域船舶交通风险预警方法
CN111599130A (zh) 一种海上救助的环境风险预警系统
CN112037582B (zh) 一种基于风险预测的跨海桥梁船撞预警方法
CN114464014A (zh) 基于模糊逻辑的区域船舶碰撞风险处理方法、系统和介质
CN111898285A (zh) 一种水下无人自主航行器集群作业效能评估方法
CN111694880A (zh) 一种基于多源数据的无人艇平台健康管理方法及系统
Bolbot et al. A method to identify and rank objects and hazardous interactions affecting autonomous ships navigation
CN117232520A (zh) 一种适用于海上航行的船舶智能导航系统及导航方法
CN113240245A (zh) 一种海上风电作业指数预测系统和预测方法
KR20170092804A (ko) 선박의 표준항로 생성 및 의사결정 지원 시스템
Zhao et al. A method for correcting the closest point of approach index during vessel encounters based on dimension data from AIS
CN117114247A (zh) 一种基于ahp的特定作业危险区域动态预警判断方法
KR102617986B1 (ko) 수리 매뉴얼 제공을 통한 선박 유지관리 시스템
CN115239110A (zh) 一种基于改进topsis方法的通航风险评价方法
CN111290298B (zh) 一种智能船舶自动离泊功能的仿真测试系统及方法
Terada et al. A motion estimation method of high speed craft in irregular sea by using onboard monitoring motion time series data for motion control
Sedova et al. Intelligent Collision Danger Assessment of Autonomous Unmanned Sea-Going Vessels
Feng Optimization of ship language information processing systems based on artificial intelligence technology
CN114492571B (zh) 一种基于相似度距离的船舶轨迹分类方法
CN116087984B (zh) 一种基于激光雷达的作业船防碰撞平台
Zhang et al. Application of Failure Mode and Impact Analysis to Cruise Ship Lifesaving System

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