CN111703557A - 一种用于智能船舶摇荡性能分析的虚拟试验系统 - Google Patents

一种用于智能船舶摇荡性能分析的虚拟试验系统 Download PDF

Info

Publication number
CN111703557A
CN111703557A CN202010496978.7A CN202010496978A CN111703557A CN 111703557 A CN111703557 A CN 111703557A CN 202010496978 A CN202010496978 A CN 202010496978A CN 111703557 A CN111703557 A CN 111703557A
Authority
CN
China
Prior art keywords
layer
data
analysis
ship
module
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
Application number
CN202010496978.7A
Other languages
English (en)
Other versions
CN111703557B (zh
Inventor
王晓原
夏媛媛
姜雨函
朱慎超
孙鑫
张露露
万倩男
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 CN202010496978.7A priority Critical patent/CN111703557B/zh
Publication of CN111703557A publication Critical patent/CN111703557A/zh
Application granted granted Critical
Publication of CN111703557B publication Critical patent/CN111703557B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B63SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63BSHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00Monitoring properties or operating parameters of vessels in operation
    • B63B79/20Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B63SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63BSHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00Monitoring properties or operating parameters of vessels in operation
    • B63B79/30Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Ocean & Marine Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种用于智能船舶摇荡性能分析的虚拟试验系统,系统包括:用户管理层,事件处理层,数据获取层,数据存储层,分析与报表层,管控与辅助层;用户管理层位于最上层;管控与辅助层位于最下层;事件处理层位于用户管理层之下,且在数据获取层和数据存储层之上;数据获取层和数据存储层位于管控与辅助层之上;分析与报表层位于用户管理层与管控与辅助层之间。其中,事件处理层将各层级紧密联系起来,通过用户管理层输入的初始试验参数以及经分析与报表层计算输出的摇荡运动试验结果数据均由数据获取层捕获并交由数据存储层规划存储,在此过程中,管控与辅助层保持对传输数据的实时监控并辅助决策各模块工作,保证系统正常工作。

Description

一种用于智能船舶摇荡性能分析的虚拟试验系统
技术领域
本发明涉及虚拟仿真技术领域,尤其涉及一种用于智能船舶摇荡性能分析的虚拟试验系统。
背景技术
海洋环境会对船舶的横荡、纵荡、垂荡、横摇、纵摇和艏摇六个自由度的运动产生干扰,对船舶的正常作业造成影响,严重时甚至会导致船舶倾覆。
因此,对于船舶在风浪海况下摇荡运动响应的预报是船舶耐波性的一个重要课题。
传统的研究方法主要是物理水池模型试验,因其成本高、周期长等缺陷,制约了船舶摇荡运动性能的研究。
发明内容
(一)要解决的技术问题
为了解决上述问题,本发明提供一种用于智能船舶摇荡性能分析的虚拟试验系统。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
一种用于智能船舶摇荡性能分析的虚拟试验系统,所述系统包括:用户管理层,事件处理层,数据获取层,数据存储层,分析与报表层,管控与辅助层;
所述用户管理层位于最上层;
所述管控与辅助层位于最下层;
所述事件处理层位于所述用户管理层之下,且在所述数据获取层和数据存储层之上;
所述数据获取层和数据存储层位于所述管控与辅助层之上;
所述分析与报表层位于所述用户管理层与所述管控与辅助层之间;
所述数据存储层存储有船型系数,船舶运动状态参数,海洋环境参数;
所述船型系数,包括:主尺度系数和船舶水动力系数;
所述船舶运动状态参数,包括:起始速度、起始位置、起始位姿角;
所述海洋环境参数,包括:风载荷参数、波浪载荷参数和海流载荷参数。
可选地,所述用户管理层,用于对登录系统的用户账户以及操作信息进行收集,整理,分析,传递;
所述事件处理层,用于管理用户管理层,数据获取层,数据存储层,分析与报表层和管控与辅助层,为所述系统的中枢;
所述数据获取层,用于进行数据捕获;
所述数据存储层,用于接收来自所述数据获取层传递的分类数据,按其种类分别存储至对应的数据库中;
所述分析与报表层,是所述系统的核心,用于进行试验数据计算和结果报表展示;
所述管控与辅助层,用于数据监控,管理并提供辅助决策意见。
可选地,所述用户管理层包括:档案管理模块和操作管理模块;
所述档案管理模块,用于收集整理用户资料,将所述用户资料传递到用户信息库存储,在老用户登录时读取并分析所述用户信息库中的用户资料,恢复用户的操作环境;所述用户资料包括:注册信息及使用习惯;
所述操作管理模块,用于识别记录用户操作指令,逻辑分析所述操作指令,将逻辑分析后的指令分类传递给所述事件处理层,并将系统决策信息反馈给用户。
可选地,所述事件处理层,包括:复杂事件处理模块,规则引擎,SOA服务模块,摇荡试验应用程序模块;
所述复杂事件处理模块,具有对复杂情况的逻辑分析能力;
所述复杂事件处理模块按所述规则引擎中事先制定好的规则,将复杂问题解构成众多逻辑清晰、结构简单的信息指令,并通过所述SOA服务模块,将所述信息指令传递给所述摇荡试验应用程序模块,所述摇荡试验应用程序模块所述信息指令并产生反馈信息,经由所述SOA服务模块反馈至所述复杂事件处理模块。
可选地,所述数据获取层,用于够捕获各层级之间传递的结构化、半结构化以及非结构化数据;将捕获的数据转换为在所述系统之间分享的主数据,并依据元数据和索引进行数据匹配与合并,将处理后的数据传递给所述数据存储层;
所述管控与辅助层,用于对所述系统内部流通的数据进行实时监控、管理并提供辅助决策意见。
可选地,所述数据存储层的数据库包括如下的一种或多种:用户信息库,模型数据库,专家资料库,试验参数库,实时分析库,试验结果库。
可选地,所述分析与报表层,包括:可视化模块、船舶摇荡性能分析模块、统计分析模块、预测分析模块、静态与OLAP报表模块;
所述可视化模块,用于实现试验参数可视化以及试验结果可视化;
所述船舶摇荡性能分析模块,用于快速、准确的计算试验船舶的摇荡运动性能;
所述统计分析模块,用于在船舶摇荡性能分析的基础上,进行数据库对比分析,得到船型摇荡运动性能的对比以及评估船舶性能;
所述预测分析模块,用于在船舶摇荡性能与统计分析的基础上,通过与实船运动数据对比验证,预测船舶未来摇荡运动数据;
所述静态与OLAP报表模块,用于通过报表处理软件,对摇荡性能分析及统计分析的试验结果进行整理,以及对预测分析结果的整理。
可选地,所述可视化模块,用于将试验参数与试验结果以直观形式展示;
所述试验参数包括如下的一种或多种:船型系数,试验环境参数,船舶运动参数,控制系统参数;
所述试验结果为试验环境下船舶六自由度摇荡运动的线位移和角位移、线速度和角速度、线加速度和角加速度;所述六自由度摇荡运动包括纵荡、横荡、垂荡、横摇、纵摇、艏摇;
所述直观形式为如下的一种或多种:坐标图形式,表格形式,动画形式。
可选地,所述船舶摇荡性能分析模块,包括船舶静水力分析模块,水动力分析模块,频域分析模块以及时域分析模块。
可选地,所述主尺度系数,包括:船长、型宽、型深、吃水、艏吃水、艉吃水、船舶排水量、重心坐标;
所述船舶水动力系数,包括:回转半径或转动惯量、风力系数、海流系数、粘性阻尼;
所述风载荷参数,包括:风谱类型,风速,风向,风速参考高度;
所述波浪载荷参数,包括:波浪方向、波浪种子数、起始频率、截至频率、有义波高、跨零周期;
所述海流载荷参数,包括:流速,流向,流速参考深度。
(三)有益效果
本发明的有益效果是:系统包括用户管理层,事件处理层,数据获取层,数据存储层,分析与报表层,管控与辅助层;用户管理层位于最上层;管控与辅助层位于最下层;事件处理层位于用户管理层之下,且在数据获取层和数据存储层之上;数据获取层和数据存储层位于管控与辅助层之上;分析与报表层位于用户管理层与管控与辅助层之间。其中,事件处理层将各层级紧密联系起来,通过用户管理层输入的初始试验参数以及经分析与报表层计算输出的摇荡运动试验结果数据均由数据获取层捕获并交由数据存储层规划存储,在此过程中,管控与辅助层保持对传输数据的实时监控并辅助决策各模块工作,保证系统正常工作。相较于传统物理水池试验系统,该系统大大降低了试验成本,缩短了试验周期,提高了研发工作的效率。
附图说明
图1为本申请一实施例提供的一种用于智能船舶摇荡性能分析的虚拟试验系统的结构示意图。
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。
传统的研究方法主要是物理水池模型试验,因其成本高、周期长等缺陷,制约了船舶摇荡运动性能的研究。
为此,本发明提出了一种用于智能船舶摇荡性能分析的虚拟试验系统。该系统由用户管理层、事件处理层、数据获取层、数据存储层、分析与报表层、管控与辅助层共六个层级组成。其中事件处理层将各层级紧密联系起来,用户通过用户管理层输入的初始试验参数以及经分析与报表层计算输出的摇荡运动试验结果数据均由数据获取层捕获并交由数据存储层规划存储,在此过程中,管控与辅助层保持对传输数据的实时监控并辅助决策各模块工作,保证系统正常工作。相较于传统物理水池试验系统,该系统大大降低了试验成本,缩短了试验周期,提高了研发工作的效率。
本发明提出的用于智能船舶摇荡性能分析的虚拟试验系统包括:用户管理层,事件处理层,数据获取层,数据存储层,分析与报表层,管控与辅助层。
用户管理层位于最上层。
管控与辅助层位于最下层。
事件处理层位于用户管理层之下,且在数据获取层和数据存储层之上。
数据获取层和数据存储层位于管控与辅助层之上。
分析与报表层位于用户管理层与管控与辅助层之间。
其中,用户管理层,用于对登录系统的用户账户以及操作信息进行收集,整理,分析,传递。
事件处理层,用于管理用户管理层,数据获取层,数据存储层,分析与报表层和管控与辅助层,为系统的中枢。
数据获取层,用于进行数据捕获。
数据存储层,用于接收来自数据获取层传递的分类数据,按其种类分别存储至对应的数据库中。
分析与报表层,是系统的核心,用于进行试验数据计算和结果报表展示。
管控与辅助层,用于数据监控,管理并提供辅助决策意见。
具体的,用户管理层包括:档案管理模块和操作管理模块。
档案管理模块,用于收集整理用户资料,将用户资料传递到用户信息库存储,在老用户登录时读取并分析用户信息库中的用户资料,恢复用户的操作环境。用户资料包括:注册信息及使用习惯。
操作管理模块,用于识别记录用户操作指令,逻辑分析操作指令,将逻辑分析后的指令分类传递给事件处理层,并将系统决策信息反馈给用户。
事件处理层,包括:复杂事件处理模块,规则引擎,SOA服务模块,摇荡试验应用程序模块。
复杂事件处理模块,具有对复杂情况的逻辑分析能力。
复杂事件处理模块按规则引擎中事先制定好的规则,将复杂问题解构成众多逻辑清晰、结构简单的信息指令,并通过SOA服务模块,将信息指令传递给摇荡试验应用程序模块,摇荡试验应用程序模块信息指令并产生反馈信息,经由SOA服务模块反馈至复杂事件处理模块。
数据获取层,用于够捕获各层级之间传递的结构化、半结构化以及非结构化数据。将捕获的数据转换为在系统之间分享的主数据,并依据元数据和索引进行数据匹配与合并,将处理后的数据传递给数据存储层。
数据存储层的数据库包括如下的一种或多种:用户信息库,模型数据库,专家资料库,试验参数库,实时分析库,试验结果库。
分析与报表层,包括:可视化模块、船舶摇荡性能分析模块、统计分析模块、预测分析模块、静态与OLAP报表模块。
可视化模块,用于实现试验参数可视化以及试验结果可视化。
船舶摇荡性能分析模块,用于快速、准确的计算试验船舶的摇荡运动性能。
统计分析模块,用于在船舶摇荡性能分析的基础上,进行数据库对比分析,得到船型摇荡运动性能的对比以及评估船舶性能。
预测分析模块,用于在船舶摇荡性能与统计分析的基础上,通过与实船运动数据对比验证,预测船舶未来摇荡运动数据。
静态与OLAP报表模块,用于通过报表处理软件,对摇荡性能分析及统计分析的试验结果进行整理,以及对预测分析结果的整理。
可视化模块,用于将试验参数与试验结果以直观形式展示。
试验参数包括如下的一种或多种:船型系数,试验环境参数,船舶运动参数,控制系统参数。
试验结果为试验环境下船舶六自由度摇荡运动的线位移和角位移、线速度和角速度、线加速度和角加速度。
其中,六自由度摇荡运动包括纵荡、横荡、垂荡、横摇、纵摇、艏摇。
由于六自由度摇荡运动中存在两种运动,一种为摇,一种为荡。其中,摇为绕轴转动,如横摇、纵摇、艏摇,针对此种运动,试验结果为试验环境下船舶六自由度摇荡运动的角位移、角速度、角加速度。荡为振荡,如纵荡、横荡、垂荡,针对此种运动,试验结果为试验环境下船舶六自由度摇荡运动的线位移、线速度、线加速度。
直观形式为如下的一种或多种:坐标图形式,表格形式,动画形式。
船舶摇荡性能分析模块,包括船舶静水力分析模块,水动力分析模块,频域分析模块以及时域分析模块。
管控与辅助层,用于对系统内部流通的数据进行实时监控、管理并提供辅助决策意见。
以图1所示的架构为了,对本发明提供的用于智能船舶摇荡性能分析的虚拟试验系统再次说明,由用户管理、试验处理、数据获取、数据存储、分析与报表、管控与辅助六个层级组成,系统架构:
1、用户管理层
用户管理层主要实现对登录系统的用户账户以及操作信息进行收集、整理、分析、传递等功能。具体功能由档案管理和操作管理两个模块来实现。
档案管理模块可以将新用户注册信息及使用习惯收集整理并传递到用户信息库存储,也可以在老用户登录时读取分析用户信息库中保存的用户资料,恢复用户熟悉的操作环境。
操作管理模块具有识别记录用户操作指令,逻辑分析指令信息,分类传递给事件处理层,并将系统决策信息反馈给用户等功能。
2、事件处理层
事件处理层由复杂事件处理、规则引擎、SOA服务、摇荡试验应用程序四个模块组成,管理着其他各功能层的运行,是整个系统的中枢。复杂事件处理模块具有对复杂情况的逻辑分析能力,它能够按规则引擎中事先制定好的规则,把复杂问题解构成众多逻辑清晰、结构简单的信息指令,并通过SOA服务,将指令传递给摇荡试验应用程序,程序执行命令并产生反馈信息,经由SOA服务与其他相关模块形成交互。
3、数据获取层
数据获取层具有数据捕获功能,它能够捕获各层级之间传递的结构化、半结构化以及非结构化数据,通过一定的中间过程将数据转换为能够在系统之间分享的主数据,并依据元数据和索引实现数据的匹配与合并,将处理后的数据传递给数据存储层,实现数据的规划存储。
4、数据存储层
数据存储层,接收来自数据获取层传递的分类数据,按其种类分别存储到不同的数据库中。本系统的数据库主要有:用户信息库、模型数据库、专家资料库、试验参数库、实时分析库(临时数据库)以及试验结果库。
例如,数据存储层存储有船型系数,船舶运动状态参数,海洋环境参数。
1)船型系数,包括但不限于:主尺度系数和船舶水动力系数。
主尺度系数,包括但不限于:船长、型宽、型深、吃水、艏吃水、艉吃水、船舶排水量、重心坐标。
船舶水动力系数,包括但不限于:回转半径或转动惯量、风力系数、海流系数、粘性阻尼。
其中,回转半径包括:X轴回转半径,Y轴回转半径,Z轴回转半径。
转动惯量包括:X轴转动惯量,Y轴转动惯量,Z轴转动惯量。
2)船舶运动状态参数,包括但不限于:起始速度、起始位置、起始位姿角。
3)海洋环境参数,包括但不限于:风载荷参数、波浪载荷参数和海流载荷参数。
风载荷参数,包括但不限于:风谱类型,风速,风向,风速参考高度。
波浪载荷参数,包括但不限于:波浪方向、波浪种子数、起始频率、截至频率、有义波高、跨零周期。
海流载荷参数,包括但不限于:流速,流向,流速参考深度。
除此之外,数据存储层还存储有实验相关参数,例如,存储有对船舶及流域进行网格划分的相关参数,如:最大单元尺寸,缺陷容差,以及网格质量判断参数。
另外,数据存储层中各数据库以数据表的形式存储数据,如:试验参数库中的船舶及海洋环境相关数据通过如下报表进行存储:船舶基本信息表、船舶中间信息表、海洋环境信息表、船舶模型及图片存放表。船舶摇荡新能分析试验的相关信息通过实时分析库中的试验信息表进行存储。船舶摇荡新能分析试验结果通过试验数据库中的船舶试验数据存放路径表和试验数据表进行存储。
每一个船舶基本信息表与船舶中间信息表、海洋环境信息表、船舶模型及图片存放表相对应,构成一套原始信息集,每个原始信息表与一个由试验信息表、船舶试验数据存放路径表和试验数据表组成的试验数据信息集对应,每个试验数据信息集与一个用户信息表相对应。
各表内相关数据名称及类型本实施例不做限定,下面表1~7仅给出各表的示例,仅供参考。
表1船舶基本信息表
Figure BDA0002523262510000101
Figure BDA0002523262510000111
表2船舶中间信息表
Figure BDA0002523262510000112
表3海洋环境信息表
Figure BDA0002523262510000113
表4船舶模型及图片存放表
Figure BDA0002523262510000114
表5试验信息表
Figure BDA0002523262510000115
Figure BDA0002523262510000121
表6船舶试验数据存放路径表
Figure BDA0002523262510000122
表7用户信息表
Figure BDA0002523262510000123
5、分析与报表层
分析与报表层,是整个系统的核心,具有试验数据计算和结果报表展示等功能。该部分由可视化、船舶摇荡性能分析、统计分析、预测分析及静态与OLAP报表等模块组成。
可视化模块,主要实现试验参数可视化以及试验结果可视化,具体来讲,是将船型系数、试验环境参数、船舶运动参数、控制系统参数等用户输入的试验参数与试验环境下船舶六自由度摇荡运动的线位移和角位移、线速度和角速度、线加速度和角加速度的试验结果以一种更为直观的形式(如坐标图、表格、动画)展示的模块。
其中,六自由度摇荡运动包括纵荡、横荡、垂荡、横摇、纵摇、艏摇。
船舶摇荡性能分析模块,包括船舶静水力分析模块、水动力分析模块、频域分析模块以及时域分析模块。能够快速、准确的计算出试验船舶的摇荡运动性能。
统计分析模块,在船舶摇荡性能分析的基础上,加入了数据库对比分析,能够较为准确的得到数种船型摇荡运动性能的对比以及具有某些共性的船舶性能优劣评估。
预测分析模块,又称仿真预报模块,是在船舶摇荡性能与统计分析的基础上,通过与实船运动数据对比验证后,预测船舶未来摇荡运动数据。
静态与OLAP报表模块,即试验数据的报表展示。静态报表,即使用报表处理软件,对摇荡性能分析及统计分析的试验结果进行整理,使结果更直观。OLAP报表主要用于预测分析结果的整理,保证了预测结果的准确、及时。
6、管控与辅助层
管控与辅助层,主要任务是对系统内部流通的数据进行实时监控、管理并为各模块工作提供辅助决策意见。通过数据
本发明提供的系统,其事件处理层将各层级紧密联系起来,用户通过用户管理层输入的初始试验参数以及经分析与报表层计算输出的摇荡运动试验结果数据均由数据获取层捕获并交由数据存储层规划存储,在此过程中,管控与辅助层保持对传输数据的实时监控并辅助决策各模块工作,保证系统正常工作。
另外,该系统将CFD(Computational Fluid Dynamics。计算流体动力学)分析与专家知识库有机结合,并大幅提升了专家知识辅助决策模块的权限,使辅助决策功能贯穿整个系统。
本系统适用于船舶摇荡性能的虚拟分析,与物理水池相比,降低了试验成本,缩短了试验周期,提高了研发效率。
不同于传统的数值分析,本系统加入了专家知识库和辅助决策模块,能够借助专家工作经验,对仿真分析数据做进一步筛选,使结果更逼近真实值。
通过放开对专家只是辅助决策模块的权限,使过程数据可靠性增加,有利于降低后期试验失误率,提高试验结果可靠性。
本系统中试验参数各级管控,有助于排查试验错误,提高试验效率。
有益效果:系统包括用户管理层,事件处理层,数据获取层,数据存储层,分析与报表层,管控与辅助层;用户管理层位于最上层;管控与辅助层位于最下层;事件处理层位于用户管理层之下,且在数据获取层和数据存储层之上;数据获取层和数据存储层位于管控与辅助层之上;分析与报表层位于用户管理层与管控与辅助层之间。其中,事件处理层将各层级紧密联系起来,通过用户管理层输入的初始试验参数以及经分析与报表层计算输出的摇荡运动试验结果数据均由数据获取层捕获并交由数据存储层规划存储,在此过程中,管控与辅助层保持对传输数据的实时监控并辅助决策各模块工作,保证系统正常工作。相较于传统物理水池试验系统,该系统大大降低了试验成本,缩短了试验周期,提高了研发工作的效率。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种用于智能船舶摇荡性能分析的虚拟试验系统,其特征在于,所述系统包括:用户管理层,事件处理层,数据获取层,数据存储层,分析与报表层,管控与辅助层;
所述用户管理层位于最上层;
所述管控与辅助层位于最下层;
所述事件处理层位于所述用户管理层之下,且在所述数据获取层和数据存储层之上;
所述数据获取层和数据存储层位于所述管控与辅助层之上;
所述分析与报表层位于所述用户管理层与所述管控与辅助层之间;
所述数据存储层存储有船型系数,船舶运动状态参数,海洋环境参数;
所述船型系数,包括:主尺度系数和船舶水动力系数;
所述船舶运动状态参数,包括:起始速度、起始位置、起始位姿角;
所述海洋环境参数,包括:风载荷参数、波浪载荷参数和海流载荷参数。
2.根据权利要求1所述的系统,其特征在于,所述用户管理层,用于对登录系统的用户账户以及操作信息进行收集,整理,分析,传递;
所述事件处理层,用于管理用户管理层,数据获取层,数据存储层,分析与报表层和管控与辅助层,为所述系统的中枢;
所述数据获取层,用于进行数据捕获;
所述数据存储层,用于接收来自所述数据获取层传递的分类数据,按其种类分别存储至对应的数据库中;
所述分析与报表层,是所述系统的核心,用于进行试验数据计算和结果报表展示;
所述管控与辅助层,用于数据监控,管理并提供辅助决策意见。
3.根据权利要求1或2所述的系统,其特征在于,所述用户管理层包括:档案管理模块和操作管理模块;
所述档案管理模块,用于收集整理用户资料,将所述用户资料传递到用户信息库存储,在老用户登录时读取并分析所述用户信息库中的用户资料,恢复用户的操作环境;所述用户资料包括:注册信息及使用习惯;
所述操作管理模块,用于识别记录用户操作指令,逻辑分析所述操作指令,将逻辑分析后的指令分类传递给所述事件处理层,并将系统决策信息反馈给用户。
4.根据权利要求1或2所述的系统,其特征在于,所述事件处理层,包括:复杂事件处理模块,规则引擎,SOA服务模块,摇荡试验应用程序模块;
所述复杂事件处理模块,具有对复杂情况的逻辑分析能力;
所述复杂事件处理模块按所述规则引擎中事先制定好的规则,将复杂问题解构成众多逻辑清晰、结构简单的信息指令,并通过所述SOA服务模块,将所述信息指令传递给所述摇荡试验应用程序模块,所述摇荡试验应用程序模块所述信息指令并产生反馈信息,经由所述SOA服务模块反馈至所述复杂事件处理模块。
5.根据权利要求1或2所述的系统,其特征在于,所述数据获取层,用于够捕获各层级之间传递的结构化、半结构化以及非结构化数据;将捕获的数据转换为在所述系统之间分享的主数据,并依据元数据和索引进行数据匹配与合并,将处理后的数据传递给所述数据存储层;
所述管控与辅助层,用于对所述系统内部流通的数据进行实时监控、管理并提供辅助决策意见。
6.根据权利要求1或2所述的系统,其特征在于,所述数据存储层的数据库包括如下的一种或多种:用户信息库,模型数据库,专家资料库,试验参数库,实时分析库,试验结果库。
7.根据权利要求1或2所述的系统,其特征在于,所述分析与报表层,包括:可视化模块、船舶摇荡性能分析模块、统计分析模块、预测分析模块、静态与OLAP报表模块;
所述可视化模块,用于实现试验参数可视化以及试验结果可视化;
所述船舶摇荡性能分析模块,用于快速、准确的计算试验船舶的摇荡运动性能;
所述统计分析模块,用于在船舶摇荡性能分析的基础上,进行数据库对比分析,得到船型摇荡运动性能的对比以及评估船舶性能;
所述预测分析模块,用于在船舶摇荡性能与统计分析的基础上,通过与实船运动数据对比验证,预测船舶未来摇荡运动数据;
所述静态与OLAP报表模块,用于通过报表处理软件,对摇荡性能分析及统计分析的试验结果进行整理,以及对预测分析结果的整理。
8.根据权利要求7所述的系统,其特征在于,所述可视化模块,用于将试验参数与试验结果以直观形式展示;
所述试验参数包括如下的一种或多种:船型系数,试验环境参数,船舶运动参数,控制系统参数;
所述试验结果为试验环境下船舶六自由度摇荡运动的线位移和角位移、线速度和角速度、线加速度和角加速度;所述六自由度摇荡运动包括纵荡、横荡、垂荡、横摇、纵摇、艏摇;
所述直观形式为如下的一种或多种:坐标图形式,表格形式,动画形式。
9.根据权利要求7所述的系统,其特征在于,所述船舶摇荡性能分析模块,包括船舶静水力分析模块,水动力分析模块,频域分析模块以及时域分析模块。
10.根据权利要求1所述的系统,其特征在于,所述主尺度系数,包括:船长、型宽、型深、吃水、艏吃水、艉吃水、船舶排水量、重心坐标;
所述船舶水动力系数,包括:回转半径或转动惯量、风力系数、海流系数、粘性阻尼;
所述风载荷参数,包括:风谱类型,风速,风向,风速参考高度;
所述波浪载荷参数,包括:波浪方向、波浪种子数、起始频率、截至频率、有义波高、跨零周期;
所述海流载荷参数,包括:流速,流向,流速参考深度。
CN202010496978.7A 2020-06-03 2020-06-03 一种用于智能船舶摇荡性能分析的虚拟试验系统 Active CN111703557B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010496978.7A CN111703557B (zh) 2020-06-03 2020-06-03 一种用于智能船舶摇荡性能分析的虚拟试验系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010496978.7A CN111703557B (zh) 2020-06-03 2020-06-03 一种用于智能船舶摇荡性能分析的虚拟试验系统

Publications (2)

Publication Number Publication Date
CN111703557A true CN111703557A (zh) 2020-09-25
CN111703557B CN111703557B (zh) 2021-05-04

Family

ID=72539778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010496978.7A Active CN111703557B (zh) 2020-06-03 2020-06-03 一种用于智能船舶摇荡性能分析的虚拟试验系统

Country Status (1)

Country Link
CN (1) CN111703557B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112896447A (zh) * 2021-02-01 2021-06-04 华南理工大学 一种船舶横摇运动响应的快速预报方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103303433A (zh) * 2013-05-21 2013-09-18 中国船舶工业集团公司第七〇八研究所 一种船舶性能虚拟测试系统及测试方法
CN109902427A (zh) * 2019-03-12 2019-06-18 哈尔滨工程大学 一种船舶横摇阻尼粘流模拟流域自动化网格划分方法
CN110816781A (zh) * 2019-11-07 2020-02-21 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) 船舶运行状态识别方法及装置
CN110861756A (zh) * 2018-08-27 2020-03-06 株式会社救命 Gm计算系统、方法和程序以及横波周期预测系统、方法和程序
CN110937082A (zh) * 2019-11-28 2020-03-31 哈尔滨工程大学 一种基于随机风场和海浪的船舶倾覆风险测试方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103303433A (zh) * 2013-05-21 2013-09-18 中国船舶工业集团公司第七〇八研究所 一种船舶性能虚拟测试系统及测试方法
CN110861756A (zh) * 2018-08-27 2020-03-06 株式会社救命 Gm计算系统、方法和程序以及横波周期预测系统、方法和程序
CN109902427A (zh) * 2019-03-12 2019-06-18 哈尔滨工程大学 一种船舶横摇阻尼粘流模拟流域自动化网格划分方法
CN110816781A (zh) * 2019-11-07 2020-02-21 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) 船舶运行状态识别方法及装置
CN110937082A (zh) * 2019-11-28 2020-03-31 哈尔滨工程大学 一种基于随机风场和海浪的船舶倾覆风险测试方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112896447A (zh) * 2021-02-01 2021-06-04 华南理工大学 一种船舶横摇运动响应的快速预报方法

Also Published As

Publication number Publication date
CN111703557B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN106555788B (zh) 基于模糊处理的深度学习在液压装备故障诊断中的应用
CN105117602B (zh) 一种计量装置运行状态预警方法
CN101063643B (zh) 飞机故障智能诊断方法及系统
Li et al. Joint attention feature transfer network for gearbox fault diagnosis with imbalanced data
CN112668237A (zh) 一种基于工业互联网云平台的数字孪生模型及其构建方法
CN112182747A (zh) 用于船舶波浪增阻性能分析的仿真试验系统及方法
Guo et al. Berth allocation problem with uncertain vessel handling times considering weather conditions
CN111190349A (zh) 船舶机舱设备状态监测及故障诊断方法、系统及介质
Jiao et al. A mixed adversarial adaptation network for intelligent fault diagnosis
CN106383916A (zh) 基于工业设备预测性维护的数据处理方法
CN111703557B (zh) 一种用于智能船舶摇荡性能分析的虚拟试验系统
CN115712873A (zh) 一种基于数据分析和红外图像信息融合的光伏并网运行异常检测系统及方法
CN113743246A (zh) 一种基于深度学习的关键电能设备故障诊断方法
CN114153926A (zh) 一种数据质量评估方法、装置、计算机设备及存储介质
CN117764631A (zh) 基于源端静态数据建模的数据治理优化方法及系统
CN113505879A (zh) 一种基于多注意力特征记忆模型的预测方法和装置
CN103207804A (zh) 基于集群作业日志的MapReduce负载模拟方法
CN116738212A (zh) 面向多领域的基于注意力机制的电能量预测方法与系统
Li et al. Research on ship data big data parallel scheduling algorithm based on cloud computing
Tian et al. Multi-scale deep coupling convolutional neural network with heterogeneous sensor data for intelligent fault diagnosis
CN115329493B (zh) 一种基于离心泵数字孪生模型的叶轮机械故障检测方法
CN111159840A (zh) 一种数据驱动的新能源不确定集建模方法
CN115459441A (zh) 一种船舶中压直流供电系统电能质量在线评价方法
Abichou et al. Choquet integral parameters inference for health indicators fusion within multi-levels industrial systems: application to components in series
CN114528679A (zh) 数控系统多模态故障预警方法及系统

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
GR01 Patent grant
GR01 Patent grant