CN112001642A - 一种船舶健康评估方法 - Google Patents

Abstract

本发明提出了一种船舶健康评估方法，所述方法包括：获取船舶航行记录中的多种参数，并基于每种参数进行如下处理：利用四分位数法构建K线图；利用3σ法则计算监控值，并利用移动平均算法根据所述监控值构建监控线；设置阈值警告线；根据所述K线图、所述监控线以及所述阈值警告线构建对应每种参数的评估函数；对所述每种参数的评估函数加权求和以获得船舶的健康评分。本发明通过对船舶系统的参数进行包括构建K线图、计算监控值，并结合经验数据实现对船舶多种参数的健康评估，进而利用加权求和的方式，实现了对船舶整体的健康评估。本发明的船舶健康评估方法具有一定的预见性，从而可以提前发现船舶系统中潜在的问题。

Description

一种船舶健康评估方法

技术领域

本发明涉及数据分析技术领域，尤其涉及一种船舶健康评估方法，用于根据船舶航行中的多种参数实时评估船舶的健康状况。

背景技术

船舶参数数据的异常监控和健康评估是预测船健康状态的基础，它时刻影响着军用船舶的作战效率和维修保障效率，因此其在整个部队中的作用极为重要，所以，在大力发展船舶装备的同时，如何为船舶提供准确的船舶参数数据健康评估也是自主式保障领域中亟待解决的技术问题。

发明内容

为解决背景技术中所提到的技术问题，本发明提出了一种船舶健康评估方法，所述方法包括：获取船舶航行记录中的多种参数，并基于每种参数进行如下处理：利用四分位数法构建K线图；利用3σ法则计算监控值，并利用移动平均算法根据所述监控值构建监控线；设置阈值警告线；处理完成后，根据所述K线图、所述监控线以及所述阈值警告线构建对应每种参数的评估函数；对所述每种参数的评估函数加权求和以获得船舶的健康评分。

在一个或多个实施例中，所述利用四分位数法构建K线图，包括：利用四分位数提取对应参数的最大值、最小值、第一四分位数和第三四分位数。

在一个或多个实施例中，所述利用利用3σ法则计算监控值，包括：通过以下公式计算对应参数的监控值，计算公式为：r⁽ⁱ⁾＝μ⁽ⁱ⁾+3σ⁽ⁱ⁾

其中，r⁽ⁱ⁾为对应参数的监控值，μ⁽ⁱ⁾为对应参数的平均值，σ⁽ⁱ⁾为对应参数的标准差。

在一个或多个实施例中，所述利用移动平均算法根据所述监控值构建监控线，包括：利用移动平均算法根据所述监控值计算预测值，基于所述预测值构建监控线，所述监控线以公式表示为：

其中，F^(t)为对应参数的监控值的预测值，r⁽ⁱ⁾(i＝1,2,...,N)为历史监控值，w⁽ⁱ⁾(i＝1,2,...,N)为对应历史监控值的权重，且

在一个或多个实施例中，所述设置阈值警告线，包括：对每种参数设置阈值警告线，所述阈值警告线为一常数对应的直线。

在一个或多个实施例中，所述根据所述K线图、所述监控线以及所述阈值警告线构建对应每种参数的评估函数，包括：根据所述K线图、所述监控线以及所述阈值警告线构建对应每种参数的分段函数，所述分段函数的计算公式为：

基于所述分段函数评估对应的参数；其中，

为实时获得的对应参数的最大值，F^(t)为对应参数的监控值的预测值，C^(t)为对应的参数的警告值。

在一个或多个实施例中，所述评估包括：若Y的值大于或等于0.5时，则表示对应参的状态正常；若Y的值小于0.5时，则表示对应参数的状态异常。

在一个或多个实施例中，所述对所述每种参数的评估函数加权求和以获得船舶的健康评分，还包括：按照对应参数的重要程度设置权重；其中，所述重要程度为根据对应参数所监控的系统以及对应参数出现故障时所造成的影响而确定。

在一个或多个实施例中，所述一种船舶健康评估方法还包括：在基于每种参数进行处理前，对获得的多种参数进行预处理，所述预处理包括：缺失数据填充、去噪滤波和归一化处理。

在一个或多个实施例中，所述去噪滤波包括：采用小波变换法进行去噪滤波。

本发明的有益效果包括：本发明通过对船舶系统的参数进行包括构建K线图、计算监控值，并结合经验数据实现对船舶多种参数的健康评估，进而利用加权求和的方式，实现了对船舶整体的健康评估。本发明的船舶健康评估方法具有一定的预见性，从而可以提前发现船舶系统中潜在的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。

图1为本发明的船舶健康评估方法的工作流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

图1为本发明的船舶健康评估方法的工作流程图。在本实施例中，船舶健康评估的工作流程包括：步骤S1、获取船舶航行记录中的多种参数，并基于每种参数进行如下处理：利用四分位数法构建K线图，利用3σ法则计算监控值，并利用移动平均算法根据所述监控值构建监控线，设置阈值警告线；步骤S2、根据所述K线图、所述监控线以及所述阈值警告线构建对应每种参数的评估函数；步骤S3、对所述每种参数的评估函数加权求和以获得船舶的健康评分。

具体的，步骤S1中的获取船舶航行记录中的多种参数具体包括：获取某一艘船舶N次航行记录的多种参数数据，对应每种参数数据构建时序数据集S＝{s⁽ⁱ⁾|i＝1,2,...,N}；对于所构建的时序数据集进行数据预处理，所述预处理包括缺失数据填充、去噪滤波和归一化处理；其中，去噪滤波可选的采用小波变换法，且优选的，利用大数据平台中分布式计算引擎Spark进行计算，从而不需占用本地计算资源；对于构建好的N组时序数据集S＝{s⁽ⁱ⁾|i＝1,2,...,N}，存储到大数据平台中的分布式文件系统HDFS中。其中参数数据为结构化数据，并且数据量大，利用分布式文件系统HDFS能够快速地存储和读取船舶参数数据.。而后，基于每种参数进行如下处理，包括：

步骤S1.1、对于每一组时序数据集，利用概率统计中的四分位数法提取船舶参数数据的数据特征，提取的数据特征包括最小值、最大值、第一四分位数和第三四分位数，并利用提取到的数据特征构建船舶参数K线图。

步骤S1.2、利用概率统计中的3σ法则计算每一组船舶参数数据计算均值μ⁽ⁱ⁾和标准差σ⁽ⁱ⁾，并将r⁽ⁱ⁾＝μ⁽ⁱ⁾+3σ⁽ⁱ⁾作为船舶参数监控值。

和

其中，R＝{r⁽ⁱ⁾|i＝1,2,...,N}表示组船舶参数监控值。

更具体的，3σ法则，又称拉依达法则，设一组检测数据只含有随机误差，对其进行处理得到标准偏差，按一定概率确定一个区间，认为凡是超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。在正态分布数据中，设σ代表标准差，μ代表均值，x＝μ即为图像的对称轴，则3σ原则为：

数值分布在(μ-σ,μ+σ)的概率为0.6826

数值分布在(μ-2σ,μ+2σ)的概率为0.9544

数值分布在(μ-3σ,μ+3σ)的概率为0.9974

可以认为，Y的取值几乎全部集中在(μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3％。

进一步的，在获得监控值后，利用利用移动平均算法对未来一个航次的船舶参数监控值进行预测，从而构建船舶参数监控线。具体的，根据计算出来的N组船舶参数监控值R＝{r⁽ⁱ⁾|i＝1,2,...,N}，利用移动平均算法对未来一个航次的船舶参数监控值进行预测，并构建船舶参数监控线；

其中，F^(t)为未来一个航次的船舶参数监控预测值，r⁽ⁱ⁾(i＝1,2,...,N)为历史前N个航次的船舶参数实际监控值，w⁽ⁱ⁾(i＝1,2,...,N)为权值，且

步骤S1.3、可选的，阈值警告线根据经验手动标记而设置。更具体的，阈值警告线为一常数对应的直线。

步骤S2具体包括：根据计算出来的船舶参数K线图、船舶参数监控线和阈值警告线构建船舶参数健康评估模型；船舶参数K线图中当前架次的船舶参数实际值中的最大值为

根据历史前N个航次预测当前架次的船舶参数预测监控值为F^(t)，以及阈值警告线为C^(t)，那么船舶参数健康评估模型(函数)Y为：

其中，当健康评估模型的取值大于等于0.5时，那么船舶参数为正常状态；当健康评估模型的取值小于0.5时，那么船舶参数为异常状态；

此外，船舶参数的健康评分P为：

其中，

通过上述步骤，可以实现对船舶系统中某一种参数的健康评估，然而，船舶的健康与多种参数息息相关，因此，通过步骤S6的对多种参数的加权求和实现对船舶整体健康的评估。

步骤S3具体包括：对所述每种参数的评估函数加权求和以获得船舶的健康评分。

具体的，对于每种参数的权重，按照对应参数的重要程度设置权重；其中，重要程度为根据对应参数所监控的系统以及对应参数出现故障时所造成的影响而确定；或者根据其发生故障时对船舶系统的影响程度以及该故障的出现频率共同确定。

本发明的有益效果包括：本发明通过对船舶参数进行包括构建K线图、计算参考值，并结合经验数据实现对船舶多种参数的健康评估，进而利用加权求和的方式，实现了对船舶整体的健康评估。本发明的船舶健康评估方法具有一定的预见性，从而可以提前发现船舶潜在的健康问题。

以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。

上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种船舶健康评估方法，其特征在于，所述方法包括：

获取船舶航行记录中的多种参数，并基于每种参数进行如下处理：

利用四分位数法构建K线图；

利用3σ法则计算监控值，并

利用移动平均算法根据所述监控值构建监控线；

设置阈值警告线；

根据所述K线图、所述监控线以及所述阈值警告线构建对应每种参数的评估函数；

对所述每种参数的评估函数加权求和以获得船舶的健康评分。

2.如权利要求1所述的船舶健康评估方法，其特征在于，所述利用四分位数法构建K线图，包括：

利用四分位数提取对应参数的最大值、最小值、第一四分位数和第三四分位数。

3.如权利要求1所述的船舶健康评估方法，其特征在于，所述利用利用3σ法则计算监控值，包括：

通过以下公式计算对应参数的监控值，计算公式为：

r⁽ⁱ⁾＝μ⁽ⁱ⁾+3σ⁽ⁱ⁾

其中，r⁽ⁱ⁾为对应参数的监控值，μ⁽ⁱ⁾为对应参数的平均值，σ⁽ⁱ⁾为对应参数的标准差。

4.如权利要求3所述的船舶健康评估方法，其特征在于，所述利用移动平均算法根据所述监控值构建监控线，包括：

利用移动平均算法根据所述监控值计算预测值，

基于所述预测值构建监控线，所述监控线以公式表示为：

其中，F^(t)为对应参数的监控值的预测值，r⁽ⁱ⁾(i＝1,2,...,N)为历史监控值，w⁽ⁱ⁾(i＝1,2,...,N)为对应历史监控值的权重，且

5.如权利要求1所述的船舶健康评估方法，其特征在于，所述设置阈值警告线，包括：

对每种参数设置阈值警告线，所述阈值警告线为一常数对应的直线。

6.如权利要求4所述的船舶健康评估方法，其特征在于，所述根据所述K线图、所述监控线以及所述阈值警告线构建对应每种参数的评估函数，包括：

根据所述K线图、所述监控线以及所述阈值警告线构建对应每种参数的分段函数，所述分段函数的计算公式为：

基于所述分段函数评估对应的参数；

其中，

为实时获得的对应参数的最大值，F^(t)为对应参数的监控值的预测值，C^(t)为对应的参数的警告值。

7.如权利要求6所述的船舶健康评估方法，其特征在于，所述评估包括：

若Y的值大于或等于0.5时，则表示对应参的状态正常；

若Y的值小于0.5时，则表示对应参数的状态异常。

8.如权利要求6所述的船舶健康评估方法，其特征在于，所述对所述每种参数的评估函数加权求和以获得船舶的健康评分，还包括：

按照对应参数的重要程度设置权重；

其中，所述重要程度为根据对应参数所监控的系统以及对应参数出现故障时所造成的影响而确定。

9.如权利要求6所述的船舶健康评估方法，其特征在于，所述方法还包括：

在基于每种参数进行处理前，对获得的多种参数进行预处理，所述预处理包括：缺失数据填充、去噪滤波和归一化处理。

10.如权利要求9所述的船舶健康评估方法，其特征在于，所述去噪滤波包括：采用小波变换法进行去噪滤波。

Images