CN112784473A - 智能分析航行信息优化能量的船舶燃料节约系统及其方法 - Google Patents

Abstract

本发明公开了一种智能分析航行信息优化能量的船舶燃料节约系统及其方法，涉及节约系统技术领域。本发明包括系统界面、航行信息采集器、航行信息预处理模块、训练模块，系统界面与航行信息采集器连接，航行信息采集器与航行信息预处理模块连接。本发明通过设置的航行信息采集器，航行信息采集装置可以实时收集船舶的航行信息，使船舶处于燃料利用率最高的浮态下、同时使船舶动力设备处于最佳的工作条件下航行，从而达到节约燃料消耗、减少二氧化碳排放的目的，通过监测主机参数、船舶浮态参数、航行条件参数等航行信息，经过计算、分析给出适当的浮态修正、主机转速后航速修正值，使船舶在各种操作条件下保持最高的燃料节约。

Description

智能分析航行信息优化能量的船舶燃料节约系统及其方法

技术领域

本发明属于节约系统技术领域，特别是涉及一种智能分析航行信息优化能量的船舶燃料节约系统及其方法。

背景技术

船舶是一种主要在地理水中运行的人造交通工具。另外，民用船一般称为船，军用船称为舰，小型船称为艇或舟，其总称为舰船或船艇。内部主要包括容纳空间、支撑结构和排水结构，具有利用外在或自带能源的推进系统。外型一般是利于克服流体阻力的流线性包络，材料随着科技进步不断更新，早期为木、竹、麻等自然材料，近代多是钢材以及铝、玻璃纤维、亚克力和各种复合材料。

现有的大多船舶在运动不可以根据气象、浮态、燃料消耗、发动机信息等进行调整浮态修正、主机转速/航速修正值，使船舶在进行使用时需要耗费大量燃料。

发明内容

本发明的目的在于提供一种智能分析航行信息优化能量的船舶燃料节约系统及其方法，通过设置的航行信息采集器，航行信息采集装置可以实时收集船舶的航行信息，使船舶处于燃料利用率最高的浮态下、同时使船舶动力设备处于最佳的工作条件下航行，从而达到节约燃料消耗、减少二氧化碳排放的目的，通过监测主机参数、船舶浮态参数、航行条件参数等航行信息，经过计算、分析给出适当的浮态修正、主机转速后航速修正值，使船舶在各种操作条件下保持最高的燃料节约，解决了上述现有技术中存在的问题。

为达上述目的，本发明是通过以下技术方案实现的：

一种智能分析航行信息优化能量的船舶燃料节约系统及其方法，包括系统界面、航行信息采集器、航行信息预处理模块、训练模块，系统界面与航行信息采集器连接，航行信息采集器与航行信息预处理模块连接；

航行信息预处理模块连接有训练模块，训练模块连接有计算模块，计算模块连接有后处理模块，后处理模块连接有系统界面、船上监视与控制模块。

可选的，船上监视与控制模块与航行信息采集器连接。

可选的，计算模块包括：更新计算模块、异常处理程序、数据校验，更新计算模块、异常处理程序均与训练模块连接，异常处理程序与后处理模块连接。

可选的，系统界面与航行信息采集器、航行信息预处理模块、训练模块、通过信号传递或数据交互的硬件与装置连接。

可选的，异常处理程序与船上监视与控制模块连接。

可选的，数据校验与航行信息预处理模块连接。

可选的，航行信息采集器与船上监视与控制模块连接。

可选的，航行信息预处理模块包括：周期记录模块，周期记录模块与训练模块连接。

可选的，通讯方式一般采用ModbusRS485。

一种智能分析航行信息而优化能量效率的船舶燃料节约方法，包括：如下步骤：

步骤一、训练集构建：在海试的过程中完成对训练集的构建；

步骤二、航行信息采集：使用航行信息采集器采集舶航行中的气象、浮态、燃料消耗、发动机信息等；

步骤三、处理航行信息：使用航行信息预处理模块对步骤二信息采集器收集到的信号或数据进行处理并将将数据转换为训练样本等；

步骤四、训练：将满足一个记录周期的数据，作为新的训练样本添加到训练集中，然后通过预先构建的深度神经网络模型，利用样本集进行训练，以实时条件下的航行信息作为输入参数，利用基于实时航行数据完成训练和更新的深度神经网络模型，然后使用后处理模块，使后处理模块根据步骤一、步骤二、步骤三得到的最佳航速/转速、浮态，计算所需要的航速/转速、浮态修正量，判断是否满足预设的主机负载平稳性标准，根据修正量生成虚拟航行参数样本，调用计算模块进行分析，计算虚拟样本得出的结果偏差，仅将偏差符合许用条件的修正量转换为相应的控制信号，发送给相应的船舶控制系统，同时将相应的结果、状态发送至船上监视设备上进行显示。

本发明的实施例具有以下有益效果：

本发明的一个实施例通过设置的航行信息采集器，航行信息采集装置可以实时收集船舶的航行信息，使船舶处于燃料利用率最高的浮态下、同时使船舶动力设备处于最佳的工作条件下航行，从而达到节约燃料消耗、减少二氧化碳排放的目的，通过监测主机参数、船舶浮态参数、航行条件参数等航行信息，经过计算、分析给出适当的浮态修正、主机转速后航速修正值，使船舶在各种操作条件下保持最高的燃料节约。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明一实施例的船舶燃料节约系统示意图；

图2为本发明一实施例的后处理模块流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

为了保持本发明实施例的以下说明清楚且简明，本发明省略了已知功能和已知部件的详细说明。

请参阅图1-2所示，在本实施例中提供了一种智能分析航行信息优化能量的船舶燃料节约系统及其方法，包括：系统界面、航行信息采集器、航行信息预处理模块、训练模块，系统界面与IAS(集成自动化系统)、ECDIS(电子海图信息系统)、主机、仪表、传感器、压缩系统通过信号传递或数据交互的硬件与装置连接，系统界面与航行信息采集器连接，航行信息采集器与航行信息预处理模块连接；

航行信息预处理模块连接有训练模块，训练模块连接有计算模块，计算模块连接有后处理模块，后处理模块连接有系统界面、船上监视与控制模块。

本实施例一个方面的应用为：在需要计算分析航行信息时，先通过航行信息采集器，进行收集船舶航行中的气象、浮态、燃料消耗、发动机信息等，然后经过航行信息预处理模块处理对信息采集装置收集到的信号后数据进行处理，包括去除过滤数据噪声，修改成统一数据格式并将数据转换为训练样本，然后计算模块以实时条件下的航行信息作为输入参数，利用基于实时航行数据完成训练和更新的深度神经网络模型，经过计算得到该航行条件下最佳燃料消耗量所对应的船舶航速、主机转速以及船舶浮态，然后后处理模块，根据上述得到的最佳航速/转速、浮态，计算所需要的航速/转速、浮态修正量，判断是否满足预设的主机负载平稳性标准，根据修正量生成虚拟航行参数样本，调用计算模块进行分析，计算虚拟样本得出的结果偏差，仅将偏差符合许用条件的修正量转换为相应的控制信号，发送给相应的船舶控制系统，同时将相应的结果、状态发送至船上监视设备上进行显示，然后船上监视与控制模块用于显示上述采集装置收集到的船舶航行信息，显示采集装置与各类传感器之间的额信号后网络连接状态、显示训练、计算、后处理过程中的异常状态与原因、显示上述计算模块所得出的最佳燃料消耗所对应的航速/转速、浮态分析结果、提供手动后自动优化方式的切换控制功能，且如若系统处于自动模式，则默认采纳分析结果，后处理之后的数据/信号将通过系统界面传递至船上相应系统，若系统处于手动模式，则需要船员来决定是否采纳分析结果，对船舶的浮态、主机转速或航速进行调整，训练集构建，基础训练集的构建，一般在海试的过程中完成。对于已运营船舶，需要2-4周时间收集航行数据，完成基础训练集的构建，时长取决于航行、航线的实际状况，预处理模块中，经采集器采集到的数据，将经过降噪、格式转换、数据集拆分、归一化处理，其中燃油消耗将根据以下公式转化为标签数据，与其他数据一同作为有监督学习的训练样本。

式中，A，B，δ，表示控制参数，根据实际船型，由理论分析和经验得到；F表示燃油消耗速度，后处理模块，根据计算模块中得到的分析结果，计算所需的修正量；对转速/航速的修正量进行评估，判断修正是否满足主机负载平稳性标准，如满足，则进入下一步，否则进入异常处理程序；根据修正量，计算并生成虚拟航行参数，作为虚拟样本调用计算模块进行分析；计算虚拟样本分析得到的结果与当前结果之间的偏差；对偏差进行评估，如果偏差满足预设的许用条件，那么当前计算得到的修正量被接受；将该修正量作为建议值发送给监视设备显示，同时将其转化为对应系统能够识别的控制信号。自动模式下，控制信号将直接发送给对应的控制系统；手动模式下，将有船员决定是否将控制信号发送给控制系统于因信号频率差异导致的数据缺失，采用均值策略进行数据填充。训练模块中，对采用预先构建的深度神经网络模型，利用实时采集的训练样本进行训练。所设定的模型参数，包括：隐藏层数、初始化方法、激活函数、正则化方式、优化器算法等。训练过程中针对两种情况会抛出异常：训练过程中出现逻辑错误，程序抛出异常；训练过程出现“过拟合”情况，程序抛出异常；更新计算模块，将训练好的深度神经网络模型的权重集W_train，更新到计算模块所使用的深度神经网络模型的权重集W_prod，即令W_prod＝W_train更新后的权重会自动应用到下一次对实时数据的分析计算过程中。实时采集的数据，经过预处理模块的数据处理，在作为输入进入计算模块之前，会进行数据校验，确认数据完整性、数据格式、数据是否处于合理的取值范围等。需要注意的是，本申请中所涉及的所有用电设备均可通过蓄电池供电或外接电源。

通过设置的航行信息采集器，航行信息采集装置可以实时收集船舶的航行信息，使船舶处于燃料利用率最高的浮态下、同时使船舶动力设备处于最佳的工作条件下航行，从而达到节约燃料消耗、减少二氧化碳排放的目的，通过监测主机参数、船舶浮态参数、航行条件参数等航行信息，经过计算、分析给出适当的浮态修正、主机转速后航速修正值，使船舶在各种操作条件下保持最高的燃料节约。

具体的：一个记录周期，一般为2～4小时，会根据实际船舶使用的仪表/传感器发送的信号频率进行调整

本实施例的船上监视与控制模块与航行信息采集器连接。

本实施例的计算模块包括：更新计算模块、异常处理程序、数据校验，更新计算模块、异常处理程序均与训练模块连接，异常处理程序与后处理模块连接。

本实施例的系统界面与航行信息采集器、航行信息预处理模块、训练模块、通过信号传递或数据交互的硬件与装置连接。

本实施例的异常处理程序与船上监视与控制模块连接。

本实施例的数据校验与航行信息预处理模块连接。

本实施例的航行信息采集器与船上监视与控制模块连接。

本实施例的航行信息预处理模块包括：周期记录模块，周期记录模块与训练模块连接。

本实施例的通讯方式一般采用ModbusRS485。

一种智能分析航行信息而优化能量效率的船舶燃料节约方法，包括：如下步骤：

步骤一、训练集构建：在海试的过程中完成对训练集的构建；

步骤二、航行信息采集：使用航行信息采集器采集舶航行中的气象、浮态、燃料消耗、发动机信息等；

步骤三、处理航行信息：使用航行信息预处理模块对步骤二信息采集器收集到的信号或数据进行处理并将将数据转换为训练样本等；

步骤四、训练：将满足一个记录周期的数据，作为新的训练样本添加到训练集中，然后通过预先构建的深度神经网络模型，利用样本集进行训练，以实时条件下的航行信息作为输入参数，利用基于实时航行数据完成训练和更新的深度神经网络模型，然后使用后处理模块，使后处理模块根据步骤一、步骤二、步骤三得到的最佳航速/转速、浮态，计算所需要的航速/转速、浮态修正量，判断是否满足预设的主机负载平稳性标准，根据修正量生成虚拟航行参数样本，调用计算模块进行分析，计算虚拟样本得出的结果偏差，仅将偏差符合许用条件的修正量转换为相应的控制信号，发送给相应的船舶控制系统，同时将相应的结果、状态发送至船上监视设备上进行显示。节能减排是未来船舶行业的核心部分，减少燃料消耗不仅可以显著降低船队的运营成本，也能减少温室气体的排放。船舶的燃料消耗，除了与它本身的设计、推进装置的改进及优化有关，还与实际航行中多变的环境条件、驾驶人员的经验有很大关系。在实际航行中，通过调节船舶浮态、利用气象导航、保持发动机平稳的负载特性可以减少平均约5％的燃料消耗。对于某些船型而言，最佳与最差的船舶浮态(纵倾)下的燃料消耗可能相差10％。船舶的浮态(纵倾)优化，通常是通过模型实验或CFD(计算流体力学)分析实现，受限于实验条件或分析假设中的理想环境，其结果与实际航行存在差异。船舶气象导航，通常是根据中长期天气和海况预报来拟定最佳航线，帮助船舶避开灾害性风浪区、缩短航行时间，但是气象导航并不会针对航行过程中不同水文气象条件下的最佳浮态、航速、主机转速给出建议。

上述实施例可以相互结合。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施方式能够以除了在这里图示或描述的那些以外的顺序实施。

在本发明的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。

Claims (10)

1.一种智能分析航行信息而优化能量效率的船舶燃料节约系统，其特征在于，包括：系统界面、航行信息采集器、航行信息预处理模块、训练模块，系统界面与航行信息采集器连接，航行信息采集器与航行信息预处理模块连接；

航行信息预处理模块连接有训练模块，训练模块连接有计算模块，计算模块连接有后处理模块，后处理模块连接有系统界面、船上监视与控制模块。

2.如权利要求1所述的一种智能分析航行信息而优化能量效率的船舶燃料节约系统，其特征在于，船上监视与控制模块与航行信息采集器连接。

3.如权利要求1-2任一项所述的一种智能分析航行信息而优化能量效率的船舶燃料节约系统，其特征在于，计算模块包括：更新计算模块、异常处理程序、数据校验，更新计算模块、异常处理程序均与训练模块连接，异常处理程序与后处理模块连接。

4.如权利要求3所述的一种智能分析航行信息而优化能量效率的船舶燃料节约系统，其特征在于，系统界面与航行信息采集器、航行信息预处理模块、训练模块、通过信号传递或数据交互的硬件与装置连接。

5.如权利要求4所述的一种智能分析航行信息而优化能量效率的船舶燃料节约系统，其特征在于，异常处理程序与船上监视与控制模块连接。

6.如权利要求5所述的一种智能分析航行信息而优化能量效率的船舶燃料节约系统，其特征在于，数据校验与航行信息预处理模块连接。

7.如权利要求6所述的一种智能分析航行信息而优化能量效率的船舶燃料节约系统，其特征在于，航行信息采集器与船上监视与控制模块连接。

8.如权利要求7所述的一种智能分析航行信息而优化能量效率的船舶燃料节约系统，其特征在于，航行信息预处理模块包括：周期记录模块，周期记录模块与训练模块连接。

9.如权利要求8所述的一种智能分析航行信息而优化能量效率的船舶燃料节约系统，其特征在于，通讯方式一般采用ModbusRS485。

10.一种智能分析航行信息而优化能量效率的船舶燃料节约方法，包括：如下步骤：

步骤一、训练集构建：在海试的过程中完成对训练集的构建；

步骤二、航行信息采集：使用航行信息采集器采集舶航行中的气象、浮态、燃料消耗、发动机信息等；

步骤三、处理航行信息：使用航行信息预处理模块对步骤二信息采集器收集到的信号或数据进行处理并将将数据转换为训练样本等；

步骤四、训练：将满足一个记录周期的数据，作为新的训练样本添加到训练集中，然后通过预先构建的深度神经网络模型，利用样本集进行训练，以实时条件下的航行信息作为输入参数，利用基于实时航行数据完成训练和更新的深度神经网络模型，然后使用后处理模块，使后处理模块根据步骤一、步骤二、步骤三得到的最佳航速/转速、浮态，计算所需要的航速/转速、浮态修正量，判断是否满足预设的主机负载平稳性标准，根据修正量生成虚拟航行参数样本，调用计算模块进行分析，计算虚拟样本得出的结果偏差，仅将偏差符合许用条件的修正量转换为相应的控制信号，发送给相应的船舶控制系统，同时将相应的结果、状态发送至船上监视设备上进行显示。

Images