CN113847950A - 基于云计算的智能船舶设备状态监测系统及信息交互方法 - Google Patents
基于云计算的智能船舶设备状态监测系统及信息交互方法 Download PDFInfo
- Publication number
- CN113847950A CN113847950A CN202111117220.9A CN202111117220A CN113847950A CN 113847950 A CN113847950 A CN 113847950A CN 202111117220 A CN202111117220 A CN 202111117220A CN 113847950 A CN113847950 A CN 113847950A
- Authority
- CN
- China
- Prior art keywords
- ship
- cloud
- state
- data
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/40—Monitoring properties or operating parameters of vessels in operation for controlling the operation of vessels, e.g. monitoring their speed, routing or maintenance schedules
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种基于云计算的智能船舶设备状态监测系统及信息交互方法。系统包括船舶本地监测系统和远程监控云系统。其中,船舶本地监测系统包括数据实时采集,数据初步处理,云端数据交互部分。远程监控云系统包括云端数据接收,云端数据处理,快速状态分析部分,通过云计算平台对数据的快速处理能力,实现数据、信息与知识的融合,从而实现对船舶设备智能化的状态评估,及时反映船舶设备主要性能的功能参数或状态参数。本发明能够快速地进行数据管理,减轻传统方法对数据处理的压力,提高效率。
Description
技术领域
本发明涉及智能船舶监测设备,具体而言,尤其涉及一种基于云计算的智能船舶设备状态监测系统及信息交互方法。
背景技术
随着大数据、网络技术及人工智能技术的发展,智能船舶技术以其智能化、自动化水平高等特点在航运领域得到了快速发展和广泛应用。目前常用的船舶设备智能运维系统仅包含船舶整体运行状态监测系统,其功能限于船舶运行环境及船舶设备运行常规监测记录功能。船舶在航行中,由于工作环境恶劣,实施工况复杂多变,船舶设备零部件不可避免的会出现不同程度的劣化,导致不同程度的故障。因此亟待建立基于云计算的智能船舶设备状态监测系统,实现设备状态的实时监控,快速分析,及时预警的功能。以满足船舶高效、节能、高可靠的管理需求。
发明内容
鉴于现有技术的不足,本发明提供一种基于云计算的智能船舶设备状态监测系统及信息交互方法,通过构建船岸一体化的云计算平台,借助云计算技术、智能感知技术、机器学习技术、智能决策技术等,实现对船舶设备状态的实时监测及时预警。
本发明采用的技术手段如下:
一种基于云计算的智能船舶设备状态监测系统,包括:设置在船上的船舶本地监测系统以及设置在岸上的远程监控云系统,所述船舶本地监测系统与远程监控云系统通过无线通信方式实现信息交互;
所述船舶本地监测系统包括数据实时采集模块、数据预处理模块以及第一云端数据交互模块;所述数据实时采集模块与设置在船舶各处的底层传感器相连,一方面通过底层传感器采集船舶运行参数,另一方面将采集的船舶运行参数发送至数据预处理模块进行处理;所述数据预处理模块对接收的船舶运行参数进行特征提取,从而获得运行状态特征值,所述第一云端数据交互模块将所述船舶运行参数和运行状态特征值上传至远程监控云系统;
所述远程监控云系统包括第二云端数据交互模块以及云端数据处理模块;所述第二云端数据交互模块用于接收船舶运行参数和运行状态特征值,所述云端数据处理模块用于对船舶运行参数和运行状态特征值进行基于人工智能算法的分析处理,包括对船舶设备状态进行故障分析、状态评估以及寿命预测。
进一步地,所述预处理模块包括:
获取船舶运行参数并进行特征提取的处理单元;
存储正常运行状态下船舶运行参数的数据库单元;
一方面由所述处理单元获取对实时船舶运行参数进行特征提取后获得的第一特征值、另一方面由所述处理单元获取对正常运行状态下船舶运行参数进行特征提取后获得的第二特征值,并将二者进行对比从而判断是否发生故障的状态监测单元。
进一步地,所述云端数据处理模块包括:
构建机器学习算法模型并基于历史船舶运行参数对所述机器算法模型进行训练的模型建立单元;
基于训练好的机器算法模型对当前船舶运行参数进行处理从而实现状态分析与故障检测的故障诊断单元。
进一步地,所述云端数据处理模块还包括远程数据库单元,其用于存储由船舶端传输来的设备运行数据、船舶设备状态历史数据以及经过训练后建立的算法模型。
进一步地,所述第二云端数据交互模块还用于将训练好的机器算法模型、船舶状态分析结果以及故障检测结果交互至所述第一云端数据交互模块。
本发明的另一方面还提供了一种基于云计算的智能船舶设备状态监测信息交互方法,所述交互方法应用于上述任意一项所述的基于云计算的智能船舶设备状态监测系统,所述方法包括:
所述数据实时采集模块通过底层传感器采集船舶运行参数,一方面将所述船舶运行参数保存至本地数据库模块,另一方面将所述船舶运行参数通过第一云端数据交互模块交互至第二云端数据交互模块;
所述数据预处理模块对当前船舶运行参数和历史船舶运行参数分别进行特征提取,将提取结果进行比较判断船舶运行状态,并通过第一云端数据交互模块交互至第二云端数据交互模块;
所述云端数据处理模块由所述第二云端数据交互模块获取当前船舶运行参数输入训练好的故障识别模型和状态评估模型进行故障诊断和状态评估,并将结果通过第二云端数据交互模块反馈至第一云端数据交互模块,并通过船舶本地数据库进行保存。
进一步地,还包括所述远程监控云系统得到故障诊断和状态评估结果之后,展示所述故障诊断和状态评估结果;
相应地,所述船舶本地监测系统接收所述故障诊断和状态评估结果后,展示所述故障诊断和状态评估结果。
较现有技术相比,本发明具有以下优点:
1、本发明方案中,船、岸两边云平台同时工作,通过数据交互形成一体化的平台,可弥补传统监测系统数据太多造成的对数据的处理分析能力差的问题。
2、本发明在船岸两边的服务器中都引入了机器学习算法模型,提高了数据分析的准确性。
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做以简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明智能船舶设备状态监测系统架构图。
图2为本发明船舶设备状态监测流程图。
图3为本发明故障诊断流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1-3所示,本发明提供了一种基于云计算的智能船舶设备状态监测系统。所述的系统包括船舶本地监测系统和远程监控云系统。其中,船舶本地监测系统包括数据实时采集,数据初步处理,云端数据交互部分。远程监控云系统包括云端数据接收,云端数据处理,快速状态分析部分,通过云计算平台对数据的快速处理能力,实现数据、信息与知识的融合,从而实现对船舶设备智能化的状态评估,及时反映船舶设备主要性能的功能参数或状态参数。本发明能够快速地进行数据管理,减轻传统方法对数据处理的压力,提高效率。
作为本发明较佳的实施方式,船舶本地检测系统包括数据采集模块、数据预处理模块以及云端数据交互模块。
(1)数据采集模块
数据采集模块是由分布在各种船舶设备附近的传感器构成,如用于监测主机工作状态的温度传感器,压力传感器,以及用于检测油柜里柴油储量的超声波传感器等,对应船舶不同设备的监测需求,在不同位置布置不同功能的传感器,用于采集各种设备的运行状态数据,如温度、压力、湿度、流量、速度等数据,然后将采集到的数据传输给船舶服务器。
(2)数据预处理模块
为构建船岸一体化的远程监测系统,需要在船舶上构建船舶本地监测系统,即在船舶上搭建服务器,形成以一条船为区域的本地监测系统。该系统包括数据收发单元,数据存储单元,状态监测单元。
其中数据收发单元用于接收传感器采集的数据,同时将设备诊断信息发送到各个传感器节点。数据存储单元用于存储传感器采集的当前运行数据,以及存储远程监测平台训练好的算法模型,用于分析设备运行状态。状态监测单元用于从数据存储单元读取实时运行数据,进行数据处理分析,并使用算法模型,对比正常运行数据进行状态监测。
数据预处理模块中包含的状态监测方法如下:建立船舶正常运行状态特征数据库,读取船舶各设备实时运行状态数据,进行数据处理分析,并提取实时运行状态特征值传输至状态监测单元,状态监测单元根据所接收的实时运行状态特征值,与从正常运行状态特征数据库读取的正常运行状态特征数据进行对比,将运行状态信息传输至服务器。
(3)云端数据交互模块
本地监测系统还要负责与岸边远程监控平台的数据交互工作。经过船舶本地监测系统处理过的数据,通过卫星等通信手段,将数据传输到岸边远程监控云系统,用于进行下一步对数据的详细分析和处理。
作为本发明较佳的实施方式,远程监控云系统包括云端数据接收模块、云端数据处理模块以及快速状态分析模块。
(1)云端数据接收
通过卫星等通信设备可以进行船舶与岸边平台的数据传输,通过云端数据接收模块接收来自船舶的数据,包括船舶燃油、滑油、冷却水、柴油机排气温度等数据,主、副机的各种机油、燃油、冷却水、气体等的压力数据,并将数据存储在岸边监控系统的数据库中,供下一步分析使用。同时,岸边监控系统将分析后的船舶设备状态信息以及训练好的用于设备状态分析的算法模型通过通信方式再发送到船舶端的服务器,形成船岸一体通信机制。
(2)云端数据处理
云端数据处理模块是岸边远程监控云系统的核心部分,通过使用大数据技术,云计算技术,人工智能算法等对得到的数据进行分析处理,从而实现系统故障的分析,状态的评估,寿命的预测等。
云端数据处理模块包括数据存储单元,模型建立单元,故障诊断单元。其中,数据存储单元用来存放船舶设备状态历史采集数据、船舶端传输来的设备运行实时数据以及经过训练后建立的算法模型。模型建立单元通过使用设备运行数据训练机器学习算法模型,从而用于设备的状态分析与故障检测。故障诊断单元通过提取数据库中的新接收来的设备数据,通过使用训练好的算法模型,与设备正常运行时的数据特征值进行对比,从而分析出船舶设备是否存在故障问题。
本发明中用于状态分析与故障预测的机器学习算法优选采用相关向量机来构造的算法模型。相关向量机模型是以贝叶斯理论为基础的核函数算法。该算法采用全概率框架,在模型的权重上引入了先验概率,通过在权值上定义超参数来控制先验概率。利用自相关判定原理排除大多数不相关样本,仅剩少量能充分表示大多数样本的主要特征信息的少量样本,由此说明模型的稀疏性。该算法可用于处理故障预测类的问题。
设备故障预测是通过比较算法模型预测数据(即设备历史正常运行时数据)与实时测量数据来实现的。所以,在用相关向量机方法进行故障预测之前要先对样本进行学习训练以获得预测模型,用于训练预测模型的样本数据包括输入样本和输出样本两个部分。预测模型的输出样本是指可表示设备故障的物理量,而且,不同类型的故障往往对应不同的输出样本,如温度过热故障的输出样本为温度。预测模型的输入样本通常为对输出样本有影响的变量,如环境温度、机舱温度等影响温度的变量。通过样本训练可以得到相关向量机预测模型的回归表达式,其自变量对应样本训练时所用的输入样本,因变量对应输出样本。如此,将需要预测的数据样本输入到训练好的相关向量机预测模型中,就可以得到设备正常运行时的模型预测数据,从而可以提前检测故障的发生,以便及时提出预警。
通过使用相关向量机的预测模型,可以对实时数据的进行及时有效的处理,从而快速诊断出设备可能存在的故障。
云端数据处理模块中包含故障诊断方法如下:建立并训练机器学习算法诊断模型;读取数据库中的历史运行数据,并进行数据处理分析;输入已训练好的故障诊断模型,进行故障诊断,并将故障信息传输至故障信息数据库,进行故障数据储存,之后将故障信息发给操作人员,由操作人员进行故障排除。
(3)快速状态分析
通过云计算平台对数据的快速处理能力,可将船舶各设备的运行状态快速分析出来,及时有效的知道设备故障,或者对设备的寿命进行预测。
经过对新数据的不断训练学习,形成新的算法模型,可以更加准确的用于设备的故障诊断与寿命预测。之后,将训练好的模型发送到船舶本地监测系统中,供设备故障诊断使用。另外,远程监控平台经过分析后的设备诊断结果或者监控信息保存在本地数据库后,通过数据传输模块发送到船舶本地监测系统数据库中保存。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,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 (7)
1.一种基于云计算的智能船舶设备状态监测系统,其特征在于,包括:设置在船上的船舶本地监测系统以及设置在岸上的远程监控云系统,所述船舶本地监测系统与远程监控云系统通过无线通信方式实现信息交互;
所述船舶本地监测系统包括数据实时采集模块、数据预处理模块以及第一云端数据交互模块;所述数据实时采集模块与设置在船舶各处的底层传感器相连,一方面通过底层传感器采集船舶运行参数,另一方面将采集的船舶运行参数发送至数据预处理模块进行处理;所述数据预处理模块对接收的船舶运行参数进行特征提取,从而获得运行状态特征值,所述第一云端数据交互模块将所述船舶运行参数和运行状态特征值上传至远程监控云系统;
所述远程监控云系统包括第二云端数据交互模块以及云端数据处理模块;所述第二云端数据交互模块用于接收船舶运行参数和运行状态特征值,所述云端数据处理模块用于对船舶运行参数和运行状态特征值进行基于人工智能算法的分析处理,包括对船舶设备状态进行故障分析、状态评估以及寿命预测。
2.根据权利要求1所述的基于云计算的智能船舶设备状态监测系统,其特征在于,所述预处理模块包括:
获取船舶运行参数并进行特征提取的处理单元;
存储正常运行状态下船舶运行参数的数据库单元;
一方面由所述处理单元获取对实时船舶运行参数进行特征提取后获得的第一特征值、另一方面由所述处理单元获取对正常运行状态下船舶运行参数进行特征提取后获得的第二特征值,并将二者进行对比从而判断是否发生故障的状态监测单元。
3.根据权利要求1所述的基于云计算的智能船舶设备状态监测系统,其特征在于,所述云端数据处理模块包括:
构建机器学习算法模型并基于历史船舶运行参数对所述机器算法模型进行训练的模型建立单元;
基于训练好的机器算法模型对当前船舶运行参数进行处理从而实现状态分析与故障检测的故障诊断单元。
4.根据权利要求3所述的基于云计算的智能船舶设备状态监测系统,其特征在于,所述云端数据处理模块还包括远程数据库单元,其用于存储由船舶端传输来的设备运行数据、船舶设备状态历史数据以及经过训练后建立的算法模型。
5.根据权利要求3所述的基于云计算的智能船舶设备状态监测系统,其特征在于,所述第二云端数据交互模块还用于将训练好的机器算法模型、船舶状态分析结果以及故障检测结果交互至所述第一云端数据交互模块。
6.一种基于云计算的智能船舶设备状态监测信息交互方法,其特征在于,所述交互方法应用于如权利要求1-5中任意一项所述的基于云计算的智能船舶设备状态监测系统,所述方法包括:
所述数据实时采集模块通过底层传感器采集船舶运行参数,一方面将所述船舶运行参数保存至本地数据库模块,另一方面将所述船舶运行参数通过第一云端数据交互模块交互至第二云端数据交互模块;
所述数据预处理模块对当前船舶运行参数和历史船舶运行参数分别进行特征提取,将提取结果进行比较判断船舶运行状态,并通过第一云端数据交互模块交互至第二云端数据交互模块;
所述云端数据处理模块由所述第二云端数据交互模块获取当前船舶运行参数输入训练好的故障识别模型和状态评估模型进行故障诊断和状态评估,并将结果通过第二云端数据交互模块反馈至第一云端数据交互模块,并通过船舶本地数据库进行保存。
7.根据权利要求6所述的基于云计算的智能船舶设备状态监测信息交互方法,其特征在于,还包括所述远程监控云系统得到故障诊断和状态评估结果之后,展示所述故障诊断和状态评估结果;
相应地,所述船舶本地监测系统接收所述故障诊断和状态评估结果后,展示所述故障诊断和状态评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117220.9A CN113847950A (zh) | 2021-09-23 | 2021-09-23 | 基于云计算的智能船舶设备状态监测系统及信息交互方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117220.9A CN113847950A (zh) | 2021-09-23 | 2021-09-23 | 基于云计算的智能船舶设备状态监测系统及信息交互方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113847950A true CN113847950A (zh) | 2021-12-28 |
Family
ID=78979390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111117220.9A Pending CN113847950A (zh) | 2021-09-23 | 2021-09-23 | 基于云计算的智能船舶设备状态监测系统及信息交互方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113847950A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114488885A (zh) * | 2022-01-12 | 2022-05-13 | 武汉理工大学 | 一种船舶甲板设备远程控制系统及方法 |
CN114756975A (zh) * | 2022-06-15 | 2022-07-15 | 江苏新晖测控科技有限公司 | 一种基于双通道的动态液位无线监控系统及方法 |
CN115027634A (zh) * | 2022-06-24 | 2022-09-09 | 中海油田服务股份有限公司 | 一种动力守护供应船故障预警方法和系统 |
CN116976865A (zh) * | 2023-09-22 | 2023-10-31 | 中国船舶集团有限公司第七一九研究所 | 基于大数据分析的船舶维修器件调配管理系统 |
CN117032120A (zh) * | 2023-08-16 | 2023-11-10 | 广东超级龙节能环保科技有限公司 | 集成一体式空压站智能云控制系统及控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592202A (zh) * | 2012-03-15 | 2012-07-18 | 大连海事大学 | 一种一体化智能船桥系统 |
CN103760871A (zh) * | 2014-01-24 | 2014-04-30 | 大连海事大学 | 一种船舶状态的诊断系统及其诊断方法 |
CN108458885A (zh) * | 2017-11-30 | 2018-08-28 | 镇江赛尔尼柯自动化有限公司 | 船舶故障远程诊断与支持决策系统 |
CN110544038A (zh) * | 2019-09-05 | 2019-12-06 | 大连海事大学 | 一种船舶设备智能运维方法及系统 |
CN112101764A (zh) * | 2020-09-07 | 2020-12-18 | 中国人民解放军海军工程大学 | 基于状态监测的船舶技术状况综合评估系统 |
CN112255946A (zh) * | 2020-10-19 | 2021-01-22 | 青岛博瑞斯自动化技术有限公司 | 一种基于云服务和大数据的船舶状态远程监控系统及方法 |
CN112381406A (zh) * | 2020-11-16 | 2021-02-19 | 武汉理工大学 | 一种基于船岸协同的船舶能效管理大数据系统及方法 |
CN113052377A (zh) * | 2021-03-23 | 2021-06-29 | 陈萌 | 一种用于船舶实时监测系统的嵌入式计算方法 |
-
2021
- 2021-09-23 CN CN202111117220.9A patent/CN113847950A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592202A (zh) * | 2012-03-15 | 2012-07-18 | 大连海事大学 | 一种一体化智能船桥系统 |
CN103760871A (zh) * | 2014-01-24 | 2014-04-30 | 大连海事大学 | 一种船舶状态的诊断系统及其诊断方法 |
CN108458885A (zh) * | 2017-11-30 | 2018-08-28 | 镇江赛尔尼柯自动化有限公司 | 船舶故障远程诊断与支持决策系统 |
CN110544038A (zh) * | 2019-09-05 | 2019-12-06 | 大连海事大学 | 一种船舶设备智能运维方法及系统 |
CN112101764A (zh) * | 2020-09-07 | 2020-12-18 | 中国人民解放军海军工程大学 | 基于状态监测的船舶技术状况综合评估系统 |
CN112255946A (zh) * | 2020-10-19 | 2021-01-22 | 青岛博瑞斯自动化技术有限公司 | 一种基于云服务和大数据的船舶状态远程监控系统及方法 |
CN112381406A (zh) * | 2020-11-16 | 2021-02-19 | 武汉理工大学 | 一种基于船岸协同的船舶能效管理大数据系统及方法 |
CN113052377A (zh) * | 2021-03-23 | 2021-06-29 | 陈萌 | 一种用于船舶实时监测系统的嵌入式计算方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114488885A (zh) * | 2022-01-12 | 2022-05-13 | 武汉理工大学 | 一种船舶甲板设备远程控制系统及方法 |
CN114488885B (zh) * | 2022-01-12 | 2023-09-26 | 武汉理工大学 | 一种船舶甲板设备远程控制系统及方法 |
CN114756975A (zh) * | 2022-06-15 | 2022-07-15 | 江苏新晖测控科技有限公司 | 一种基于双通道的动态液位无线监控系统及方法 |
CN115027634A (zh) * | 2022-06-24 | 2022-09-09 | 中海油田服务股份有限公司 | 一种动力守护供应船故障预警方法和系统 |
CN117032120A (zh) * | 2023-08-16 | 2023-11-10 | 广东超级龙节能环保科技有限公司 | 集成一体式空压站智能云控制系统及控制方法 |
CN116976865A (zh) * | 2023-09-22 | 2023-10-31 | 中国船舶集团有限公司第七一九研究所 | 基于大数据分析的船舶维修器件调配管理系统 |
CN116976865B (zh) * | 2023-09-22 | 2023-12-19 | 中国船舶集团有限公司第七一九研究所 | 基于大数据分析的船舶维修器件调配管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113847950A (zh) | 基于云计算的智能船舶设备状态监测系统及信息交互方法 | |
CN115034248A (zh) | 用于设备的自动诊断方法、系统和存储介质 | |
CN106368816B (zh) | 一种基于基线偏差的船舶低速柴油机在线异常检测方法 | |
US7567878B2 (en) | Evaluating anomaly for one class classifiers in machine condition monitoring | |
CN108062586B (zh) | 基于衰退贡献度的船舶主机关联部件状态监测方法与系统 | |
CN115238785A (zh) | 基于图像融合和集成网络的旋转机械故障诊断方法和系统 | |
CN108062618B (zh) | 基于双基线的低速柴油机经济性分析方法及系统 | |
CN112906775A (zh) | 一种设备故障预测方法及系统 | |
CN116625683A (zh) | 一种风电机组轴承故障识别方法、系统、装置及电子设备 | |
CN112699597A (zh) | 一种核电启动水泵滚动轴承故障检测方法及系统 | |
CN116662743A (zh) | 一种基于多模态深度学习的发动机剩余寿命预测方法 | |
Das et al. | Performance monitoring and failure prediction of industrial equipments using artificial intelligence and machine learning methods: A survey | |
CN114648212A (zh) | 一种基于云计算的船舶设备性能智能管理系统及方法 | |
CN112016193B (zh) | 一种盾构机系统的润滑失效在线预测方法及系统 | |
CN108613820A (zh) | 一种用于gis本体机械缺陷诊断和定位的在线异声监测算法 | |
CN112418460A (zh) | 工程车辆的故障诊断方法和故障诊断装置 | |
CN116842379A (zh) | 一种基于DRSN-CS和BiGRU+MLP模型的机械轴承剩余使用寿命预测方法 | |
Bond et al. | A hybrid learning approach to prognostics and health management applied to military ground vehicles using time-series and maintenance event data | |
CN115540935A (zh) | 一种新型护航舰艇压载水系统设备故障诊断方法 | |
CN114299338A (zh) | 用于系统管理的故障预测与健康管理系统与相关方法 | |
CN114626482A (zh) | 基于深度学习的有源数字阵列雷达实时故障诊断方法 | |
Arias Chao | Combining deep learning and physics-based performance models for diagnostics and prognostics | |
CN112363432A (zh) | 一种水电站辅助设备的监测系统及监测方法 | |
CN112560252A (zh) | 一种航空发动机剩余寿命预测方法 | |
Handayani et al. | Anomaly detection in vessel sensors data with unsupervised learning technique |
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 |