CN114048629B - 一种船舶柴油机健康管控系统及管控方法 - Google Patents
一种船舶柴油机健康管控系统及管控方法 Download PDFInfo
- Publication number
- CN114048629B CN114048629B CN202111422226.7A CN202111422226A CN114048629B CN 114048629 B CN114048629 B CN 114048629B CN 202111422226 A CN202111422226 A CN 202111422226A CN 114048629 B CN114048629 B CN 114048629B
- Authority
- CN
- China
- Prior art keywords
- diesel engine
- data
- module
- health
- health management
- 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
Links
- 230000036541 health Effects 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims description 52
- 238000007726 management method Methods 0.000 claims abstract description 65
- 238000004088 simulation Methods 0.000 claims abstract description 37
- 238000013523 data management Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000003993 interaction Effects 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 26
- 230000001364 causal effect Effects 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 11
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 23
- 230000005856 abnormality Effects 0.000 abstract description 6
- 238000003745 diagnosis Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000002912 waste gas Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000008846 dynamic interplay Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种船舶柴油机健康管控系统，包括：柴油机、数字孪生体模块、数据管理模块、运行仿真模拟平台模块、孪生数据处理模块、健康管理模块；柴油机分别与数字孪生体模块、运行仿真模拟平台模块、孪生数据处理模块、健康管理模块连接；数字孪生体模块分别与数据管理模块、运行仿真模拟平台模块数据交互；数据管理模块与健康管理模块数据交互；数据管理模块与运行仿真模拟平台模块数据交互。本发明能够及时预测识别和解决柴油机异常与故障，对柴油机性能有效评估，提高柴油机的工作效率，节省维修成本。
Description
技术领域
本发明涉及船舶设备健康管控技术领域，具体涉及一种船舶柴油机健康管控系统及管控方法。
背景技术
船舶柴油机在机型方面，总体已经发展到很高水平，当前船舶柴油机的发展仍以节能减排为中心，由于船舶发展日趋巨型化与智能化，对船舶柴油机的经济性、可靠性的要求日益提高，但由于船舶柴油机结构复杂、单装备价格高，维护、维修困难等特点，并且大多数船舶柴油机仍处于传统的事后维修和计划维修层次，一旦发生故障，轻则停机造成经济损失，重则危害船上人员的生命财产安全等。
针对这些问题，为保障船舶柴油机的正常工作，亟需实现对柴油机的健康管理，近些年有关船舶柴油机健康管理的技术逐渐被研究，包括故障预测与健康管理(PHM)技术等，如中国船舶重工集团柴油机有限公司的李业鹏等人公开了一种低速柴油机故障诊断系统，在大数据、机器学习等算法基础上建立柴油机故障特征参数模型对柴油机进行健康管理(李业鹏，张光伟，张振强等.一种低速柴油机故障诊断系统[P].中国专利:CN108593302A:2018-09-29)。
但是这些方法都存在明显不足，只是从状态监测或故障诊断某个方面来实现柴油机的健康管理，而无法及时、准确地对船舶柴油机进行实时状态监测、健康评估、故障诊断与预测、维护与维修等。
发明内容
本发明提供了一种船舶柴油机健康管控系统及管控方法，以解决现有技术中无法及时、准确地对船舶柴油机进行实时状态监测、健康评估、故障诊断与预测、维护与维修的问题。
本发明提供了一种船舶柴油机健康管控系统，包括：柴油机、数字孪生体模块、数据管理模块、运行仿真模拟平台模块、孪生数据处理模块、健康管理模块；
所述柴油机分别与所述数字孪生体模块、运行仿真模拟平台模块、孪生数据处理模块、健康管理模块连接；所述数字孪生体模块分别与所述数据管理模块、运行仿真模拟平台模块数据交互；所述数据管理模块与所述健康管理模块数据交互；所述数据管理模块与所述运行仿真模拟平台模块数据交互；
所述数字孪生体模块用于根据所述柴油机的实时运行数据，模拟柴油机运行过程，产生模拟运行数据；
所述数据管理模块用于根据所述柴油机正常运行数据优化所述数字孪生体模块；
所述运行仿真模拟平台模块用于根据数字孪生体生成的模拟运行数据验证分析后对所述柴油机进行控制；
所述孪生数据处理模块基于孪生数据融合方法从所述柴油机的数据进行特征提取，产生特征数据；
所述健康管理模块用于根据所述特征数据进行健康管理反馈过程。
本发明还提供了一种船舶柴油机健康管控系统的管控方法，包括：柴油机控制过程、柴油机健康管理过程；
所述柴油机健康管理过程包括如下步骤：
步骤A1：孪生数据处理模块获取柴油机运行参数；
步骤A2：孪生数据处理模块对柴油机运行参数进行孪生数据融合，形成融合数据；
步骤A3：孪生数据处理模块对融合数据进行特征提取，产生特征数据；
步骤A4：对健康管理模块中的状态监测单元中监测方法的TCN模型进行优化；
步骤A5：健康管理模块基于优化后的状态监测单元对特征数据进行柴油机状态监测，输出监测数据；
步骤A6：健康管理模块根据输出监测数据输出健康评估报告、健康告警。
进一步地，所述柴油机控制过程包括：
步骤B1：数字孪生体模块获取柴油机运行参数；
步骤B2：数字孪生体模块根据柴油机运行参数进行运行过程模拟，产生模拟运行数据；
步骤B3：数据管理模块获取柴油机正常运行参数优化数字孪生体模块；
步骤B4：运行仿真模拟平台模块获取数字孪生体产生的模拟运行数据，进对模拟运行数据进行验证分析，将验证分析后的数据用于柴油机控制。
进一步地，所述步骤A5之后，步骤A6之前还包括：
对健康管理模块中的健康评估单元中评估方法进行优化。
进一步地，所述步骤A4的具体方法为：
设置TCN模型包括依次连接输入层、一维卷积层、裁剪层、两个残差块、输出层。
进一步地，所述残差块包括三组空洞因果卷积层块；第一组所述空洞因果卷积层块的输出为第二组所述空洞因果卷积层块的输入，第二组所述空洞因果卷积层块的输出为第三组所述空洞因果卷积层块的输入，第三组所述空洞因果卷积层块的输出为所述残差块的输出；
空洞因果卷积层块包括依次连接的空洞因果卷积层、裁剪层、Swish激活函数、FRN层、Dropout层及求和单元。
进一步地，所述对健康管理模块中的健康评估单元中评估方法进行优化，包括：健康评估方法的优化、剩余使用寿命评估方法的优化，具体为：
所述健康评估方法的优化：
优化所述健康评估方法中欧式距离d的计算公式为：
其中，xi表示为基于选取柴油机正常运行时的信号特征组建的信号集P(A)所属的每一个向量，yi表示为基于改进TCN模型提取的信号特征组建的信号集P(B)所属的每一个向量为yi，i为时间序列；
当d大于Tf时，柴油机处于异常状态；
其中，Tf为通过计算累计时间内依据d的排序结果得到最大阈值。
所述剩余使用寿命评估方法的优化：
根据优化的欧式距离计算健康指数，根据如下公式获取使用寿命，公式如下：。
其中，为在健康指数大于1时的持续时间，健康指数为i为时间序列；为柴油机总运行时间；
当RUL等于0时，柴油机处于报废状态。
本发明的有益效果：
本发明通过将数字孪生技术引入到传统的PHM领域，建立不同角度的柴油机数字孪生体，实现柴油机物理空间与虚拟空间的动态交互，将柴油机的健康管理由静态转变为实时动态，即通过构建改进TCN模型对柴油机进行实时状态监测，简化了故障诊断与预测的流程，此外还建立了健康评估指数HAI对柴油机进行定量健康评估，建立剩余使用寿命指标RUL预测柴油机剩余寿命，所以能够及时预测识别和解决柴油机异常与故障，对柴油机性能有效评估，提高柴油机的工作效率，节省维修成本。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1是本发明具体实施例的系统整体结构图；
图2是本发明具体实施例的改进TCN模型结构图；
图3是本发明具体实施例的改进TCN模型的残差块结构图；
图4是本发明具体实施例的系统架构图；
图5是本发明具体实施例的系统功能图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种船舶柴油机健康管控系统，如图1所示，包括：柴油机、数字孪生体模块、数据管理模块、运行仿真模拟平台模块、孪生数据处理模块、健康管理模块；
柴油机分别与数据孪生体模块、运行仿真模拟平台模块、孪生数据处理模块、健康管理模块连接；数据孪生体模块分别与数据管理模块、运行仿真模拟平台模块数据交互；数据管理模块与健康管理模块数据交互；数据管理模块与运行仿真模拟平台模块数据交互；
数字孪生体模块用于根据柴油机的实时运行数据，模拟柴油机运行过程，产生模拟运行数据，其中数字孪生体模块包括环境数据、传感数据、控制数据、维护数据单元，机理模型单元、数据驱动单元、融合滤波单元、参数预测与优化单元；
数据管理模块用于根据柴油机正常运行数据优化数字孪生体模块，其中数据管理模块包括柴油机部件不可测参数单元，柴油机性能参数、系统参数、传感参数单元；
运行仿真模拟平台模块用于根据数字孪生体生成的模拟运行数据验证分析后对柴油机进行控制；
孪生数据处理模块基于孪生数据融合方法从柴油机的数据进行特征提取，产生特征数据，其中孪生数据处理模块包括数据预处理单元、孪生数据融合单元、特征提取单元；
健康管理模块用于根据特征数据进行健康管理反馈过程，其中健康管理模块包括状态监测单元、健康评估单元、故障诊断与预测单元、剩余寿命单元、维护决策单元。
本发明具体实施例还提供了一种船舶柴油机健康管控系统的管理方法，运行在船舶柴油机健康管控系统中，包括：柴油机控制过程、柴油机健康管理过程；
柴油机控制过程包括：
步骤B1：数字孪生体模块获取柴油机运行参数；
步骤B2：数字孪生体模块根据柴油机运行参数进行运行过程模拟，产生模拟运行数据；
步骤B3：数据管理模块获取柴油机正常运行参数优化数字孪生体模块；
步骤B4：运行仿真模拟平台模块获取数字孪生体产生的模拟运行数据，进对模拟运行数据进行验证分析，将验证分析后的数据用于柴油机控制；
柴油机健康管理过程包括如下步骤：
步骤A1：孪生数据处理模块获取柴油机运行参数；
步骤A2：孪生数据处理模块对柴油机运行参数进行孪生数据融合，形成融合数据；
步骤A3：孪生数据处理模块对融合数据进行特征提取，产生特征数据；
步骤A4：对健康管理模块中的状态监测单元中监测方法的TCN模型进行优化；
结合图2步骤A4的具体方法为：
设置TCN模型包括依次连接输入层、一维卷积层、裁剪层、两个残差块、输出层。
结合图3残差块包括三组空洞因果卷积层块；第一组空洞因果卷积层块的输出为第二组空洞因果卷积层块的输入，第二组空洞因果卷积层块的输出为第三组空洞因果卷积层块的输入，第三组空洞因果卷积层块的输出为残差块的输出；
空洞因果卷积层块包括依次连接的空洞因果卷积层、裁剪层、Swish激活函数、FRN层、Dropout层及求和单元；
步骤A5：健康管理模块基于优化后的状态监测单元对特征数据进行柴油机状态监测，输出监测数据；
步骤A6：对健康管理模块中的健康评估单元中评估方法进行优化；
对健康管理模块中的健康评估单元中评估方法进行优化，包括：健康评估方法的优化、剩余使用寿命评估方法的优化，具体为：
健康评估方法的优化：
优化健康评估方法中欧式距离d的计算公式为：
其中，xi表示为基于选取柴油机正常运行时的信号特征组建的信号集P(A)所属的每一个向量，yi表示为基于改进TCN模型提取的信号特征组建的信号集P(B)所属的每一个向量为yi，i为时间序列；
通过计算累计时间内的欧氏距离d并排序，依据d的排序结果得到最大阈值Tf，当d大于Tf时，柴油机处于异常状态；
剩余使用寿命评估方法的优化：
根据优化的欧式距离计算健康指数，根据如下公式获取使用寿命，公式如下：
其中，为在健康指数大于1时的持续时间，健康指数为i为时间序列；为柴油机总运行时间；
当RUL等于0时，柴油机处于报废状态；
步骤A7：健康管理模块根据输出监测数据输出健康评估报告、健康告警。
结合图4，依据柴油机物理实体与数字孪生体的动态交互关系，建立上述的船舶柴油机健康管控系统架构图，包括：物理层、数据层、模型层、应用层。其中物理层包括柴油机，主要体现柴油机性能、系统、结构强度三方面。数据层包括几何数据、物理数据、功能数据、工艺数据、现场状态数据、历史状态数据、现场环境数据、历史维护数据。模型层包括性能数字孪生体、系统数字孪生体、结构数字孪生体，由建立的性能模型、参数匹配、几何模型、系统模型、有限元模型来构建上述的数字孪生体。应用层包括设备检测、健康评估、异常报警、故障定位、寿命预测、故障诊断、维护规划、调度跟踪。
结合图5，基于建立的船舶柴油机健康管控系统整体结构及架构，建立船舶柴油机健康管控系统功能，具体实施方式如下：
(1)图5中的1是用户管理模块，该模块具体包括：
注册/注销用户模块，用户在该模块进行注册，包括用户名、密码、部门、邮箱、电话等信息，注销用户时，操作员需要经过管理员审核；
用户信息设置模块，用户上传个人基本信息，包括姓名、工号、岗位等，且用户可在当前信息基础上进行信息修改；
用户文件管理模块，用户在该模块进行文件上传和下载；
用户权限设置模块，将用户分为操作员和管理员，二者拥有不同的权限；
(2)图5中的2是数字孪生模型模块，该模块具体包括：
性能模型构建模块，使用软件工具，通过相关的数据，构建柴油机性能模型，并体现出柴油机的推力、燃油率、排气温度、衰减等；
系统模型构建模块，使用软件工具，通过相关的数据，构建柴油机系统模型，并体现状态监测、故障诊断等，反映出柴油机的功能实现情况；
结构模型构建模块，使用软件工具，通过相关的数据，构建柴油机结构模型，并反映出柴油机的振动、间隙、刚度、变形、寿命、疲劳程度等；
可视化仿真模拟模块，利用虚拟现实设计环境平台，对构建的柴油机数字孪生模型进行仿真运行，模拟故障的发生和发展过程等；
运行仿真分析模块，对柴油机工作的可视化模拟仿真结果进行处理和分析，对建立的柴油机数字孪生模型进一步优化；
孪生数据云池模块，通过调用数据采集模块中的实时数据，以及来自可视化模拟仿真的数据，及时更新、细化数字孪生模型数据，并将更新后的孪生数据反馈至柴油机的性能模型、系统模型、结构模型；
(3)图5中的3是状态监测模块，该模块具体包括：
数据采集与分析模块，设置数据采集接口，接收来自柴油机工作状态下的实时数据，并将处理和分析后数据形成数据库；
数值预警模块，通过来自柴油机的实时数据与健康数据模块的基准数据相对比，如果实时数据临近(超过)阈值，将启动预警(报警)程序，然后系统将对柴油机进行故障预测(诊断)；
异常检测模块，利用机器学习方法，根据所提取的基准数据特征，与实时监测数据的特征进行对比，以监测柴油机的异常状态；
健康数据模块，调用柴油机无任何异常状态正常工作的数据，以及数字孪生模型仿真验证时生成的正常数据，通过二者的数据拟合，形成基准数据，并建立基准数据库；
数据清理模块，筛选并保留有用数据，清理冗余数据；
(4)图5中的4是健康评估模块，该模块具体包括：
系统工作状态模块，通过柴油机实时数据采集与分析，在线实时评估柴油机在起动、停车以及各负荷下运转的状态；
系统健康评估模块，调用柴油机工作状态下的实时数据，与基准数据对比，根据柴油机性能，对其健康状态做出评估，输出柴油机总体以及各子系统、各部件的健康评估值，并判定是否可以继续正常工作；
系统故障度模块，通过统计柴油机各子系统、零部件的异常和故障次数及故障时间，对柴油机各子系统、零部件设置故障度评估标准，进一步判断柴油机在发生异常、故障时能够正常运行的能力；
系统运行参数模块，该模块主要包括柴油机振动参数、声响参数、油温、排气温度、油压、输出功率等过程量和过程参数，以及油渣、油样、烟色等残留物和排放物，此外还有工作环境酸碱度参数，在柴油机状态失常情况下，废气将进入到机体内部，废气中的酸性物质会长期腐蚀机体，在轴承、连杆等表面出现裂纹时，将增加其断裂的可能性；
运行参数优化模块，利用软件工具，通过有限元分析方法对柴油机进行刚体动力学分析、随机振动分析、热分析、疲劳强度分析，优化柴油机的应力、变形、振动等；
(5)图5中的5是故障诊断模块，该模块具体包括：
故障预测模块，通过柴油机实时数据采集与分析，在线实时分析柴油机的疲劳程度、损坏程度和失效风险，预测其剩余寿命以及劣化趋势等；
故障类型确定模块，当系统启动报警程序、异常检测程序时，该模块将对柴油机进行故障分析，然后将故障类型确定结果反馈至分析原因与定位模块；
分析原因与定位模块，接收来自故障类型模块反馈的结果，在确定柴油机故障类型的基础上，该模块将进一步分析故障原因，并对发生故障的具体位置进行定位，对发生故障的部位进行诊断，最终生成完整的故障诊断结果；
维护建议模块，针对系统生成的最终故障诊断结果，给出相应的维护建议；
(6)图5中的6是维护与查询模块，该模块具体包括：
维护决策优化模块，综合考虑柴油机各子系统、零部件的健康评估值、故障度，以及孪生模型的运行仿真结果分析，在故障诊断模块给出的维护建议的基础上，不断优化维护决策，最终生成最优维护决策；
维护效果评估模块，在柴油机依据系统给出的最优维护决策进行维护后，通过分析柴油机维护后的工作数据，对维护决策和维护效果进行评估；
操作日志查询模块，系统将操作人员的操作日志记录存储，方便相关人员查询某一时间段的操作记录；
柴油机状态记录模块，该模块主要记录柴油机的报警状态、异常状态、故障状态、征兆、维护等。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (4)
1.一种船舶柴油机健康管控系统的管控方法，其特征在于，包括：柴油机控制过程、柴油机健康管理过程；
所述柴油机健康管理过程包括如下步骤：
步骤A1：孪生数据处理模块获取柴油机运行参数；
步骤A2：孪生数据处理模块对柴油机运行参数进行孪生数据融合，形成融合数据；
步骤A3：孪生数据处理模块对融合数据进行特征提取，产生特征数据；
步骤A4：对健康管理模块中的状态监测单元中监测方法的TCN模型进行优化，具体方法为：
设置TCN模型包括依次连接输入层、一维卷积层、裁剪层、两个残差块、输出层；
步骤A5：健康管理模块基于优化后的状态监测单元对特征数据进行柴油机状态监测，输出监测数据；
步骤A6：对健康管理模块中的健康评估单元中评估方法进行优化，包括：健康评估方法的优化、剩余使用寿命评估方法的优化，具体为：
所述健康评估方法的优化：
优化所述健康评估方法中欧式距离的计算公式为：
其中，表示为基于选取柴油机正常运行时的信号特征组建的信号集P(A)所属的每一个向量，表示为基于改进TCN模型提取的信号特征组建的信号集P(B)所属的每一个向量，为时间序列；
当大于时，柴油机处于异常状态；
其中，为通过计算累计时间内依据的排序结果得到最大阈值；
所述剩余使用寿命评估方法的优化：
根据优化的欧式距离计算健康指数，根据如下公式获取使用寿命，公式如下：
其中，为在健康指数大于1时的持续时间，健康指数为；为时间序列；为柴油机总运行时间；
当RUL等于0时，柴油机处于报废状态；
健康管理模块根据输出监测数据输出健康评估报告、健康告警。
2.如权利要求1所述的船舶柴油机健康管控系统的管控方法，其特征在于，所述柴油机控制过程包括：
步骤B1：数字孪生体模块获取柴油机运行参数；
步骤B2：数字孪生体模块根据柴油机运行参数进行运行过程模拟，产生模拟运行数据；
步骤B3：数据管理模块获取柴油机正常运行参数优化数字孪生体模块；
步骤B4：运行仿真模拟平台模块获取数字孪生体产生的模拟运行数据，进对模拟运行数据进行验证分析，将验证分析后的数据用于柴油机控制。
3.如权利要求1所述的船舶柴油机健康管控系统的管控方法，其特征在于，所述残差块包括三组空洞因果卷积层块；第一组所述空洞因果卷积层块的输出为第二组所述空洞因果卷积层块的输入，第二组所述空洞因果卷积层块的输出为第三组所述空洞因果卷积层块的输入，第三组所述空洞因果卷积层块的输出为所述残差块的输出；
空洞因果卷积层块包括依次连接的空洞因果卷积层、裁剪层、Swish激活函数、FRN层、Dropout层及求和单元。
4.一种船舶柴油机健康管控系统，适用于如权利要求1-3中任一所述的船舶柴油机健康管控系统的管控方法，其特征在于，包括：柴油机、数字孪生体模块、数据管理模块、运行仿真模拟平台模块、孪生数据处理模块、健康管理模块；
所述柴油机分别与所述数字孪生体模块、运行仿真模拟平台模块、孪生数据处理模块、健康管理模块连接；所述数字孪生体模块分别与所述数据管理模块、运行仿真模拟平台模块数据交互；所述数据管理模块与所述健康管理模块数据交互；所述数据管理模块与所述运行仿真模拟平台模块数据交互；
所述数字孪生体模块用于根据所述柴油机的实时运行数据，模拟柴油机运行过程，产生模拟运行数据；
所述数据管理模块用于根据所述柴油机正常运行数据优化所述数字孪生体模块；
所述运行仿真模拟平台模块用于根据数字孪生体生成的模拟运行数据验证分析后对所述柴油机进行控制；
所述孪生数据处理模块基于孪生数据融合方法从所述柴油机的数据进行特征提取，产生特征数据；
所述健康管理模块用于根据所述特征数据进行健康管理反馈过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111422226.7A CN114048629B (zh) | 2021-11-26 | 2021-11-26 | 一种船舶柴油机健康管控系统及管控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111422226.7A CN114048629B (zh) | 2021-11-26 | 2021-11-26 | 一种船舶柴油机健康管控系统及管控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114048629A CN114048629A (zh) | 2022-02-15 |
| CN114048629B true CN114048629B (zh) | 2024-08-06 |
Family
ID=80211325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111422226.7A Active CN114048629B (zh) | 2021-11-26 | 2021-11-26 | 一种船舶柴油机健康管控系统及管控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114048629B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114909227A (zh) * | 2022-04-12 | 2022-08-16 | 哈尔滨工程大学 | 一种基于数字孪生的船舶柴油机喷油控制系统及策略 |
| CN115204751B (zh) * | 2022-09-13 | 2022-12-09 | 东方电子股份有限公司 | 一种基于区块链的智慧综合能源管控系统 |
| CN117875464A (zh) * | 2023-03-03 | 2024-04-12 | 苏州海韵之星智能科技有限公司 | 一种船舶主动式健康管理和故障预测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3128957A1 (en) * | 2019-03-04 | 2020-03-03 | Bhaskar Bhattacharyya | Near real-time detection and classification of machine anomalies using machine learning and artificial intelligence |
| CN112418455A (zh) * | 2020-11-28 | 2021-02-26 | 北京三维天地科技股份有限公司 | 一种设备故障预测与健康管理系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113569475B (zh) * | 2021-07-21 | 2023-09-01 | 上海工程技术大学 | 一种基于数字孪生技术的地铁轴箱轴承故障诊断系统 |
-
2021
- 2021-11-26 CN CN202111422226.7A patent/CN114048629B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3128957A1 (en) * | 2019-03-04 | 2020-03-03 | Bhaskar Bhattacharyya | Near real-time detection and classification of machine anomalies using machine learning and artificial intelligence |
| CN112418455A (zh) * | 2020-11-28 | 2021-02-26 | 北京三维天地科技股份有限公司 | 一种设备故障预测与健康管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114048629A (zh) | 2022-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114048629B (zh) | 一种船舶柴油机健康管控系统及管控方法 | |
| CN102855349B (zh) | 航空发动机气路故障诊断的快速原型设计方法及平台 | |
| US7451122B2 (en) | Empirical design of experiments using neural network models | |
| CN109815441B (zh) | 一种采用贝叶斯网络模型诊断及预测发动机故障的方法 | |
| CN115034578A (zh) | 一种基于数字孪生的水工金属结构设备智能管理构建方法及系统 | |
| CN110119518B (zh) | 一种采用神经网络模型诊断发动机故障原因的方法 | |
| CN110766277A (zh) | 用于核工业现场的健康评估及诊断系统和移动终端 | |
| KR102102346B1 (ko) | 함정설비의 상태기반 정비지원 시스템 및 방법 | |
| Lee et al. | A fuzzy Petri net-based expert system and its application to damage assessment of bridges | |
| CN112417700A (zh) | Eh油站基于状态评价的故障诊断系统 | |
| CN112124229A (zh) | 一种应急抢险泵车远程实时故障诊断方法 | |
| CN111178674A (zh) | 一种工业大数据驱动的起重机械健康管控服务系统 | |
| CN115586009A (zh) | 一种故障诊断与健康管理系统、方法 | |
| CN113529845B (zh) | 挖掘机故障诊断方法、挖掘机、电子设备及可读存储介质 | |
| 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 | |
| CN116611523B (zh) | 涡轮风扇发动机的可解释故障预测方法及系统 | |
| CN113313365A (zh) | 一种一次风机的劣化预警方法及设备 | |
| CN115774847B (zh) | 一种柴油机性能评估及预测方法和系统 | |
| Kocak et al. | Condition monitoring and fault diagnosis of a marine diesel engine with machine learning techniques | |
| CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 | |
| Tao et al. | A state and fault prediction method based on RBF neural networks | |
| Zou et al. | Improved RCM method by AHP-FCE for the maintenance strategy of reciprocating compressor unit | |
| CN112560223B (zh) | 一种航空发动机全寿命周期维修概率建模与成本预测方法 | |
| Bhatti et al. | Reliability Analysis of Industrial Model Using Redundancy Technique and Geometric Distribution | |
| Dorokhov et al. | The use of digital intelligent technologies in predicting failures of automotive and tractor equipment |
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 |