CN115615523A - 燃油流量异常监测方法、装置及电子设备 - Google Patents
燃油流量异常监测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115615523A CN115615523A CN202211357153.2A CN202211357153A CN115615523A CN 115615523 A CN115615523 A CN 115615523A CN 202211357153 A CN202211357153 A CN 202211357153A CN 115615523 A CN115615523 A CN 115615523A
- Authority
- CN
- China
- Prior art keywords
- flow
- fuel
- outlet
- inlet
- flow data
- 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
Landscapes
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明提供了一种燃油流量异常监测方法、装置及电子设备，该方法包括：获取船舶在航的流量数据；其中，上述流量数据包括上述船舶的柴油机燃油进口流量速率和出口流量速率；将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，上述流量异常监测模型的类型为一类支持向量机模型。该方法通过预先训练好的流量异常监测模型对船舶在航的流量数据进行实时监测，并且上述流量异常监测模型的类型为一类支持向量机模型，从而可以实时监测船舶在航时燃油流量计进口和出口的异常情况。
Description
技术领域
本发明涉及流量监测技术领域，尤其是涉及一种燃油流量异常监测方法、装置及电子设备。
背景技术
当船舶在航时，船舶柴油机在一定负荷下运行并需要持续消耗定量燃油输出功率，维持船舶航行。此时，柴油机流量计记录着柴油机燃油进口和出口的流量。柴油机流量计在持续的运行中，常常会产生异常状态，主要包括流量计完全失效、固定偏差、漂移偏差和精度下降。其中，流量计完全失效的异常情况较少，并且容易发现。然而，流量计的出现偏差和精度下降的异常情况就很难被检测出，这是由于在船舶航行时，柴油机持续消耗定量燃油，柴油机流量计燃油进口速率通常都大于出口速率，因此，很难识别流量计偏差故障和精度下降问题。常用的方法是选择船舶停航时，比较柴油机负荷为零时流量计进口和出口速率的偏差，当偏差值超过设定值时，确认流量计出现异常问题。然而，该种方法存在明显的缺陷。首先，船舶停航的时间不确定，如果船舶在航时柴油机流量计异常情况，会严重影响柴油机耗油量计算。其次，该方法并不能找出具体是进口或出口流量计出现异常情况。
发明内容
本发明的目的在于提供一种燃油流量异常监测方法、装置及电子设备，以监测上述流量计燃油具体是进口或出口流量计出现异常情况。
第一方面，本发明实施例提供了一种燃油流量异常监测方法，其中，包括：获取船舶在航的流量数据；其中，上述流量数据包括上述船舶的柴油机燃油进口流量速率和出口流量速率；将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，上述流量异常监测模型的类型为一类支持向量机模型。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述流量异常监测模型通过下述方式训练得到：获取船舶在航的历史流量数据；其中，上述历史流量数据包括上述船舶的柴油机燃油历史进口流量速率和历史出口流量速率与对应的燃油流量计进口和出口的异常情况；通过上述历史流量数据对预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到训练好的上述流量异常监测模型。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，在获取船舶在航的历史流量数据的步骤之后，上述方法还包括：根据上述历史流量数据，得到第一支持向量集；将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况的步骤之后，上述方法还包括：判断上述燃油流量计进口和出口是否出现异常情况；如果上述燃油流量计进口和出口没有出现异常情况，获取船舶在航的当前流量数据；其中，上述当前流量数据包括上述船舶的柴油机燃油进口当前流量速率和出口当前流量速率；根据上述当前流量数据更新上述第一支持向量集，得到第二支持向量集；根据上述第二支持向量集对上述流量异常监测模型进行训练，直到达到预设的训练要求，得到更新后的流量异常监测模型。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况的步骤，包括：将上述当前流量数据输入至上述更新后的流量异常监测模型中，输出上述燃油流量计进口和出口的当前异常情况。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，通过上述历史流量数据对预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到训练好的上述流量异常监测模型的步骤，包括：根据上述历史流量数据，构建训练样本；通过上述训练样本对上述预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到上述训练好的上述流量异常监测模型。
结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，根据上述历史流量数据，构建训练样本的步骤，包括：对上述历史流量数据进行预处理，得到上述训练样本；其中，上述预处理的过程至少包括数据归一化处理。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况的步骤之后，上述方法还包括：根据上述流量计进口和出口的异常情况，生成流量计异常报警信息。
第二方面，本发明实施例提供了一种燃油流量异常监测装置，其中，包括：数据获取模块，用于获取船舶在航的流量数据；其中，上述流量数据包括上述船舶的柴油机燃油进口流量速率和出口流量速率；异常情况输出模块，用于将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，上述流量异常监测模型的类型为一类支持向量机模型。
第三方面，本发明实施例提供了一种电子设备，其中，上述电子设备包括处理器和存储器，上述存储器存储有能够被上述处理器执行的机器可执行指令，上述处理器执行上述机器可执行指令以实现第一方面至第一方面的第六种可能的实施方式任一项的燃油流量异常监测方法。
第四方面，本发明实施例提供了一种计算机存储介质，其中，上述计算机存储介质存储有计算机程序，上述计算机程序包括程序指令，上述程序指令当被处理器执行时，使上述处理器执行如第一方面至第一方面的第六种可能的实施方式任一项的燃油流量异常监测方法。
本发明实施例带来了以下有益效果：
本发明实施例提供了一种燃油流量异常监测方法、装置及电子设备，该方法包括：获取船舶在航的流量数据；其中，上述流量数据包括上述船舶的柴油机燃油进口流量速率和出口流量速率；将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，上述流量异常监测模型的类型为一类支持向量机模型。该方法通过预先训练好的流量异常监测模型对船舶在航的流量数据进行实时监测，并且上述流量异常监测模型的类型为一类支持向量机模型，从而可以实时监测船舶在航时燃油流量计进口和出口的异常情况。
本实施例公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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附图。
图1为本发明实施例提供的一种燃油流量异常监测方法的流程示意图；
图2为本发明实施例提供的一种流量异常监测模型的流程示意图；
图3为本发明实施例提供的一种燃油流量异常监测装置的结构示意图；
图4为本发明实施例提供的一种电子设备的结构示意图。
图标：31-数据获取模块；32-异常情况输出模块；41-存储器；42-处理器；43-总线；44-通信接口。
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，下面将结合附图对本发明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，都属于本发明保护的范围。
当船舶在航时，船舶柴油机在一定负荷下运行并需要持续消耗定量燃油输出功率，维持船舶航行。此时，柴油机流量计记录着柴油机燃油进口和出口的流量。柴油机流量计在持续的运行中，常常会产生异常状态，主要包括流量计完全失效、固定偏差、漂移偏差和精度下降。其中，流量计完全失效的异常情况较少，并且容易发现。然而，流量计的出现偏差和精度下降的异常情况就很难被检测出，这是由于在船舶航行时，柴油机持续消耗定量燃油，柴油机流量计燃油进口速率通常都大于出口速率，因此，很难识别流量计偏差故障和精度下降问题。常用的方法是选择船舶停航时，比较柴油机负荷为零时流量计进口和出口速率的偏差，当偏差值超过设定值时，确认流量计出现异常问题。然而，该种方法存在明显的缺陷。首先，船舶停航的时间不确定，如果船舶在航时柴油机流量计异常情况，会严重影响柴油机耗油量计算。其次，该方法并不能找出具体是进口或出口流量计出现异常情况。
基于此，本发明实施例提供了一种燃油流量异常监测方法、装置及电子设备，该技术可以缓解上述技术问题，该技术可以实时监测船舶在航时燃油流量计进口和出口的异常情况。为便于对本发明实施例进行理解，首先对本发明实施例所公开的一种燃油流量异常监测方法进行详细介绍。
实施例1
图1为本发明实施例提供的一种燃油流量异常监测方法的流程示意图。如图1所见，该方法包括以下步骤：
步骤S101：获取船舶在航的流量数据；其中，上述流量数据包括上述船舶的柴油机燃油进口流量速率和出口流量速率。
在本实施例中，获取船舶在航的流量数据可以利用柴油机流量计记录柴油机燃油进口或出口流量，无需船舶停航就可以获取该船舶的柴油机燃油进口流量速率和出口流量速率。
步骤S102：将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，上述流量异常监测模型的类型为一类支持向量机模型。
在实际的操作中，上述流量异常监测模型基于历史流量数据训练得到，上述历史流量数据包括上述船舶的柴油机燃油历史进口流量速率和历史出口流量速率与对应的燃油流量计进口和出口的异常情况上述，从而通过上述流量异常监测模型可以直接得到燃油流量计进口和出口的异常情况。
进一步的，上述步骤S102之后，上述方法还包括：
根据上述流量计进口和出口的异常情况，生成流量计异常报警信息。
本发明实施例提供了一种燃油流量异常监测方法，该方法包括：获取船舶在航的流量数据；其中，上述流量数据包括上述船舶的柴油机燃油进口流量速率和出口流量速率；将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，上述流量异常监测模型的类型为一类支持向量机模型。该方法通过预先训练好的流量异常监测模型对船舶在航的流量数据进行实时监测，并且上述流量异常监测模型的类型为一类支持向量机模型，从而可以实时监测船舶在航时燃油流量计进口和出口的异常情况。
实施例2
在图1所示方法的基础上，本发明还提供了另一种燃油流量异常监测方法，该方法重点描述了实施例1中步骤S102中流量异常监测模型的训练过程。如图2所示，图2为本发明实施例提供的一种流量异常监测模型的流程示意图，如图2所见，通过下述训练步骤，得到上述流量异常监测模型：
步骤S201：获取船舶在航的历史流量数据；其中，上述历史流量数据包括上述船舶的柴油机燃油历史进口流量速率和历史出口流量速率与对应的燃油流量计进口和出口的异常情况。
在其中一种实施方式中，在上述步骤S201之后，该方法还包括：根据上述历史流量数据，得到第一支持向量集。
步骤S202：通过上述历史流量数据对预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到训练好的上述流量异常监测模型。
在本实施例中个，上述步骤S202包括：首先，根据上述历史流量数据，构建训练样本。然后通过上述训练样本对上述预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到上述训练好的上述流量异常监测模型。
进一步的，上述根据上述历史流量数据，构建训练样本的步骤，包括：首先，对上述历史流量数据进行预处理，得到上述训练样本；其中，上述预处理的过程至少包括数据归一化处理。
在其中的一种实施方法中，在上述步骤S202之后，该方法还包括下述步骤A1至步骤A4：
步骤A1：判断上述燃油流量计进口和出口是否出现异常情况。
步骤A2：如果上述燃油流量计进口和出口没有出现异常情况，获取船舶在航的当前流量数据；其中，上述当前流量数据包括上述船舶的柴油机燃油进口当前流量速率和出口当前流量速率。
步骤A3：根据上述当前流量数据更新上述第一支持向量集，得到第二支持向量集。
步骤A4：根据上述第二支持向量集对上述流量异常监测模型进行训练，直到达到预设的训练要求，得到更新后的流量异常监测模型。
进一步的，上述步骤S202包括：将上述当前流量数据输入至上述更新后的流量异常监测模型中，输出上述燃油流量计进口和出口的当前异常情况。
在本实施例中，上述训练过程中采用的方法如下：
步骤1：最小化预设的目标方程。其中，上述目标方程的表达式为：
s.t.wTψ〔xi〕＞ρ-ζi，ζi＞0，i＝1，2，...，n；
其中，xi表示上述训练样本，w表示预设的特征空间超平面法向量，ζi表示预设的松弛因子，ρ表示预设的特征空间超平面补偿，v表示上述训练样本总样本数中错误样本比例值，0<v<1，n表示训练样本数量，ψ(xi)表示预设的核空间映射函数。
步骤2：引入拉格朗日引子，求解特征空间的对偶：
其中，K(xi,xj)表示预设的核函数，ai表示拉格朗日乘子。
步骤3：基于上述步骤1和上述步骤2推导得出下述决策函数：
其中，上述H(x)表示决策函数。
步骤4：基于预设条件，寻找最优的决策函数H(x)，使上述训练样本中的部分样本为正常样本，即H(x)＝1；部分样本归为异常样本，即H(x)＝-1。
本发明实施例提供了一种燃油流量异常监测方法，该方法包括：获取船舶在航的流量数据；其中，上述流量数据包括上述船舶的柴油机燃油进口流量速率和出口流量速率；将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，上述流量异常监测模型的类型为一类支持向量机模型；其中，上述量异常监测模型通过下述方式训练得到：首先，获取船舶在航的历史流量数据；其中，上述历史流量数据包括上述船舶的柴油机燃油历史进口流量速率和历史出口流量速率与对应的燃油流量计进口和出口的异常情况；然后，过上述历史流量数据对预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到训练好的上述流量异常监测模型。该方法通过历史流量数据对初始一类支持向量机模型进行训练，进一步提升了燃油流量计进口和出口的异常情况的监测精度。
实施例3
本发明实施例还提供一种燃油流量异常监测装置，如图3所示，为本发明实施例提供了一种燃油流量异常监测装置的结构示意图。该装置应用于存储系统。由图3所见，该装置包括：
数据获取模块31，用于获取船舶在航的流量数据；其中，上述流量数据包括上述船舶的柴油机燃油进口流量速率和出口流量速率。
异常情况输出模块32，用于将上述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，上述流量异常监测模型的类型为一类支持向量机模型。
其中，上述数据获取模块31与上述异常情况输出模块32相连。
在其中的一种实施方式中，上述装置还包括：模型构建模块。其中，上述模型构建模块用于获取船舶在航的历史流量数据；其中，上述历史流量数据包括上述船舶的柴油机燃油历史进口流量速率和历史出口流量速率与对应的燃油流量计进口和出口的异常情况；通过上述历史流量数据对预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到训练好的上述流量异常监测模型。
在其中的一种实施方式中，上述模型构建模块还用于根据上述历史流量数据，得到第一支持向量集；上述异常情况输出模块32，还用于判断上述燃油流量计进口和出口是否出现异常情况；如果上述燃油流量计进口和出口没有出现异常情况，获取船舶在航的当前流量数据；其中，上述当前流量数据包括上述船舶的柴油机燃油进口当前流量速率和出口当前流量速率；根据上述当前流量数据更新上述第一支持向量集，得到第二支持向量集；根据上述第二支持向量集对上述流量异常监测模型进行训练，直到达到预设的训练要求，得到更新后的流量异常监测模型。
在其中的一种实施方式中，上述异常情况输出模块32还用于将上述当前流量数据输入至上述更新后的流量异常监测模型中，输出上述燃油流量计进口和出口的当前异常情况。
在其中的一种实施方式中，上述模型构建模块还用于根据上述历史流量数据，构建训练样本；通过上述训练样本对上述预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到上述训练好的上述流量异常监测模型。
在其中的一种实施方式中，上述模型构建模块还用于对上述历史流量数据进行预处理，得到上述训练样本；其中，上述预处理的过程至少包括数据归一化处理。
在其中的一种实施方式中，上述异常情况输出模块32还用于根据上述流量计进口和出口的异常情况，生成流量计异常报警信息。
本发明实施例提供的燃油流量异常监测装置，与上述实施例提供的燃油流量异常监测方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
实施例4
本实施例提供了一种电子设备，包括处理器和存储器，该存储器存储有能够被该处理器执行的计算机可执行指令，该处理器执行该计算机可执行指令以实现存储芯片燃油流量异常监测方法的步骤。
参见图4所示的一种电子设备的结构示意图，该电子设备包括：存储器41、处理器42，存储器中存储有可在处理器42上运行的计算机程序，处理器执行计算机程序时实现上述存储芯片燃油流量异常监测方法提供的步骤。
如图4所示，该设备还包括：总线43和通信接口44，处理器42、通信接口44和存储器41通过总线43连接；处理器42用于执行存储器41中存储的可执行模块，例如计算机程序。
其中，存储器41可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口44(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线43可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器41用于存储程序，处理器42在接收到执行指令后，执行程序，前述本发明任一实施例揭示存储芯片燃油流量异常监测装置所执行的方法可以应用于处理器42中，或者由处理器42实现。处理器42可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器42中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器42可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器42读取存储器41中的信息，结合其硬件完成上述方法的步骤。
进一步地，本发明实施例还提供了一种计算机存储介质，上述计算机存储介质存储有计算机程序，上述计算机程序包括程序指令，上述程序指令当被处理器42执行时，使上述处理器42执行实现上述存储芯片燃油流量异常监测方法。
本发明实施例提供的存储芯片燃油流量异常监测装置和燃油流量异常监测方法的验证装置具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为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，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
Claims (10)
1.一种燃油流量异常监测方法，其特征在于，包括：
获取船舶在航的流量数据；其中，所述流量数据包括所述船舶的柴油机燃油进口流量速率和出口流量速率；
将所述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，所述流量异常监测模型的类型为一类支持向量机模型。
2.根据权利要求1所述的燃油流量异常监测方法，其特征在于，所述流量异常监测模型通过下述方式训练得到：
获取船舶在航的历史流量数据；其中，所述历史流量数据包括所述船舶的柴油机燃油历史进口流量速率和历史出口流量速率与对应的燃油流量计进口和出口的异常情况；
通过所述历史流量数据对预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到训练好的所述流量异常监测模型。
3.根据权利要求2所述的燃油流量异常监测方法，其特征在于，在获取船舶在航的历史流量数据的步骤之后，所述方法还包括：
根据所述历史流量数据，得到第一支持向量集；
将所述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况的步骤之后，所述方法还包括：
判断所述燃油流量计进口和出口是否出现异常情况；
如果所述燃油流量计进口和出口没有出现异常情况，获取船舶在航的当前流量数据；其中，所述当前流量数据包括所述船舶的柴油机燃油进口当前流量速率和出口当前流量速率；
根据所述当前流量数据更新所述第一支持向量集，得到第二支持向量集；
根据所述第二支持向量集对所述流量异常监测模型进行训练，直到达到预设的训练要求，得到更新后的流量异常监测模型。
4.根据权利要求3所述的燃油流量异常监测方法，其特征在于，将所述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况的步骤，包括：
将所述当前流量数据输入至所述更新后的流量异常监测模型中，输出所述燃油流量计进口和出口的当前异常情况。
5.根据权利要求2所述的燃油流量异常监测方法，其特征在于，通过所述历史流量数据对预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到训练好的所述流量异常监测模型的步骤，包括：
根据所述历史流量数据，构建训练样本；
通过所述训练样本对所述预设的初始一类支持向量机模型进行训练，直到达到预设的训练要求，得到所述训练好的所述流量异常监测模型。
6.根据权利要求5所述的燃油流量异常监测方法，其特征在于，根据所述历史流量数据，构建训练样本的步骤，包括：
对所述历史流量数据进行预处理，得到所述训练样本；其中，所述预处理的过程至少包括数据归一化处理。
7.根据权利要求1所述的燃油流量异常监测方法，其特征在于，将所述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况的步骤之后，所述方法还包括：
根据所述流量计进口和出口的异常情况，生成流量计异常报警信息。
8.一种燃油流量异常监测装置，其特征在于，包括：
数据获取模块，用于获取船舶在航的流量数据；其中，所述流量数据包括所述船舶的柴油机燃油进口流量速率和出口流量速率；
异常情况输出模块，用于将所述流量数据输入至预先训练好的流量异常监测模型中，输出燃油流量计进口和出口的异常情况；其中，所述流量异常监测模型的类型为一类支持向量机模型。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的燃油流量异常监测方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时，使所述处理器执行如权利要求1至7任一项所述的燃油流量异常监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211357153.2A CN115615523A (zh) | 2022-11-01 | 2022-11-01 | 燃油流量异常监测方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211357153.2A CN115615523A (zh) | 2022-11-01 | 2022-11-01 | 燃油流量异常监测方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115615523A true CN115615523A (zh) | 2023-01-17 |
Family
ID=84876493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211357153.2A Pending CN115615523A (zh) | 2022-11-01 | 2022-11-01 | 燃油流量异常监测方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115615523A (zh) |
-
2022
- 2022-11-01 CN CN202211357153.2A patent/CN115615523A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108923952B (zh) | 基于服务监控指标的故障诊断方法、设备及存储介质 | |
| US20120310597A1 (en) | Failure cause diagnosis system and method | |
| JPH07200040A (ja) | 製造プロセスを制御する方法 | |
| CN115237040B (zh) | 一种船舶设备安全操作管理方法、系统、装置和介质 | |
| CN111191838B (zh) | 一种集成人工智能算法的工业设备状态管控方法和装置 | |
| US20220291285A1 (en) | Enhanced electrical signature analysis for fault detection | |
| CN115081673B (zh) | 一种油气管道的异常预测方法、装置、电子设备及介质 | |
| CN117092525B (zh) | 电池热失控预警模型的训练方法、装置及电子设备 | |
| CN115615523A (zh) | 燃油流量异常监测方法、装置及电子设备 | |
| CN117325881A (zh) | 一种车辆告警预测方法、装置、电子设备及存储介质 | |
| CN116300821A (zh) | 一种调压器故障诊断的方法、装置及电子设备 | |
| US20230305551A1 (en) | Method and system for automated fault detection | |
| CN114997271A (zh) | 一种水电机组故障的智能诊断方法及系统 | |
| CN114157486A (zh) | 通信流量数据异常检测方法、装置、电子设备及存储介质 | |
| CN113808727A (zh) | 设备监控方法、装置、计算机设备和可读存储介质 | |
| CN113505039A (zh) | 一种通信故障分析方法、设备及系统 | |
| CN114746821A (zh) | 诊断装置、诊断方法及程序 | |
| CN117451284B (zh) | 容器气密性异常检测方法、装置、电子设备和存储介质 | |
| CN115165044A (zh) | 一种燃油流量异常识别方法、装置及电子设备 | |
| CN109888338A (zh) | 基于统计的sofc供气故障检测方法及设备 | |
| CN112115591B (zh) | 一种工作状态的分析方法、装置及设备 | |
| CN118550241B (zh) | 可重入制造系统故障诊断方法、计算机设备和存储介质 | |
| CN116006275A (zh) | 一种涡轮增压器性能监测方法、装置及电子设备 | |
| CN116010809A (zh) | 一种船舶柴油机燃油流量计异常状态监测方法和装置 | |
| CN118642930A (zh) | 大数据任务异常的检测方法、装置、电子设备及存储介质 |
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 |