CN115641549A - 一种主推进柴油机组健康监测方法和系统 - Google Patents
一种主推进柴油机组健康监测方法和系统 Download PDFInfo
- Publication number
- CN115641549A CN115641549A CN202211273036.8A CN202211273036A CN115641549A CN 115641549 A CN115641549 A CN 115641549A CN 202211273036 A CN202211273036 A CN 202211273036A CN 115641549 A CN115641549 A CN 115641549A
- Authority
- CN
- China
- Prior art keywords
- equipment
- sub
- health
- group
- main propulsion
- 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.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 187
- 238000012544 monitoring process Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004891 communication Methods 0.000 claims description 67
- 238000001514 detection method Methods 0.000 claims description 37
- 238000012423 maintenance Methods 0.000 claims description 37
- 238000012800 visualization Methods 0.000 claims description 35
- 230000002452 interceptive effect Effects 0.000 claims description 27
- 230000004044 response Effects 0.000 claims description 22
- 230000003993 interaction Effects 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 13
- 230000001681 protective effect Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000013210 evaluation model Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供的一种主推进柴油机组健康监测方法和系统，具体应用于主推进柴油机领域，包括：标记目标主推进柴油机组中任一子设备，得到对应的设备标签；对任一子设备进行分组，得到多个子设备组；采集任一子设备组的参数数据；将任一子设备组的参数数据输入对应的健康评估模型，得到对应的健康度；融合任一子设备组的健康度，得到该目标主推进柴油机组的健康监测结果。由此提高主推进柴油机组健康监测的效率和准确性。
Description
技术领域
本申请涉及主推进柴油机领域，更具体地，涉及一种主推进柴油机组健康监测方法和系统。
背景技术
目前世界能源需求量与日俱增,为了节约能源,降低污染和提高生产效率,我国十分重视柴油机相关的研究工作。船舶柴油机是以柴油机作为动力的船舶的心脏,但其结构复杂,工作条件恶劣,容易发生故障,而且检测过程繁杂,维修工作量大,一旦修理和维护不及时或不准确,将导致海损事故,造成人员财产损失和海洋污染。因此如何对柴油机可能存在的安全隐患进行智能预警是一项亟待解决的问题。
现有技术中，通常将图像识别和人工智能技术结合实现主推进柴油机组的设备监测，然而主推进柴油机组的结构具有多样性和复杂性，这种方式无法得到准确的健康监测结果。
发明内容
本发明实施例的目的在于提供一种主推进柴油机组健康监测方法和系统，通过设备的标记和分组，对目标主推进柴油机组进行多方面、综合性的健康监测，由此提高健康监测的效率和准确性。具体技术方案如下：
在本发明实施例的第一方面，提供一种主推进柴油机组健康监测方法，包括：
目标主推进柴油机组包括多个子设备；标记任一所述子设备，得到对应的设备标签；
基于所述设备标签对任一所述子设备进行分组，得到多个子设备组；
采集任一所述子设备组的参数数据；
将任一所述子设备组的参数数据输入对应的健康评估模型，得到该子设备组的健康度；
融合所述任一所述子设备组的健康度，得到所述目标主推进柴油机组的健康监测结果。
可选地，所述设备标签包括监测设备、防护设备、运转设备、可视化设备、通信设备以及控制设备。
可选地，所述子设备组包括运维组和交互组；所述基于所述设备标签对任一所述子设备进行分组，得到多个子设备组，包括：
若任一子设备的设备标签是监测设备、防护设备或运转设备，则将该子设备划分至所述运维组；
若任一子设备的设备标签是可视化设备、通信设备或控制设备，则将该子设备划分至所述交互组。
可选地，该方法还包括：
采集目标主推进柴油机组的标准图像数据和历史图像数据；
将所述标准图像数据和所述历史图像数据输入健康检测模型，预测健康度；采用交叉熵损失函数计算损失值，训练所述健康检测模型；
将所述健康检测模型确定为运维组对应的健康评估模型。
可选地，所述将所述标准图像数据和所述历史图像数据输入健康检测模型，预测健康度，包括：
将所述标准图像数据和所述历史图像数据输入健康检测模型，得到比较矩阵，确定亚健康概率；
基于所述亚健康概率预测健康度。
可选地，所述采集任一所述子设备组的参数数据，包括：
采集运维组的待评估图像数据；其中，所述待评估图像数据包括监测设备、防护设备以及运转设备的部件图像数据；
采集交互组的待评估交互数据；其中，所述待评估交互数据包括可视化设备的响应速度、通信设备的通信速率以及控制设备的控制精度；
将所述待评估图像数据和所述待评估交互数据作为参数数据。
可选地，所述将任一所述子设备组的参数数据输入对应的健康评估模型，得到该子设备组的健康度，包括：
若所述子设备组为运维组，则将该子设备组的待评估图像数据输入训练好的健康检测模型，得到第一健康度P；
若所述子设备组为交互组，则采用如下公式得到第二健康度Q：
其中，
分别表示可视化设备的平均响应速度、通信设备的平均通信速率，V1、V2分别表示可视化设备的标准响应速度、通信设备的标准通信速率，N1、N2分别表示可视化设备的响应次数、通信设备的通信成功次数，C1、C2分别表示可视化设备的未响应次数、通信设备的通信失败次数，T表示控制设备的控制精度。
可选地，所述融合所述任一所述子设备组的健康度，得到所述目标主推进柴油机组的健康监测结果，包括：
融合所述第一健康度P和所述第二健康度Q，得到所述目标主推进柴油机组的健康监测值；
分析所述健康监测值得到健康监测结果，并通过所述可视化设备进行可视化显示。
可选地，通过如下公式得到所述目标主推进柴油机组的健康监测值F：
其中，m表示运维组的子设备数量，n表示交互组的子设备数量，D表示目标主推进柴油机组的损耗率。
在本发明实施例的又一方面，提供一种主推进柴油机组健康监测系统，包括：
标记模块，用于目标主推进柴油机组包括多个子设备；标记任一所述子设备，得到对应的设备标签；
分组模块，用于基于所述设备标签对任一所述子设备进行分组，得到多个子设备组；
数据采集模块，用于采集任一所述子设备组的参数数据；
健康监测模块，用于将任一所述子设备组的参数数据输入对应的健康评估模型，得到该子设备组的健康度；
融合所述任一所述子设备组的健康度，得到所述目标主推进柴油机组的健康监测结果。
可选地，所述设备标签包括监测设备、防护设备、运转设备、可视化设备、通信设备以及控制设备。
可选地，所述子设备组包括运维组和交互组；所述分组模块进一步用于：
若任一子设备的设备标签是监测设备、防护设备或运转设备，则将该子设备划分至所述运维组；
若任一子设备的设备标签是可视化设备、通信设备或控制设备，则将该子设备划分至所述交互组。
可选地，该系统还包括模型训练模块，用于采集目标主推进柴油机组的标准图像数据和历史图像数据；
将所述标准图像数据和所述历史图像数据输入健康检测模型，预测健康度；采用交叉熵损失函数计算损失值，训练所述健康检测模型；
将所述健康检测模型确定为运维组对应的健康评估模型。
可选地，所述将所述标准图像数据和所述历史图像数据输入健康检测模型，预测健康度，包括：
将所述标准图像数据和所述历史图像数据输入健康检测模型，得到比较矩阵，确定亚健康概率；
基于所述亚健康概率预测健康度。
可选地，所述数据采集模块进一步用于：
采集运维组的待评估图像数据；其中，所述待评估图像数据包括监测设备、防护设备以及运转设备的部件图像数据；
采集交互组的待评估交互数据；其中，所述待评估交互数据包括可视化设备的响应速度、通信设备的通信速率以及控制设备的控制精度；
将所述待评估图像数据和所述待评估交互数据作为参数数据。
可选地，所述健康监测模块进一步用于：
若所述子设备组为运维组，则将该子设备组的待评估图像数据输入训练好的健康检测模型，得到第一健康度P；
若所述子设备组为交互组，则采用如下公式得到第二健康度Q：
其中，
分别表示可视化设备的平均响应速度、通信设备的平均通信速率，V1、V2分别表示可视化设备的标准响应速度、通信设备的标准通信速率，N1、N2分别表示可视化设备的响应次数、通信设备的通信成功次数，C1、C2分别表示可视化设备的未响应次数、通信设备的通信失败次数，T表示控制设备的控制精度。
可选地，所述健康监测模块进一步用于：
融合所述第一健康度P和所述第二健康度Q，得到所述目标主推进柴油机组的健康监测值；
分析所述健康监测值得到健康监测结果，并通过所述可视化设备进行可视化显示。
可选地，通过如下公式得到所述目标主推进柴油机组的健康监测值F：
其中，m表示运维组的子设备数量，n表示交互组的子设备数量，D表示目标主推进柴油机组的损耗率。
有益效果：
(1)通过提出全新的设备的标记和分组方式，对目标主推进柴油机组进行多方面、综合性的健康监测。
(2)对于涉及到运维状态的设备，本发明引入健康检测模型计算亚健康概率，预测健康度，通过损失函数迭代训练该健康检测模型，由此提高模型训练精度和效率，对机组运维情况进行更好的评估。
(3)对于涉及到交互性能的设备，本发明引入可视化设备的响应速度、通信设备的通信速率以及控制设备的控制精度作为影响因子，提出健康度计算模型，由此对性能的度量更为精确，对机组交互情况进行更好的评估。
(4)本发明还引入参数损耗率和子设备数量，提出了融合运维状态和交互性能的健康度计算模型，由此提高主推进柴油机组健康监测的效率和准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例提供的一种主推进柴油机组健康监测方法的流程图；
图2是本申请实施例提供的健康评估模型训练方法的流程图；
图3是本申请实施例提供的一种主推进柴油机组健康监测系统的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。
本申请实施例提供了本申请提供的一种主推进柴油机组健康监测方法和系统，包括：标记目标主推进柴油机组中任一子设备，得到对应的设备标签；对任一子设备进行分组，得到多个子设备组；采集任一子设备组的参数数据；将任一子设备组的参数数据输入对应的健康评估模型，得到对应的健康度；融合任一子设备组的健康度，得到所述目标主推进柴油机组的健康监测结果。由此提高主推进柴油机组健康监测的效率和准确性。
该主推进柴油机组健康监测方法和系统，具体可以集成在电子设备中，该电子设备可以为终端、服务器等设备。其中，终端可以为手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑(Personal Computer，PC)等设备；服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群。
可以理解的是，本实施例的该主推进柴油机组健康监测方法和系统可以是在终端上执行的，也可以是在服务器上执行，还可以由终端和服务器共同执行的。以上举例不应理解为对本申请的限制。
人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
近年来，随着人工智能技术研究和进步，人工智能技术在多个领域得到广泛应用，本公开实施例提供的方案涉及计算机视觉技术、人工智能的机器学习/深度学习等技术，具体通过如下实施例进行说明：
实施例一
请参阅图1，图1示出根据本公开一实施例提供的主推进柴油机组健康监测方法的流程图，该方法具体包括如下步骤：
步骤S110、目标主推进柴油机组包括多个子设备；标记任一所述子设备，得到对应的设备标签。
其中，设备标签可以包括监测设备、防护设备、运转设备、可视化设备、通信设备以及控制设备。
步骤S120、基于所述设备标签对任一所述子设备进行分组，得到多个子设备组。
其中，设备组可以包括运维组和交互组。具体地，若任一子设备的设备标签是监测设备、防护设备或运转设备，则将该子设备划分至所述运维组；若任一子设备的设备标签是可视化设备、通信设备或控制设备，则将该子设备划分至所述交互组。
步骤S130、采集任一所述子设备组的参数数据。
具体地，采集运维组的待评估图像数据；其中，所述待评估图像数据包括监测设备、防护设备以及运转设备的部件图像数据；采集交互组的待评估交互数据；其中，所述待评估交互数据包括可视化设备的响应速度、通信设备的通信速率以及控制设备的控制精度；将所述待评估图像数据和所述待评估交互数据作为参数数据。
步骤S140、将任一所述子设备组的参数数据输入对应的健康评估模型，得到该子设备组的健康度。
在一种实施方式中，步骤S140可以具体包括以下步骤：
步骤S141、若所述子设备组为运维组，则将该子设备组的待评估图像数据输入训练好的健康检测模型，得到第一健康度P。
其中，健康检测模型的训练方式将在下一实施例中详细阐述，在此不做赘述。
步骤S142、若所述子设备组为交互组，则采用如下公式得到第二健康度Q：
其中，
分别表示可视化设备的平均响应速度、通信设备的平均通信速率，V1、V2分别表示可视化设备的标准响应速度、通信设备的标准通信速率，N1、N2分别表示可视化设备的响应次数、通信设备的通信成功次数，C1、C2分别表示可视化设备的未响应次数、通信设备的通信失败次数，T表示控制设备的控制精度。
本实施方式中，对于涉及到交互性能的设备，引入可视化设备的响应速度、通信设备的通信速率以及控制设备的控制精度作为影响因子，提出健康度计算模型，由此对性能的度量更为精确，对机组交互情况进行更好的评估。
步骤S150、融合所述任一所述子设备组的健康度，得到所述目标主推进柴油机组的健康监测结果。
在一种实施方式中，步骤S150可以具体包括以下步骤：
步骤S151、融合所述第一健康度P和所述第二健康度Q，得到所述目标主推进柴油机组的健康监测值。
具体地，通过如下公式得到所述目标主推进柴油机组的健康监测值F：
其中，m表示运维组的子设备数量，n表示交互组的子设备数量，D表示目标主推进柴油机组的损耗率。
需要说明的是，损耗率可以基于目标主推进柴油机组的使用频率和使用年限进行计算，在此不做具体限定。
由此引入参数损耗率和子设备数量，提出融合运维状态和交互性能的健康度计算模型，以提高主推进柴油机组健康监测的效率和准确性。
步骤S152、分析所述健康监测值得到健康监测结果，并通过所述可视化设备进行可视化显示。
其中，可以汇总多时段的健康监测值，绘制直方图；通过可视化设备显示所述直方图。
本实施例通过提出全新的设备的标记和分组方式，对目标主推进柴油机组进行多方面、综合性的健康监测，由此能够快速、准确地实现机组健康监测和危险预警。
实施例二
图2示出了本申请实施例提供的健康评估模型训练方法的流程图，请参考图2，具体包括如下步骤：
步骤S210、采集目标主推进柴油机组的标准图像数据和历史图像数据。
步骤S220、将所述标准图像数据和所述历史图像数据输入健康检测模型，预测健康度。
在一种实施方式中，步骤S220可以具体包括以下步骤：
步骤S221、将所述标准图像数据和所述历史图像数据输入健康检测模型，得到比较矩阵，确定亚健康概率。
其中，健康检测模型可以是深度神经网络模型。具体地，将比较矩阵中的正值在历史图像数据中相应的位置确定为亚健康点，比较矩阵中的负值和零在历史图像数据中相应的位置确定为健康点；基于亚健康点和健康点的比例计算亚健康概率，即亚健康概率＝亚健康点/(亚健康点+健康点)。
步骤S222、基于所述亚健康概率预测健康度。
其中，健康度＝1/亚健康概率。
步骤S230、采用交叉熵损失函数计算损失值，训练所述健康检测模型。
具体地，基于健康度和交叉熵损失函数计算损失值，通过损失值更新健康检测模型中的参数，执行多次迭代，得到训练好的健康检测模型。
步骤S240、将所述健康检测模型确定为运维组对应的健康评估模型。
本实施例引入健康检测模型计算亚健康概率，预测健康度，通过损失函数迭代训练该健康检测模型，由此提高模型训练精度和效率，对机组运维情况进行更好的评估。
实施例三
本实施例还提供一种主推进柴油机组健康监测系统，如图3所示，该系统包括：
标记模块310，用于目标主推进柴油机组包括多个子设备；标记任一所述子设备，得到对应的设备标签。
其中，设备标签包括监测设备、防护设备、运转设备、可视化设备、通信设备以及控制设备。
分组模块320，用于基于所述设备标签对任一所述子设备进行分组，得到多个子设备组。
其中，子设备组包括运维组和交互组。
具体地，所述分组模块320进一步用于：若任一子设备的设备标签是监测设备、防护设备或运转设备，则将该子设备划分至所述运维组；若任一子设备的设备标签是可视化设备、通信设备或控制设备，则将该子设备划分至所述交互组。
数据采集模块330，用于采集任一所述子设备组的参数数据。
具体地，所述数据采集模块330进一步用于：采集运维组的待评估图像数据；其中，所述待评估图像数据包括监测设备、防护设备以及运转设备的部件图像数据；采集交互组的待评估交互数据；其中，所述待评估交互数据包括可视化设备的响应速度、通信设备的通信速率以及控制设备的控制精度；将所述待评估图像数据和所述待评估交互数据作为参数数据。
健康监测模块340，用于将任一所述子设备组的参数数据输入对应的健康评估模型，得到该子设备组的健康度；融合所述任一所述子设备组的健康度，得到所述目标主推进柴油机组的健康监测结果。
具体地，所述健康监测模块340进一步用于：若所述子设备组为运维组，则将该子设备组的待评估图像数据输入训练好的健康检测模型，得到第一健康度P。
若所述子设备组为交互组，则采用如下公式得到第二健康度Q：
其中，
分别表示可视化设备的平均响应速度、通信设备的平均通信速率，V1、V2分别表示可视化设备的标准响应速度、通信设备的标准通信速率，N1、N2分别表示可视化设备的响应次数、通信设备的通信成功次数，C1、C2分别表示可视化设备的未响应次数、通信设备的通信失败次数，T表示控制设备的控制精度。
融合所述第一健康度P和所述第二健康度Q，得到所述目标主推进柴油机组的健康监测值，公式如下：
其中，m表示运维组的子设备数量，n表示交互组的子设备数量，D表示目标主推进柴油机组的损耗率。
分析所述健康监测值得到健康监测结果，并通过所述可视化设备进行可视化显示。
进一步地，该系统还包括模型训练模块350，用于采集主推进柴油机组的标准图像数据和历史图像数据；将所述标准图像数据和所述历史图像数据输入健康检测模型，预测健康度；采用交叉熵损失函数计算损失值，训练所述健康检测模型；将所述健康检测模型确定为运维组对应的健康评估模型。
具体地，将所述标准图像数据和所述历史图像数据输入健康检测模型，得到比较矩阵，确定亚健康概率；基于所述亚健康概率预测健康度。
由此提高该主推进柴油机组健康监测系统的监测效率和准确性。
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，上述描述装置中模块/单元/子单元/组件的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。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，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个装置，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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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网络单元上。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，在本申请提供的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。
所述功能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，本申请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(可以是个人计算机，服务器，或者网络设备等)执行本申请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、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种主推进柴油机组健康监测方法，其特征在于，该方法包括：
目标主推进柴油机组包括多个子设备；标记任一所述子设备，得到对应的设备标签；
基于所述设备标签对任一所述子设备进行分组，得到多个子设备组；
采集任一所述子设备组的参数数据；
将任一所述子设备组的参数数据输入对应的健康评估模型，得到该子设备组的健康度；
融合所述任一所述子设备组的健康度，得到所述目标主推进柴油机组的健康监测结果。
2.根据权利要求1所述的主推进柴油机组健康监测方法，其特征在于，所述设备标签包括监测设备、防护设备、运转设备、可视化设备、通信设备以及控制设备。
3.根据权利要求2所述的主推进柴油机组健康监测方法，其特征在于，所述子设备组包括运维组和交互组；所述基于所述设备标签对任一所述子设备进行分组，得到多个子设备组，包括：
若任一子设备的设备标签是监测设备、防护设备或运转设备，则将该子设备划分至所述运维组；
若任一子设备的设备标签是可视化设备、通信设备或控制设备，则将该子设备划分至所述交互组。
4.根据权利要求3所述的主推进柴油机组健康监测方法，其特征在于，该方法还包括：
采集目标主推进柴油机组的标准图像数据和历史图像数据；
将所述标准图像数据和所述历史图像数据输入健康检测模型，预测健康度；
采用交叉熵损失函数计算损失值，训练所述健康检测模型；
将所述健康检测模型确定为运维组对应的健康评估模型。
5.根据权利要求4所述的主推进柴油机组健康监测方法，其特征在于，所述将所述标准图像数据和所述历史图像数据输入健康检测模型，预测健康度，包括：
将所述标准图像数据和所述历史图像数据输入健康检测模型，得到比较矩阵，确定亚健康概率；
基于所述亚健康概率预测健康度。
6.根据权利要求4所述的主推进柴油机组健康监测方法，其特征在于，所述采集任一所述子设备组的参数数据，包括：
采集运维组的待评估图像数据；其中，所述待评估图像数据包括监测设备、防护设备以及运转设备的部件图像数据；
采集交互组的待评估交互数据；其中，所述待评估交互数据包括可视化设备的响应速度、通信设备的通信速率以及控制设备的控制精度；
将所述待评估图像数据和所述待评估交互数据作为参数数据。
7.根据权利要求6所述的主推进柴油机组健康监测方法，其特征在于，所述将任一所述子设备组的参数数据输入对应的健康评估模型，得到该子设备组的健康度，包括：
若所述子设备组为运维组，则将该子设备组的待评估图像数据输入训练好的健康检测模型，得到第一健康度P；
若所述子设备组为交互组，则采用如下公式得到第二健康度Q：
其中，
分别表示可视化设备的平均响应速度、通信设备的平均通信速率，V1、V2分别表示可视化设备的标准响应速度、通信设备的标准通信速率，N1、N2分别表示可视化设备的响应次数、通信设备的通信成功次数，C1、C2分别表示可视化设备的未响应次数、通信设备的通信失败次数，T表示控制设备的控制精度。
8.根据权利要求7所述的主推进柴油机组健康监测方法，其特征在于，所述融合所述任一所述子设备组的健康度，得到所述目标主推进柴油机组的健康监测结果，包括：
融合所述第一健康度P和所述第二健康度Q，得到所述目标主推进柴油机组的健康监测值；
分析所述健康监测值得到健康监测结果，并通过所述可视化设备进行可视化显示。
9.根据权利要求8所述的主推进柴油机组健康监测方法，其特征在于，通过如下公式得到所述目标主推进柴油机组的健康监测值F：
其中，m表示运维组的子设备数量，n表示交互组的子设备数量，D表示目标主推进柴油机组的损耗率。
10.一种主推进柴油机组健康监测系统，其特征在于，该系统包括：
标记模块，用于目标主推进柴油机组包括多个子设备；标记任一所述子设备，得到对应的设备标签；
分组模块，用于基于所述设备标签对任一所述子设备进行分组，得到多个子设备组；
数据采集模块，用于采集任一所述子设备组的参数数据；
健康监测模块，用于将任一所述子设备组的参数数据输入对应的健康评估模型，得到该子设备组的健康度；
融合所述任一所述子设备组的健康度，得到所述目标主推进柴油机组的健康监测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211273036.8A CN115641549B (zh) | 2022-10-18 | 2022-10-18 | 一种主推进柴油机组健康监测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211273036.8A CN115641549B (zh) | 2022-10-18 | 2022-10-18 | 一种主推进柴油机组健康监测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115641549A true CN115641549A (zh) | 2023-01-24 |
| CN115641549B CN115641549B (zh) | 2023-05-26 |
Family
ID=84944822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211273036.8A Active CN115641549B (zh) | 2022-10-18 | 2022-10-18 | 一种主推进柴油机组健康监测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115641549B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116773168A (zh) * | 2023-06-20 | 2023-09-19 | 南通思诺船舶科技有限公司 | 一种推进轴故障诊断方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108520080A (zh) * | 2018-05-11 | 2018-09-11 | 武汉理工大学 | 船舶柴油发电机故障预测与健康状态在线评估系统及方法 |
| CN114061957A (zh) * | 2021-11-18 | 2022-02-18 | 江苏科技大学 | 一种柴油机主轴承的健康评估方法 |
| CN114091894A (zh) * | 2021-11-19 | 2022-02-25 | 中国北方发动机研究所(天津) | 柴油机多源信息监控与自适应健康度评估装置及评估方法 |
| CN114648136A (zh) * | 2022-04-01 | 2022-06-21 | 姚红昭 | 动设备健康度评估方法、装置、设备及存储介质 |
| CN115131187A (zh) * | 2022-07-07 | 2022-09-30 | 北京拙河科技有限公司 | 机场多点定位监测数据的生成方法及系统 |
-
2022
- 2022-10-18 CN CN202211273036.8A patent/CN115641549B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108520080A (zh) * | 2018-05-11 | 2018-09-11 | 武汉理工大学 | 船舶柴油发电机故障预测与健康状态在线评估系统及方法 |
| CN114061957A (zh) * | 2021-11-18 | 2022-02-18 | 江苏科技大学 | 一种柴油机主轴承的健康评估方法 |
| CN114091894A (zh) * | 2021-11-19 | 2022-02-25 | 中国北方发动机研究所(天津) | 柴油机多源信息监控与自适应健康度评估装置及评估方法 |
| CN114648136A (zh) * | 2022-04-01 | 2022-06-21 | 姚红昭 | 动设备健康度评估方法、装置、设备及存储介质 |
| CN115131187A (zh) * | 2022-07-07 | 2022-09-30 | 北京拙河科技有限公司 | 机场多点定位监测数据的生成方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 李建勇,曹龙汉,杨波: "基于组态技术的油机发电机组控制系统" * |
| 蔡艳平;李艾华;: "柴油机无损监测诊断系统的研制" * |
| 赖岳华: "变工况下柴油机故障在线监测与维修决策优化方法研究与应用" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116773168A (zh) * | 2023-06-20 | 2023-09-19 | 南通思诺船舶科技有限公司 | 一种推进轴故障诊断方法及系统 |
| CN116773168B (zh) * | 2023-06-20 | 2024-03-12 | 南通思诺船舶科技有限公司 | 一种推进轴故障诊断方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115641549B (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108520080B (zh) | 船舶柴油发电机故障预测与健康状态在线评估系统及方法 | |
| CN112149329B (zh) | 核电厂关键设备的状态预演方法、系统、设备及存储介质 | |
| Yan et al. | Big-data-driven based intelligent prognostics scheme in industry 4.0 environment | |
| CN113592019A (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
| CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
| CN115641549B (zh) | 一种主推进柴油机组健康监测方法和系统 | |
| CN112306835A (zh) | 用户数据监控分析方法、装置、设备及介质 | |
| CN113516417A (zh) | 基于智能建模的业务评估方法、装置、电子设备及介质 | |
| CN114399212A (zh) | 生态环境质量评估方法、装置、电子设备及存储介质 | |
| CN116257663A (zh) | 面向无人地面车辆的异常检测与关联分析方法及相关设备 | |
| CN115660262A (zh) | 一种基于数据库应用的工程智慧质检方法、系统及介质 | |
| CN113869456A (zh) | 采样监测方法、装置、电子设备及存储介质 | |
| CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
| CN112346838A (zh) | 一种基于物联网的智能调度方法及装置 | |
| CN115829172B (zh) | 污染预测方法、装置、计算机设备和存储介质 | |
| CN115524002B (zh) | 一种电厂旋转设备的运行状态预警方法、系统及存储介质 | |
| CN117194163A (zh) | 一种计算机设备、故障检测系统、方法及可读存储介质 | |
| CN117036732A (zh) | 一种基于融合模型的机电设备检测系统、方法及设备 | |
| CN112101481A (zh) | 目标物的影响因子筛选方法、装置、设备及存储介质 | |
| CN109074413A (zh) | 用于确定资产是否有可能具有流体问题的计算机化流体分析 | |
| CN115034812B (zh) | 基于大数据的钢铁行业销售量预测方法及装置 | |
| CN116227676A (zh) | 生产设备能耗分析方法、装置、电子设备及存储介质 | |
| CN116164822A (zh) | 基于知识图谱的流量计故障诊断方法、装置、介质 | |
| CN115186054A (zh) | 一种故障可视化分析方法及系统 | |
| CN112215336A (zh) | 基于用户行为的数据标注方法、装置、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |