CN116311594B - 一种船舶子系统状态分析方法、装置及存储介质 - Google Patents
一种船舶子系统状态分析方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116311594B CN116311594B CN202310528886.6A CN202310528886A CN116311594B CN 116311594 B CN116311594 B CN 116311594B CN 202310528886 A CN202310528886 A CN 202310528886A CN 116311594 B CN116311594 B CN 116311594B
- Authority
- CN
- China
- Prior art keywords
- parameter
- value
- deviation
- calculating
- similarity
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000005070 sampling Methods 0.000 claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims description 49
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002923 metal particle Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开一种船舶子系统状态分析方法、装置及存储介质，分析方法包括以下步骤：采集采样区间内各设备的当前运行参数数据，计算得到单参数超限次数；计算采样区间内当前运行参数数据中各参数的平均值，并基于平均值构建各设备的当前运行参数数列，计算各设备的当前运行参数数列与健康运行参数数列的相似度和偏离度；判断各设备的单参数超限次数是否大于单参数超限次数阈值、相似度是否小于相似度阈值或偏离度是否大于偏离度阈值，若判断结果均为否，则根据各设备的单参数超限次数、相似度和偏离度计算各设备的当前运行状态值；计算各设备运行状态在子系统状态评估中的权重值；基于各设备的当前运行状态值和权重值计算得到子系统状态评估值。
Description
技术领域
本发明涉及船舶技术领域，具体为一种船舶子系统状态分析方法、装置及存储介质。
背景技术
船舶系统非常复杂，每个子系统都包含着大量设备，如何准确的评估船舶子系统的状态具有一定难度。常见的子系统评估方法有：基于灰色聚类法和模糊综合评价法进行健康状态评估，该方法复杂难操作，算法运行容易出现偏差且不能进行权重分析,导致评估结果不精准；也有基于主成分分析法和建立健康状态分类的方式来进行子系统的状态评估，但该类方法对故障时间的监测不够完善，不能提前判断故障风险，所以无法有效地避免故障问题的发生；也有基于反向特征消除和BP神经网络实现的状态评估方法，其利用机器学习计算设备的健康状态指标，此方法只能监测风险发生概率，无法确定具体故障的设备。
发明内容
为克服上述现有技术的不足，本发明提供一种船舶子系统状态分析方法、装置及存储介质，用以解决上述技术问题中的一种。
基于本发明的一方面，提供一种船舶子系统状态分析方法，包括以下步骤：
按照第一采样周期采集各设备的当前运行参数数据，根据所述当前运行参数数据计算得到单参数超限次数；
计算采样区间内当前运行参数数据中各参数的平均值，并基于所述平均值构建各设备的当前运行参数数列，计算各设备的当前运行参数数列与健康运行参数数列的相似度和偏离度；
判断各设备的单参数超限次数是否大于单参数超限次数阈值、相似度是否小于相似度阈值或偏离度是否大于偏离度阈值，若判断结果均为否，则根据各设备的单参数超限次数、相似度和偏离度计算各设备的当前运行状态值；
基于各设备的当前运行状态值和权重值计算得到子系统状态评估值。
在上述技术方案中，每一个船舶子系统中包含多个设备，每一个设备运行时会产生多个运行参数，这些参数的数值即为设备的当前运行参数数据；设备运行中各个参数都有对应的阈值范围，如果某个参数的参数值超出这个参数的阈值范围，则认定该参数值超限，即设备的该参数存在一次运行异常，称之为单参数超限。
设备的运行状态不仅需要考虑单个参数的超限次数，还需考虑设备的所有参数整体情况，为了评估所有参数的整体情况，将设备的当前运行参数数据与健康运行参数进行比对，获得二者的相似度和偏离度，从而判断设备当前的所有运行参数的整体情况。健康运行参数是指设备健康运行时的各参数的参数值构成的数据集。
在以下三个条件中有至少一个条件满足时：单参数超限次数超出其对应的阈值、相似度低于其对应的阈值或者偏离度超出其对应的阈值，说明设备的运行异常程度较高，该设备需要停工检修，此时该设备对应的子系统无法实现其对应的功能，因此，评估该子系统的状态已经没有意义了。只有当上述三个条件都不满足时，方可进行下一步评估。
船舶子系统的状态取决于该子系统内的各设备的运行状态，因此先基于设备的单参数超限次数、相似度和偏离度计算各个设备的运行状态评估值，再计算每个设备的运行状态在船舶子系统中状态评估中的权重值，最后计算子系统的状态评估值。
进一步地，所述计算单参数超限次数包括以下步骤：
步骤1：选择一个参数，从当前运行参数数据中获取所述参数对应的参数值；
步骤2：判断所述参数值是否超过所述参数的阈值范围，若是，则按照第一规则对单参数超限次数进行累加，并按照第二采样周期对所述参数进行采样；若否，则计算所述参数值与所述参数的健康运行值的偏离值，并判断所述偏离值是否低于偏离值阈值，若是，则按照第二规则对单参数超限次数进行累加；
步骤3：重新选择一个未被选择过的参数，并获取该参数对应的参数值，然后重复步骤2；
步骤4：重复步骤3，直至所有的参数均被选中过；
所述第二采样周期小于第一采样周期。
在采样区间内，如果采集到的参数值超出参数的阈值范围，为了更精准的监测参数偏离状态，降低采样周期，以采集更多的参数值，同时设备的单参数超限次数以较快的速度增加，当设备的单参数超限次数阈值时，设备应当停工检修，此时数据采集和分析也随之停止。
进一步地，所述偏离值的计算方法为：
式中：D(t)为偏离值，fn(t)为第n个参数t时刻的参数值，为第n个参数t时刻的健康运行值；Xcmin为参数正常运行最低值，Xcmax为参数正常运行最大值。
在设备运行过程中，无需进行全周期的数据采集，而是在运行周期内选取若干个时间段作为若干个采样区间，在设备健康运行时，采集各个采样区间内的设备的各运行参数值，并以时间为横坐标，以参数值为纵坐标，拟合形成各个采样区间内的健康运行函数。获取第n个参数t时刻的参数值fn(t)后，根据该参数值f(t)所在的采样区间和采样时间t在健康运行函数上找到对应的健康运行值然后fn(t)、/>参数正常运行最低值Xcmin和参数正常运行最大值Xcmax计算偏离值。
进一步地，所述第一规则为：
式中：Nm为采样区间内进行m次单参数超限次数累计后得到的单参数超限次数；f(t)为t时刻的参数值，Xcmin为参数正常运行最低值，Xcmax为参数正常运行最大值；
按照第一规则对单参数超限次数进行累加的具体过程为：若本次采集到的参数值大于参数正常运行最大值或小于参数正常运行最小值时，获取上一次单参数超限次数计算后得到的累计单参数超限次数Nm-1，将Nm-1的值代入第一规则对应的公式中计算得到Nm的值，即完成了此次对单参数超限次数的累加过程。
所述第二规则为：
Nm＝Nm-1+1,D(t)＜Dc
式中：Dc为偏离值阈值。
按照第二规则对单参数超限次数进行累加的具体过程为：若本次采集到的参数值小于参数正常运行最大值且大于参数正常运行最小值时，获取上一次单参数超限次数计算后得到的累计单参数超限次数Nm-1，将Nm-1的值代入第二规则对应的公式中计算得到Nm的值。
进一步地，所述相似度和偏离度的计算方法具体为：
基于当前运行参数数列Ax与健康运行参数数列Ah构建比较数列Ar，其中：
Ax＝[ax1,ax2,...,axn]
Ah＝[ah1,ah2,...,ahn]
式中：axn为第n个参数在采样区间x内的平均值；ahn为第n个参数的健康运行值；
基于比较数列Ar计算相似度：
式中：S为相似度，A0为基准特征向量表征，A0＝[1,1,...,1]n；
所述偏离度的计算方法具体为：
式中：P为偏离度。
进一步地，所述各设备的当前运行状态值的计算方法为：
式中：Ei为设备i的当前运行状态值，NM为单参数超限次数，Nc为单参数超限次数阈值、S为相似度，Sc为相似度阈值，P为偏离度，Pc为偏离度阈值。
进一步地，采用基于标度扩展的层次分析法计算各设备的权重值。
基于本发明的另一方面，提供一种船舶子系统状态分析装置，包括：
数据采集模块：用于采集各设备的当前运行参数数据；
单参数超限次数分析模块：用于计算当前采样区间内的单参数超限次数；
多参数联合分析模块：用于计算各设备的参数当前运行值数列与参数健康运行值数列之间的相似度和偏离度；
设备当前运行状态值计算模块：用于根据各设备的单参数超限次数、相似度和偏离度计算各设备的当前运行状态值；
权重计算模块：用于计算各设备运行状态在子系统状态评估中的权重值；
子系统状态评估模块：用于基于各设备的当前运行状态值和权重值计算得到子系统状态评估值。
进一步地，所述单参数超限次数分析模块还用于完成以下步骤：
选择一个参数，从当前运行参数数据中获取所述参数对应的参数值；
判断所述参数值是否超过所述参数的阈值范围，若是，则按照第一规则对单参数超限次数进行累加，并按照第二采样周期对所述参数进行采样；若否，则计算所述参数值与所述参数的健康运行值的偏离值，并判断所述偏离值是否低于偏离值阈值，若是，则按照第二规则对单参数超限次数进行累加。
基于本发明的又一方面，提供一种计算机存储介质，所述存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现一种船舶子系统状态分析方法的步骤。
与现有技术相比，本发明的有益效果在于：
(1)本发明提供的一种船舶子系统状态分析方法，基于船舶定时巡查系统对船舶子系统运行时的各设备关键参数进行实时监测，基于设备的参数运行值计算设备的运行状态值，然后基于设备的运行状态值和设备的权重值对船舶子系统的健康状态进行评估。本方法能够进行船舶航行的危险预警，避免了异常工况的发生，由此降低了船舶航行风险系数，提高了航行安全性。
(2)本发明提供的一种船舶子系统状态分析装置，基于数据采集模块采集各设备的当前运行参数，基于单参数超限次数分析模块计算当前采样区间内的单参数超限次数，基于多参数联合分析模块分析设备运行参数的相似度和偏离度，基于设备当前运行状态值计算模块计算各设备的当前运行状态值，基于权重计算模块计算各设备运行状态在子系统状态评估中的权重值，最后基于子系统状态评估模块计算子系统状态评估值。本系统可以用于基于船舶各设备的运行参数值实现对船舶子系统的状态评估值的计算。
附图说明
图1为根据本发明实施例的一种船舶子系统状态分析方法流程图；
图2为根据本发明实施例的一种船舶子系统状态分析装置结构图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
如图1所示，本实施例提供一种船舶子系统状态分析方法，包括以下步骤：
(1)按照第一采样周期P1采集各设备的当前运行参数数据，根据所述当前运行参数数据计算得到各设备的单参数超限次数。本实施例选取船舶子系统中的传动系统作为待分析的子系统，传动系统中包括柴油主机、油液管道、舵机和推进器四个设备。柴油主机的运行参数包括缸体振动、热力、瞬时转速和电流；油液管道的运行参数包括金属颗粒含量、流量、温度和管壁压力；舵机的运行参数包括电流、油压、振动和漏油量；推进的运行参数包括推力、振动、扭矩和导管内壁脉动压力。
所述计算单参数超限次数包括以下步骤：
步骤1：选择一个参数(如选择柴油主机的运行参数中的瞬时转速)，从当前运行参数数据中获取所述参数对应的参数值；
步骤2：判断所述参数值是否超过所述参数的阈值范围，若是，则按照第一规则对单参数超限次数进行累加，并按照第二采样周期对所述参数进行采样；若否，则计算所述参数值与所述参数的健康运行值的偏离值，并判断所述偏离值是否低于偏离值阈值，若是，则按照第二规则对单参数超限次数进行累加；
所述偏离值的计算方法为：
式中：D(t)为偏离值，fn(t)为第n个参数t时刻的参数值，为第n个参数t时刻的健康运行值；Xcmin为参数正常运行最低值，Xcmax为参数正常运行最大值。
所述第一规则为：
式中：Nm为采样区间内进行m次单参数超限次数累计后得到的单参数超限次数；f(t)为t时刻的参数值，Xcmin为设备参数正常运行最低值，Xcmax为参数正常运行最大值；
举例说明：采集到一个参数值，该参数值大于该参数对应的参数正常运行最大值或小于参数正常运行最小值，则需要对单参数超限次数即行累加，获取在此之前已经进行了多少次单参数超限次数的累加；假设在此之前已经进行了10次单参数超限次数累加，则当前的计算属于第21次单参数超限次数累加；假设前20次单参数超限次数累加得到的单参数超限次数为10，则经过本次单参数超限次数累加后得到的单参数超限次数为10+25＝42。
在单次采样区间内，单参数超限次数初始值N0需要根据上一个采样区间内的单参数超限次数决定，具体规则如下：
式中：N0为下一个采样区间的单参数超限次数初始值，N’为上一个采样区间的单参数超限次数总和，Nc为单参数超限次数阈值。
举例说明：假设Nc＝200，上一个采样区间内累计的单参数超限次数总和为50，则下一个采样区间的单参数超限次数初始值为0，若上一个采样区间内累计的单参数超限次数总和为150，则下一个采样区间的单参数超限次数初始值为76.5。
所述第二规则为：
Nm＝Nm-1+1,D(t)＜Dc
式中：Dc为偏离值阈值。
按照第二规则对单参数超限次数进行累加的具体过程为：若本次采集到的参数值小于参数正常运行最大值且大于参数正常运行最小值时，获取上一次单参数超限次数计算后得到的累计单参数超限次数Nm-1，将Nm-1的值代入第二规则对应的公式中计算得到Nm的值。
所述第二采样周期的计算方法为：
式中：为采样区间内第m个参数的第k个数值的采样周期，fm(k-1)为第m个参数的第k-1个的参数值。
为了更清楚的说明上述关于采样周期的内容，现举例说明：
当时间进入采样区间时，按照第一采样周期1min(一分钟)采集柴油主机的运行参数，获得柴油主机在采样区间内的第一个瞬时转速值v1，若v1没有超出瞬时转速阈值，则继续按照第一采样周期1min采集柴油主机的瞬时转速，获得柴油主机在采样区间内的第二个瞬时转速值v2，若此时判断出v2超出瞬时转速阈值，接下来按照30s(30秒)的采样周期采集柴油主机的瞬时转速，获得柴油主机在采样区间内的第三个瞬时转速值v3，若此时判断出v3超出瞬时转速阈值，则接下来按照15s的采样周期采集柴油主机的瞬时速度，获得柴油主机在采样区间内的第四个瞬时转速值v4，若判断出v4未超出瞬时转速阈值，则按照第一采样周期1min采集第五个瞬时转速值v5。
步骤3：重新选择一个未被选择过的参数，并获取该参数对应的参数值，然后重复步骤2；
步骤4：重复步骤3，直至所有的参数均被选中过。
(2)计算采样区间内当前运行参数数据中各参数的平均值，并基于所述平均值构建各设备的当前运行参数数列，计算各设备的当前运行参数数列与健康运行参数数列的相似度和偏离度；
所述相似度的计算方法具体为：
基于当前运行参数数列Ax与健康运行参数数列Ah构建比较数列Ar，其中：
Ax＝[ax1,ax2,...,axn]
Ah＝[ah1,ah2,...,ahn]
式中：axn为第n个参数在采样区间x内的平均值；ahn为第n个参数的健康运行值；
健康运行参数数列是指设备在健康运行状态下获取得到的各参数的参数值构建的数列。
所述偏离度的计算方法具体为：
式中：P为偏离度。
(3)判断各设备的单参数超限次数是否大于单参数超限次数阈值、相似度是否小于相似度阈值或偏离度是否大于偏离度阈值，若判断结果均为否，则根据各设备的单参数超限次数、相似度和偏离度计算各设备的当前运行状态值；
所述各设备的当前运行状态值的计算方法为：
式中：Ei为设备i的当前运行状态值，NM为单参数超限次数，Nc为单参数超限次数阈值、S为相似度，Sc为相似度阈值，P为偏离度，Pc为偏离度阈值。
(4)计算各设备运行状态在子系统状态评估中的权重值；本实施例中采用基于标准扩展的层次分析法计算各设备的权重值，包括以下过程：
首先由评估专家依据重要性分别给出设备权重值估值，然后按照非递增方式进行排序，排序后的结果为：X1≥X2≥……≥Xn，然后对Xi与Xi+1(1≤i≤n-1)的重要性进行比较，并记相应的标度为ti(ti＝Xi/Xi+1)，最后按照指标间重要程度的传递性计算出判断矩阵中其他元素值，从而得出如下判断矩阵：
经过标度扩展的判断矩阵已具有一致性，无需进行一致性检验，可直接通过计算其最大特征值和相应的特征向量，从而得到各项指标的权重值。假设得到的P的特征向量为：T＝(T1，T2，T3，T4)T，规范化后即可得到各设备的评价指标的权重为：w1＝T1，w2＝T2，w3＝T3，w4＝T4，本实施例中w1为柴油主机的权重值，w2为油液管道的权重值，w3为舵机的权重值，w4为推进器的权重值。
(5)基于各设备的当前运行状态值和权重值计算得到子系统状态评估值。计算公式为：
R＝E1×w1+E2×w2+E3×w3+E4×w4
本实施例式中：E1为柴油主机的当前运行状态值，E2为油液管道的当前运行状态值，E3为舵机的当前运行状态值，E4为推进器的当前运行状态值。
进一步地，根据子系统状态评估值判定子系统的运行状态，具体评估规则如下：
子系统状态健康(80≤R≤100)：船舶状态健康，只需要在规定时间内定期维修检查。
子系统状态良好(70≤R≤79)：船舶状态良好，可正常行驶，建议尽快对子系统内设备以及评分较低设备进行检查维修。
子系统状态较差(60≤R≤69)：船舶状态较差，建议立即返航或就近靠岸，并对全部设备进行检查维修。
子系统状态极差(0≤R≤59)：船舶状态极差，建议立即呼叫救援，并对船舶进行全面大检查。
如图2所示，本实施例还提供一种船舶子系统状态分析装置，包括：
数据采集模块：用于采集各设备的当前运行参数数据；
单参数超限次数分析模块：用于计算当前采样区间内的单参数超限次数；
多参数联合分析模块：用于计算各设备的参数当前运行值数列与参数健康运行值数列之间的相似度和偏离度；
设备当前运行状态值计算模块：用于根据各设备的单参数超限次数、相似度和偏离度计算各设备的当前运行状态值；
权重计算模块：用于计算各设备运行状态在子系统状态评估中的权重值；
子系统状态评估模块：用于基于各设备的当前运行状态值和权重值计算得到子系统状态评估值。
进一步地，所述单参数超限次数分析模块还用于完成以下步骤：
选择一个参数，从当前运行参数数据中获取所述参数对应的参数值；
判断所述参数值是否超过所述参数的阈值范围，若是，则按照第一规则对单参数超限次数进行累加，并按照第二采样周期对所述参数进行采样；若否，则计算所述参数值与所述参数的健康运行值的偏离值，并判断所述偏离值是否低于偏离值阈值，若是，则按照第二规则对单参数超限次数进行累加。
本实施例还提供一种计算机存储介质，计算机存储介质上存储有计算机程序，该程序被处理器执行时实现所述的一种船舶子系统状态分析方法。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个介质中。
上述提到的介质可以是只读存储器，磁盘或光盘等最后应说明的是：以上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实施例技术方案。
Claims (9)
1.一种船舶子系统状态分析方法，其特征在于，包括以下步骤：
按照第一采样周期采集采样区间内各设备的当前运行参数数据，根据所述当前运行参数数据计算得到单参数超限次数；
计算采样区间内当前运行参数数据中各参数的平均值，并基于所述各参数的平均值构建各设备的当前运行参数数列，计算各设备的当前运行参数数列与健康运行参数数列的相似度和偏离度；
判断各设备的单参数超限次数是否大于单参数超限次数阈值、相似度是否小于相似度阈值或偏离度是否大于偏离度阈值，若判断结果均为否，则根据各设备的单参数超限次数、相似度和偏离度计算各设备的当前运行状态值；所述设备的当前运行状态值的计算方法包括：
；
式中：E i 为设备i的当前运行状态值，N M 为单参数超限次数，N c 为单参数超限次数阈值、S为相似度，S c 为相似度阈值，P为偏离度，P c 为偏离度阈值；
基于各设备的当前运行状态值和权重值计算得到子系统状态评估值，具体包括：
将每个设备的当前运行状态值与对应的权重值相乘后求和得到子系统状态评估值。
2.根据权利要求1所述的一种船舶子系统状态分析方法，其特征在于，所述计算单参数超限次数包括以下步骤：
步骤1：选择一个参数，从当前运行参数数据中获取被选择的参数的参数值；
步骤2：判断所述被选择的参数的参数值是否超过对应的阈值范围，若是，则按照第一规则对单参数超限次数进行累加，并按照第二采样周期对所述参数进行采样；若否，则计算所述参数值与所述参数的健康运行值的偏离值，并判断所述偏离值是否低于偏离值阈值，若是，则按照第二规则对单参数超限次数进行累加；
步骤3：重新选择一个未被选择过的参数，并获取重新选择的参数的参数值，然后重复步骤2；
步骤4：重复步骤3，直至所有的参数均被选中过；
所述第二采样周期小于第一采样周期。
3.根据权利要求2所述的一种船舶子系统状态分析方法，其特征在于，所述偏离值的计算方法为：
；
式中：D(t)为偏离值，为第n个参数t时刻的参数值，/>为第n个参数t时刻的健康运行值；X cmin 为参数正常运行最低值，X cmax 为参数正常运行最大值。
4.根据权利要求2所述的一种船舶子系统状态分析方法，其特征在于，所述第一规则为：
；
式中：N m 为采样区间内进行m次单参数超限次数累计后得到的单参数超限次数；f(t)为t时刻的参数值，X cmin 为参数正常运行最低值，X cmax 为参数正常运行最大值；
所述第二规则为：
；
式中：Dc为偏离值阈值。
5.根据权利要求1所述的一种船舶子系统状态分析方法，其特征在于，所述相似度和偏离度的计算方法具体为：
基于当前运行参数数列A x 与健康运行参数数列A h 构建比较数列A r ，其中：
；
式中：为第n个参数在采样区间x内的平均值；/>第n个参数的健康运行值；
基于比较数列Ar计算相似度：
；
式中：S为相似度，A0为基准特征向量表征，；
所述偏离度的计算方法具体为：
；
式中：P为偏离度。
6.根据权利要求1所述的一种船舶子系统状态分析方法，其特征在于，采用基于标度扩展的层次分析法计算各设备的权重值。
7.一种船舶子系统状态分析装置，用于实现如权利要求1-6中任一项所述的船舶子系统状态分析方法中的步骤，其特征在于，包括：
数据采集模块：用于采集各设备的当前运行参数数据；
单参数超限次数分析模块：用于计算当前采样区间内的单参数超限次数；
多参数联合分析模块：用于计算各设备的参数当前运行值数列与参数健康运行值数列之间的相似度和偏离度；
设备当前运行状态值计算模块：用于根据各设备的单参数超限次数、相似度和偏离度计算各设备的当前运行状态值；
权重计算模块：用于计算各设备运行状态在子系统状态评估中的权重值；
子系统状态评估模块：用于基于各设备的当前运行状态值和权重值计算得到子系统状态评估值。
8.根据权利要求7所述的一种船舶子系统状态分析装置，其特征在于，所述单参数超限次数分析模块还用于完成以下步骤：
选择一个参数，从当前运行参数数据中获取被选择的参数的参数值；
判断所述被选择的参数的参数值是否超过对应的阈值范围，若是，则按照第一规则对单参数超限次数进行累加，并按照第二采样周期对所述参数进行采样；若否，则计算所述参数值与所述参数的健康运行值的偏离值，并判断所述偏离值是否低于偏离值阈值，若是，则按照第二规则对单参数超限次数进行累加。
9.一种计算机存储介质，其特征在于，所述存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至6中任一项所述的一种船舶子系统状态分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310528886.6A CN116311594B (zh) | 2023-05-11 | 2023-05-11 | 一种船舶子系统状态分析方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310528886.6A CN116311594B (zh) | 2023-05-11 | 2023-05-11 | 一种船舶子系统状态分析方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116311594A CN116311594A (zh) | 2023-06-23 |
| CN116311594B true CN116311594B (zh) | 2023-09-19 |
Family
ID=86796220
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310528886.6A Active CN116311594B (zh) | 2023-05-11 | 2023-05-11 | 一种船舶子系统状态分析方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116311594B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116625409B (zh) * | 2023-07-14 | 2023-10-20 | 享刻智能技术(北京)有限公司 | 动态定位性能评价方法、设备以及系统 |
| CN117313021B (zh) * | 2023-11-30 | 2024-02-02 | 国网山东省电力公司东营供电公司 | 一种电力设备异常检测分析方法、系统、终端及介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6434512B1 (en) * | 1998-04-02 | 2002-08-13 | Reliance Electric Technologies, Llc | Modular data collection and analysis system |
| WO2007003150A1 (de) * | 2005-06-29 | 2007-01-11 | Blohm + Voss Gmbh | Verfahren und vorrichtung zur zustandsüberwachung von schiffsanlagen |
| JP2013143009A (ja) * | 2012-01-11 | 2013-07-22 | Hitachi Ltd | 設備状態監視方法およびその装置 |
| CN108008718A (zh) * | 2017-12-07 | 2018-05-08 | 上海海事大学 | 基于模型的智能型船舶机舱监测报警系统 |
| CN109670714A (zh) * | 2018-12-21 | 2019-04-23 | 中国船舶工业系统工程研究院 | 基于隶属度分析的船舶燃气轮机综合状态评估方法 |
| CN110490764A (zh) * | 2019-08-22 | 2019-11-22 | 深圳华工能源技术有限公司 | 企业配用电系统健康状态评估方法、装置及存储介质 |
| CN112001642A (zh) * | 2020-08-27 | 2020-11-27 | 山东超越数控电子股份有限公司 | 一种船舶健康评估方法 |
| CN112241831A (zh) * | 2020-09-25 | 2021-01-19 | 汉威科技集团股份有限公司 | 调压设备健康状态评估方法、设备、系统及可读存储介质 |
| WO2021185177A1 (zh) * | 2020-03-16 | 2021-09-23 | 福建省特种设备检验研究院 | 基于多数据采集的石化常压储油罐健康状态评估方法 |
| KR102316773B1 (ko) * | 2020-07-31 | 2021-10-26 | 삼성중공업(주) | 선박 상태 예측 시스템 및 방법 |
| CN115655731A (zh) * | 2022-10-21 | 2023-01-31 | 中国船舶集团有限公司第七一一研究所 | 柴油机状态监测方法、装置及存储介质 |
| CN115848558A (zh) * | 2023-02-13 | 2023-03-28 | 威海中远海运重工科技有限公司 | 一种船舶压载水智能调控系统 |
| CN116089787A (zh) * | 2023-03-08 | 2023-05-09 | 中国人民解放军海军工程大学 | 基于层次分析法的船舶子系统运行状态分析方法及系统 |
-
2023
- 2023-05-11 CN CN202310528886.6A patent/CN116311594B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6434512B1 (en) * | 1998-04-02 | 2002-08-13 | Reliance Electric Technologies, Llc | Modular data collection and analysis system |
| WO2007003150A1 (de) * | 2005-06-29 | 2007-01-11 | Blohm + Voss Gmbh | Verfahren und vorrichtung zur zustandsüberwachung von schiffsanlagen |
| JP2013143009A (ja) * | 2012-01-11 | 2013-07-22 | Hitachi Ltd | 設備状態監視方法およびその装置 |
| CN108008718A (zh) * | 2017-12-07 | 2018-05-08 | 上海海事大学 | 基于模型的智能型船舶机舱监测报警系统 |
| CN109670714A (zh) * | 2018-12-21 | 2019-04-23 | 中国船舶工业系统工程研究院 | 基于隶属度分析的船舶燃气轮机综合状态评估方法 |
| CN110490764A (zh) * | 2019-08-22 | 2019-11-22 | 深圳华工能源技术有限公司 | 企业配用电系统健康状态评估方法、装置及存储介质 |
| WO2021185177A1 (zh) * | 2020-03-16 | 2021-09-23 | 福建省特种设备检验研究院 | 基于多数据采集的石化常压储油罐健康状态评估方法 |
| KR102316773B1 (ko) * | 2020-07-31 | 2021-10-26 | 삼성중공업(주) | 선박 상태 예측 시스템 및 방법 |
| CN112001642A (zh) * | 2020-08-27 | 2020-11-27 | 山东超越数控电子股份有限公司 | 一种船舶健康评估方法 |
| CN112241831A (zh) * | 2020-09-25 | 2021-01-19 | 汉威科技集团股份有限公司 | 调压设备健康状态评估方法、设备、系统及可读存储介质 |
| CN115655731A (zh) * | 2022-10-21 | 2023-01-31 | 中国船舶集团有限公司第七一一研究所 | 柴油机状态监测方法、装置及存储介质 |
| CN115848558A (zh) * | 2023-02-13 | 2023-03-28 | 威海中远海运重工科技有限公司 | 一种船舶压载水智能调控系统 |
| CN116089787A (zh) * | 2023-03-08 | 2023-05-09 | 中国人民解放军海军工程大学 | 基于层次分析法的船舶子系统运行状态分析方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 宋立国 ; 潘新祥 ; 董景明 ; 刘立国 ; 于可真 ; .基于熵权的船舶主机状态监控及评价模型.大连海事大学学报.2011,(第04期),第45-47页. * |
| 訾一诺等.基于F-AHP贴近度计算的判别船舶IETM系统评估指标体系.《造船技术》.2018,第75-79页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116311594A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116311594B (zh) | 一种船舶子系统状态分析方法、装置及存储介质 | |
| CN109522600B (zh) | 基于组合深度神经网络的复杂装备剩余使用寿命预测方法 | |
| CN109446187B (zh) | 基于注意力机制与神经网络的复杂装备健康状态监测方法 | |
| CN108376298B (zh) | 一种风电机组发动机温度故障预警诊断方法 | |
| CN110378042B (zh) | 基于scada数据的风电机组齿轮箱油温异常检测方法及系统 | |
| CN115034248A (zh) | 用于设备的自动诊断方法、系统和存储介质 | |
| US6748341B2 (en) | Method and device for machinery diagnostics and prognostics | |
| CN110414154B (zh) | 一种带有双测点的风机部件温度异常检测和报警方法 | |
| CN111400961B (zh) | 风力发电机组叶片故障判断方法及装置 | |
| CN111648992B (zh) | 燃气轮机压气机故障识别预警方法 | |
| CN113834657A (zh) | 一种基于改进mset及频谱特征的轴承故障预警及诊断方法 | |
| CN111103137A (zh) | 基于深度神经网络的风力涡轮机齿轮箱故障诊断方法 | |
| CN112861350B (zh) | 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法 | |
| CN110570013B (zh) | 一种单站位在线波周期数据的预测诊断方法 | |
| CN109991956B (zh) | 一种液体火箭发动机稳态故障预测方法 | |
| Wang et al. | Fault diagnosis of centrifugal pump using symptom parameters in frequency domain | |
| CN106971027B (zh) | 一种基于dr-bn模型的冷水机组故障特征选择方法 | |
| CN105930629A (zh) | 一种基于海量运行数据的在线故障诊断方法 | |
| CN116677570A (zh) | 基于海上风电机组机舱温度监测的故障预警方法及系统 | |
| WO2024098477A1 (zh) | 多部件状态融合驱动的系统级健康状态评估方法及设备 | |
| CN113757093A (zh) | 一种闪蒸汽压缩机组故障诊断方法 | |
| CN114738132B (zh) | 基于实船数据的增压器转速传感器故障诊断方法及系统 | |
| CN117350377A (zh) | 一种基于知识图谱驱动的设备故障诊断方法及装置 | |
| CN114048642B (zh) | 一种航空发动机性能趋势分析方法 | |
| CN111563685B (zh) | 一种基于自联想核回归算法的发电设备状态预警方法 |
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 |