CN116596503A - 一种基于重要度的船舶装备智能健康监测系统及方法 - Google Patents

一种基于重要度的船舶装备智能健康监测系统及方法 Download PDF

Info

Publication number
CN116596503A
CN116596503A CN202310393452.XA CN202310393452A CN116596503A CN 116596503 A CN116596503 A CN 116596503A CN 202310393452 A CN202310393452 A CN 202310393452A CN 116596503 A CN116596503 A CN 116596503A
Authority
CN
China
Prior art keywords
importance
health
module
weight
evaluation
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
Application number
CN202310393452.XA
Other languages
English (en)
Inventor
何祖军
吴杨
杨奕飞
袁伟
苏贞
朱彬
李成义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Dajin Heavy Industry Co ltd
Jiangsu University of Science and Technology
Original Assignee
Jiangsu Dajin Heavy Industry Co ltd
Jiangsu University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Dajin Heavy Industry Co ltd, Jiangsu University of Science and Technology filed Critical Jiangsu Dajin Heavy Industry Co ltd
Priority to CN202310393452.XA priority Critical patent/CN116596503A/zh
Publication of CN116596503A publication Critical patent/CN116596503A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于重要度的船舶装备智能健康监测系统，包括：船舶装备系统模块、装备关重件重要度评估模块、状态监测模块、健康评估模块和诊断决策模块；船舶装备系统模块用于提供船舶装备系统的基础信息；装备关重件重要度评估模块通过船舶装备系统模块信息进行系统零部件重要度评估，根据重要度确定关重件；状态监测模块用于对关重件进行状态监测，得到关重件特征状态信息；健康评估模块通过状态监测模块的关重件特征状态信息对关重件进行健康评估；诊断决策模块通过根据健康度提供关重件的维护决策。本发明可有效提高船舶装备保障工作效率，科学合理地使装备周期寿命得到延长与效益最大化。

Description

一种基于重要度的船舶装备智能健康监测系统及方法
技术领域
本发明属于船舶装备智能健康监测领域，具体涉及一种基于重要度的船舶装备智能健康监测系统及方法。
背景技术
现如今，在船舶的运行过程中，为提高船舶装备的利用率，降低维护成本，以致船舶装备的状态监测技术越发重要。这对建立健康运行模型，识别异常数据的能力要求也变高了。为提升被监控装备系统的可靠性，降低故障率，减少被监测装备的维护成本。采用对装备关键重要部件进行监控的方式，其优势非常明显。这可让装备的经济性和利用率得到提高。
船舶发动机、电力系统等大型装备，结构极为复杂，不仅包含轴承等机械传动结构，还包括复杂的电力网络、气体和液体输送管道结构。这些复杂特点致使发动机和电力系统等船舶装备的故障点会有很多，故障信息包含在振动、压力、温度、速度等信号有着丰富的运行状态信息。因此，船用发动机等船舶装备运行状态需要针对不同部件和不同类型的数据进行状态监测。为了保障监测数据信号能够包含和反应船用发动机等船舶装备整体的运行状态信息，通常需要很多的传感器用于采集各个子系统及其部件的振动、压力、温度和功率等信息数据。实施对船舶发动机等船舶装备的状态监测，并且进行健康评估，以保证整体装备处于正常健康状态，提高机械维修品质和效率，船舶发动机等船舶装备在结构和运营有复杂性和往复性，因此船舶装备的状态监测判断健康度非常困难。
鉴于以上问题，建立一种基于重要度的船舶装备智能健康监测系统及方法来进行子系统及部件等重要度分析，是确定船用发动机运行期间的关重件的前提。从而保障船用发动机运行过程及后期运行维护中，优先将有限的人力物力投入到最重要的系统运行调试中。通过对某些特定的信号进行监测、传递、分析处理、显示并存储，对装备进行健康状态评估。对装置实施测试与判断，发现故障前兆，及时进行修理和维护提供依据。
发明内容
针对现有技术中的不足，本发明提供了一种基于重要度的船舶装备智能健康监测系统及方法，以解决现有技术中对船舶重要装备系统零部件运行状态不能准确掌握，不能获得准确的异常状态信息数据的技术问题。
本发明提供了一种基于重要度的船舶装备智能健康监测系统，包括：船舶装备系统模块、装备关重件重要度评估模块、状态监测模块、健康评估模块和诊断决策模块；
所述船舶装备系统模块分别与所述装备关重件重要度评估模块和状态监测模块连接；所述装备关重件重要度评估模块与所述状态监测模块连接；所述状态监测模块与所述健康评估模块连接；所述健康评估模块与所述诊断决策模块连接；
船舶装备系统模块用于提供船舶装备系统的基础信息；
所述装备关重件重要度评估模块通过船舶装备系统模块信息进行系统零部件重要度评估，根据重要度确定关重件；
所述状态监测模块用于对关重件进行状态监测，得到关重件特征状态信息；
所述健康评估模块通过所述状态监测模块的关重件特征状态信息对关重件进行健康评估；
所述诊断决策模块通过根据健康度提供关重件的维护决策。
进一步地，所述装备关重件重要度评估模块通过对装备系统先进行结构分解，对零部件重要度评估，再进行重要度排序，得出关重件。
进一步地，所述状态监测模块通过获取布局在关重件上的传感器数据，对数据进行特征提取与特征向量降维，来对关重件进行状态监测。
进一步地，所述健康评估模块进行健康状态划分，根据状态监测数据计算小波信息熵和劣化度，得到健康度，判断当前关重件的健康状态。
本发明的技术方案为一种基于重要度船舶装备健康状态监测方法，适用于上述基于重要度船舶装备健康状态监测系统，具体步骤如下：
步骤1：对船舶装备的每个系统通过WBS工作结构分解流程进行约定层次分解，获得从根节点起依次为整机级、系统级、部件级、零件级的结构树；
步骤2：获取需要健康度评估的船舶装备系统对应的系统级，获取当前系统级下每个子节点的重要度，对重要度进行排序，获取当前系统级中的数个关重件；
步骤3：采集数个关重件的状态数据，对状态数据进行小波包分解，得到频带能量特征、表征状态特征；
步骤4：通过频带能量特征计算小波信息熵；通过表征状态特征计算劣化度，通过小波信息熵与劣化度计算健康度；
步骤5：根据健康度反馈当前船舶装备系统的健康状态，并给出维护策略。
进一步地，所述步骤2中，通过评价指标体系获取子节点的重要度的具体步骤如下：
步骤21：将评价指标体系输出的判断矩阵转化为属性判断矩阵：
式中，bij为相对属性；aij为两个指标之间的相对重要性比例标度；k为转换中间值；
步骤22：通过属性判断矩阵计算指标层中各指标的相对属性权重：
式中，n为同一个所属同一准则层属性的子指标个数；
步骤23：通过COPRAS方法对指标层中的各指标进行相对重要性评价，得到相对重要性评价矩阵；
步骤24：通过相对属性权重对相对重要性评价矩阵进行标准化处理，得到标准化评价矩阵：
式中，fnm为评价矩阵F行列值；
步骤25：通过COPRAS方法根据标准化评价矩阵获得相对重要度优先指标，将相对重要度优先指标作为重要度。
进一步地，所述步骤2中，评价指标体系的准则层包括：影响性、维护性、经济性、监测性；影响性对应的指标层包括：对系统运行影响程度、对部件运行影响程度、复杂程度；维护性对应的指标层包括：故障频率、修复难易；经济性对应的指标层包括：维修成本、停机维修损失；监测性对应的指标层包括：可监测性、监测要求。
进一步地，所述步骤4中，通过表征状态特征计算劣化度的方法为：先将表征状态特征向量通过多维尺度分析方法进行降维，得到低维空间矩阵，再通过低维空间矩阵计算劣化度。
进一步地，通过低维空间矩阵计算劣化度的计算公式为：
式中，为时刻t时，指标参数的实际测量值任意两个变量之间的距离；Zij为该指标的标准值任意两个变量之间的距离；Vij为该指标的状态阈值任意两个变量之间的距离；k是反映该指标参数与装备健康状态的关系，是一个经验指标，一般故障情况下取值2，劣化度/>取值范围为(0,1)。。
进一步地，所述步骤4中，通过小波信息熵与劣化度计算健康度的计算公式为：
式中，I(e)为小波信息熵。
本发明的有益效果：
本发明可有效提高船舶装备保障工作效率，科学合理地使装备周期寿命得到延长与效益最大化。建立评价指标体系有利于客观地描述零部件在整个装备系统中，所承担的角色，对量化零部件重要性具有重要意义。利用计算相对属性权重来对多属性决策COPRAS方法进行指标权重分配，这对零部件在评价重要度时，在某个指标有所侧重，避免了评价时过于泛泛之谈，突出了在某个指标上具有重要意义，为后期运维与维护提供参考。在使用多维尺度分析进行降维时，保持了数据本身所携带的原始信息量及关系，同时降低了数据量的处理，减少了大量无关数据的计算工作，同时为后期想要数据可视化提供接口。利用变量之间距离的绝对值比较计算劣化度，可判断出零部件损耗程度，决定对其是否采用相应的维护或更换措施，提高了维护判断的效率，解决了维护的判断问题。用小波信息熵与劣化度计算健康度，从多角度评判零部件的健康，以便制定合理的维修维护策略，保证装备正常运行，减少不必要的损失。
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架构图；
图2是本发明具体实施例的系统重要度评价体系图；
图3是本发明具体实施例的系统重要度评价方法流程图。
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。
下面结合具体实施例，进一步阐明本发明。本领域的技术人员应该了解这些实施例仅用于说明本发明而不用于限制本发明的范围，对本发明的各种等价形式的修改均落于本申请所附权利要求书所限定的范围。
如图1所示，本发明提供了一种基于重要度的船舶装备智能健康监测系统及方法，包括：船舶装备系统模块、装备关重件重要度评估模块、状态监测模块、健康评估模块和诊断决策模块；
船舶装备系统模块分别与装备关重件重要度评估模块和状态监测模块连接；装备关重件重要度评估模块与状态监测模块连接；状态监测模块与健康评估模块连接；健康评估模块与诊断决策模块连接；
船舶装备系统模块用于提供船舶装备系统的基础信息；
装备关重件重要度评估模块通过船舶装备系统模块信息进行系统零部件重要度评估，根据重要度确定关重件；
状态监测模块用于对关重件进行状态监测，得到关重件特征状态信息；
健康评估模块通过状态监测模块的关重件特征状态信息对关重件进行健康评估；
诊断决策模块通过根据健康度，提供关重件的维护决策。
装备关重件重要度评估模块通过对装备系统先进行结构分解，将装备按WBS进行拆解，形成的得到结构树，对零部件重要度评估，再进行重要度排序，得出关重件包含：关键子系统、重要部件和一般零部件，确定出重要度。
状态监测模块对关重件进行布局相应的传感器，并对其进行状态监测，通过获取布局在关重件上的传感器数据，有振动、压力、温度、转速、流量、功率、湿度、气体浓度、噪声、电压、电流、热成像、超声波反射波、电磁感应图等数据，对数据进行小波包信号分解，计算子频带能量在信号总能量的占比，并得到表征状态特征向量α的特征提取过程，再进行特征向量降维，通过距离矩阵计算最优化问题f(i，j)，得到的低维空间矩阵，来对关重件进行状态监测。
健康评估模块进行健康状态划分，根据状态监测数据计算小波信息熵和劣化度，得到健康度，判断出当前装备系统零部件的健康状态。
诊断决策模块通过健康评估模块的健康度，分析关重件的状态趋势，进行异常检验、状态评估，采取相应的维护措施：若有故障进行故障定位，故障诊断与机理分析，确定其维修策略；若故障将要发生需进行故障预警监视，再对故障进行预防与控制，零部件更新维护；若未有故障状态或趋势，则进行健康管理，记录状态数据、适时调整运行参数。
本发明的技术方案为一种基于重要度船舶装备健康状态监测方法，以船舶双燃料发动机健康状态监测为例，具体方法如下：
步骤1：对船舶双燃料发动机的每个系统通过WBS工作结构分解流程进行约定层次分解，获得从根节点起依次为整机级、系统级、部件级、零件级的结构树，分解得到的子系统分别为结构组件、冷却水系统、洗涤水系统、系统油系统、伺服油系统、气缸油系统、启动空气系统、扫气系统、控制气源系统、排气系统、燃油系统、气体系统、引燃油系统、LP选择性催化还原系统、HP选择性催化还原系统、蒸汽生产控制系统；
步骤2：获取需要健康度评估的船舶装备系统对应的系统级，以分解得到的子系统燃油系统为对象，获取当前系统级下每个子节点的重要度，对重要度进行排序，获取当前系统级中的数个关重件，得到对装备正常运行较为重要的零部件，包含：B3燃油泵、B1燃油泵进油管系、B4燃油泄漏管、B8流量限制阀(FLV)、B6高压燃油输送管、BD1电磁阀(ZV7061S)、B36驱动器(泵柱盖)，共7个零部件，对得到关重件进行布局相应的监测传感器，可以全面反映系统零部件运行状态各种信息，进行状态监测，监测传感器如下表1所示；
表1
步骤3：采集数个关重件的状态数据，对状态数据进行小波包分解，得到频带能量特征、表征状态特征；
步骤4：对装备系统进行健康状态等级划分，通过频带能量特征计算小波信息熵；对得到的表征状态特征向量利用多维尺度分析(MDS)方法进行降维，得到低维空间矩阵，计算劣化度，通过小波信息熵与劣化度计算健康度；
步骤5：将健康度带入划分好的健康状态，根据健康度反馈当前船舶装备系统的健康状态，并给出维护策略。
其中，如图3所示，步骤2中，通过评价指标体系获取子节点的重要度的具体步骤如下：
步骤21：确定重要度评价各指标权重，通过属性层次模型对各项指标进行权重计算。进行计算时，构造判断矩阵A＝(aij)(i，j＝1,2,...,9)判断矩阵是根据专家和分析人员的经验打分判定指标之间的相对重要性。其中aij是任意两个指标之间的相对重要性比例标度，其取值满足aij×aji＝1。将判断矩阵A转化为相对属性组成的属性判断矩阵B＝(bij)(i，j＝1，2，...，9)，其中，相对属性bij可由标度aij确定，具体转换公式如下：
步骤22：通过属性判断矩阵计算指标层中各指标的相对属性权重：
式中，n为同一个所属同一准则层属性的子指标个数。；
步骤23：通过COPRAS方法对指标层中的各指标进行相对重要性评价，得到相对重要性评价矩阵，通过请10位相关专家(e1～e10)对这9个指标进行相对重要性评价，评价等级描述集为：
J＝{SI(极为重要)，I(重要)，N(正常)，NI(不重要)，U(无关)}
再将评价等级描述在论域上标准化，得到取值范围如下表2：
等级描述 SI I N NI U
取值 (1，0.8] [0.8，0.6] [0.6，0.4] [0.4，0.2] [0.2，0)
表2
最终得到评价矩阵为F＝[fnm]，其中n＝1，2，...，9；m＝1，2，...，10；
步骤24：通过相对属性权重对相对重要性评价矩阵进行标准化处理，得到标准化评价矩阵：
步骤25：通过COPRAS方法根据标准化评价矩阵获得相对重要度优先指标，设Sn+和Sn-分别为标准化评价矩阵的“效益型”和“成本型”因子，Sn+其值越大越好，Sn-其值越小越好。分别用下式计算：
式中，k是当Sn+取得最大值，L是Sn-取得的最小值。则其相对重要性Qn计算公式如下：
计算各个零部件的相对重要度优先指标Pn并排序。
式中，Qmax是相对重要性Qn的最大值，最后根据指标Pn的大小对各个零部件进行重要度排序，Pn越大，则代表该零部件越重要。
如图2所示，本发明具体实施例对现有评价指标体系进行了优化，评价指标体系的准则层包括：影响性、维护性、经济性、监测性；影响性对应的指标层包括：对系统运行影响程度、对部件运行影响程度、复杂程度；维护性对应的指标层包括：故障频率、修复难易；经济性对应的指标层包括：维修成本、停机维修损失；监测性对应的指标层包括：可监测性、监测要求。
其中，步骤4中，将健康状态划分为5个等级定量表示出来，分别为健康、亚健康、劣化预警、恶化、故障。具体状态描述如下表3：
表3
通过基于小波包分解的信号特征，提取得到表征状态特征向量方法为：假设在第n个时刻的信号于第j层小波分解后得到i个频带为通过高通滤波器gk和低通滤波器hk对频带/>进行分解，得到第j+1层子频带/>和/>计算公式为：
式中，j为分解层数，i为节点编号，k为位移因子。
传感器信号通过j层小波包分解得到2j个不同频带区间的子频带，全部的特征信息将被保留。
将经过小波包分解得到的第j层第p个频带在离散采样点q(q＝1，2，...，Q；其中Q为信号采样点数目)处的幅值表示为/>则频带/>的能量为：
小波信息熵为：
式中，2i为小波包分解频带总数，表示小波包分解后第j层、第2i个频带的相对能量，I(e)表示信息熵表示的健康度函数取值范围为(0，1)。
将各个子频带能量进行累加得到信号总能量Ej，T，经过归一化处理后，得到各个子频带能量在信号总能量的占比α：
表征状态特征向量为α＝{α1，α2，...，αm}。
再通过表征状态特征计算劣化度的方法为：先将表征状态特征向量通过多维尺度分析方法(MDS)进行降维，将小波包信号特征提取得到的表征状态特征向量α＝{α1，α2，...，αm}，可得到任意两个变量之间的距离μij(i是数据集第i个变量，j是数据集第j个变量；i，j∈1，2，...，m)，μij＝||αi-αj||。这些距离组成变量间的距离矩阵如下：
矩阵U的每一行对应Rm空间中的一个向量，Rm空间的维度代表原始变量与其他变量之间的距离。在保持变量之间的相对距离不变的条件下，将Rm映射到Rn的关系。将转化为计算最优化问题：f(i，j)＝min∑i＜j(||αi-αj||-μij)2
在求解最优化问题时，需构建X，A，D三个矩阵，其中Xi为Rn空间中第i个坐标点，Aij为矩阵A中的元素，D为距离矩阵，dij为D中的元素。矩阵关系公式如下：
由上式可得到距离矩阵D与矩阵T的关系式：
对矩阵A进行特征值分解，其中U为特征向量，Λ为特征值矩阵。
其中/>
取X的前N个最大的特征值与特征向量对矩阵进行近似表示，即可完成从空间Rm到空间Rn的降维。Rn为高维空间经过降维之后得到的低维空间矩阵。
对得到低维空间矩阵，再通过低维空间矩阵计算劣化度。
通过低维空间矩阵计算劣化度的计算公式为：
式中，为时刻t时，指标参数的实际测量值任意两个变量之间的距离；Zij为该指标的标准值任意两个变量之间的距离；Vij为该指标的状态阈值任意两个变量之间的距离；k是反映该指标参数与装备健康状态的关系，是一个经验指标，一般故障情况下取值2。劣化度/>取值范围为(0，1)。
通过小波信息熵与劣化度计算健康度的计算公式为：
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 (10)

1.一种基于重要度的船舶装备智能健康监测系统，其特征在于，包括：船舶装备系统模块、装备关重件重要度评估模块、状态监测模块、健康评估模块和诊断决策模块；
所述船舶装备系统模块分别与所述装备关重件重要度评估模块和状态监测模块连接；所述装备关重件重要度评估模块与所述状态监测模块连接；所述状态监测模块与所述健康评估模块连接；所述健康评估模块与所述诊断决策模块连接；
船舶装备系统模块用于提供船舶装备系统的基础信息；
所述装备关重件重要度评估模块通过船舶装备系统模块信息进行系统零部件重要度评估，根据重要度确定关重件；
所述状态监测模块用于对关重件进行状态监测，得到关重件特征状态信息；
所述健康评估模块通过所述状态监测模块的关重件特征状态信息对关重件进行健康评估；
所述诊断决策模块通过根据健康度提供关重件的维护决策。
2.如权利要求1所述的基于重要度的船舶装备智能健康监测系统，其特征在于，所述装备关重件重要度评估模块通过对装备系统先进行结构分解，对零部件重要度评估，再进行重要度排序，得出关重件。
3.如权利要求1所述的基于重要度的船舶装备智能健康监测系统，其特征在于，所述状态监测模块通过获取布局在关重件上的传感器数据，对数据进行特征提取与特征向量降维，来对关重件进行状态监测。
4.如权利要求1所述的基于重要度的船舶装备智能健康监测系统，其特征在于，所述健康评估模块进行健康状态划分，根据状态监测数据计算小波信息熵和劣化度，得到健康度，判断当前关重件的健康状态。
5.一种基于重要度船舶装备健康状态监测方法，适用于如权利要求1-4中任一所述的基于重要度船舶装备健康状态监测系统，其特征在于，所述基于重要度船舶装备健康状态监测方法的具体步骤如下：
步骤1：对船舶装备的每个系统通过WBS工作结构分解流程进行约定层次分解，获得从根节点起依次为整机级、系统级、部件级、零件级的结构树；
步骤2：获取需要健康度评估的船舶装备系统对应的系统级，获取当前系统级下每个子节点的重要度，对重要度进行排序，获取当前系统级中的数个关重件；
步骤3：采集数个关重件的状态数据，对状态数据进行小波包分解，得到频带能量特征、表征状态特征；
步骤4：通过频带能量特征计算小波信息熵；通过表征状态特征计算劣化度，通过小波信息熵与劣化度计算健康度；
步骤5：根据健康度反馈当前船舶装备系统的健康状态，并给出维护策略。
6.如权利要求5所述的基于重要度船舶装备健康状态监测方法，其特征在于，所述步骤2中，通过评价指标体系获取子节点的重要度的具体步骤如下：
步骤21：将评价指标体系输出的判断矩阵转化为属性判断矩阵：
式中，bij为相对属性；aij为两个指标之间的相对重要性比例标度；k为转换中间值；
步骤22：通过属性判断矩阵计算指标层中各指标的相对属性权重：
式中，n为同一个所属同一准则层属性的子指标个数；
步骤23：通过COPRAS方法对指标层中的各指标进行相对重要性评价，得到相对重要性评价矩阵；
步骤24：通过相对属性权重对相对重要性评价矩阵进行标准化处理，得到标准化评价矩阵：
式中，fnm为评价矩阵F行列值；
步骤25：通过COPRAS方法根据标准化评价矩阵获得相对重要度优先指标，将相对重要度优先指标作为重要度。
7.如权利要求6所述的基于重要度船舶装备健康状态监测方法，其特征在于，所述步骤2中，评价指标体系的准则层包括：影响性、维护性、经济性、监测性；影响性对应的指标层包括：对系统运行影响程度、对部件运行影响程度、复杂程度；维护性对应的指标层包括：故障频率、修复难易；经济性对应的指标层包括：维修成本、停机维修损失；监测性对应的指标层包括：可监测性、监测要求。
8.如权利要求5所述的基于重要度船舶装备健康状态监测方法，其特征在于，所述步骤4中，通过表征状态特征计算劣化度的方法为：先将表征状态特征向量通过多维尺度分析方法进行降维，得到低维空间矩阵，再通过低维空间矩阵计算劣化度。
9.如权利要求8所述的基于重要度船舶装备健康状态监测方法，其特征在于，通过低维空间矩阵计算劣化度的计算公式为：
式中，为时刻t时，指标参数的实际测量值任意两个变量之间的距离；Zij为该指标的标准值任意两个变量之间的距离；Vij为该指标的状态阈值任意两个变量之间的距离；k是反映该指标参数与装备健康状态的关系，是一个经验指标，一般故障情况下取值2；劣化度/>取值范围为(0,1)。
10.如权利要求5、8、9中任一所述的基于重要度船舶装备健康状态监测方法，其特征在于，所述步骤4中，通过小波信息熵与劣化度计算健康度的计算公式为：
式中，I(e)为小波信息熵。
CN202310393452.XA 2023-04-13 2023-04-13 一种基于重要度的船舶装备智能健康监测系统及方法 Pending CN116596503A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310393452.XA CN116596503A (zh) 2023-04-13 2023-04-13 一种基于重要度的船舶装备智能健康监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310393452.XA CN116596503A (zh) 2023-04-13 2023-04-13 一种基于重要度的船舶装备智能健康监测系统及方法

Publications (1)

Publication Number Publication Date
CN116596503A true CN116596503A (zh) 2023-08-15

Family

ID=87598067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310393452.XA Pending CN116596503A (zh) 2023-04-13 2023-04-13 一种基于重要度的船舶装备智能健康监测系统及方法

Country Status (1)

Country Link
CN (1) CN116596503A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116873156A (zh) * 2023-09-05 2023-10-13 山东航宇游艇发展有限公司 基于大数据的天然气船舶动力异常智能监控方法
CN117114248A (zh) * 2023-10-23 2023-11-24 北京万维盈创科技发展有限公司 一种水质监测系统健康度评价方法、计算机设备及介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116873156A (zh) * 2023-09-05 2023-10-13 山东航宇游艇发展有限公司 基于大数据的天然气船舶动力异常智能监控方法
CN116873156B (zh) * 2023-09-05 2023-11-21 山东航宇游艇发展有限公司 基于大数据的天然气船舶动力异常智能监控方法
CN117114248A (zh) * 2023-10-23 2023-11-24 北京万维盈创科技发展有限公司 一种水质监测系统健康度评价方法、计算机设备及介质
CN117114248B (zh) * 2023-10-23 2024-01-19 北京万维盈创科技发展有限公司 一种水质监测系统健康度评价方法、计算机设备及介质

Similar Documents

Publication Publication Date Title
CN116596503A (zh) 一种基于重要度的船舶装备智能健康监测系统及方法
CN112197973B (zh) 柴油发电机组健康诊断方法
CN101770219B (zh) 一种车铣复合机床故障诊断知识库的知识获取方法
Wang et al. Research on the fault monitoring method of marine diesel engines based on the manifold learning and isolation forest
CN113469060A (zh) 多传感器融合卷积神经网络航空发动机轴承故障诊断方法
CN109710983B (zh) 一种基于关键性能指标的柴油机气缸分层故障诊断方法
CN110097209A (zh) 一种基于参数残差的设备劣化分析方法
CN110579368A (zh) 基于仿真计算的旋转机械振动故障智能诊断系统及方法
CN114462508A (zh) 基于多模态神经网络的电力变压器健康状态评估方法
CN110457979A (zh) 基于张量Tucker分解模糊控制的柴油机故障诊断方法
CN115375026A (zh) 一种多故障模式下的航空发动机寿命预测方法
Wang Key techniques in intelligent predictive maintenance (IPdM)–a framework of intelligent faults diagnosis and prognosis system (IFDaPS)
CN114118222A (zh) 一种磨煤机状态预警系统及故障识别诊断方法
KR20210079230A (ko) 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템
CN116991146A (zh) 一种超声波清洗装置的控制方法及系统
CN117113135A (zh) 一种可对异常数据整理分类的碳排放异常监测分析系统
CN116878902A (zh) 基于深度学习CNN-BiLSTM的船舶柴油机故障预警方法和系统
CN115774847A (zh) 一种柴油机性能评估及预测方法和系统
CN116363843A (zh) 试验室设备预警系统
Shi et al. Fault diagnosis of me marine diesel engine fuel injector with novel IRCMDE method
CN116110203A (zh) 一种基于智能监测技术的天然气发电预警管理方法及系统
Zhu et al. Engine fault diagnosis using probabilistic neural network
CN115374961A (zh) 一种船舶动力运维系统及运维方法
Liu et al. Fault diagnosis and prediction method for valve clearance of diesel engine based on linear regression
Yang et al. Anomaly detection of automobile welding workstation based on stacked autoencoders and long short-term memory network

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