CN116629839A - 一种船艇主机保障信息集成与维修决策系统 - Google Patents
一种船艇主机保障信息集成与维修决策系统 Download PDFInfo
- Publication number
- CN116629839A CN116629839A CN202310647797.3A CN202310647797A CN116629839A CN 116629839 A CN116629839 A CN 116629839A CN 202310647797 A CN202310647797 A CN 202310647797A CN 116629839 A CN116629839 A CN 116629839A
- Authority
- CN
- China
- Prior art keywords
- host
- maintenance
- data
- module
- information
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 189
- 230000010354 integration Effects 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000006731 degradation reaction Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 27
- 230000015556 catabolic process Effects 0.000 claims description 20
- 230000008439 repair process Effects 0.000 claims description 13
- 230000008263 repair mechanism Effects 0.000 claims description 12
- 230000008531 maintenance mechanism Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000005653 Brownian motion process Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007366 host health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种船艇主机保障信息集成与维修决策系统,包括:统一数据采集与处理模块、船艇主机保障信息集成系统和主机维修综合决策系统;统一数据采集与处理模块,用于采集主机维修保障数据,将所述主机维修保障数据转换为船艇主机保障信息集成系统和主机维修综合决策系统能够存储和提取的标准数据;船艇主机保障信息集成系统,用于将所述标准数据分类;主机维修综合决策系统包括工作转速与启停机监测模块、主机故障分析模块、主机剩余寿命预测模块、维修方案决策模块。优点:形成结构清晰、功能完备、交互性强的船艇主机信息集成与维修决策系统,使之与船艇装备保障人员更好地配合,实现系统的人机集成。
Description
技术领域
本发明涉及一种船艇主机保障信息集成与维修决策系统,属于船艇主机维修决策技术领域。
背景技术
目前,现有的船艇装备信息系统,主要起到数据采集功能,而各信息系统之间在数据格式和软硬件环境上往往自成体系,形成一个个彼此隔离的“信息孤岛”,系统与系统之间缺乏统一的数据和应用集成标准规范,不能够实现互联互通,无法满足多样化数据对维修决策的支持;另外,船艇主机在需要维修时,维修决策多依靠经验,维修任务分配不合理,维修资源利用效率不高。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种船艇主机保障信息集成与维修决策系统。
为解决上述技术问题,本发明提供一种船艇主机保障信息集成与维修决策系统,包括:统一数据采集与处理模块、船艇主机保障信息集成系统和主机维修综合决策系统;
所述统一数据采集与处理模块,用于采集主机维修保障数据,将所述主机维修保障数据转换为船艇主机保障信息集成系统和主机维修综合决策系统能够存储和提取的标准数据;
所述船艇主机保障信息集成系统,用于将所述标准数据分类为:
主机维护基础信息并存储于主机维护基础信息库、主机保障管理信息并存储于主机保障管理模块;
所述主机维修综合决策系统包括工作转速与启停机监测模块、主机故障分析模块、主机剩余寿命预测模块、维修方案决策模块;
所述工作转速与启停机监测模块,用于通过所述标准数据提取船艇主机的工作转速与启停机监测标准数据,将所述工作转速与启停机监测标准数据进行可视化显示;
所述主机故障分析模块,用于根据所述工作转速与启停机监测标准数据,对主机进行故障分析与故障预测,判断主机是否需要立即维修;
所述主机剩余寿命预测模块,用于在所述主机故障分析模块给出主机不需立即维修的判断结果后,对主机剩余寿命进行预测,并输出主机健康管理建议数据;
所述维修方案决策模块,用于在所述主机故障分析模块给出主机需立即维修的判断结果后,依据所述维护基础信息库及所述主机保障管理模块中的分类数据自动完成主机维修方案决策。
进一步的,所述主机维护基础信息库包括:主机参数数据库、主机备品备件信息数据库、主机维护数据库以及日志信息;
所述主机保障管理模块包括:维修保障人员编配、维修保障人员培训、维修保障人员能力、维修保障分队设施设备;
所述系统服务模块包括:系统设置、数据互访接口设置、系统功能帮助。
进一步的,所述统一数据采集与处理模块包括:
数据采集模块,用于采集所有接入的主机各类维修保障相关信息系统的数据,所述数据包括已有数据库数据、半结构化数据以及人工录入数据;
映射模块,用于对采集的人工录入数据进行抽象处理得到数据的统一概念映射;
转换模块,用于按照船艇主机数据规范对映射后的数据逻辑进行一致的数据转换;所述数据转换,用于筛选并删除无用数据、补充缺失数据;
加载模块,用于将转换后的数据以及数据库数据和半结构化数据作为标准数据加载到传输链路传输给船艇主机保障信息集成系统或者主机维修综合决策系统。
进一步的,所述船艇主机保障信息集成系统包括:
大数据处理模块,用于基于HADOOP平台的大数据处理方法采集传输已有数据库数据、半结构化数据以及标准化后的人工录入数据,根据已有数据库数据、半结构化数据以及人工录入数据确定动态变化的各类数据模板;将不同类型的数据存储到对应的,再利用python基于B/S架构将不同的数据类型进行融合和友好展示。
进一步的,所述主机故障分析模块包括:
根据对船艇主机性能评估,将船艇主机的工作转速与启停机监测标准数据当作输入,采用改进的梯度搜索优化辨识算法对状态空间模型中的性能偏移系数和缺失参数进行循环迭代辨识,并定义以状态变量导数为自变量的准则函数,再经过船艇主机性能退化过程建模获得主机性能退化速度与工况参数的定量关系,从而进行主机故障分析,判断主机是否需要立即维修。
进一步的,所述主机剩余寿命预测模块包括:
根据主机故障分析模块所得到的结论进行分析,当结论为无需维修时,则进行寿命预测,包括:
依据船艇主机性能退化过程建模,以船艇航行时主机长时间连续运行的监测数据为基础,采用性能评估方法获得主机的性能参数时间序列,通过多元协方差分析将性能参数修正到同一工况下,分析主机性能参数退化量的增量与工况的相关关系;
根据主机性能参数退化量的增量与工况的相关关系建立基于Wiener过程的主机变速性能退化模型,并构建以自然数为底、工况二次多项式为系数的应力函数,根据应力函数通过性能参数退化速度预测主机寿命。
进一步的,所述维修方案决策模块包括:
根据主机故障分析模块所得到的结论进行分析,当结论为需要维修时,则进行维修方案的确定,包括:
1)依据船艇主机变速性能退化模型确定预测的主机工况参数,将主机工况参数输入到预先构建的推进系统——船体运行——航行环境的联合数学模型;
2)根据预先获取的主机转速、航线和气象预报信息以及预测的主机工况参数,通过所述联合数学模型对航行过程中主机工作的边界条件进行预测;基于预测的边界条件参数结合性能评估方法,实现对主机剩余寿命的预测;
3)在主机剩余寿命预测的基础上,根据当前船艇主机维修工作的特点,采用人工智能方法,分别对船艇在港期间的维修决策方法和在航期间的维修周期优化方法进行优化,确定最终的维修方案。
进一步的,所述在主机剩余寿命预测的基础上,根据当前船艇主机维修工作的特点,采用人工智能方法,分别对船艇在港期间的维修决策方法和在航期间的维修周期优化方法进行优化,确定最终的维修方案,包括:
(1)接收当前船艇主机返回的维修任务信息,对维修任务信息进行参数检查,如果参数校验通过, 则进入下一步, 否则返回错误信息;
(2)查询维修任务信息中故障件的基本信息,并利用当前时间减去生产日期之差除以此故障件的维修次数计算出维修件的平均故障时间;
(3) 根据故障件的基本信息和维修件的平均故障时间, 使用换件与维修比较公式判断此故障件的维修方式为换件还是维修;
(4) 根据船艇所在地区,如果修理方式为维修,则查询该地区能够解决此故障类型的所有维修机构,得到维修机构列表;如果修理方式为换件,则查询该地区此故障件库存数量和能够解决此故障类型的维修机构,得到维修机构列表;
(5) 如果维修机构列表中维修机构的维修级别不唯一,则对此次维修任务的维修级别进行决策。
进一步的,所述如果维修机构列表中维修机构的维修级别不唯一,则对此次维修任务的维修级别进行决策,包括:
根据维修任务信息中的故障类型查询此故障类型是否能够直接确认维修级别,若能够确定其故障类型,则依次判断其是否能够自修、是否能够航修、是否能够厂修, 否则利用综合决策算法进行维修级别综合决策,包括:利用基于最小时间流的非经济性决策算法比较各个级别的维修机构的时间选择耗时最小的维修级别,若该最小的维修级别对应的维修方案是唯一的,则将该最小的维修级别对应的维修方案作为最终的维修方案,否则利用基于最小费用流的经济性决策算法选出费用最少的维修方案,将费用最少的维修方案作为最终的维修方案。
本发明所达到的有益效果:
形成结构清晰、功能完备、交互性强的船艇主机信息集成与维修决策系统,使之与船艇装备保障人员更好地配合,实现系统的人机集成。
附图说明
图1是本发明的系统组成框图;
图2是维修方案决策流程图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
如图1所示,一种船艇主机保障信息集成与维修决策系统,包括:统一数据采集与处理模块、船艇主机保障信息集成系统和主机维修综合决策系统;
所述统一数据采集与处理模块,用于采集主机维修保障数据,将所述主机维修保障数据转换为船艇主机保障信息集成系统和主机维修综合决策系统能够存储和提取的标准数据;
所述船艇主机保障信息集成系统,用于将所述标准数据分类为:
主机维护基础信息并存储于主机维护基础信息库、主机保障管理信息并存储于主机保障管理模块、系统服务信息并存储于系统服务模块;
所述主机维修综合决策系统包括工作转速与启停机监测模块、主机故障分析模块、主机剩余寿命预测模块、维修方案决策模块;
所述工作转速与启停机监测模块,用于通过所述标准数据提取船艇主机的工作转速与启停机监测标准数据,将所述工作转速与启停机监测标准数据进行可视化显示;
所述主机故障分析模块,用于根据所述工作转速与启停机监测标准数据,对主机进行故障分析与故障预测,判断主机是否需要立即维修;
所述主机剩余寿命预测模块,用于在所述主机故障分析模块给出主机不需立即维修的判断结果后,对主机剩余寿命进行预测,并输出主机健康管理建议数据;
所述维修方案决策模块,用于在所述主机故障分析模块给出主机需立即维修的判断结果后,依据所述维护基础信息库及所述主机保障管理模块中的分类数据自动完成主机维修方案决策。
所述主机维护基础信息库包括:主机参数数据库、主机备品备件信息数据库、主机维护数据库以及日志信息;
所述主机保障管理模块包括:维修保障人员编配、维修保障人员培训、维修保障人员能力、维修保障分队设施设备;
所述系统服务模块包括:系统设置、数据互访接口设置、系统功能帮助。
统一数据采集与处理模块,负责所有接入系统数据的统一采集,通过数据抽象,进行数据的统一概念映射(从原有系统的习惯映射到项目系统中),按照船艇主机数据规范进行数据逻辑的一致转换,数据转换负责数据的清洗(删除无用数据、筛选)、补充(个别数据可能会存在缺失,需补充完成才能使用)等预处理工作,再通过数据加载,将转换后的数据加载到传输链路,保证数据的可靠性传输。通过数据采集与处理软件对数据进行抽象、转换、加载,最终将现有各类主机维修保障系统数据转换为格式统一的标准数据,并分类存储与船艇主机保障信息集成系统所含主机参数数据库、主机备品备件信息数据库、主机维护数据库、日志信息、维修保障人员编配、维修保障人员培训、维修保障人员能力、维修保障分队设施设备等模块,实现对维修保障人员可视化显示或被主机维修综合决策系统调用。
船艇主机保障信息集成系统基于HADOOP平台(HBase)的大数据处理技术,采集传输已有数据库数据、Excel等半结构化数据以及人工录入数据,设计出适用于动态变化的各类数据模板,将不同类型的数据存储到最适合它们的存储系统中,再利用python基于B/S架构的开发技术,将不同的数据类型进行融合和友好展示。
主机维修综合决策系统向用户提供WEB服务,采用PHM(Prognosis and HealthManagement)技术实现船艇主机的故障预测及健康管理。对船艇主机工作转速与启停机监测模块所获得数据中隐含的性能退化信息进行提取,并分析主机性能退化过程和退化规律,进而对主机性能退化过程进行建模和预测,最终实现以预测为核心的主机健康管理。
对船艇主机性能评估,是根据船艇主机监测数据具有以热力参数为主的特点,基于主机平均值模型的原理,建立适用于辨识的主机非线性状态空间模型。利用船艇主机监控系统中油压、水温、排气温度、增压压力等参数描述主机性能,并通过拟合主机台架试验数据获得主机的初始性能map图。针对监测数据中存在参数缺失的问题,采用改进的梯度搜索优化辨识算法对状态空间模型中的性能偏移系数和缺失参数进行循环迭代辨识,并定义以状态变量导数为自变量的准则函数,避免由于数据周期较长在状态空间模型线性化和离散化过程中所带来的误差。
船艇主机性能退化过程建模:以船艇航行时主机长时间连续运行的监测数据为基础,采用现有的舰艇柴油机主机最优化评估方法获得主机的性能参数时间序列。通过多元协方差分析将性能参数修正到同一工况下,观察到主机性能参数呈下降趋势和维修事件对性能参数的影响,并分析主机性能参数退化量的增量与工况的相关关系。据此建立基于Wiener过程的主机变速性能退化模型,并构建以自然数为底、工况二次多项式为系数的应力函数,以描述工况对性能参数退化速度的影响。结合蒙特卡洛方法和极大似然估计方法对退化模型的参数进行估计,获得主机性能退化速度与工况参数的定量关系。
船艇主机剩余寿命预测和健康管理方法:为解决基于变速性能退化模型的主机剩余寿命预测需要以预测的主机工况参数作为输入,建立推进系统——船体运行——航行环境的联合数学模型。在主机转速、航线和气象预报信息已知的条件下,对航行过程中主机工作的边界条件(空气温度、大气压力和主机功率)进行预测;结合性能评估方法,实现对主机工况参数的预测。在主机剩余寿命预测的基础上,根据当前船艇主机维修工作的特点,采用人工智能方法,分别对船艇在港期间的维修决策方法和在航期间的维修周期优化方法进行优化。
如图2所示,维修决策方法执行过程:
(1) 服务器端接收前端返回的维修任务信息,对维修任务信息进行参数检查,如果参数校验通过, 则进入下一步, 否则返回错误信息。
(2) 查询此故障件的基本信息,并利用当前时间减去生产日期之差除以此故障件的维修次数计算出维修件的平均故障时间。
(3) 根据查询和计算到的信息, 使用换件与维修比较公式判断此故障件的维修方式为换件还是维修。
(4) 根据船舶所在地区,如果修理方式为维修,则查询该地区能够解决此故障类型的所有维修机构,得到维修机构列表;如果修理方式为换件,则查询该地区此故障件库存数量和能够解决此故障类型的维修机构,得到维修机构列表。
(5) 如果维修机构列表中维修机构的维修级别不唯一,接下来对此次维修任务的维修级别进行决策。
(6) 根据故障类型查询此故障类型是否能够直接确认维修级别。若能够明显确定其故障类型,则依次判断其是否能够自修、是否能够航修、是否能够厂修, 否则利用综合决策算法进行维修级别综合决策。
(7) 利用基于最小时间流的非经济性决策算法比较各个级别的维修机构的时间选择耗时最小的维修级别。
(8) 如果利用非经济性决策算法无法确定唯一的维修方案,则利用基于最小费用流的经济性决策算法选出费用最少的维修方案。
(9) 最终确定维修方案。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的得同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
以上所述,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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分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各实施例技术方案的精神和范围。
Claims (9)
1.一种船艇主机保障信息集成与维修决策系统,其特征在于,包括:统一数据采集与处理模块、船艇主机保障信息集成系统和主机维修综合决策系统;
所述统一数据采集与处理模块,用于采集主机维修保障数据,将所述主机维修保障数据转换为船艇主机保障信息集成系统和主机维修综合决策系统能够存储和提取的标准数据;
所述船艇主机保障信息集成系统,用于将所述标准数据分类为:
主机维护基础信息并存储于主机维护基础信息库、主机保障管理信息并存储于主机保障管理模块;
所述主机维修综合决策系统包括工作转速与启停机监测模块、主机故障分析模块、主机剩余寿命预测模块、维修方案决策模块;
所述工作转速与启停机监测模块,用于通过所述标准数据提取船艇主机的工作转速与启停机监测标准数据,将所述工作转速与启停机监测标准数据进行可视化显示;
所述主机故障分析模块,用于根据所述工作转速与启停机监测标准数据,对主机进行故障分析与故障预测,判断主机是否需要立即维修;
所述主机剩余寿命预测模块,用于在所述主机故障分析模块给出主机不需立即维修的判断结果后,对主机剩余寿命进行预测,并输出主机健康管理建议数据;
所述维修方案决策模块,用于在所述主机故障分析模块给出主机需立即维修的判断结果后,依据所述维护基础信息库及所述主机保障管理模块中的分类数据自动完成主机维修方案决策。
2.根据权利要求1所述的船艇主机保障信息集成与维修决策系统,其特征在于,
所述主机维护基础信息库包括:主机参数数据库、主机备品备件信息数据库、主机维护数据库以及日志信息;
所述主机保障管理模块包括:维修保障人员编配、维修保障人员培训、维修保障人员能力、维修保障分队设施设备;
所述系统服务模块包括:系统设置、数据互访接口设置、系统功能帮助。
3.根据权利要求1所述的船艇主机保障信息集成与维修决策系统,其特征在于,所述统一数据采集与处理模块包括:
数据采集模块,用于采集所有接入的主机各类维修保障相关信息系统的数据,所述数据包括已有数据库数据、半结构化数据以及人工录入数据;
映射模块,用于对采集的人工录入数据进行抽象处理得到数据的统一概念映射;
转换模块,用于按照船艇主机数据规范对映射后的数据逻辑进行一致的数据转换;所述数据转换,用于筛选并删除无用数据、补充缺失数据;
加载模块,用于将转换后的数据以及数据库数据和半结构化数据作为标准数据加载到传输链路传输给船艇主机保障信息集成系统或者主机维修综合决策系统。
4.根据权利要求3所述的船艇主机保障信息集成与维修决策系统,其特征在于,所述船艇主机保障信息集成系统包括:
大数据处理模块,用于基于HADOOP平台的大数据处理方法采集传输已有数据库数据、半结构化数据以及标准化后的人工录入数据,根据已有数据库数据、半结构化数据以及人工录入数据确定动态变化的各类数据模板;将不同类型的数据存储到对应的,再利用python基于B/S架构将不同的数据类型进行融合和友好展示。
5.根据权利要求1所述的船艇主机保障信息集成与维修决策系统,其特征在于,所述主机故障分析模块包括:
根据对船艇主机性能评估,将船艇主机的工作转速与启停机监测标准数据当作输入,采用改进的梯度搜索优化辨识算法对状态空间模型中的性能偏移系数和缺失参数进行循环迭代辨识,并定义以状态变量导数为自变量的准则函数,再经过船艇主机性能退化过程建模获得主机性能退化速度与工况参数的定量关系,从而进行主机故障分析,判断主机是否需要立即维修。
6.根据权利要求1所述的船艇主机保障信息集成与维修决策系统,其特征在于,所述主机剩余寿命预测模块包括:
根据主机故障分析模块所得到的结论进行分析,当结论为无需维修时,则进行寿命预测,包括:
依据船艇主机性能退化过程建模,以船艇航行时主机长时间连续运行的监测数据为基础,采用性能评估方法获得主机的性能参数时间序列,通过多元协方差分析将性能参数修正到同一工况下,分析主机性能参数退化量的增量与工况的相关关系;
根据主机性能参数退化量的增量与工况的相关关系建立基于Wiener过程的主机变速性能退化模型,并构建以自然数为底、工况二次多项式为系数的应力函数,根据应力函数通过性能参数退化速度预测主机寿命。
7.根据权利要求6所述的船艇主机保障信息集成与维修决策系统,其特征在于,所述维修方案决策模块包括:
根据主机故障分析模块所得到的结论进行分析,当结论为需要维修时,则进行维修方案的确定,包括:
1)依据船艇主机变速性能退化模型确定预测的主机工况参数,将主机工况参数输入到预先构建的推进系统——船体运行——航行环境的联合数学模型;
2)根据预先获取的主机转速、航线和气象预报信息以及预测的主机工况参数,通过所述联合数学模型对航行过程中主机工作的边界条件进行预测;基于预测的边界条件参数结合性能评估方法,实现对主机剩余寿命的预测;
3)在主机剩余寿命预测的基础上,根据当前船艇主机维修工作的特点,采用人工智能方法,分别对船艇在港期间的维修决策方法和在航期间的维修周期优化方法进行优化,确定最终的维修方案。
8.根据权利要求7所述的船艇主机保障信息集成与维修决策系统,其特征在于,所述在主机剩余寿命预测的基础上,根据当前船艇主机维修工作的特点,采用人工智能方法,分别对船艇在港期间的维修决策方法和在航期间的维修周期优化方法进行优化,确定最终的维修方案,包括:
(1)接收当前船艇主机返回的维修任务信息,对维修任务信息进行参数检查,如果参数校验通过, 则进入下一步, 否则返回错误信息;
(2)查询维修任务信息中故障件的基本信息,并利用当前时间减去生产日期之差除以此故障件的维修次数计算出维修件的平均故障时间;
(3) 根据故障件的基本信息和维修件的平均故障时间, 使用换件与维修比较公式判断此故障件的维修方式为换件还是维修;
(4) 根据船艇所在地区,如果修理方式为维修,则查询该地区能够解决此故障类型的所有维修机构,得到维修机构列表;如果修理方式为换件,则查询该地区此故障件库存数量和能够解决此故障类型的维修机构,得到维修机构列表;
(5) 如果维修机构列表中维修机构的维修级别不唯一,则对此次维修任务的维修级别进行决策。
9.根据权利要求8所述的船艇主机保障信息集成与维修决策系统,其特征在于,所述如果维修机构列表中维修机构的维修级别不唯一,则对此次维修任务的维修级别进行决策,包括:
根据维修任务信息中的故障类型查询此故障类型是否能够直接确认维修级别,若能够确定其故障类型,则依次判断其是否能够自修、是否能够航修、是否能够厂修, 否则利用综合决策算法进行维修级别综合决策,包括:利用基于最小时间流的非经济性决策算法比较各个级别的维修机构的时间选择耗时最小的维修级别,若该最小的维修级别对应的维修方案是唯一的,则将该最小的维修级别对应的维修方案作为最终的维修方案,否则利用基于最小费用流的经济性决策算法选出费用最少的维修方案,将费用最少的维修方案作为最终的维修方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310647797.3A CN116629839A (zh) | 2023-06-02 | 2023-06-02 | 一种船艇主机保障信息集成与维修决策系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310647797.3A CN116629839A (zh) | 2023-06-02 | 2023-06-02 | 一种船艇主机保障信息集成与维修决策系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116629839A true CN116629839A (zh) | 2023-08-22 |
Family
ID=87613215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310647797.3A Pending CN116629839A (zh) | 2023-06-02 | 2023-06-02 | 一种船艇主机保障信息集成与维修决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116629839A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117875936A (zh) * | 2023-12-28 | 2024-04-12 | 中国人民解放军陆军装甲兵学院 | 一种基于不同修理方法的多种装备维修管理系统 |
-
2023
- 2023-06-02 CN CN202310647797.3A patent/CN116629839A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117875936A (zh) * | 2023-12-28 | 2024-04-12 | 中国人民解放军陆军装甲兵学院 | 一种基于不同修理方法的多种装备维修管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695744B (zh) | 一种基于大数据的维修器材需求预测分析系统 | |
Mathew et al. | Regression kernel for prognostics with support vector machines | |
CN116629839A (zh) | 一种船艇主机保障信息集成与维修决策系统 | |
CN116843071B (zh) | 一种用于智慧港口的运输网络运行指数预测方法及装置 | |
CN112241606A (zh) | 基于cps决策模块的船舶智能设备运维的协同决策方法 | |
CN113627784A (zh) | 一种基于工业互联网的企业资产管理智能决策系统 | |
CN115526375A (zh) | 一种航天装备预测性维护系统 | |
Welte et al. | Operation and maintenance modelling | |
Omri et al. | Data management requirements for phm implementation in smes | |
CN116861924A (zh) | 基于人工智能的项目风险预警方法及系统 | |
CN113627032B (zh) | 一种基于数字孪生的设备设计/维修方案智能决策方法 | |
Raposo et al. | An integrated model for dimensioning the reserve fleet based on the maintenance policy | |
Rodrigues et al. | Using prognostic system and decision analysis techniques in aircraft maintenance cost-benefit models | |
CN112286088A (zh) | 一种动力设备故障预测模型在线应用的方法及应用系统 | |
Nowaczyk et al. | Towards autonomous knowledge creation from big data in smart cities | |
Chen et al. | BIM-and IoT-Based Data-Driven Decision Support System for Predictive Maintenance of Building Facilities | |
Balali et al. | Data Intensive Industrial Asset Management | |
Papa et al. | Cyber physical system based proactive collaborative maintenance | |
Daya et al. | A semi automated model for improving naval vessel system reliability and maintenance data management | |
Leohold et al. | Prognostic Methods for Predictive Maintenance: A generalized Topology | |
Vychuzhanin et al. | Intellectualization Method and Model of Complex Technical System's Failures Risk Estimation and Prediction. | |
Sharma et al. | Industry 4.0 Technologies for Smart Manufacturing: A Systematic Review of Machine Learning Methods for Predictive Maintenance | |
CN113269435B (zh) | 一种新能源场站运行状态耦合监测评估系统 | |
CN117807377B (zh) | 多维度物流数据挖掘与预测方法及系统 | |
Nethamba et al. | The development of an action priority matrix and technology roadmap for the implementation of data-driven and machine-learning-based predictive maintenance in the south african railway industry |
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 |