祁贝贝，王延涛
摘要: 随着计算机技术和大数据技术逐渐成熟，大数据分析在船舶工业领域有了越来越广泛的应用。近年来，船舶工业逐渐向着智能化、自动化等方向发展，船舶动力系统、电力系统的智能化故障诊断等技术成为业内的研究重点。船舶机械的故障诊断过程具有数据量大、故障信号复杂、干扰信号多等问题，一直以来是业内的研究难题。本文介绍了大数据分析技术的原理和数据挖掘技术，设计了一种基于大数据分析的船舶机械故障诊断系统，该系统面向的诊断对象主要包括船舶机舱控制系统、船舶动力系统等，具有数据诊断效率高、人机交互性好、数据传输效率高等优点。
关键词：大数据分析；故障诊断；信号分析；人机交互
中图分类号：U662.56 文献标识码：A
文章编号： 1672 – 7649(2019)4A – 0202 – 03 doi：10.3404/j.issn.1672 – 7649.2019.4A.068
Application of large data analysis in marine machinery fault diagnosis system
QI Bei-bei, WANG Yan-tao
(Xinxiang Vocational and Technical College, Xinxiang 453000, China)
Abstract: With the gradual maturity of computer technology and big data technology, big data analysis has been more and more widely used in the field of shipbuilding industry. In recent years, the shipbuilding industry is gradually developing towards intelligence and automation. Intelligent fault diagnosis technology of ship power system and power system has be-come the focus of research in the industry. Fault diagnosis of marine machinery has many problems, such as large amount of data, complex fault signals and many interference signals. It has always been a difficult research problem in the industry. This paper introduces the principle of big data analysis technology and data mining technology, and designs a fault diagnosis system for marine machinery based on big data analysis. The diagnosis object of this system mainly includes engine room control system, marine power system and so on. It has the advantages of high data diagnosis efficiency, good human-com-puter interaction and high data transmission efficiency.
Key words: large data analysis；fault diagnosis；signal analysis；human-computer interaction
0 引 言
醋酸强的松龙自动化和智能化是船舶工业的未来发展方向，近年来，计算机技术和互联网技术迅速发展，使船舶的智能化成为现实。船舶工业的信息化、智能化，必然会导致船舶工业信息的爆炸式增长，船舶每个子系统每天都产生大量的数据，这些数据分散并没有实际的应用价值，但是将这些海量的数据存储并处理后，就可以从宏观角度获取一定的规律，提出非常有价值的信息[1]。
舰船机械故障诊断系统的主要功能是发现并识别舰船出现的结构与功能性故障，并分析该故障出现的原因以及如何处理该类型故障。在故障诊断系统中，需要采集大量的数据信息，对数据采集、分析、存储和处理提出了很高的要求。本文系统介绍了大数据分析技术的基本原理，并基于大数据分析技术，对船舶的机械故障诊断系统进行优化设计，不仅提高了舰船机械故障诊断的效率，也提高了舰船机械故障诊断的精度。
1 大数据分析技术的研究与发展现状
大数据分析有必要与数据库、人工智能技术、统
第41 卷第 4A 期舰船科学技术Vol. 41, No. 4A 2019 年 4 月SHIP SCIENCE AND TECHNOLOGY Apr. , 2019
收稿日期: 2019 – 02 – 16
陈宝成事件作者简介: 祁贝贝(1980 – )，男，本科，实验师，研究方向为计算机应用及数据库。神曲1 2
计学等技术相互结合，寻海量数据中的内在规则，提取有用的价值。
大数据分析的一般流程如图1所示。
1）数据输入
大数据分析技术的数据来源种类丰富，需要根据主体的需要输入数据信息。
八三版射雕2）数据预处理
大数据分析技术的数据预处理有重要意义，包括数据分类、数据标记等初步筛选工作。
3）数据转换
由于数据输入环节的信息种类复杂，包括很多离散型数据、连续性数据等，需要对海量的数据进行分类和管理，使海量数据满足规范化的需求。常见的数据转换技术包括聚类分析、傅里叶变换等，是大数据分析的重要环节[2]。
4）数据挖掘
数据挖掘是大数据分析技术的关键环节，可以从海量数据中提取有价值的信息。数据挖掘过程需要借助数据挖掘引擎、数据库、人工神经网络方法等技术，有时采用贝叶斯网络也可以显著提高数据挖掘的效率。
5）导出结果
2 基于大数据分析的船舶机械故障诊断技术研究
2.1 船舶机械故障诊断系统的整体设计
本文基于大数据分析技术，开发了舰船机械故障诊断系统，该系统的基本原理如图2所示。
该船舶机械故障诊断系统主要分为数据库层、前端和功能层3个层次结构，包括用户交互界面、数据挖掘引擎、应力应变检测模块、故障辨识模块、故障类型数据库和故障处理方法数据库等。
船舶机械的故障类型数据库是重要的组成部分，本文采用了Microsoft公司开发的SQL Server数据库[3]，该数据库具有多线程工作、容量大、数据调用方便等特点。
2.2 船舶机械故障诊断系统的数据挖掘引擎设计
数据挖掘引擎是大数据分析技术的核心，在船舶机械故障诊断系统中，本文设计的数据挖掘引擎具有以下优点：
1）数据处理能力强
本文基于Linux开发环境，采用了Spark集技术，设计了故障诊断系统的数据挖掘引擎。该引擎具有16线程数据并行处理能力，可以同时对大量的船舶故障信息进行分类和处理，并通过Zookeeper配置项目管理，数据传输的速度也有显著提高[4]。
2）良好的数据接口
该数据挖掘引擎兼容Kalfka，Flume[5]，db等数据格式，具有良好的数据输入输出接口，这可以保障不同类型传感器采集的数据均可以输入故障诊断系统中，比如图像信息、文字信息和视频信息等。
3）良好的人机交互性
船舶机械故障诊断系统的数据挖掘引擎可以实现直接与用户进行交互，采用Python编程语言和HTML 程序，使数据挖掘引擎的人机交互性提高[6]。
图3为故障诊断系统的数据挖掘引擎原理图：
邢崇智
2.3 基于大数据分析技术的船舶机械故障诊断系统设计
本文结合大数据分析技术和数据挖掘引擎技术，设计了基于大数据分析的船舶机械故障诊断系统，该系统的原理如图4所示。
该系统基于船舶局域网进行信息传输，分别对船舶动力系统、燃油系统和船舵等机械系统进行故障诊
图 1 大数据分析的基本流程图
Fig. 1 Basic flow chart of large data analysis
图 2 船舶机械故障诊断系统原理图
Fig. 2 Principle diagram of fault diagnosis system for
marine machinery
第 41 卷祁贝贝，等：大数据分析在船舶机械故障诊断系统中的应用· 203 ·
断和识别，包括信号采集单元、数据库服务器、Web服务器、管理服务器和客户端等硬件。
该系统的优点包括：
1）数据采集高效
船舶机械系统一旦出现故障，必须要尽快采集相关数据，尽量减少损失。本文设计的船舶机械故障诊断系统包含大量传感器，散布在船舶的各个关键部位，高效稳定地采集机械系统的运行信息。
2）持续性高
该系统在数据采集和数据分析上具有良好的持续性，可以实现24 h的故障监测和诊断，这主要得益于SQL Server数据库具有强大的数据存储、管理和提取能力。
3）实时处理故障信息的能力强
4）具有安全、可靠的数据传输方式
3 结 语
船舶动力系统、船体结构、船载机械系统等是船舶正常运行的基础，为了提高对船舶机械系统故障的诊断与识别能力，提高船舶的性能和使用寿命，本文基于大数据分析技术，开发了一种船舶机械故障诊断系统，并介绍了大数据分析技术的原理、数据挖掘技术原理和船舶机械故障诊断系统的组成。
参考文献：
刘峻华, 孟清正, 杨涛, 等. 船舶动力装置可组态智能故障诊断系统设计[J]. 中国舰船研究, 2011, 06(2): 77–80.
[1]
郑元璋, 陈锋. 船舶主动力装置故障诊断系统设计与实现[J].
vip客户管理中国航海, 2009, 32(1): 34–37.
[2]
蔡冬林. 船舶动力装置故障诊断专家系统[J]. 机电设备, 2005, 22(5): 24–27.
[3]
李康, 陈雪军, 石湘, 等. 时频分析在船载天线和船舶动力系统故障诊断中的应用[J]. 遥测遥控, 2011, 32(4).
[4]
朱祥红, 陈华. LabVIEW系统在船舶动力状态监控中的应用[J]. 舰船科学技术, 2017, 39(7A): 89–91.
[5]
朱增辉, 郭文勇, 孙云岭, 等. 一种船舶动力装置监控系统诊断仪的研制[J]. 机械与电子, 2015(9): 37–39.
[6]
图 3 故障诊断系统的数据挖掘引擎原理图
Fig. 3 Schematic diagram of data mining engine for fault
diagnosis system
图 4 基于大数据分析的船舶机械故障诊断系统图
Fig. 4 Fault diagnosis system of marine machinery based on
large data analysis
· 204 ·舰船科学技术第 41 卷
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议