(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010938464.2
(22)申请日 2020.09.09
(71)申请人 江苏杰瑞信息科技有限公司
地址 222000 江苏省连云港市经济技术开
发区云桥路16号102室
(72)发明人 武茂浦 王跃 朱军 刘彩云
吴鹏 董招生 刘鑫宇 李建华
田亚丽 咸云飞 李刚
(74)专利代理机构 连云港润知专利代理事务所
32255
代理人 刘喜莲 马强
(51)Int.Cl.
G01R 31/56(2020.01)
G01M 99/00(2011.01)
G01D 21/02(2006.01)
(54)发明名称
统及方法
(57)摘要
一种船舶舱室设备健康管理与故障预测系
统，包括控制管理设备、通信设备、数据收集设备
和现场采集设备，控制管理设备包括上位机，通
信设备包括交换机，数据采集设备包括数据采集
卡，现场采集设备包括若干用于安装到船舶舱室
设备上的温度传感器、电压传感器、电流传感器、
压力传感器和流量传感器，温度传感器、电压传
感器、电流传感器、压力传感器和流量传感器均
与数据采集卡连接，数据采集卡通过交换机与上
位机连接。通过该系统能够实现对船舶舱室典型
设备的故障诊断、预测性维护、知识库管理等能
力，告别了人工定期维护造成的资源浪费，降低
了维护成本，提高了舱室运维的自动化、智能化
水平，更提高了船舶舱室设备的运行可靠性和安
全性。权利要求书2页 说明书7页 附图5页CN 112083355 A 2020.12.15
C N 112083355
A
1.一种船舶舱室设备健康管理与故障预测系统，其特征在于：该系统包括控制管理设备、通信设备、数据收集设备和现场采集设备，控制管理设备包括上位机，通信设备包括交换机，数据采集设备包括数据采集卡，现场采集设备包括若干用于安装到船舶舱室设备上的温度传感器、电压传感器、电流传感器、压力传感器和流量传感器，温度传感器、电压传感器、电流传感器、压力传感器和流量传感器均与数据采集卡连接，数据采集卡通过交换机与上位机连接。
2.根据权利要求1所述的船舶舱室设备健康管理与故障预测系统，其特征在于：所述上位机为计算机或可编程控制器。
3.根据权利要求1所述的船舶舱室设备健康管理与故障预测系统，其特征在于：所述温度传感器选用NTC热敏电阻、白金RTD、热电偶、半导体中的一种或多种。
4.一种舶舱室设备健康管理与故障预测方法，其特征在于：该方法使用权利要求1-3任意一项所述的船舶舱室设备健康管理与故障预测系统，该方法包括：
(1)设备可靠性和失效模式分析：
利用故障树方法，对船舶舱室设备进行可靠性分析和设备失效模式分析，获取设备的故障特征，制定合理的维修、维护策略；
(2)信号采集与预处理：
通过设置各类传感器与设备通信，采集其运行状态各类信息，对信息进行预处理得到能够反映设备运行状态的压力、温度、流量的参数，实现对设备的运行状态数据的获取，并为实时状态监测、故障诊断与报警、预警提供数据支撑；
(3)在线故障诊断
在线获取实时的监测设备工作状态数据，结合系统中预留的故障模式和失效判据，利用故障模型和专家系统对故障进行实时在线诊断；当存在异常时，结合设备的各种健康历史状态数据、工作状态以及维修历史记录，综合智能诊断方法，对系统故障进行在线诊断，获得故障的代码、特征、产生的原因、发生的位置，为维修提供及时准确的数据支持；
(4)故障预测
基于状态集序列的故障预测模型，利用预测的故障特征参数对故障进行当前性能状态的评估以及故障的早期预报，通过改进数据挖掘算法，更有效的实现对设备故障的早期识别，以有效降低具有强隐蔽性、不易发觉的故障所导致的经济和人身损失；
(5)预测性维护
根据在线监测信息和健康状态的判定结果，帮助维修人员早期发现设备的异常症状，并提供相应的维修维护建议和维护指导手册；
(6)运维知识管理
实现对模型库信息、知识库信息和维修优化信息的管理和更新，并通过储存故障类型、故障算法模型、维护建议措施，提供对运维知识库中故障名称、解决方法和维护建议的管理；其次，不断优化故障模型，完善运维知识库。
5.根据权利要求4所述的船舶舱室设备健康管理与故障预测方法，其特征在于：该方法中采用粒计算的处理方式，通过选择最合适的粒层来对复杂问题进行有效求解，处理模糊信息和海量数据的挖掘，删除冗余知识和不必要的属性特征，约简数据表，降低故障特征属性的个数，减小规则知识库的规模和
复杂性，具体过程为：
采取相对粒度属性约简算法对决策表进行约简，其输入为决策表S＝(U,C∪D,V,f)，C 是条件属性集合，D是决策属性集合，输出的约简结果用RED表示；其约简的具体步骤如下：
(1)对决策表中相同的规则进行合并，令RED＝φ；
(2)对每一个c i∈C\RED，计算属性c i关于约简结果RED对决策集合D的重要性sig(c i, RED,D)＝GD(D|RED)-GD(D|RED∪c i)；
(3)在步骤(2)计算出的所有sig(c i,RED,D)中选出最大值所对应的属性c i作为c k，若是存在多个属性满足条件，则选择第一个属性作为c k；
(4)若sig(c k,RED,D)＞0，则RED＝RED∪c k，并转到步骤(2)继续循环计算；若sig(c k, RED,D)＝0，则结束循环，输出约简后的结果RED。
6.根据权利要求4所述的船舶舱室设备健康管理与故障预测方法，其特征在于：该方法通过在船舶舱室中安装各种传感器，利用多种信号处理方法进行故障特征的提取，利用故障模型、专家系统饿方法对故障进行实时在线诊断，使得工作人员可以及时的发现设备的故障并采取相应的维修措施。
7.根据权利要求4所述的船舶舱室设备健康管理与故障预测方法，其特征在于：该采用基于双向推理的SDG故障预测方法，首先，利用反向推理搜索出所有可能的故障源，然后，针对这些可能的故障源依次进行正向推理；若其中的某个故障可以完全或最大限度的解释这些异常变量节点的状态，则此故障即为可信度最高的预测结果。
8.根据权利要求4所述的船舶舱室设备健康管理与故障预测方法，其特征在于：该方法进行健康管理与故障预测的船舶舱室设备包括货油泵、船用柴油机和燃油供应单元。
一种船舶舱室设备健康管理与故障预测系统及方法
技术领域
[0001]本发明涉及船舶舱室设备管理技术领域，特别是一种船舶舱室设备健康管理与故障预测系统，具体还涉及上述船舶舱室设备健康管理与故障预测系统的故障预测方法。
背景技术
[0002]船舶舱室设备健康管理技术研究主要以船舶舱室设备为研究对象，进行舱室设备可靠性分析，利用采集并处理的数据对舱室辅机设备进行数据建模，实现设备的故障诊断、故障预测、预测性维护等健康管理功能，提升舱室辅机设备运行的可靠性，保障辅机设备稳定运行。目前，船舶舱室设备的
健康管理技术研究发展落后，已经不能满足智能船舶的发展需求；有必要开展船舶舱室设备健康管理系统与故障预测方法研究，以满足提升海洋工程及智能船舶整体水平和竞争力的需求、提高船舶机电设备的维护水平和使用效能，形成长久有效数据基础，提高船舶核心机电设备质量和服务能力。
[0003]对于船舶舱室辅机健康管理的研究，国外一直处于领先的地位，先进的舱室监控报警系统是基于网络平台的多功能管理系统，具有智能化、数字化、网络化、集成化等特点，能够实现故障诊断、实时数据显示、设备状态监测、故障报警等功能。德国西门子(SIEMENS)公司、瑞士的ABB集团、挪威的Kongsberg公司、施耐德电气、日本的JRCS公司等船用电气产品厂商都有技术成熟的系统产品。我国对智能船舶设备级和子系统级的研究上已具备了一定积累，对系统层的研究也在逐步展开。但船舶设备的自动化程度层次不齐，大部分设备还停留在简单控制或仅实现状态监测，缺乏智能决策和自适应的智能健康型设备，还存在大量设备缺乏有效统一的信息综合分析与处理技术等问题；部分设备虽然可实现监控型功能，但只可实现智能监测、故障隔离及远程伺服闭环控制，缺乏设备的学习能力和自适应能力，难以实现舱室设备的故障预测和故障自修复等健康管理功能。
发明内容
[0004]本发明所要解决的技术问题是针对现有技术的不足，提供能够实现对船舶舱室典型设备的故障诊断、预测性维护、知识库管理等能力，告别了人工定期维护造成的资源浪费，降低了维护成本，提
高了舱室运维的自动化、智能化水平，更提高了船舶舱室设备的运行可靠性和安全性的船舶舱室设备健康管理与故障预测系统。
[0005]本发明所要解决的另一个技术问题是提供上述船舶舱室设备健康管理与故障预测系统的健康管理与故障预测方法。
[0006]本发明所要解决的技术问题是通过以下的技术方案来实现的。本发明是一种船舶舱室设备健康管理与故障预测系统，该系统包括控制管理设备、通信设备、数据收集设备和现场采集设备，控制管理设备包括上位机，通信设备包括交换机，数据采集设备包括数据采集卡，现场采集设备包括若干用于安装到船舶舱室设备上的温度传感器、电压传感器、电流传感器、压力传感器和流量传感器，温度传感器、电压传感器、电流传感器、压力传感器和流量传感器均与数据采集卡连接，数据采集卡通过交换机与上位机连接。
[0007]本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的船舶舱室设备健康管理与故障预测系统，所述上位机为计算机或可编程控制器。[0008]本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的船舶舱室设备健康管理与故障预测系统，所述温度传感器选用NTC热敏电阻、白金RTD、热电偶、半导体中的一种或多种。
[0009]本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的船舶舱
室设备健康管理与故障预测系统，一种舶舱室设备健康管理与故障预测方法，该方法包括
[0010](1)设备可靠性和失效模式分析：
[0011]利用故障树方法，对船舶舱室设备进行可靠性分析和设备失效模式分析，获取设备的故障特征，制定合理的维修、维护策略；
[0012](2)信号采集与预处理：
[0013]通过设置各类传感器与设备通信，采集其运行状态各类信息，对信息进行预处理得到能够反映设备运行状态的压力、温度、流量的参数，实现对设备的运行状态数据的获取，并为实时状态监测、故障诊断与报警、预警提供数据支撑；
[0014](3)在线故障诊断
[0015]在线获取实时的监测设备工作状态数据，结合系统中预留的故障模式和失效判据，利用故障模型和专家系统对故障进行实时在线诊断；当存在异常时，结合设备的各种健康历史状态数据、工作状态以及维修历史记录，综合智能诊断方法，对系统故障进行在线诊断，获得故障的代码、特征、产生的原因、发生的位置，为维修提供及时准确的数据支持；[0016](4)故障预测
[0017]基于状态集序列的故障预测模型，利用预测的故障特征参数对故障进行当前性能状态的评估以及故障的早期预报，通过改进数据挖掘算法，更有效的实现对设备故障的早期识别，以有效降低具有强隐蔽性、不易发觉的故障所导致的经济和人身损失；
[0018](5)预测性维护
[0019]根据在线监测信息和健康状态的判定结果，帮助维修人员早期发现设备的异常症状，并提供相应的维修维护建议和维护指导手册；
[0020](6)运维知识管理
[0021]实现对模型库信息、知识库信息和维修优化信息的管理和更新，并通过储存故障类型、故障算法模型、维护建议措施，提供对运维知识库中故障名称、解决方法和维护建议的管理；其次，不断优化故障模型，完善运维知识库。
[0022]本发明所要解决的技术问题还可以通过以下的技术方案来进一步实现，对于以上所述的船舶舱室设备健康管理与故障预测方法，该方法中采用粒计算的处理方式，通过选择最合适的粒层来对复杂问题进行有效求解，处理模糊信息和海量数据的挖掘，删除冗余知识和不必要的属性特征，约简数据表，降低故障特征属性的个数，减小规则知识库的规模和复杂性，具体过程为：
[0023]采取相对粒度属性约简算法对决策表进行约简，其输入为决策表S＝(U，C∪D，V，f)，C是条件属性集合，D是决策属性集合，输出的约简结果用RED表示；其约简的具体步骤如下：
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议