【技術實現步驟摘要】
本專利技術涉及船舶故障診斷，具體為一種動力船舶系統故障診斷方法。
技術介紹
1、船舶動力系統被稱為船的“心臟”，在為船舶提供動力的同時，還與船舶的運行穩定性、安全性能息息相關，因此需要對船舶系統進行故障診斷，隨著智能浪潮的掀起，逐漸通過智能診斷方法對船舶進行故障診斷。但是現有的動力船舶故障診斷方法在通過傳感器獲取檢測信號時，通常攜帶有干擾信號，會對診斷結果造成影響，并且將獲取的檢測信號完整進行診斷，導致診斷效率低下。
2、現有的故障診斷方法中存在的缺陷是：
3、1、專利文件cn115825635b中，主要考慮的是如何對進行實時故障診斷和做出應急反應的問題，沒有檢測的信號未進行處理容易造成診斷誤差和降低診斷效率的問題；
4、2、專利文件jp2005327153a中，主要考慮的是提高檢測故障的精度來估計故障位置及其程度的問題，缺少建立故障類型子模塊，對故障類型進行分類判斷的功能；
5、3、專利文件jp2015033908a中，主要考慮的是如何對混合車輛系統進行故障診斷的問題，缺少對故障類型進行分類，并分類診斷故障是否發生的功能；
6、4、專利文件cn103412220a中，主要考慮的是如何對系統故障做出正確判定的問題，沒有考慮到診斷判定后缺少信息反饋的問題。
技術實現思路
1、本專利技術的目的在于提供一種動力船舶系統故障診斷方法，以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，本專利技術提供如下技術方案：一種
3、所述故障類型構建模塊包括樣本收集單元、模型建立單元、模型訓練單元和模型生成單元，所述故障類型構建模塊用于構建故障診斷模型，所述運行信息處理模塊包括傳感信號檢測單元、信息整合單元、信息預處理單元和特征片段截取單元，所述運行信息處理模塊用于處理船舶系統運行狀態信號，所述故障類型診斷模塊包括特征片段對比單元、特征信息對比單元和人工故障診斷單元，所述故障類型診斷模塊用于接收運行信息處理模塊處理后的信息，并將信息輸入故障類型構建模塊，與故障診斷模型進行對比，對信息進行故障診斷，所述動力故障預警模塊用于根據故障類型診斷模塊的診斷結果做出故障預警，所述故障信息反饋模塊包括故障次數統計單元、故障概率模型生成單元和未知信息反饋單元，所述故障信息反饋模塊用于根據動力故障預警模塊的故障預警結果，向故障類型構建模塊反饋未知信息。
4、優選的，動力船舶系統故障診斷方法如下：
5、s1：通過樣本收集單元收集動力船舶系統正常運行狀態樣本信息、故障狀態樣本信息和已知故障類型，將樣本收集單元收集的樣本信息輸入模型建立單元，建立故障類型子模型，通過模型訓練單元訓練故障類型子模型，再通過模型生成單元對通過訓練的故障類型子單元進行整合，生成故障類型模型，用于進行故障診斷；
6、s2：傳感信號檢測單元檢測船舶系統運行狀態信號，并通過信息整合單元整合運行狀態信號，通過信號預處理單元對整合后的運行狀態信號做出預處理操作，并生成連續信號，特征片段截取單元將連續信號分斷截取，獲得特征片段信號；
7、s3：將s2中獲取的特征片段信號輸入s1中生成的故障類型模型中，通過特征片段信號對比單元判斷特征片段信號所屬的故障類型子模型，通過特征信息對比單元將特征片段信號與相應故障類型子模型進行對比，判斷特征片段信號運行狀態，并輸出運行狀態的判斷結果；
8、s4：將s3中的運行狀態判斷結果輸入動力故障預警模塊，根據運行狀態判斷結果，判斷是否需要通過動力故障預警模塊進行故障預警；
9、s5：最后使用故障次數統計單元統計故障發生次數，故障概率生成模型根據故障發生次數生成模型，記錄高頻故障并進行信息反饋。
10、優選的，在s1中，還包括以下步驟：
11、s11：樣本收集單元從數據庫中獲取多組信息樣本，數據庫中記載有船舶動力系統正常運行狀態信息、已知故障運行狀態信息、已知故障類型信息和傳感檢測單元位置信息；
12、s12：將樣本收集單元獲取的樣本信息輸入模型建立單元，通過歐拉方程結合已知案例和樣本特征建立故障類型子模型xi，并確定相應故障類型子模型中的閾值iy和iz，且(iy，iz)∈xi；
13、s13：將故障類型子模型輸入模型生成單元，通過stacking堆疊法建立整體的故障類型模型mi，且{xi|i＝1,2,3,4}∈mi；
14、s14：通過樣本收集單元從歷史數據庫中選取新信息樣本，將樣本輸入故障類型模型mi中，神經網絡算法或隨機森林算法對故障類型模型進行訓練，并將訓練完成的故障類型模型用于對動力船舶系統故障進行診斷。
15、優選的，所述傳感信息檢測單元包括傳感器，信息整合單元包括編碼器和plc，且編碼器與傳感器連接，編碼器與plc無線連接；
16、在s2中，還包括以下步驟：
17、s21:使用傳信息檢測單元采集船舶系統運行信號，通過編碼器轉化信息檢測單元采集的運行信號，并將信號傳輸至plc進行整合；
18、s22：在信息預處理單元中通使用cemd算法，對整合后的檢測信號進行輔助信號分解，以imf在指定方向上添加白噪聲，對整合后的檢測信號進行分解與重構，去除檢測信號中的干擾噪聲信號，再以連續小波變換將信號生成連續振蕩波形，基于小波變換設定軟式臨界值，去除低于軟式臨界值的干擾信號，并形成連續信號；
19、s23：將連續信號輸入特征片段截取單元，添加窗函數突出特征片段，并從完整的連續長信號中截取突出的特征片段信號qi，并且保留完整形狀的波峰、波谷處特征信號數據pi，且pi∈qi。
20、優選的，在s3中，還包括以下步驟：
21、s31：將截取的特征片段信號qi按照截取順序組成特征向量，輸入故障類型mi中；
22、s32：在特征片段對比單元中，通過ann將特征片段信號qi與mi進行對比；
23、s33：將通過特征片段對比單元的特征片段信號qi輸入特征信息對比單元，使用閾值判定法將特征片段信號數據pi與故障類型子模型中的閾值進行對比，判斷特征片段信號數據pi是否處于(iy，iz)內，當特征片段對比單元輸出“發生故障”的判斷結果，ip∈(iy，iz)時，特征片段對比單元輸出“未發生故障”的判斷結果。
24、優選的，在s4中還包括以下步驟：動力故障預警模塊接收特征信息對比單元輸出的判斷結果，當判斷結果為“發生故障”時，動力故障預警模塊對船舶工作人員及陸地指示人員作出故障預警，并對故障類型和故障發生位置進行提示。
25、優選的，在s32中，還包括以下步驟：在特征片段對比單元中，將特征片段信號qi與mi進行對比，當對比成功時，對比得出與特征片段信號qi對應的故障類型子模型xi，并進行步驟33，當特征片段信號qi與mi經過步驟s32本文檔來自技高網...
【技術保護點】
1.一種動力船舶系統故障診斷方法，其特征在于：包括故障類型構建模塊、運行信息處理模塊、故障類型診斷模塊、動力故障預警模塊和故障信息反饋模塊；
2.根據權利要求1所述的一種動力船舶系統故障診斷方法，其特征在于：動力船舶系統故障診斷方法如下：
3.根據權利要求2所述的一種動力船舶系統故障診斷方法，其特征在于：在S1中，還包括以下步驟：
4.根據權利要求2所述的一種動力船舶系統故障診斷方法，其特征在于：所述傳感信息檢測單元包括傳感器，信息整合單元包括編碼器和PLC，且編碼器與傳感器連接，編碼器與PLC無線連接；
5.根據權利要求4所述的一種動力船舶系統故障診斷方法，其特征在于：在S3中，還包括以下步驟：
6.根據權利要求5所述的一種動力船舶系統故障診斷方法，其特征在于：在S4中還包括以下步驟：動力故障預警模塊接收特征信息對比單元輸出的判斷結果，當判斷結果為“發生故障”時，動力故障預警模塊對船舶工作人員及陸地指示人員作出故障預警，并對故障類型和故障發生位置進行提示。
7.根據權利要求5所述的一種動力船舶系統故障診斷方
8.根據權利要求6所述的一種動力船舶系統故障診斷方法，其特征在于：在S5中，還包括以下步驟：
9.根據權利要求4所述的一種動力船舶系統故障診斷方法，其特征在于：所述傳感器包括振動傳感器、溫度傳感器、壓力傳感器和液位傳感器中的一種或多種。
...【技術特征摘要】
1.一種動力船舶系統故障診斷方法，其特征在于：包括故障類型構建模塊、運行信息處理模塊、故障類型診斷模塊、動力故障預警模塊和故障信息反饋模塊；
2.根據權利要求1所述的一種動力船舶系統故障診斷方法，其特征在于：動力船舶系統故障診斷方法如下：
3.根據權利要求2所述的一種動力船舶系統故障診斷方法，其特征在于：在s1中，還包括以下步驟：
4.根據權利要求2所述的一種動力船舶系統故障診斷方法，其特征在于：所述傳感信息檢測單元包括傳感器，信息整合單元包括編碼器和plc，且編碼器與傳感器連接，編碼器與plc無線連接；
5.根據權利要求4所述的一種動力船舶系統故障診斷方法，其特征在于：在s3中，還包括以下步驟：
6.根據權利要求5所述的一種動力船舶系統故障診斷方法，其特征在于：在s4中還包括以下步驟：動力故障預警模塊接收特征信息對比單元輸出...
【專利技術屬性】
技術研發人員：羅南杭，謝冬冬，吳逸凡，宋思蒙，趙昆明，
申請(專利權)人：中國船舶集團有限公司第七一九研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。