一种船舶动力设备剩余寿命预测系统及方法技术方案

本发明专利技术公开了一种船舶动力设备剩余寿命预测方法步骤如下：步骤1：采集船舶动力设备各数据；步骤2：构成两个剩余寿命预测样本；步骤3：构成两个多维灰度剩余寿命预测样本；步骤4：将训练集代入到改进TCN模型中，将多维数据转化为一维特征向量；步骤5：提取数据的深层次特征，多层融合模型输出影响大的参数的权重；步骤6：得到剩余寿命预测模型，将剩余寿命预测样本的测试集经过归一化处理后输入至剩余寿命预测模型，输出健康因子；步骤7：对输出的健康因子作线性回归预测，得到当前运行时刻的健康因子；步骤8：对船舶动力设备做出实时剩余寿命预测。本发明专利技术因为在传统寿命预测数据的基础上引入设备部件腐蚀数据，减小预测误差。减小预测误差。减小预测误差。

【技术实现步骤摘要】
一种船舶动力设备剩余寿命预测系统及方法


[0001]本专利技术涉及船舶设备剩余寿命预测
，具体涉及一种船舶动力设备剩余寿命预测系统及方法。

技术介绍

[0002]船舶动力设备是船舶的重要配套设备，这些设备分布在全船的所有位置，数量大、分布广，但是当前大部分动力设备还停留在简单控制或者仅实现了状态监测。为避免动力设备突然失效所带来的突发事故以及经济损失，需要预测出设备的剩余寿命，提前做好应急处理方案，为其正常运行提供安全可靠保障。由于设备运行的工况不确定性和工作环境复杂性，采集的数据必然存在某些异常点和噪声，这些噪声并不能反映设备的真实状态，必然会对最后的预测结果产生误差影响。因此需要对原始数据进行去噪处理，尽可能消除噪声对预测结果的误差影响。
[0003]针对这些问题，为保障船舶动力设备的正常工作，亟需及时实现对其的剩余寿命预测，近些年有关设备剩余寿命预测的技术逐渐被研究，包括基于机理、基于数据以及混合模型的方法等，尤其深度学习逐渐被引入到剩余寿命预测领域中。如华中科技大学的袁烨等人专利技术公开了一种机械设备剩余寿命预测方法和系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船舶动力设备剩余寿命预测系统，其特征在于，包括：动力设备、数据采集模块、数据处理模块、模型融合模块、剩余寿命预测模块；所述动力设备与所述数据采集模块连接；所述数据采集模块与所述数据处理模块连接；所述数据采集模块分别与模型融合模块、剩余寿命预测模块连接；所述模型融合模块与所述剩余寿命预测模块连接；所述数据采集模块用于采集所述船舶动力设备的历史运行周期数据、实时运行数据；所述数据处理模块对来自所述数据采集模块的历史运行周期数据、实时运行数据进行处理，将处理后的历史运行周期数据和实时运行数据划分为训练集、测试集；所述模型融合模块用于所述数据处理模块处理后的数据进行模型训练，并构建设备退化趋势；所述剩余寿命预测模块用于所述模型融合模块的融合模型，将数据处理模块的测试集导入到剩余寿命预测模型，对船舶动力设备进行剩余寿命预测。2.一种船舶动力设备剩余寿命预测方法，适用于如权利要求1所述的船舶动力设备剩余寿命预测系统，其特征在于，所述船舶动力设备剩余寿命预测方法包括如下步骤：步骤1：采集船舶动力设备的历史运行周期数据、实时运行数据、历史周期部件腐蚀数据、实时部件腐蚀数据；步骤2：对步骤1中采集的数据进行预处理，提出变化度小的数据，留下的数据构成两个剩余寿命预测样本；步骤3：将剩余寿命预测样本作矩阵化预处理，构成两个多维灰度剩余寿命预测样本；步骤4：将剩余寿命预测样本的训练集代入到改进TCN模型中，对特征数据提取长短期时序特征和退化信息，将多维数据转化为一维特征向量；步骤5：将残差模式下的注意力模块以及软阈值加入到DRSN模型中形成多层融合型模型，在所述步骤4的基础上对多层融合模型进行训练，通过多层融合模型来降低多层训练过程中的样本时序特征损失，提取数据的深层次特征，多层融合模型输出影响大的参数的权重；步骤6：对多层融合模型进行训练和优化得到剩余寿命预测模型，将剩余寿命预测样本的测试集经过归一化处理后输入至剩余寿命预测模型，输出健康因子；步骤7：对输出的健康因子作线性回归预测，得到当前运行时刻的健康因子；步骤8：根据当前运行时刻的健康因子，对船舶动力设备做出实时剩余寿命预测。3.如权利要求2所述的船舶动力设备剩余寿命预测方法，其特征在于，所述步骤5之后、步骤6之前还包括：对多层融合模型中的船舶动力设备的健康退化趋势进行优化。4.如权利要求2所述的船舶动力设备剩余寿命预测方法，其特征在于，所述步骤4中改进TCN模型包括依次连接的输入层、四个残差单元、注意力层、全连接层和输出层...

【专利技术属性】
技术研发人员：杨奕飞，刘世界，苏贞，齐亮，袁伟，叶树霞，奚有丹，
申请(专利权)人：镇江默勒电器有限公司，
类型：发明
国别省市：