一种船舶的船底附着物清理预测方法技术

本发明专利技术涉及清理技术领域，具体涉及一种船舶的船底附着物清理预测方法，该方法根据船舶的油耗量、吃水深度、停泊次数和停泊时长分析每个采样周期的船舶清理指标，将连续多个采样周期的船舶清理指标通过清理指标预测网络获取下一采样周期的船舶清理指标预测值，利用清理指标预测网络的预测差异参数对船舶清理指标预测值进行优化，以得到准确的实际船舶清理指标预测值，进而能够做到及时清理预警，降低船舶材质腐蚀的速度，同时解决了水下探测的麻烦。烦。烦。

【技术实现步骤摘要】
一种船舶的船底附着物清理预测方法


[0001]本专利技术涉及清理
，具体涉及一种船舶的船底附着物清理预测方法。

技术介绍

[0002]水中有大量的寄生物会依附在船底，增加船舶的负担。大量的寄生物附着在船舶底部，不仅会增加船身的重量，使得船身的速度下降，加大燃料的耗费，还会腐蚀船舶的材质。目前都是通过水下探测来对船舶进行随机清理，但水下探测的方法不仅操作不方便，而且做不到及时清理。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种船舶的船底附着物清理预测方法，所采用的技术方案具体如下：
[0004]基于设定的采样频率获取船舶的油耗量和吃水深度，得到当前采样周期内的油耗量序列和吃水深度序列，结合所述油耗量序列和所述吃水深度序列计算当前采样周期内船舶的油耗异常指标；统计当前采样周期内船舶的停泊次数，将每次停泊时长组成一个停泊时长序列；
[0005]根据所述吃水深度序列中的每个吃水深度构建吃水深度的线性变化函数，由线性变化函数获取所述吃水深度序列的测量误差值；计算所述吃水程度序列的吃水深度方差，将所述测量误差值和所述吃水深度方差之间的乘积作为所述油耗异常指标的误判参数，结合所述误判参数、所述油耗异常指标、所述停泊次数和所述停泊时长序列获取当前采样周期的船舶清理指标；
[0006]获取多个采样周期的所述船舶清理指标，构成一个清理指标序列，将所述清理指标序列输入清理指标预测网络得到下一个采样周期的船舶清理指标预测值；获取所述清理指标预测网络的预测差异参数，利用所述预测差异参数优化所述船舶清理指标预测值，得到实际船舶清理指标预测值，根据所述实际船舶清理指标预测值对船舶进行清理预警。
[0007]进一步地，所述结合所述油耗量序列和所述吃水深度序列计算当前采样周期内船舶的油耗异常指标的方法，包括：
[0008]获取吃水深度序列中的最大吃水深度、最小吃水深度和平均吃水深度，计算最大吃水深度和最小吃水深度之间的吃水深度差值；计算油耗量序列的平均油耗量和油耗量极差；
[0009]结合当前采样周期与上一个采样周期之间对应平均吃水深度的第一差值、当前采样周期与上一个采样周期之间对应平均油耗量的第二差值、当前采样周期的吃水深度差值和当前采样周期的油耗量极差计算当前采样周期的油耗异常指标，其中，油耗异常指标的计算公式为：
[0010][0011]其中，U
i
为第i个采样周期的油耗异常指标；max(L
i
)为第i个采样周期的最大吃水深度；min(L
i
)为第i个采样周期的最小吃水深度；mean(L
i
)为第i个采样周期的平均吃水深度；mean(L
i
‑1)为第i
‑
1个采样周期的平均吃水深度；range(H
i
)为第i个采样周期的油耗量极差；mean(H
i
)为第i个采样周期的平均油耗量；mean(H
i
‑1)为第i
‑
1个采样周期的平均油耗量。
[0012]进一步地，所述由线性变化函数获取所述吃水深度序列的测量误差值的方法，包括：
[0013]分别将吃水深度序列中的每个吃水深度代入线性变化函数，得到每个吃水深度对应的理想吃水深度；
[0014]分别计算每个吃水深度与对应理想吃水深度之间的深度差值，得到一个深度差值序列，对深度差值序列计算平均深度差值，将平均深度差值作为对应吃水深度序列的测量误差值。
[0015]进一步地，所述船舶清理指标的计算公式，包括：
[0016][0017]其中，W为船舶清理指标，mean(T)为停泊时长序列的平均停泊时长，U为油耗异常指标，S为停泊次数，J为误判参数。
[0018]进一步地，所述获取所述清理指标预测网络的预测差异参数的方法，包括：
[0019]将已知的多个船舶清理指标预测值构成一个预测值序列，将实际计算的多个相对应船舶清理指标构成一个实际值序列，计算预测值序列和实际值序列之间的相似度得到清理指标预测网络的预测差异参数，其中，预测差异参数的计算公式为：其中，M为预测差异参数，P为实际值序列，P0为预测值序列。
[0020]进一步地，所述实际船舶清理指标预测值的计算公式，包括：
[0021]W0＝W
′
*M
[0022]其中，W0为实际船舶清理指标预测值，W
′
为船舶清理指标预测值，M为预测差异参数。
[0023]本专利技术实施例至少具有如下有益效果：根据船舶的油耗量、吃水深度、停泊次数和停泊时长分析每个采样周期的船舶清理指标，将连续多个采样周期的船舶清理指标通过清理指标预测网络获取下一采样周期的船舶清理指标预测值，利用清理指标预测网络的预测差异参数对船舶清理指标预测值进行优化，以得到准确的实际船舶清理指标预测值，进而能够做到及时清理预警，降低船舶材质腐蚀的速度，同时解决了水下探测的麻烦。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0025]图1为其示出了本专利技术一个实施例提供的一种船舶的船底附着物清理预测方法的步骤流程图。
具体实施方式
[0026]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种船舶的船底附着物清理预测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0027]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0028]下面结合附图具体的说明本专利技术所提供的一种船舶的船底附着物清理预测方法的具体方案。
[0029]请参阅图1，其示出了本专利技术一个实施例提供的一种船舶的船底附着物清理预测方法的步骤流程图，该方法包括以下步骤：
[0030]步骤S001，基于设定的采样频率获取船舶的油耗量和吃水深度，得到当前采样周期内的油耗量序列和吃水深度序列，结合油耗量序列和吃水深度序列计算当前采样周期内船舶的油耗异常指标；统计当前采样周期内船舶的停泊次数，将每次停泊时长组成一个停泊时长序列。
[0031]具体的，船舶动力是通过消耗油量来实现的，而船舶的载重量会影响船舶的油耗量，载重量越大，对应油耗量也会变大，因此记录船舶的油耗量，本专利技术实施例以船舶的行驶路程为采样频率，即每行驶一百公里记录一次船舶的油耗量h，然后以一个星期为采样周期，进而得到一个星期内船舶每百公里的油耗量所组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船舶的船底附着物清理预测方法，其特征在于，该方法包括以下步骤：基于设定的采样频率获取船舶的油耗量和吃水深度，得到当前采样周期内的油耗量序列和吃水深度序列，结合所述油耗量序列和所述吃水深度序列计算当前采样周期内船舶的油耗异常指标；统计当前采样周期内船舶的停泊次数，将每次停泊时长组成一个停泊时长序列；根据所述吃水深度序列中的每个吃水深度构建吃水深度的线性变化函数，由线性变化函数获取所述吃水深度序列的测量误差值；计算所述吃水程度序列的吃水深度方差，将所述测量误差值和所述吃水深度方差之间的乘积作为所述油耗异常指标的误判参数，结合所述误判参数、所述油耗异常指标、所述停泊次数和所述停泊时长序列获取当前采样周期的船舶清理指标；获取多个采样周期的所述船舶清理指标，构成一个清理指标序列，将所述清理指标序列输入清理指标预测网络得到下一个采样周期的船舶清理指标预测值；获取所述清理指标预测网络的预测差异参数，利用所述预测差异参数优化所述船舶清理指标预测值，得到实际船舶清理指标预测值，根据所述实际船舶清理指标预测值对船舶进行清理预警。2.如权利要求1所述的一种船舶的船底附着物清理预测方法，其特征在于，所述结合所述油耗量序列和所述吃水深度序列计算当前采样周期内船舶的油耗异常指标的方法，包括：获取吃水深度序列中的最大吃水深度、最小吃水深度和平均吃水深度，计算最大吃水深度和最小吃水深度之间的吃水深度差值；计算油耗量序列的平均油耗量和油耗量极差；结合当前采样周期与上一个采样周期之间对应平均吃水深度的第一差值、当前采样周期与上一个采样周期之间对应平均油耗量的第二差值、当前采样周期的吃水深度差值和当前采样周期的油耗量极差计算当前采样周期的油耗异常指标，其中，油耗异常指标的计算公式为：其中，U
i
为第i个采样周期的油耗异常指标；max(L
i
)为第i个采样周期的最大吃水深度；min(L
i
)为第i个采样周期的最小吃水深度；mean(L...

【专利技术属性】
技术研发人员：李柏，顾斌，
申请(专利权)人：南通海舟船舶设备有限公司，
类型：发明
国别省市：