一种基于数据驱动的船舶状态监测方法技术

本发明专利技术涉及一种基于数据驱动的船舶状态监测方法，基于健康运行数据的无监督学习系统，通过对健康数据的无监督学习和训练，总结出装备的运行状态，并不断扩展系统的数据容量和学习深度，根据多元参数对装备的运行状态进行总结和归纳，方法以船舶主机为研究对象，通过对异常数据进行插入检测，来验证该方法的可靠性和实用性，通过算例可知该方法可快速检测出异常数据，并根据贡献值推测出故障原因，由于该方法不牵扯装备的模型的复杂建模和精确度，因此，对船舶的其他装备具有可借鉴性和推广性。广性。广性。

【技术实现步骤摘要】
一种基于数据驱动的船舶状态监测方法


[0001]本专利技术涉及一种监测技术，特别涉及一种基于数据驱动的船舶状态监测方法。

技术介绍

[0002]当今的船舶运营中机舱状态监控技术起到了至关重要的作用。该技术基于历史运行数据，通过建立健康运行模型实时识别异常数据，达到提高被监控设备或系统的可靠性并减少故障率，进而实现提高系统总体安全水平的目的，同时最大化的减小了被监测设备或系统的维护相关的成本，提高了经济性。保障了设备的可靠性。
[0003]状态监测技术主要是指在不同的状态环境下进行数据融合和数据挖掘，快速计算研究对象给出的所有样本，避免了随机抽样带来的片面性，得出对实际工程有用的某种模型，并利用此模型预测未来的一种方法。实施状态监控系统进行故障诊断和预测算法主要基于两种方法：基于模型(物理模型第一原则)方法或数据驱动(利用统计和数据挖掘)的方法。基于模型的状态监控技术侧重研究对象的模型，需深入研究设备或系统的详细物理性能和系统功能以及经验库。适合具有良好计算机模型和一部分故障统计的新开发设备的可行性验证。基于数据驱动的状态监测技术不需要了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的船舶状态监测方法，其特征在于，具体包括如下步骤：1)选取表征船舶性能状态的参数作为监测变量，对监测变量数据收集船舶监控系统的健康运行数据，并进行数据清洗和数据整合；2)采用步骤1)数据清洗和数据整合后数据作为测试样本，送入主成分状态监测模型进行训练，训练过程中采用训练样本进行主成分分析运算，通过累计方差贡献率确定主元个数，并对主元进行对比和解读，确定T2和SPE两统计量的控制限值，并建立两统计量的混合指标，训练后主成分状态监测模型用于更全面的监测运行情况；3)选取目标船新的监控系统数据，送入步骤1)数据处理和2)训练后主成分状态监测模型对包含异常数据的测试数据读取，来验证对异常数据的敏感程度；4)结合实际运行情况及模拟数据，对异常原因的贡献率进行解读和分析，基于统计量贡献率的异常诊断计算；当监测到异常的情况时，根据各变量贡献率判断异常引起的原因，参照专家经验和系统理论综合判断贡献率大的几个变量并进行实例检验分析，通过推导的异常结果原因验证该监测模型的准确度和精度；5)执行完1)～4)后，始终保留对后续运行数据进行读取和训练的接口，以便对设备后续状态进行准确评估，并不断加大训练数据的质量，处于一种基于船舶实时状态的状态监测模型。2.根据权利要求1所述基于数据驱动的船舶状态监测方法，其特征在于，所述步骤1)数据清洗和数据整合具体为对缺失值、无效数据和传感...

【专利技术属性】
技术研发人员：李广磊，祝彦兵，贝兆彧，丁立刚，刘海洋，
申请(专利权)人：中国船舶集团有限公司第七〇四研究所，
类型：发明
国别省市：