【技术实现步骤摘要】
远程确定船舶实时故障的方法、远程船舶系统与存储介质
[0001]本申请涉及确认船舶故障领域,具体而言,涉及一种远程确定船舶实时故障的方法
、
远程船舶系统与存储介质
。
技术介绍
[0002]随着互联网技术和卫星通信技术的发展,远程故障会诊技术逐渐在船舶
、
航天和军事等领域有广泛的应用,对于远洋轮船,由于船上技术人员知识有限,碰到一些技术难题不能解决,若能运用计算机通信技术对船舶进行远程的诊断,将设备运行参数实时的传递到岸上,岸上技术工程师可对远端的船舶进行故障维护和修理指导,可提高船舶维修效率,维护远端设备的安全运行
。
[0003]现有技术中,在智能船舶故障诊断领域中,往往难以找出一种可靠的远程数据传输系统实现对船用多传感器信息融合数据采集,部门工程技术人员采取远程传输,但是其实时性不能得到保证
。
并且,目前对船舶实时故障进行远程诊断的方案的准确率低
。
技术实现思路
[0004]本申请的主要目的在于提供一种远程确定船舶实时故障的方法
、
远程船舶系统与存储介质,以至少解决现有技术中对船舶实时故障进行远程诊断的方案准确率低的问题
。
[0005]为了实现上述目的,根据本申请的一个方面,提供了一种远程确定船舶实时故障的方法,所述方法应用于远程处理终端,包括:所述远程处理终端获取目标船舶的故障数据并对所述故障数据进行预处理,得到与所述故障数据对应的矩阵数据,其中,所述故障数据包括所述目标 ...
【技术保护点】
【技术特征摘要】
1.
一种远程确定船舶实时故障的方法,其特征在于,所述方法应用于远程处理终端,包括:所述远程处理终端获取目标船舶的故障数据并对所述故障数据进行预处理,得到与所述故障数据对应的矩阵数据,其中,所述故障数据包括所述目标船舶的原始故障振动信号,所述原始故障振动信号为所述目标船舶的机械故障引起的振动信号;所述远程处理终端采用深度学习模型中的第一层子模型对所述矩阵数据进行处理,得到所述目标船舶的故障的目标类型,其中,所述深度学习模型是采用部分所述故障数据训练得到的;所述远程处理终端采用所述深度学习模型中与所述第一层子模型级联的第二层子模型对所述目标船舶的故障的目标类型进行处理,得到所述目标类型的所述目标船舶的故障对所述目标船舶的相关功能的影响程度,根据所述影响程度确定所述目标类型的所述目标船舶的故障的故障等级
。2.
根据权利要求1所述的方法,其特征在于,所述目标船舶的故障数据为通过故障采集传感器采集的传感数据,所述故障采集传感器安装在所述目标船舶上,所述故障数据为一维数据,所述远程处理终端对所述故障数据进行预处理,得到与所述故障数据对应的矩阵数据,包括:所述远程处理终端对为一维数据的所述故障数据进行矩阵化处理,得到与所述故障数据对应的二维矩阵数据
。3.
根据权利要求1所述的方法,其特征在于,在所述远程处理终端采用深度学习模型中的第一层子模型对所述矩阵数据进行处理得到目标船舶的故障的目标类型之前,所述方法还包括:构建初始第一层子模型;初始化所述初始第一层子模型的参数;采用蚁群优化算法对所述初始第一层子模型中的学习率和迭代次数进行参数寻优得到第一最优学习率和第一最优迭代次数,根据所述第一最优学习率和所述第一最优迭代次数调整所述初始第一层子模型中的参数,得到所述第一层子模型;在所述远程处理终端采用所述深度学习模型中与所述第一层子模型级联的第二层子模型,确定目标类型的所述目标船舶的故障的故障等级之前,包括:构建初始第二层子模型;初始化所述初始第二层子模型的参数;采用蚁群优化算法对所述初始第二层子模型中的学习率和迭代次数进行参数寻优得到第二最优学习率和第二最优迭代次数后,根据所述第二最优学习率和所述第二最优迭代次数调整所述初始第二层子模型中的参数,得到所述第二层子模型
。4.
根据权利要求1所述的方法,其特征在于,安装在所述目标船舶上的设备有故障采集传感器
、
以及与所述故障采集传感器通信的
ECU
控制器
、
与所述
ECU
控制器通信的仪表,所述故障采集传感器采集到的故障数据存储在所述
ECU
控制器中,所述<...
【专利技术属性】
技术研发人员:杨友胜,马光伟,顾昕岑,杨文凯,苗萍萍,李振玲,
申请(专利权)人:潍柴动力股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。