【技术实现步骤摘要】
基于参数预测的柴油机安全状态评估方法
[0001]本专利技术涉及柴油机安全保护领域，特别涉及基于参数预测的柴油机安全状态评估方法
。
技术介绍
[0002]柴油机是多数船舶的动力设备，柴油机安全运行状态对船舶航行至关重要
。
现阶段柴油机运行的安全保护措施主要根据已监测的柴油机运行数据，当判断故障发生或被监控参数出现明显异常时，采取紧急安全保护措施
。
但对于特殊情况，如海军舰艇执行任务时，柴油机安全运行保护措施会打断原本决策，负荷状态突加突卸也会对柴油机造成极大损害，甚至造成更严重后果
。
因此，在触发柴油机安全运行保护措施前，预测并评估主机及其机旁系统安全运行状态，将被动处置化为主动预防，实现早期预警并采取合适措施可以有效地降低或避免损失
。
[0003]柴油机安全状态预测评估是柴油机安全保护的重要一环，预测的准确性和评估真实性对柴油机运维决策具有重要意义
。
根据监测的柴油机运行参数，通过预测各参数变化趋势
、
劣化状态，预测评估柴油机安全状态
。
但由于柴油机结构复杂，运行参数非线性较强，目前还无法对呈多状态
、
多趋势的柴油机运行热工参数进行长期
、
准确预测，从而导致无法综合预测信息，对柴油机安全运行状态进行评估
。
技术实现思路
[0004]本专利技术目的是为了解决目前还无法对柴油机的安全状态进行预测评估的问题，而提出了基于参数预...
【技术保护点】
【技术特征摘要】
1.
基于参数预测的柴油机安全状态评估方法，其特征在于所述方法具体过程为：步骤一
、
获取柴油机安全保护热工参数，并组成初始数据组其中，是主机滑油进口压力时序数据序列，是曲轴箱压力时序数据序列，是主机进口空气压力时序数据序列，是排气总管温度时序数据序列，是主机淡水进口温度时序数据序列，是主机滑油进口温度时序数据序列，是主机进口空气温度时序数据序列，是增压器转速时序数据序列；步骤二
、
采用拉依达准则对初始数据组进行预处理，获得预处理后的初始数据组
S
；步骤三
、
对
S
进行长期预测，获得柴油机运行参数长预测数据
S
l
；步骤四
、
对
S
进行短期预测，获得柴油机运行参数短预测数据
S
s
；步骤五
、
对
S、S
l
、S
s
分别进行归一化处理，获得
S
X
、S
Xl
、S
Xs
；步骤六
、
利用步骤五获得的
S
X
、S
Xl
、S
Xs
获取柴油机安全状态预测评估结论
P1：首先，利用
S
X
、S
Xl
、S
Xs
获取参数长期预测属性包含特征
F
l
、
短期预测属性包含特征
F
s
、
监测参数属性包含特征
F
f
、
门限值频域属性包含特征
F
t
、
门限值时域属性包含特征
F
tr
的值；然后，利用
F
l
、F
s
、F
f
、F
t
、F
tr
的值获取柴油机安全状态预测评估结论
P1；其中，
P1越大柴油机状态越危险；步骤七
、
利用步骤六获取的门限值时域属性包含特征
F
tr
获取柴油机安全状态运行预测剩余时长
P2。2.
根据权利要求1所述的基于参数预测的柴油机安全状态评估方法，其特征在于：所述步骤二中的采用拉依达准则对初始数据组进行预处理，获得预处理后的初始数据组
S
，具体为：步骤二一
、
将初始数据组中的每个参数时序数据序列等间距划分为
n
段，并获得每段时序数据的平均值步骤二二
、
利用每段时序数据的平均值获取每段时序数据的剩余误差
v
i
和标准差
σ
：：：其中，
m
是每段时序数据中数据点的总数，
M
是每个参数时序数据序列中的数据总数，是某段时序数据段内的第
i0个时序数据；步骤二三
、
利用
v
i
和
σ
获取每段时序数据中的离群值，并将离群值剔除，然后将剔除离群值后的位置补全，获得预处理后的初始数据组
S
＝
[S
1 S
2 S
3 S
4 S
5 S
6 S
7 S8]
T
：首先，判断是否满足若满足，则为离群值；然后，剔除离群值将剔除离群值的位置空置；
然后，对空值位置进行牛顿插值替换，补全空值数据，获得预处理后的初始数据组
S
＝
[S
1 S
2 S
3 S
4 S
5 S
6 S
7 S8]
T
；其中，
S1是预处理后的主机滑油进口压力时序数据序列，
S2是预处理后的曲轴箱压力时序数据序列，
S3是预处理后的主机进口空气压力时序数据序列，
S4是预处理后的排气总管温度时序数据序列，
S5是预处理后的主机淡水进口温度时序数据序列，
S6是预处理后的主机滑油进口温度时序数据序列，
S7是预处理后的主机进口空气温度时序数据序列，
S8是预处理后的增压器转速时序数据序列
。3.
根据权利要求2所述的基于参数预测的柴油机安全状态评估方法，其特征在于：所述步骤三中的对
S
进行长期预测，获得柴油机运行参数长预测数据
S
l
，包括以下步骤：步骤三一
、
利用单位根检验方法检验
S
中每条预处理后的参数时序数据序列的平稳性，若通过平稳性检验，则将
S
作为平稳序列
S
f
，执行步骤三二；若没有通过平稳性检验，则对
S
进行差分处理，直到差分处理后的序列
S
通过平稳性检验，获得平稳序列
S
f
，然后执行步骤三二；步骤三二
、
建立长期预测模型，将平稳序列
S
f
输入到参数长期预测模型中，获得柴油机运行参数长预测数据
S
l
；所述参数长期预测模型，如下式：其中，
sf
t
为平稳序列中
t
时刻的参数数值，
ε
t
,...,
ε
t
‑
q
为白噪声；是自回归系数，
i
＝
1,2,
…
,p
，
ψ
j
是滑动平均系数，
j
＝
1,2,
…
,q
；
p,q
分别为自回归模型阶次和滑动平均模型阶次
。4.
根据权利要求3所述的基于参数预测的柴油机安全状态评估方法，其特征在于：所述步骤四中的对
S
进行短期预测，获得柴油机运行参数短预测数据
S
s
，包括以下步骤：步骤四一
、
对
S
进行一次累加运算，获得进行一次累加运算，获得进行一次累加运算，获得其中，
γ
∈[1,8]
，
s
γ
(i')
是
S
γ
中的第
i'
个元素，是中的第
k
个元素，是对
S
γ
中元素行累加后的结果；步骤四二
、
利用步骤四一获得的
S
(1)
构造白化序列构造白化序列构造白化序列
ω
＝
(B
T
B)
‑1B
T
Y
其中，
ω
为发展系数，是中的第
k
个元素，
B、Y
是中间矩阵；步骤四三
、
利用步骤四一获得的
S
(1)
和步骤四二获得的
W
(1)
建立
GM(1,1)
灰色预测模型，如下式：如下式：其中，
α
是灰色作用量，是序列变化预测值，是参数序列预测值；步骤四四
、
将
S
输入到
GM(1,1)
灰色预测模型中，柴油机运行参数短预测数据
S
s
。5.
根据权利要求4所述的基于参数预测的柴油机安全状态评估方法，其特征在于：所述步骤五中的对
S、S
l
、S
s
分别进行归一化处理，获得
S
X
、S
Xl
、S
Xs
，具体为：对
S、S
l
、S
s
分别进行最大最小法归一化处理，获得归一化处理后数据组
S
X
＝
[S
X1 S
X2 S
X3 S
X4 S
X5 S
X6 S
X7 S
X8
]
T
,S
Xl
＝
[S
Xl1 S
Xl2 S
Xl3 S
Xl4 S
Xl5 S
Xl6 S
Xl7 S
Xl8
]
T
,S
Xs
＝
[S
Xs1 S
Xs2 S
Xs3 S
Xs4 S
Xs5 S
Xs6 S
Xs7 S
Xs8
]
T
；其中，
S
X
是归一化后的
S
，
S
Xl
是归一化后的
S
l
，
S
Xs
是归一化后的
S
s
；对序列
X
归一化公式，获得归一化后的序列如下式：其中，
k
＝
1,2,
…
,M
，是归一后序列的第
k
个元素，
x
min
序列
X
中的最小值，
x
max
为序列
X
中的最大值，
X
＝
[x1,x2,x3,
…
,x
M
]
，
X
是
S、S
l
或
S
s
，
x
k
是
X
中的第
k
个元素
。6.
根据权利要求5所述的基于参数预测的柴油机安全状态评估方法，其特征在于：所述步骤六中的利用步骤五获得的
S
X
、S
Xl
、S
Xs
获取柴油机安全状态预测评估结论
P1，包括以下步骤：步骤六一
、
建立参数长期预测属性包含特征
F
l
＝
F1＝
[f
kl
,f
tkl
,f
frl
]、
短期预测属性包含特征
F
s
＝
F2＝
[f
ks
,f
tks
,f
frs
]、
监测参数属性包含特征
F
f
＝
F3＝
[f
kf
,f
tkf
,f
frf
]、
门限值频域属性包含特征
F
...
【专利技术属性】
技术研发人员：王忠巍，韩雨婷，高泽，王晓政，赵宝瑞，
申请(专利权)人：哈尔滨工程大学，
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。