[发明专利]一种基于模糊贴近度的船舶故障诊断方法及系统

说明书

技术领域

本发明属于船舶自动化技术领域，具体涉及一种基于模糊贴近度的船舶故障诊断方法及系统。

背景技术

随着现代船舶系统的日益发展，机舱设备逐渐具备结构复杂化、功能综合化、高性能化、高度自动化等特点。而机舱设备的结构日益复杂，造成其中某一部件发生突发的故障时整台设备处于瘫痪状态的情况，这种情况甚至会引起连锁反应，并造成一定的经济损失和船员伤亡。因此，提高船舶机舱的自动化程度与自动化系统的可靠性与稳定性，便成为本领域中一个突出的问题。机舱状态监测和故障诊断是船舶安全综合控制系统中最基本和最重要的组成部分，为了确保船舶在航行过程中的正常运行，必须实时监控船舶机舱内的主机、辅机、发电机、舵桨等各主要部件的工作情况。为了对突发故障快速采取应急措施，必须建立一个智能诊断系统，利用先进的传感技术对机舱各主要部件进行实时监控，动态地采集主要部件的特征信息，并对这些特征信息进行信号分析与处理，以检测出系统发生的故障，对发生的故障的原因进行区分与识别，并对各故障原因提出针对性的维修与处理方法。

现如今对船舶故障诊断方法研究较多的是基于神经网络的人工智能方法，但该方法在故障诊断前需要利用大量故障样本对神经网络进行训练，在正常运行状态下数据样本容易获得，但故障样本却难以获得，致使故障诊断结果可靠性不高。因此设计一种可靠性高的船舶故障诊断方法具有重要意义。

发明内容

本发明的目的旨在针对传统基于神经网络的人工智能诊断方法，在正常运行状态下故障样本难以获得等问题，提供一种科学简便而、可靠性高的基于模糊贴近度的船舶故障诊断方法。

为了实现上述目的，本发明提供一种基于模糊贴近度的船舶故障诊断方法，包括以下步骤：

1)利用传感技术对船舶机舱各主要部件进行实时监控，动态地采集所述各个主要部件的特征信息，并对所述特征信息进行信号分析与处理，以提取出相应的特征值；

2)将所述特征值与设定的报警阈值比较，一旦所述特征值超过所述报警阈值，即可产生故障报警，并将所述特征值存入数据库；

3)根据所述故障报警对应的特征值，获得待诊断的故障数据，并将所述待诊断的故障数据与所述数据库中已确定故障原因的故障样本比对；

4)当所述数据库中没有任何故障样本数据时，人工检查和确定故障原因，并将所述故障原因与所述待诊断的故障数据关联而建立新的故障样本；当所述数据库中有一个以上的已确定故障原因的故障样本时，利用模糊贴近度模型计算出所述待诊断的故障数据与所述故障样本的数据之间的最大贴近度值，从而确定待诊断的故障原因。

可选的，步骤1)中，对所述特征信息进行信号分析与处理的过程包括：首先，对所述特征信息进行小波分析，并选择出最能体现各个主要部件的振动特性的频带信号；然后，根据所述频带信号提取出表征各个主要部件的振动特性的特征值。

可选的，步骤4)中，当查找到多个已有故障样本时，计算出所述待诊断的故障数据与每个已有故障样本的数据之间的贴近度，取所有贴近度中的最大值作为最大贴近度值，从而确定待诊断的故障原因。

可选的，步骤4)中，当所述最大贴近度值偏低时，有可能是出现新类型故障，此时人工去检查故障原因，并将所述故障原因与所述待诊断的故障数据关联而建立新的故障样本。

可选的，步骤4)中，确定的各类型的故障原因有大量的故障样本数据时，利用数据融合技术将同类型的多个故障样本数据融合成一个标准的故障样本数据，以使用到所述模糊贴近度模型中。

可选的，利用模糊贴近度模型计算贴近度的公式为：

式中δ是贴近度，n为特征值个数，u(j)为第j个特征值的隶属度值，u(x)＝-4x³+6x²-x，x是征兆参数与已诊断故障参数的接近程度。