[发明专利]基于多维向量模型的船舶关键设备系统的监测方法

说明书

本发明公开了基于多维向量模型的船舶关键设备系统的监测方法，该方法包括：S1：构建所述船舶关键设备系统的系统多维向量监测模型；S2：实时监测所述船舶关键设备系统的工况条件，按照当前工况，调用相应工况条件下的系统多维向量监测模型；S3：判断是否存在与子模块的特征参数所对应的多维向量未落入相应的正常态多维向量集，若是，则判断在所述当前工况下所述子模块处于故障状态；若否，则判断在所述当前工况下所述子模块处于正常状态。本发明的监测方法只需调用当前工况的各个子多维向量监测模型，即可实时监测船舶设备系统各部分的运行状态，且不需要通过异常数据样本来实现子多维向量监测模型的构建，使得适用性更加广泛。

技术领域

本发明涉及船舶关键设备系统的监测设计技术领域，尤其涉及一种基于多维向量模型的船舶关键设备系统的监测方法。

背景技术

船舶设备的状态监测和维护是保障设备正常运行、提高设备工作效率、延长设备使用寿命的主要手段。现有设备的监测多采用设置阈值报警进行运行状态监控，能够解决一些常规的故障的发生，但是在船舶设备工况多变的背景下，同一参数在不同工况下数值波动很大，有时为了避免频繁报警，阈值会预留较大的余量，因此报警时往往已经出现较为严重的故障，现有技术存在不能灵活根据实时工况进行设备状态监测的缺陷；且对于较为复杂的设备，需要监控的参数很多，当发生故障时，人工很难迅速定位引起故障的主次要因素。

因此，需要提供一种基于多维向量模型的船舶关键设备系统的监测方法，以至少部分地解决上面提到的问题。

发明内容

在发明内容部分中引入了一系列简化形式的概念，这将在具体实施例部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

为了至少部分地解决上述问题，本发明提供了一种基于多维向量模型的船舶关键设备系统的监测方法，包括以下步骤：

S1：构建所述船舶关键设备系统的系统多维向量监测模型；

S2：实时监测所述船舶关键设备系统的工况条件，按照当前工况，调用相应工况条件下的系统多维向量监测模型；

S3：判断是否存在与子模块的特征参数所对应的多维向量未落入相应的正常态多维向量集，若是，则判断在所述当前工况下所述子模块处于故障状态；若否，则判断在所述当前工况下所述子模块处于正常状态，

其中，所述S1包括：

S11：将所述船舶关键设备系统划分成各子模块；

S12：基于机器学习的多维向量模型法，利用各所述子模块在健康状态运行的一段时间内，各种典型工况下的特征参数构建与所述子模块对应的子多维向量监测模型，各所述子模块的子多维向量监测模型均包括正常态多维向量样本集；

S13：利用测试性建模软件构建包括各所述子模块的子多维向量监测模型的系统多维向量监测模型。

根据本发明的基于多维向量模型的船舶关键设备系统的监测方法，将船舶设备系统按照组成结构划分成各个子模块，并采用各子模块在健康状态运行的一段时间内，各种典型工况下的特征参数，构建相应的子多维向量监测模型进而形成系统多维向量监测模型，在监测过程中，只需调用当前工况的各个子多维向量监测模型，即可实时监测船舶设备系统各部分的运行状态，本发明不需要通过异常数据样本来实现模型的构建，使得适用性更加广泛。

优选地，所述S12包括：

S121：选定与所述子模块对应的子多维向量监测模型的特征参数；

S122：根据所选定的特征参数提取训练样本集和测试样本集，所述训练样本集与所述测试样本集由与所述特征参数对应的多维向量构成；

S123：初始化所述子多维向量监测模型的模型参数；