[发明专利]基于人工智能的全回转舵桨状态监测方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的全回转舵桨状态监测方法及系统，获取各子工况的样本数据集合，样本数据集合包括同属于一个采样时间的全回转舵桨的振动数据序列和声音数据，先对振动数据序列进行处理，得到各子工况的工况相似度并进行筛选，进而根据筛选结果，计算各子工况的声音相似度，并进行筛选，得到目标声音相似度，结合当前工况下在当前行驶速度下的全回转舵桨的实际声音数据以及标准声音数据，计算声音频域特征指标，然后结合实际振动数据序列和标准振动数据序列，计算置信度，最后根据置信度判断全回转舵桨的运行状态，得到比较准确的全回转舵桨的运行状态的监测结果，提升监测准确性。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的全回转舵桨状态监测方法及系统。

背景技术

全回转舵桨可以在360°范围内提供推力，自由地向任何方向推进，大幅提高了船舶的机动性能，广泛应用于拖船、半潜船、海洋工程船和海工平台等，通常有L型和Z型2种传动形式。对于船舶而言，船舶行进方向不同时，全回转舵桨的回转方向也不同。装配有全回转舵桨的船舶常见得到有双舵桨船舶和单舵桨船舶。以双舵桨船舶为例，如图1所示，双舵桨船舶的工况大致上包括：前进、转弯、后退和平移，全回转舵桨在不同的工况下，负荷有很大的不同，其中，前进和转弯时，船舶受到的阻力较小，后退和平移受到的阻力较大，而阻力反馈到全回转舵桨上而言，就是负荷的不同，阻力越大负荷越大。当负荷越高时，全回转舵桨的轴承会产生越大的轴向力，相应地，会产生不同程度的振动，对全回转舵桨的轴承造成不同程度的伤害。因此，全回转舵桨的运行状态监测至关重要，然而，目前全凭操作人员的经验来判断全回转舵桨的运行状态是否正常，以及故障程度，主观性比较强，无法准确检测到全回转舵桨的运行状态。

发明内容

本发明的目的在于提供一种基于人工智能的全回转舵桨状态监测方法及系统，用于解决现有的全回转舵桨的运行状态的检测方式的准确性较差的技术问题。

所采用的技术方案具体如下：

一种基于人工智能的全回转舵桨状态监测方法，包括以下步骤：

基于采样时间的不同，设定每一种工况在每一个行驶速度下具有至少两个子工况，获取各子工况的样本数据集合，所述样本数据集合包括同属于一个采样时间的全回转舵桨的振动数据序列和声音数据；

对于任意一个行驶速度，根据所述振动数据序列，计算同一行驶速度下，各子工况的工况相似度，并对同属于一个工况下的各子工况的工况相似度进行筛选，得到目标工况相似度；

根据与所述目标工况相似度相对应的声音数据，计算各子工况的声音相似度，并对同属于一个工况下的各子工况的声音相似度进行筛选，得到目标声音相似度；

采集当前工况下在当前行驶速度下的全回转舵桨的实际声音数据，根据所述目标声音相似度，以及当前工况下在当前行驶速度下的全回转舵桨正常运行状态的标准声音数据，计算当前工况下在当前行驶速度下的声音频域特征指标；

采集当前工况下在当前行驶速度下的全回转舵桨的实际振动数据序列，根据所述声音频域特征指标，以及当前工况下在当前行驶速度下的全回转舵桨正常运行状态的标准振动数据序列，计算置信度；

根据所述置信度所处的范围，判断所述当前工况下在当前行驶速度下的全回转舵桨的运行状态。

在一个具体实施方式中，所述振动数据序列的计算过程，包括：

将所述采样时间划分为至少两个采样子时间，计算各个采样子时间的振动方差，各个振动方差构成所述振动数据序列；

所述振动方差的计算过程，包括：

获取对应采样子时间中各采样时刻的振动值，采用如下计算公式计算得到所述振动方差：