[发明专利]一种船舶主机工况划分方法及系统

权利要求书

1.一种船舶主机工况划分方法，其特征在于，包括以下步骤：

数据采集及计算步骤：采集船舶数据，所述船舶数据包括主机功率、主机转速、海水温度、增压器转速和气缸排气温度，并计算出单位时间内主机功率平均值、主机转速平均值、海水温度平均值、增压器转速平均值和气缸排气温度平均值；

数据补全步骤：采用k-means聚类算法对某段时间内的多个主机功率平均值和多个主机转速平均值进行聚类划分，得到多个簇，通过某一时刻各个簇下多个数据点的数据采集情况判断是否有海水温度平均值、增压器转速平均值或气缸排气温度平均值出现缺失，若某个数据出现缺失，则利用卷积平滑算法补全缺失数据；

工况划分步骤：利用高斯混合模型聚类算法对补全后的海水温度平均值、增压器转速平均值和气缸排气温度平均值进行工况划分，划分出各个簇下的多个主机工况。

2.根据权利要求1所述的船舶主机工况划分方法，其特征在于，所述数据补全步骤中，利用卷积平滑算法补全缺失数据具体包括：

若某个数据点在某一时刻的前一个子时间段内的数据完整时，则利用所述前一个子时间段内的数据进行补全；

若某个数据点在某一时刻的前一个子时间段内的数据不完整时，则利用该数据点在某一时刻的后一个子时间段内的数据进行补全；

若某个数据点在某一时刻的后一个子时间段内的数据不完整时，则将该数据点的所有数据从所在的簇中剔除。

3.根据权利要求1所述的船舶主机工况划分方法，其特征在于，所述数据补全步骤中，所述k-means聚类算法采用欧式距离衡量进行距离计算。

4.根据权利要求1所述的船舶主机工况划分方法，其特征在于，所述工况划分步骤中，所述高斯混合模型聚类算法采用期望最大方法进行训练。

5.一种船舶主机工况划分系统，其特征在于，包括依次连接的数据采集及计算模块、数据补全模块和工况划分模块，

数据采集及计算模块：采集船舶数据，所述船舶数据包括主机功率、主机转速、海水温度、增压器转速和气缸排气温度，并计算出单位时间内主机功率平均值、主机转速平均值、海水温度平均值、增压器转速平均值和气缸排气温度平均值；

数据补全模块：采用k-means聚类算法对某段时间内的多个主机功率平均值和多个主机转速平均值进行聚类划分，得到多个簇，通过某一时刻各个簇下多个数据点的数据采集情况判断是否有海水温度平均值、增压器转速平均值或气缸排气温度平均值出现缺失，若某个数据出现缺失，则利用卷积平滑算法补全缺失数据；

工况划分模块：利用高斯混合模型聚类算法对补全后的海水温度平均值、增压器转速平均值和气缸排气温度平均值进行工况划分，划分出各个簇下的多个主机工况。

6.根据权利要求5所述的船舶主机工况划分系统，其特征在于，所述数据补全模块中，利用卷积平滑算法补全缺失数据具体包括：

若某个数据点在某一时刻的前一个子时间段内的数据完整时，则利用所述前一个子时间段内的数据进行补全；

若某个数据点在某一时刻的前一个子时间段内的数据不完整时，则利用该数据点在某一时刻的后一个子时间段内的数据进行补全；

若某个数据点在某一时刻的后一个子时间段内的数据不完整时，则将该数据点的所有数据从所在的簇中剔除。

7.根据权利要求5所述的船舶主机工况划分系统，其特征在于，所述k-means聚类算法采用欧式距离衡量进行距离计算。

8.根据权利要求5所述的船舶主机工况划分系统，其特征在于，所述高斯混合模型聚类算法采用期望最大方法进行训练。