[发明专利]气缸异常爆发压力的识别方法和系统

说明书

本发明提供了一种气缸异常爆发压力的识别方法和系统，包括：获取设备运行时的实时监测数据；其中，实时监测数据包括实时监测的柴油机负荷数据和气缸爆发压力数据；将实时监测数据输入预先训练过的一类支持向量机模型，输出实时监测数据的数据类型；数据类型包括设备正常运行数据和设备异常运行数据；当实时监测数据为设备异常运行数据时，进行设备异常告警。该方式中，通过构建一类支持向量机模型，能够实时检测气缸异常爆发压力并发出异常告警，从而提升气缸异常爆发压力的识别效率，进而提升船舶柴油机的使用安全。

技术领域

本发明涉及柴油机气缸爆压领域，尤其是涉及一种气缸异常爆发压力的识别方法和系统。

背景技术

检查船舶柴油机气缸爆发压力常用的方法是测出气缸示功图，根据气缸示功图及进行定性地判断。然而，该方法需要船员手动测量示功图，由于船舶机舱外部环境干扰，测量结果往往具有一定偏差，同时因为示功图需要定期测量，所以利用示功图法识别气缸异常爆发压力，往往都是定期进行的，不能进行异常爆发压力的实时监测，形成安全隐患。

发明内容

有鉴于此，本发明的目的在于提供一种气缸异常爆发压力的识别方法和系统，能够实时检测气缸异常爆发压力并发出警报，从而提升气缸异常爆发压力的识别效率，进而提升船舶柴油机的使用安全。

第一方面，本发明实施例提供了一种气缸异常爆发压力的识别方法，包括：获取设备运行时的实时监测数据；其中，实时监测数据包括实时监测的柴油机负荷数据和气缸爆发压力数据；将实时监测数据输入预先训练过的一类支持向量机模型，输出实时监测数据的数据类型；数据类型包括设备正常运行数据和设备异常运行数据；当实时监测数据为设备异常运行数据时，进行设备异常告警。

进一步的，一类支持向量机模型通过下述步骤训练得到：获取设备正常运行时的初始气缸爆发压力数据集；其中，初始气缸爆发压力数据集包括船舶在航且设备正常运行时的气缸爆发压力数据和与之对应的柴油机负荷数据；将初始气缸爆发压力数据集按预设比例分为训练集和验证集；基于训练集训练初始一类支持向量机模型，直至达到预设的训练要求，得到第一一类支持向量机模型。

进一步的，基于训练集构建初始一类支持向量机模型，并根据验证集对初始一类支持向量机模型进行验证，以得到第一一类支持向量机模型的步骤之后，还包括：根据粒子群优化算法，对第一一类支持向量机模型进行优化，得到第二一类支持向量机模型和第二一类支持向量机模型的最优超参数；基于验证集验证第二一类支持向量机模型，直至达到预设的验证要求，得到一类支持向量机模型；基于最优超参数，确定设备正常运行时的气缸爆发压力数据集。

进一步的，初始气缸爆发压力数据集中的数据为进行归一化处理后得到的数据。

进一步的，方法还包括：当实时监测数据为设备正常运行数据时，基于实时监测数据对一类支持向量机模型和气缸爆发压力数据集进行优化，以对下一实时监测数据的类型进行判断。进一步的，当实时监测数据为设备正常运行数据时，基于实时监测数据对一类支持向量机模型和气缸爆发压力数据集进行优化，以对下一实时监测数据的类型进行判断的步骤，包括：将实时监测数据添加到气缸爆发压力数据集中，得到第一气缸爆发压力数据集；基于第一气缸爆发压力数据集对一类支持向量机模型进行训练，得到第三一类支持向量机模型；根据粒子群优化算法，基于第三一类支持向量机模型进行优化，得到第四一类支持向量机模型和第四一类支持向量机模型的最优超参数；将第四一类支持向量机模型确定为一类支持向量机模型，将第四一类支持向量机模型的最优超参数确定为气缸爆发压力数据集。

进一步的，方法还包括：当气缸爆发压力数据集中的数据数量超过预设数据数量时，随机删去部分数据以使数据数量小于预设数据数量。