一种智能船舶健康度评估方法及系统与流程

摘要: 本发明涉及一种智能船舶健康度评估方法及系统,属于船舶状态监测。背景技术:1、随着船舶向大型化、智能化方向发展,船舶推进系统的结构日益复杂,其健康状态的准确评估对...
一种智能船舶健康度评估方法及系统与流程

本发明涉及一种智能船舶健康度评估方法及系统,属于船舶状态监测。

背景技术:

1、随着船舶向大型化、智能化方向发展,船舶推进系统的结构日益复杂,其健康状态的准确评估对于保障航行安全至关重要。目前,在船舶健康度评估领域,通常采用基于多模态传感器数据的人工智能诊断技术或基于动力学模型的物理诊断技术。

2、现有的评估方法中,人工智能诊断模型能够对多源非线性故障特征进行快速提取与精细分类,而物理特征结算则需要等待完整的瞬态响应过程,耗时较长。由于人工智能快速推理与物理慢速结算之间存在显著的时序错位,导致两者在融合时难以在时间维度上精准对齐,物理特征无法及时、有效地约束人工智能的诊断结果,难以实现物理规律对人工智能评估的实时修正。

3、因此,需要提出一种新的方案来解决人工智能快速推理与物理慢速结算之间存在时序错位,导致物理特征无法及时约束人工智能诊断结果的技术问题。

技术实现思路

1、本发明所要解决的技术问题在于:提供一种智能船舶健康度评估方法及系统,它解决了人工智能快速推理与物理慢速结算之间存在时序错位导致无法实现物理及时约束人工智能的问题。

2、本发明所要解决的技术问题采取以下技术方案来实现:

3、一种智能船舶健康度评估方法及系统,包括以下步骤:

4、获取船舶推进系统的多模态运行状态数据,所述多模态运行状态数据包括瞬态扭矩信号;

5、将除所述瞬态扭矩信号之外的所述多模态运行状态数据输入预置的故障分类模型进行推理,得到初始故障分类概率,并将所述初始故障分类概率存入时序缓存区;

6、根据所述瞬态扭矩信号的波动特征确定瞬态激励事件,提取所述瞬态激励事件对应的扭矩衰减包络,并基于所述扭矩衰减包络拟合得到物理阻尼特征参数;

7、在所述物理阻尼特征参数的生成时刻,从所述时序缓存区读取对应的初始故障分类概率,利用所述物理阻尼特征参数对所述初始故障分类概率进行修正,得到目标健康度评估结果。

8、可选地,所述根据所述瞬态扭矩信号的波动特征确定瞬态激励事件,包括:

9、获取所述船舶推进系统的轴系扭振固有频率,根据所述轴系扭振固有频率确定滑动时间窗口的长度;

10、在所述滑动时间窗口内计算所述瞬态扭矩信号的变异系数,所述变异系数为所述滑动时间窗口内所述瞬态扭矩信号的标准差与均值的比值;

11、当所述变异系数超过预设的变异阈值时,判定发生所述瞬态激励事件,并记录当前的触发时刻,所述触发时刻作为所述瞬态激励事件的起始时刻。

12、可选地,所述提取所述瞬态激励事件对应的扭矩衰减包络,并基于所述扭矩衰减包络拟合得到物理阻尼特征参数,包括:

13、以所述触发时刻为起始时刻,对所述瞬态激励事件发生后的瞬态扭矩信号进行带通滤波处理,得到包含所述轴系扭振固有频率的目标频段扭振信号;

14、对所述目标频段扭振信号进行希尔伯特变换,提取所述扭矩衰减包络;

15、对所述扭矩衰减包络进行指数函数拟合,计算得到表征轴系能量耗散水平的物理阻尼系数,作为所述物理阻尼特征参数。

16、可选地,在所述得到物理阻尼特征参数之后、所述利用所述物理阻尼特征参数对所述初始故障分类概率进行修正之前,还包括:

17、获取所述船舶推进系统的冷却水温度参数,并获取预设的基准温度;

18、计算所述冷却水温度参数与所述基准温度的差值;

19、计算所述差值的平方值,将所述差值与第一预设系数的乘积、所述平方值与第二预设系数的乘积、以及预设的环境修正基准值进行求和,得到环境修正系数;

20、利用所述环境修正系数对所述物理阻尼特征参数进行补偿修正,以消除跨海域环境温差导致的阻尼基准漂移。

21、可选地,所述利用所述物理阻尼特征参数对所述初始故障分类概率进行修正,得到目标健康度评估结果,包括:

22、获取所述物理阻尼特征参数与预设的物理基准阻尼参数之间的偏差量;

23、将所述偏差量输入预设的映射函数,得到各故障类别对应的惩罚权重,以各所述惩罚权重为对角元素构建对角矩阵,作为物理约束罚函数矩阵;

24、将所述物理约束罚函数矩阵与所述初始故障分类概率进行矩阵运算,所述矩阵运算为将所述物理约束罚函数矩阵与所述初始故障分类概率向量进行元素级相乘后,再除以该元素级相乘所得向量各元素之和以实现线性归一化,以抑制所述初始故障分类概率中违反物理规律的异常分类结果,并增强与所述物理阻尼特征参数相对于所述物理基准阻尼参数的偏差趋势正相关的故障类别的分类权重,得到修正后的目标故障分类概率;

25、所述目标健康度评估结果包括所述目标故障分类概率。

26、可选地,所述将所述初始故障分类概率存入时序缓存区,包括:

27、以预设的推理周期持续运行所述故障分类模型,并生成带有时间戳的初始故障分类概率,所述推理周期为10毫秒至100毫秒;

28、构建具有预设缓存时长的所述时序缓存区,所述时序缓存区为滑动缓存队列,所述缓存时长为2秒至5秒,所述缓存时长大于或等于计算所述物理阻尼特征参数所需的时间窗口长度;

29、在所述物理阻尼特征参数生成时,根据生成时刻的时间戳从所述时序缓存区中选取时间戳不晚于所述生成时刻且与所述生成时刻的时间差最小的初始故障分类概率。

30、可选地,还包括静水工况评估步骤:

31、当监测到所述瞬态扭矩信号的变异系数在预设时长内持续低于预设的静水判定阈值时,判定未发生所述瞬态激励事件,切换至静水微扰检测模式;

32、获取螺旋桨旋转产生的叶片通过频率扭矩微扰信号,所述叶片通过频率为螺旋桨叶片数与轴转速频率的乘积;

33、采用多周期同步平均法对所述叶片通过频率扭矩微扰信号进行时域平均处理,以放大微扰特征幅值,根据所述叶片通过频率扭矩微扰信号的信噪比确定所述多周期同步平均法的平均周期数,所述平均周期数取预设最小周期数与比值k/snr中的较大值确定,其中k为预设常数,snr为信噪比;

34、基于放大后的微扰特征幅值计算轴系微变性动力学特征参数,所述轴系微变性动力学特征参数即为静水工况下的等效阻尼系数,利用所述轴系微变性动力学特征参数作为替代物理约束参数,对从所述时序缓存区读取的初始故障分类概率进行修正,得到所述目标健康度评估结果。

35、可选地,在所述将除所述瞬态扭矩信号之外的所述多模态运行状态数据输入预置的故障分类模型进行推理之前,还包括:

36、所述多模态运行状态数据还包括振动信号;

37、基于预设的轴系惯量矩阵和刚度矩阵构建自适应卡尔曼滤波器,所述自适应卡尔曼滤波器的状态变量包括轴系扭转角位移和角速度,所述自适应卡尔曼滤波器的增益矩阵根据主机实时转速进行动态调整;

38、利用所述自适应卡尔曼滤波器对所述振动信号进行解耦处理,分离主机扭转振动分量与辅机扭转振动分量之间的耦合干扰,将解耦后的所述振动信号输入所述故障分类模型。

39、可选地,在所述得到目标健康度评估结果之后,还包括:

40、当所述目标故障分类概率中预设故障类别的概率超过对应的安全阈值时,生成与所述故障类别对应的负荷限制指令,并将所述负荷限制指令发送至船舶主机控制系统,以动态调整主机最大允许负荷;

41、根据所述目标故障分类概率更新船舶能效运营指标参数,所述能效运营指标参数包括能效运营指数和碳强度指标。

42、一种智能船舶健康度评估系统,包括:

43、数据获取模块,用于获取船舶推进系统的多模态运行状态数据,所述多模态运行状态数据包括瞬态扭矩信号;

44、ai推理与缓存模块,用于将除所述瞬态扭矩信号之外的所述多模态运行状态数据输入预置的故障分类模型进行推理,得到初始故障分类概率,并将所述初始故障分类概率存入时序缓存区;

45、物理特征结算模块,用于根据所述瞬态扭矩信号的波动特征确定瞬态激励事件,提取所述瞬态激励事件对应的扭矩衰减包络,并基于所述扭矩衰减包络拟合得到物理阻尼特征参数;

46、融合裁决模块,用于在所述物理阻尼特征参数的生成时刻,从所述时序缓存区读取对应的初始故障分类概率,利用所述物理阻尼特征参数对所述初始故障分类概率进行修正,得到目标健康度评估结果。

47、本发明的有益效果是:通过构建时序缓存区,将人工智能快速推理得到的初始故障分类概率进行时间维度的缓存,并在物理阻尼特征参数结算生成的时刻,从缓存区中读取时间戳对齐的初始概率进行修正。该方案有效消除了人工智能毫秒级推理与物理秒级结算之间的时序错位影响,实现了物理阻尼特征对人工智能诊断结果的及时、精准约束。这不仅提升了船舶推进系统健康度评估结果的物理合理性与准确率,还避免了物理诊断与人工智能诊断相互割裂的问题,增强了系统在复杂工况下的评估可靠性。