一种基于双通道的动态液位无线监控系统及方法与流程

1.本发明涉及船舶艉轴管液位监控技术领域，具体为一种基于双通道的动态液位无线监控系统及方法。


背景技术：

2.水润滑轴承是一种具有节能环保、结构简单、维修方便等优点的轴承，广泛运用于船舶中。但是由于水润滑轴承易发生烧轴导致需要更换轴承，不仅人工成本、坞租等其他附加费用高，而且拖延船只交船时间，因此必须对轴承冷却效果进行稳定、有效的监控。
3.而在现有技术中，一般是通过艉轴管冷却水从艉轴与后轴承上端间隙处流出艉轴管，从而进行对轴承的冷却，这使得其中存在两个较大的问题：第一，现有技术中一般通过在艉管后轴承处安装温度传感器监测后轴承温度，温度报警后，再采取冷却措施。但是温度传感器监测方法单一，只能监测艉轴管后轴承温度，前轴承温度无法检测，船态发生变化时，艉轴管冷却水从艉轴与后轴承上端间隙处流出艉轴管，轴承温度控制预留时间少，很多时候轴承温度瞬间从报警值上升并超过轴承烧坏临界值，烧坏轴承；第二，在艉轴管的冷却水的液位也得不到监控，有些时候由于路途、船舶自身原因或者驾驶原因等等，都会导致大量需要冷却水，而冷却水得不到补充，液位达不到一定高度的情况下，就无法进行艉管轴承的冷却，从而使得轴承温度过高，严重影响驾驶安全。


技术实现要素：

4.本发明的目的在于提供一种基于双通道的动态液位无线监控系统及方法，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：一种基于双通道的动态液位无线监控系统，该系统包括多源数据获取模块、大数据分布式处理模块、双通道数据分析模块、实时液位监控模块、预警模块、主控端；所述多源数据获取模块用于获取关于船舶的多源数据；所述大数据分布式处理模块用于对多源数据获取模块获取得到的多源数据进行分布式存储与数据清洗、数据变换以及数据规约；所述双通道数据分析模块用于建立双通道进行多源数据的分析，获取得到关于船舶艉轴管轴承冷却的安全等级；所述实时液位监控模块用于实时监控船舶艉轴管的冷却液位情况，并将实时数据传输至主控端；所述预警模块用于在冷却液位不足时，发出预警信息，并构建指令进行补水；所述主控端用于发出控制指令、接收反馈信息，由管理员进行控制；所述多源数据获取模块的输出端与所述大数据分布式处理模块的输入端相连接；所述大数据分布式处理模块的输出端与所述双通道数据分析模块的输入端相连接；所述双通道数据分析模块的输出端与主控端的输入端相连接；所述实时液位监控模块的输出端与所述主控端、预警模块的输入端相连接；所述预警模块的输出端与所述主控端的输入端相连接。
6.根据上述技术方案，所述多源数据获取模块包括多源数据连接单元、多源数据采集单元；所述多源数据连接单元用于连接提供数据的多源数据方；所述多源数据采集单元用于采集来自于多源数据方的多源数据；所述多源数据连接单元的输出端与所述多源数据采集单元的输入端相连接；所述多源数据采集单元的输出端与所述大数据分布式处理模块的输入端相连接。
7.根据上述技术方案，所述大数据分布式处理模块包括分布式数据存储单元、数据处理单元；所述分布式数据存储单元用于对多源数据进行分布式存储，将巨大的数据集分派到一个集群中的多个节点进行存储，通过将块保存到多个副本上，从而提供高可靠的文件存储；所述数据处理单元用于对数据进行进一步处理，包括数据清洗、数据变换以及数据规约；所述分布式数据存储单元的输出端与所述数据处理单元的输入端相连接；所述数据处理单元的输出端与所述双通道数据分析模块的输入端相连接。
8.根据上述技术方案，所述双通道数据分析模块包括双通道建立单元、数据分析单元、安全等级预测单元、安全指数计算单元；所述双通道建立单元用于建立双通道进行船舶艉轴管的数据分类；所述数据分析单元用于对双通道的数据进行进一步分析；所述安全等级预测单元用于根据数据分析结果预测出最接近的安全等级；所述安全指数计算单元用于根据预测结果计算得出当前的安全指数；所述双通道建立单元的输出端与所述数据分析单元的输入端相连接；所述数据分析单元的输出端与所述安全等级预测单元的输入端相连接；所述安全等级预测单元的输出端与所述安全指数计算单元的输入端相连接；所述安全指数计算单元的输出端与所述主控端相连接。
9.根据上述技术方案，所述实时液位监控模块包括动态液位监控单元、传输单元；所述动态液位监控单元用于监控船舶艉轴管内冷却液位的情况；所述传输单元用于对液位数据进行传输；所述动态液位监控单元的输出端与所述传输单元的输入端相连接；所述传输单元的输出端与主控端相连接；所述主控端包括接收反馈单元、控制指令单元；所述接收反馈单元用于接收各模块的反馈信息；所述控制指令单元用于发出控制指令，在液位不足时进行补水。
10.一种基于双通道的动态液位无线监控方法，该方法包括以下步骤：s1、获取多源数据；s2、基于hadoop大数据分布式处理框架，利用hdfs分布式数据存储功能，对多源数据进行初步处理，提供高可靠的文件存储；s3、基于spark使用有向无环图dag开发复杂的多步数据管道，对多源数据进行数据清洗、数据变换以及数据规约；s4、获取步骤s3处理后的数据，从中提取船舶艉轴管轴承安全评价相关的特征参
数，基于双通道进行安全指数计算，获取预测安全等级；船舶航行中，安全与不安全的临界点为船舶艉轴管内液位刚好能够覆盖船舶艉轴管轴承，进行冷却；s5、获取船舶艉轴管内冷却液位的实时监控数据，基于步骤s4的预测数据，建立相关预警值，进行补水。
11.根据上述技术方案，所述多源数据包括船舶自身指数数据、通信数据、天气数据、船员数据、经纬度数据、事故数据、犯罪数据。
12.所述船舶自身数据包括船舶使用年限、检修次数、承载量、艉轴管内液位、艉轴管轴承等；所述通信数据包括基站位置、通信网络数据等；所述天气数据包括时间、温度、风速、降水量、风向等；所述船员数据包括驾龄、工作年限等；所述经纬度数据包括当前经纬度、目标位置经纬度等；所述事故数据包括船舶自身事故数据、计划航线上的事故数据等；所述犯罪数据包括计划航线上的犯罪数据等。
13.根据上述技术方案，在步骤s2-s3中，利用hdfs进行多源数据的分布式存储，再利用spark使用有向无环图dag开发复杂的多步数据管道，对多源数据进行数据清洗、数据变换以及数据规约；hadoop实质上是解决大数据大到无法在一台计算机上进行存储、无法在要求的时间内进行处理的问题，是一个分布式数据基础设施；hdfs它将巨大的数据集分派到一个由普通计算机组成的集群中的多个节点进行存储，通过将块保存到多个副本上，提供高可靠的文件存储；spark则允许程序开发者使用有向无环图（dag）开发复杂的多步数据管道。而且还支持跨有向无环图的内存数据共享，以便不同的作业可以共同处理同一个数据，是一个专门用来对那些分布式存储的大数据进行处理的工具，它并不会进行分布式数据的存储。
14.所述数据清洗包括去噪声和无关数据；所述数据变换用于将原始数据转换成适合数据挖掘的形式；所述数据规约用于对数据进行纬度规约、数值规约、离散化处理。
15.根据上述技术方案，在步骤s4中，所述双通道包括航行安全指数通道、驾驶安全指数通道；所述航行安全指数通道基于航行路程数据、通信数据、天气数据、经纬度数据、事故数据、犯罪数据进行测算；所述驾驶安全指数通道基于船舶自身指数数据、船员数据进行测算；基于双通道计算安全指数特征参数，所述安全指数特征参数包括航行安全指数特征参数、驾驶安全指数特征参数；对航行安全指数特征参数、驾驶安全指数特征参数进行百分位转换，得到标准化特征参数；可以知道的是，在船舶航行过程中，突发意外情况会导致船舶艉轴管轴承温度异常，例如风浪过大时、船舶自身检修次数多，轴承长期未更换、驾驶员操作水平不足，导致浪费动力能源等多种情况；因此设置一定量的安全指数特征参数进行评估艉轴管轴承的发热曲线，进而判断在什么路段哪一时刻会出现超越一定安全等级的情况发生，在这种情况发
生的时候，艉轴管内冷却的液位是否能够达到要求，这一切都需要提前预测，才能保证轴承不会在瞬间发热到额定温度，同时保证艉轴管内液位能够及时进行冷却。
16.根据标准化特征参数，采用贝叶斯模型分别对航行安全等级和驾驶安全等级进行分类预测与安全指数计算；其中，对安全指数计算的具体步骤为：s9-1、设置安全等级为h种，其中位数作为安全与不安全的临界点的安全等级；将安全等级记为yi，获取每个通道在训练样本中的各安全等级出现频率p(yi)；s9-2、获取每个通道中各安全等级下各个安全指数特征参数aj的条件概率p(aj|yi)；s9-3、基于贝叶斯模型，计算每个通道各安全等级yi的条件概率：则有：p（yi丨k）=p（k丨yi）*p(yi)/p(k)；其中,；m为安全指数特征参数数量；k代表训练样本中具备任一安全指数特征参数的样本；s9-4、利用交叉验证的方法，进行模型评估，设置总样本数为l，轮流以样本数l1作为训练样本，样本数l2做测试样本，直至所有的样本都做过一次测试样本且仅做一次测试样本，对结果求取均值，并设置阈值ld，若超出阈值，则输出此时模型，作为最优分类器模型，进入步骤s9-5；若不超出阈值ld，则增删安全指数特征参数，并返回步骤s9-1，重新建立模型，其中l=l1 l2；s9-5、输入实时样本集x＝{a1，a2，...，an}，其中，a1，a2，...，an均属于安全指数特征参数aj的一种，基于最优分类器模型，计算实时样本集x属于各个安全等级的概率p(yi|x)，输出条件概率最大的安全等级作为预测安全等级；则有：max{p(y1|x)，p(y2|x)，...，p(yh|x)}；s9-6、基于各安全等级的条件概率计算安全指数u：则u＝p(yi|x)
×bi
；其中，bi为安全等级yi对应的标准安全指数权重。
17.根据上述技术方案，在步骤s5中，还包括：s10-1、获取计划航线，对计划航线进行路段分割，共计分割为g个路段，分别记为s1，s2，...，sg，则可根据步骤s9-1至s9-6计算安全指数u的方法，获得船舶在此计划航线上出行时船舶艉轴管在每一路段的安全指数：s10-2、设置安全指数阈值为u0，则对安全指数超出阈值的路段进行计划补水操作，在到达该路段时进行补水，以防止船舶艉轴管轴承在瞬间高温的情况下烧坏，保证航行安全；s10-3、设置补水量为g，则有：g=k1*（u
0-uv）；其中，k1为补偿系数值，uv为任一路段的安全指数值。
18.与现有技术相比，本发明所达到的有益效果是：
1、本发明能够提供一种基于双通道的船舶航行过程中船舶艉轴管轴承的安全等级的预测方法，进而判断在航行路线中船舶艉轴管需要补水的路段，通过液位监控，及时进行补水，从而保证在航行过程中，不出现船舶艉轴管轴承高温状态，有效减少轴承更换次数，避免事故发生；2、本发明能够解决当前轴承温度控制预留时间少，很多时候轴承温度瞬间从报警值上升并超过轴承烧坏临界值，烧坏轴承这一问题，能够提前预测出在每一路段的安全等级，及时补充水位，自动化程度高，有效减少轴承缺水被烧坏的风险，提高艉轴管轴承使用寿命，确保航行安全。
附图说明
19.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明一种基于双通道的动态液位无线监控系统及方法的流程示意图；图2是本发明一种基于双通道的动态液位无线监控方法的步骤示意图。
具体实施方式
20.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
21.请参阅图1-2，本发明提供技术方案：一种基于双通道的动态液位无线监控系统，该系统包括多源数据获取模块、大数据分布式处理模块、双通道数据分析模块、实时液位监控模块、预警模块、主控端；所述多源数据获取模块用于获取关于船舶的多源数据；所述大数据分布式处理模块用于对多源数据获取模块获取得到的多源数据进行分布式存储与数据清洗、数据变换以及数据规约；所述双通道数据分析模块用于建立双通道进行多源数据的分析，获取得到关于船舶艉轴管轴承冷却的安全等级；所述实时液位监控模块用于实时监控船舶艉轴管的冷却液位情况，并将实时数据传输至主控端；所述预警模块用于在冷却液位不足时，发出预警信息，并构建指令进行补水；所述主控端用于发出控制指令、接收反馈信息，由管理员进行控制；所述多源数据获取模块的输出端与所述大数据分布式处理模块的输入端相连接；所述大数据分布式处理模块的输出端与所述双通道数据分析模块的输入端相连接；所述双通道数据分析模块的输出端与主控端的输入端相连接；所述实时液位监控模块的输出端与所述主控端、预警模块的输入端相连接；所述预警模块的输出端与所述主控端的输入端相连接。
22.所述多源数据获取模块包括多源数据连接单元、多源数据采集单元；所述多源数据连接单元用于连接提供数据的多源数据方；所述多源数据采集单元用于采集来自于多源数据方的多源数据；所述多源数据连接单元的输出端与所述多源数据采集单元的输入端相连接；所述
多源数据采集单元的输出端与所述大数据分布式处理模块的输入端相连接。
23.所述大数据分布式处理模块包括分布式数据存储单元、数据处理单元；所述分布式数据存储单元用于对多源数据进行分布式存储，将巨大的数据集分派到一个集群中的多个节点进行存储，通过将块保存到多个副本上，从而提供高可靠的文件存储；所述数据处理单元用于对数据进行进一步处理，包括数据清洗、数据变换以及数据规约；所述分布式数据存储单元的输出端与所述数据处理单元的输入端相连接；所述数据处理单元的输出端与所述双通道数据分析模块的输入端相连接。
24.所述双通道数据分析模块包括双通道建立单元、数据分析单元、安全等级预测单元、安全指数计算单元；所述双通道建立单元用于建立双通道进行船舶艉轴管的数据分类；所述数据分析单元用于对双通道的数据进行进一步分析；所述安全等级预测单元用于根据数据分析结果预测出最接近的安全等级；所述安全指数计算单元用于根据预测结果计算得出当前的安全指数；所述双通道建立单元的输出端与所述数据分析单元的输入端相连接；所述数据分析单元的输出端与所述安全等级预测单元的输入端相连接；所述安全等级预测单元的输出端与所述安全指数计算单元的输入端相连接；所述安全指数计算单元的输出端与所述主控端相连接。
25.所述实时液位监控模块包括动态液位监控单元、传输单元；所述动态液位监控单元用于监控船舶艉轴管内冷却液位的情况；所述传输单元用于对液位数据进行传输；所述动态液位监控单元的输出端与所述传输单元的输入端相连接；所述传输单元的输出端与主控端相连接；所述主控端包括接收反馈单元、控制指令单元；所述接收反馈单元用于接收各模块的反馈信息；所述控制指令单元用于发出控制指令，在液位不足时进行补水。
26.一种基于双通道的动态液位无线监控方法，该方法包括以下步骤：s1、获取多源数据；s2、基于hadoop大数据分布式处理框架，利用hdfs分布式数据存储功能，对多源数据进行初步处理，提供高可靠的文件存储；s3、基于spark使用有向无环图dag开发复杂的多步数据管道，对多源数据进行数据清洗、数据变换以及数据规约；s4、获取步骤s3处理后的数据，从中提取船舶艉轴管轴承安全评价相关的特征参数，基于双通道进行安全指数计算，获取预测安全等级；船舶航行中，安全与不安全的临界点为船舶艉轴管内液位刚好能够覆盖船舶艉轴管轴承，进行冷却；s5、获取船舶艉轴管内冷却液位的实时监控数据，基于步骤s4的预测数据，建立相关预警值，进行补水。
27.所述多源数据包括船舶自身指数数据、通信数据、天气数据、船员数据、经纬度数据、事故数据、犯罪数据。
28.在步骤s2-s3中，利用hdfs进行多源数据的分布式存储，再利用spark使用有向无环图dag开发复杂的多步数据管道，对多源数据进行数据清洗、数据变换以及数据规约；所述数据清洗包括去噪声和无关数据；所述数据变换用于将原始数据转换成适合数据挖掘的形式；所述数据规约用于对数据进行纬度规约、数值规约、离散化处理。
29.在步骤s4中，所述双通道包括航行安全指数通道、驾驶安全指数通道；所述航行安全指数通道基于航行路程数据、通信数据、天气数据、经纬度数据、事故数据、犯罪数据进行测算；所述驾驶安全指数通道基于船舶自身指数数据、船员数据进行测算；基于双通道计算安全指数特征参数，所述安全指数特征参数包括航行安全指数特征参数、驾驶安全指数特征参数；对航行安全指数特征参数、驾驶安全指数特征参数进行百分位转换，得到标准化特征参数；根据标准化特征参数，采用贝叶斯模型分别对航行安全等级和驾驶安全等级进行分类预测与安全指数计算；其中，对安全指数计算的具体步骤为：s9-1、设置安全等级为h种，其中位数作为安全与不安全的临界点的安全等级；将安全等级记为yi，获取每个通道在训练样本中的各安全等级出现频率p(yi)；s9-2、获取每个通道中各安全等级下各个安全指数特征参数aj的条件概率p(aj|yi)；s9-3、基于贝叶斯模型，计算每个通道各安全等级yi的条件概率：则有：p（yi丨k）=p（k丨yi）*p(yi)/p(k)；其中,；m为安全指数特征参数数量；k代表训练样本中具备任一安全指数特征参数的样本；s9-4、利用交叉验证的方法，进行模型评估，设置总样本数为l，轮流以样本数l1作为训练样本，样本数l2做测试样本，直至所有的样本都做过一次测试样本且仅做一次测试样本，对结果求取均值，并设置阈值ld，若超出阈值，则输出此时模型，作为最优分类器模型，进入步骤s9-5；若不超出阈值ld，则增删安全指数特征参数，并返回步骤s9-1，重新建立模型，其中l=l1 l2；s9-5、输入实时样本集x＝{a1，a2，...，an}，其中，a1，a2，...，an均属于安全指数特征参数aj的一种，基于最优分类器模型，计算实时样本集x属于各个安全等级的概率p(yi|x)，输出条件概率最大的安全等级作为预测安全等级；则有：max{p(y1|x)，p(y2|x)，...，p(yh|x)}；s9-6、基于各安全等级的条件概率计算安全指数u：则u＝p(yi|x)
×bi
；其中，bi为安全等级yi对应的标准安全指数权重。
30.在步骤s5中，还包括：
s10-1、获取计划航线，对计划航线进行路段分割，共计分割为g个路段，分别记为s1，s2，...，sg，则可根据步骤s9-1至s9-6计算安全指数u的方法，获得船舶在此计划航线上出行时船舶艉轴管在每一路段的安全指数：s10-2、设置安全指数阈值为u0，则对安全指数超出阈值的路段进行计划补水操作，在到达该路段时进行补水，以防止船舶艉轴管轴承在瞬间高温的情况下烧坏，保证航行安全；s10-3、设置补水量为g，则有：g=k1*（u
0-uv）；其中，k1为补偿系数值，uv为任一路段的安全指数值。
31.在本实施例中：获取多源数据；基于hadoop大数据分布式处理框架，利用hdfs分布式数据存储功能，对多源数据进行初步处理，提供高可靠的文件存储；基于spark使用有向无环图dag开发复杂的多步数据管道，对多源数据进行数据清洗、数据变换以及数据规约；在数据处理后，获取多源数据，包括船舶自身指数数据、天气数据、船员数据、经纬度数据四项。
32.建立双通道，双通道包括航行安全指数通道、驾驶安全指数通道；所述航行安全指数通道基于天气数据、经纬度数据进行测算；所述驾驶安全指数通道基于船舶自身指数数据、船员数据进行测算；基于双通道计算安全指数特征参数，所述安全指数特征参数包括航行安全指数特征参数、驾驶安全指数特征参数；所述航行安全指数特征参数包括以下特征参数：风向、风速、降水量、航行路线经纬度；所述驾驶安全指数特征参数包括以下特征参数：船员平均驾龄、船只使用念想、船只检修次数 ；对航行安全指数特征参数、驾驶安全指数特征参数进行百分位转换，得到标准化特征参数；所述标准化特征参数设为集合a；a={v1，v2，
……
，v7}。
33.根据标准化特征参数，采用贝叶斯模型分别对航行安全等级和驾驶安全等级进行分类预测与安全指数计算；其中，对安全指数计算的具体步骤为：设置安全等级为3种，分别为安全、警告、危险；将安全等级记为yi，获取每个通道在训练样本中的各安全等级出现频率p(yi)；获取每个通道中各安全等级下各个安全指数特征参数vj的条件概率p(vj|yi)；基于贝叶斯模型，计算每个通道各安全等级yi的条件概率：则有：p（vi丨k）=p（k丨vi）*p(yi)/p(k)；其中,；m为安全指数特征参数数量；k代表训练样本中具备任一安全指数特征参数的样
本；利用交叉验证的方法，进行模型评估，设置总样本数为10组，轮流以样本数9组作为训练样本，样本数1组做测试样本，直至所有的样本都做过一次测试样本且仅做一次测试样本，对结果求取均值，设置阈值ld，发现均值超出阈值，输出此时模型，作为最优分类器模型；输入实时样本集x＝{a1，a2，...，an}，其中，a1，a2，...，an均属于安全指数特征参数vj的一种，基于最优分类器模型，计算实时样本集x属于各个安全等级的概率p(yi|x)，输出条件概率最大的安全等级作为预测安全等级；其中实时样本集为采集的当前船舶的安全特征指数参数；包括有风向、风速、降水量、航行路线经纬度、船员平均驾龄、船只使用念想、船只检修次数 ；则有：max{p(y1|x)，p(y2|x)，...，p(yh|x)}；输出最大值为p(y2|x)，对应的安全特征指数参数为风速；基于各安全等级的条件概率计算安全指数u：设置风速对应的标准安全指数权重为b2；则有则u＝p(y2|x)
×
b2；获取计划航线，对计划航线进行路段分割，共计分割为g个路段，分别记为s1，s2，...，sg，根据以上方法，获得船舶在此计划航线上出行时船舶艉轴管在每一路段的安全指数：设置安全指数阈值为u0，则对安全指数超出阈值的路段进行计划补水操作，在到达该路段时进行补水，以防止船舶艉轴管轴承在瞬间高温的情况下烧坏，保证航行安全；设置补水量为g，则有：g=k1*（u
0-uv）；其中，k1为补偿系数值，uv为任一路段的安全指数值。
34.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
35.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。