一种推进轴故障诊断方法及系统与流程

1.本技术涉及故障诊断领域，更具体地，涉及一种推进轴故障诊断方法及系统。


背景技术：

2.近年来，随着云计算、大数据、物联网等计算机技术的飞速发展，各机构积极推动智能船舶的研究。船舶推进轴系作为一种大型旋转机械，其健康状态是船舶安全、稳定运行的重要保证之一。然而由于船舶推进轴系长期在船体震动、设备震动等外力耦合作用下，发生故障的概率大大增加。
3.现有技术中通常采用频谱分析、信号滤波等方法对船舶推进轴系进行周期性故障诊断，然而这种方式无法准确高效的获取故障诊断结果。


技术实现要素：

4.本发明实施例的目的在于提供一种推进轴故障诊断方法及系统，采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据；分别计算所第一气象数据、第一物理数据和第一运行数据的第一健康度、第二健康度和第三健康度；联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度；根据所述故障测度，得到故障诊断结果。由此实现船舶推进轴故障的准确识别，提高航行安全性。具体技术方案如下：
5.在本发明实施例的第一方面，提供一种推进轴故障诊断方法，该方法包括：采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据；计算所述第一气象数据的第一健康度；计算所述第一物理数据的第二健康度；计算所述第一运行数据的第三健康度；联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度；根据所述故障测度，得到故障诊断结果。
6.可选地，所述第一气象数据包括：降水量、风速和温度；所述第一物理数据包括艉轴温度、艉轴压力和船尾结构震动频率；所述第一运行数据包括主机转速和螺旋桨转速。
7.可选地，所述计算所述第一气象数据的第一健康度，包括：当降水量d处于降水量区间[d0,d1]内，且风速w处于风速区间[w0,w1]内，且温度t处于温度区间[t0,t1]内时，利用如下公式计算第一健康度：
[0008]
f1＝(d-d0)/(d
1-d0)
[0009]
f2＝(w-w0)/(w
1-w0)
[0010]
f3＝(t-t0)/(t
1-t0)
[0011][0012]
其中，α、β和γ表示f1、f2和f3对应的参数因子，取值为(0,1)。
[0013]
可选地，所述计算所述第一物理数据的第二健康度，包括：当艉轴温度st处于艉轴温度区间[st0,st1]内，且艉轴压力sp处于压力区间[sp0,sp1]内，且船尾结构震动频率fr处于震动区间[fr0,fr1]内时，利用如下公式计算第二健康度：
[0014]
f4＝(st-st0)/(st
1-st0)
[0015]
f5＝(sp-sp0)/(sp
1-sp0)
[0016]
f6＝(fr-fr0)/(fr
1-fr0)
[0017][0018]
其中，λ、η和θ表示f4、f5和f6对应的参数因子，取值为(0,1)。
[0019]
可选地，所述计算所述第一运行数据的第三健康度，包括：当主机转速m处于主机转速区间[m0,m1]内，且螺旋桨转速p处于螺旋桨转速区间[p0,p1]内时，利用如下公式计算第三健康度：
[0020]
f7＝(m-m0)/(m
1-m0)
[0021]
f8＝(p-p0)/(p
1-p0)
[0022][0023]
其中，ε表示f7和f8对应的参数因子，取值为(0,1)。
[0024]
可选地，所述联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度，包括：联合所述第一健康度、所述第二健康度和所述第三健康度，构建健康向量h＝[h1,h2,h3]；将所述健康向量输入故障诊断模型，输出故障测度。
[0025]
可选地，所述故障诊断模型是双向lstm神经网络模型。
[0026]
可选地，所述根据所述故障测度，得到故障诊断结果，包括：预设第一测度阈值和第二测度阈值；其中，所述第一测度阈值小于所述第二测度阈值；若所述故障测度小于等于所述第一测度阈值，则所述推进轴无故障；若所述故障测度大于所述第一测度阈值且小于等于所述第二测度阈值，则所述推进轴存在故障，但能够继续工作；若所述故障测度大于第二测度阈值，则所述推进轴存在故障，已无法工作。
[0027]
在本发明实施例的又一方面，提供一种推进轴故障诊断系统，该系统包括：数据采集模块，用于采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据；测度计算模块，用于计算所述第一气象数据的第一健康度；计算所述第一物理数据的第二健康度；计算所述第一运行数据的第三健康度；联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度；故障诊断模块，用于根据所述故障测度，得到故障诊断结果。
[0028]
可选地，所述第一气象数据包括：降水量、风速和温度；所述第一物理数据包括艉轴温度、艉轴压力和船尾结构震动频率；所述第一运行数据包括主机转速和螺旋桨转速。
[0029]
可选地，所述计算所述第一气象数据的第一健康度，包括：当降水量d处于降水量区间[d0,d1]内，且风速w处于风速区间[w0,w1]内，且温度t处于温度区间[t0,t1]内时，利用如下公式计算第一健康度：
[0030]
f1＝(d-d0)/(d
1-d0)
[0031]
f2＝(w-w0)/(w
1-w0)
[0032]
f3＝(t-t0)/(t
1-t0)
[0033][0034]
其中，α、β和γ表示f1、f2和f3对应的参数因子，取值为(0,1)。
[0035]
可选地，所述计算所述第一物理数据的第二健康度，包括：当艉轴温度st处于艉轴温度区间[st0,st1]内，且艉轴压力sp处于压力区间[sp0,sp1]内，且船尾结构震动频率fr处于震动区间[fr0,fr1]内时，利用如下公式计算第二健康度：
[0036]
f4＝(st-st0)/(st
1-st0)
[0037]
f5＝(sp-sp0)/(sp
1-sp0)
[0038]
f6＝(fr-fr0)/(fr
1-fr0)
[0039][0040]
其中，λ、η和θ表示f4、f5和f6对应的参数因子，取值为(0,1)。
[0041]
可选地，所述计算所述第一运行数据的第三健康度，包括：当主机转速m处于主机转速区间[m0,m1]内，且螺旋桨转速p处于螺旋桨转速区间[p0,p1]内时，利用如下公式计算第三健康度：
[0042]
f7＝(m-m0)/(m
1-m0)
[0043]
f8＝(p-p0)/(p
1-p0)
[0044][0045]
其中，ε表示f7和f8对应的参数因子，取值为(0,1)。
[0046]
可选地，所述联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度，包括：联合所述第一健康度、所述第二健康度和所述第三健康度，构建健康向量h＝[h1,h2,h3]；将所述健康向量输入故障诊断模型，输出故障测度。
[0047]
可选地，所述故障诊断模型是双向lstm神经网络模型。
[0048]
可选地，所述故障诊断模块具体用于：预设第一测度阈值和第二测度阈值；其中，所述第一测度阈值小于所述第二测度阈值；若所述故障测度小于等于所述第一测度阈值，则所述推进轴无故障；若所述故障测度大于所述第一测度阈值且小于等于所述第二测度阈值，则所述推进轴存在故障，但能够继续工作；若所述故障测度大于第二测度阈值，则所述推进轴存在故障，已无法工作。
[0049]
有益效果：
[0050]
本发明采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据；引入全新的计算方式，分别计算第一气象数据、第一物理数据和第一运行数据的第一健康度、第二健康度和第三健康度；联合所述第一健康度、所述第二健康度和所述第三健康度，通过双向lstm模型得到故障测度；根据所述故障测度，得到故障诊断结果。由此实现船舶推进轴故障的准确识别，提高航行安全性。
附图说明
[0051]
为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0052]
图1是本技术实施例提供的一种推进轴故障诊断方法的流程示意图；
[0053]
图2是本技术实施例提供的一种推进轴故障诊断系统的结构示意图。
具体实施方式
[0054]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
[0055]
本技术实施例提供了一种推进轴故障诊断方法及系统，具体应用于故障诊断领域，包括采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据；分别计算第一气象数据、第一物理数据和第一运行数据的第一健康度、第二健康度和第三健康度；联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度；根据所述故障测度，得到故障诊断结果。由此实现船舶推进轴故障的准确识别，提高航行安全性。
[0056]
该推进轴故障诊断方法及系统，具体可以集成在电子设备中，该电子设备可以为终端、服务器等设备。其中，终端可以为光场摄像机、车载相机、手机、平板电脑、智能蓝牙设备、笔记本电脑、或者个人电脑(personal computer，pc)等设备；服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群。
[0057]
人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0058]
近年来，随着人工智能技术研究和进步，人工智能技术在多个领域得到广泛应用，本公开实施例提供的方案涉及计算机视觉技术、人工智能的机器学习/深度学习等技术，具体通过如下实施例进行说明：
[0059]
图1示出了本技术实施例提供的推进轴故障诊断方法的流程示意图，请参考图1，具体包括如下步骤：
[0060]
首先，船舶推进轴系是船舶的推进系统，它由中间轴、中间轴承、艉轴、艉轴承、螺旋桨以及前后密封装置构成，它们整体连接后由主机提供动力发挥作用。船舶推进轴系的作用是将主机发出的功率传递给螺旋桨，螺旋桨旋转后产生轴向推力通过轴系传给推力轴承，再由推力轴承传递给船体，使船舶前进或者后退。
[0061]
下面结合附图和具体实施例对本发明进行详细阐述。
[0062]
s110、采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据。
[0063]
其中，所述第一气象数据包括：降水量、风速和温度；所述第一物理数据包括艉轴温度、艉轴压力和船尾结构震动频率；所述第一运行数据包括主机转速和螺旋桨转速。
[0064]
s120、计算所述第一气象数据的第一健康度。
[0065]
具体地，当降水量d处于降水量区间[d0,d1]内，且风速w处于风速区间[w0,w1]内，且温度t处于温度区间[t0,t1]内时，利用如下公式计算第一健康度：
[0066]
f1＝(d-d0)/(d
1-d0)
[0067]
f2＝(w-w0)/(w
1-w0)
[0068]
f3＝(t-t0)/(t
1-t0)
[0069][0070]
其中，α、β和γ表示f1、f2和f3对应的参数因子，取值为(0,1)。
[0071]
s130、计算所述第一物理数据的第二健康度。
[0072]
具体地，当艉轴温度st处于艉轴温度区间[st0,st1]内，且艉轴压力sp处于压力区间[sp0,sp1]内，且船尾结构震动频率fr处于震动区间[fr0,fr1]内时，利用如下公式计算第二健康度：
[0073]
f4＝(st-st0)/(st
1-st0)
[0074]
f5＝(sp-sp0)/(sp
1-sp0)
[0075]
f6＝(fr-fr0)/(fr
1-fr0)
[0076][0077]
其中，λ、η和θ表示f4、f5和f6对应的参数因子，取值为(0,1)。
[0078]
s140、计算所述第一运行数据的第三健康度。
[0079]
具体地，当主机转速m处于主机转速区间[m0,m1]内，且螺旋桨转速p处于螺旋桨转速区间[p0,p1]内时，利用如下公式计算第三健康度：
[0080]
f7＝(m-m0)/(m
1-m0)
[0081]
f8＝(p-p0)/(p
1-p0)
[0082][0083]
其中，ε表示f7和f8对应的参数因子，取值为(0,1)。
[0084]
由此通过多项参数的归一化计算，得到客观、准确的健康度评估结果。
[0085]
s150、联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度。
[0086]
在一种实施方式中，步骤s150可以具体包括以下步骤：
[0087]
s151、联合所述第一健康度、所述第二健康度和所述第三健康度，构建健康向量h＝[h1,h2,h3]。
[0088]
s152、将所述健康向量输入故障诊断模型，输出故障测度。
[0089]
其中，故障诊断模型是双向lstm神经网络模型。所述双向lstm神经网络模型包括i nput层，forward层，backward层和output层。
[0090]
在一种实施方式中，可以通过以下步骤训练所述故障诊断模型：
[0091]
采集目标船舶历史第二气象数据、第二物理数据和第二运行数据；分别计算第二气象数据、第二物理数据和第二运行数据的第四健康度、第五健康度和第六健康度；联合第四健康度、第五健康度和第六健康度，得到历史故障测度；将所述历史故障测度输入双向
lstm神经网络模型进行训练，得到训练好的故障诊断模型。
[0092]
s160、根据所述故障测度，得到故障诊断结果。
[0093]
具体地，预设第一测度阈值和第二测度阈值；其中，所述第一测度阈值小于所述第二测度阈值；若所述故障测度小于等于所述第一测度阈值，则所述推进轴无故障；若所述故障测度大于所述第一测度阈值且小于等于所述第二测度阈值，则所述推进轴存在故障，但能够继续工作；若所述故障测度大于第二测度阈值，则所述推进轴存在故障，已无法工作。
[0094]
进一步地，可以预先采集目标船舶的统计资料；其中，统计资料可以包括目标船舶的长度、用途、承载量等，基于此预设第一测度阈值和第二测度阈值，在此不做具体限定。
[0095]
综上所述，本发明采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据，分别计算第一气象数据、第一物理数据和第一运行数据的第一健康度、第二健康度和第三健康度；联合所述第一健康度、所述第二健康度和所述第三健康度，通过双向lstm模型得到故障测度；根据所述故障测度，得到故障诊断结果。由此实现船舶推进轴故障的准确识别，提高航行安全性。
[0096]
本实施例还提供一种推进轴故障诊断系统，如图2所示，该系统包括：
[0097]
数据采集模块210，用于采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据。
[0098]
测度计算模块220，用于计算所述第一气象数据的第一健康度；计算所述第一物理数据的第二健康度；计算所述第一运行数据的第三健康度；联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度。
[0099]
故障诊断模块230，用于根据所述故障测度，得到故障诊断结果。
[0100]
可选地，所述第一气象数据包括：降水量、风速和温度；所述第一物理数据包括艉轴温度、艉轴压力和船尾结构震动频率；所述第一运行数据包括主机转速和螺旋桨转速。
[0101]
可选地，所述计算所述第一气象数据的第一健康度，包括：当降水量d处于降水量区间[d0,d1]内，且风速w处于风速区间[w0,w1]内，且温度t处于温度区间[t0,t1]内时，利用如下公式计算第一健康度：
[0102]
f1＝(d-d0)/(d
1-d0)
[0103]
f2＝(w-w0)/(w
1-w0)
[0104]
f3＝(t-t0)/(t
1-t0)
[0105][0106]
其中，α、β和γ表示f1、f2和f3对应的参数因子，取值为(0,1)。
[0107]
可选地，所述计算所述第一物理数据的第二健康度，包括：当艉轴温度st处于艉轴温度区间[st0,st1]内，且艉轴压力sp处于压力区间[sp0,sp1]内，且船尾结构震动频率fr处于震动区间[fr0,fr1]内时，利用如下公式计算第二健康度：
[0108]
f4＝(st-st0)/(st
1-st0)
[0109]
f5＝(sp-sp0)/(sp
1-sp0)
[0110]
f6＝(fr-fr0)/(fr
1-fr0)
[0111][0112]
其中，λ、η和θ表示f4、f5和f6对应的参数因子，取值为(0,1)。
[0113]
可选地，所述计算所述第一运行数据的第三健康度，包括：当主机转速m处于主机转速区间[m0,m1]内，且螺旋桨转速p处于螺旋桨转速区间[p0,p1]内时，利用如下公式计算第三健康度：
[0114]
f7＝(m-m0)/(m
1-m0)
[0115]
f8＝(p-p0)/(p
1-p0)
[0116][0117]
其中，ε表示f7和f8对应的参数因子，取值为(0,1)。
[0118]
可选地，所述联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度，包括：联合所述第一健康度、所述第二健康度和所述第三健康度，构建健康向量h＝[h1,h2,h3]；将所述健康向量输入故障诊断模型，输出故障测度。
[0119]
可选地，所述故障诊断模型是双向lstm神经网络模型。
[0120]
可选地，所述故障诊断模块230具体用于：预设第一测度阈值和第二测度阈值；其中，所述第一测度阈值小于所述第二测度阈值；若所述故障测度小于等于所述第一测度阈值，则所述推进轴无故障；若所述故障测度大于所述第一测度阈值且小于等于所述第二测度阈值，则所述推进轴存在故障，但能够继续工作；若所述故障测度大于第二测度阈值，则所述推进轴存在故障，已无法工作。
[0121]
本发明提供的推进轴故障诊断系统能够实现船舶推进轴故障的准确识别，提高航行安全性。
[0122]
以上所述实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本技术实施例技术方案的精神和范围。都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
其中，ε表示f7和f8对应的参数因子，取值为(0,1)。6.根据权利要求5所述的推进轴故障诊断方法，其特征在于，所述联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度，包括：联合所述第一健康度、所述第二健康度和所述第三健康度，构建健康向量h＝[h1,h2,h3]；将所述健康向量输入故障诊断模型，输出故障测度。7.根据权利要求6所述的推进轴故障诊断方法，其特征在于，所述故障诊断模型是双向lstm神经网络模型。8.根据权利要求1所述的推进轴故障诊断方法，其特征在于，所述根据所述故障测度，得到故障诊断结果，包括：预设第一测度阈值和第二测度阈值；其中，所述第一测度阈值小于所述第二测度阈值；若所述故障测度小于等于所述第一测度阈值，则所述推进轴无故障；若所述故障测度大于所述第一测度阈值且小于等于所述第二测度阈值，则所述推进轴存在故障，但能够继续工作；若所述故障测度大于第二测度阈值，则所述推进轴存在故障，已无法工作。9.一种推进轴故障诊断系统，其特征在于，该系统包括：数据采集模块，用于采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据；测度计算模块，用于计算所述第一气象数据的第一健康度；计算所述第一物理数据的第二健康度；计算所述第一运行数据的第三健康度；联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度；故障诊断模块，用于根据所述故障测度，得到故障诊断结果。10.根据权利要求9所述的推进轴故障诊断系统，其特征在于，所述故障诊断模块具体用于：预设第一测度阈值和第二测度阈值；其中，所述第一测度阈值小于所述第二测度阈值；若所述故障测度小于等于所述第一测度阈值，则所述推进轴无故障；若所述故障测度大于所述第一测度阈值且小于等于所述第二测度阈值，则所述推进轴存在故障，但能够继续工作；若所述故障测度大于第二测度阈值，则所述推进轴存在故障，已无法工作。

技术总结
本申请提供的一种推进轴故障诊断方法及系统，具体应用于故障诊断领域，包括采集目标船舶推进轴当前时刻的第一气象数据、第一物理数据和第一运行数据；分别计算第一气象数据、第一物理数据和第一运行数据的第一健康度、第二健康度和第三健康度；联合所述第一健康度、所述第二健康度和所述第三健康度，得到故障测度；根据所述故障测度，得到故障诊断结果。由此实现船舶推进轴故障的准确识别，提高航行安全性。性。性。


技术研发人员：吴子俊 高翔
受保护的技术使用者：南通思诺船舶科技有限公司
技术研发日：2023.06.20
技术公布日：2023/9/20