本發(fā)明屬于船舶自動化技術(shù)領(lǐng)域，具體涉及一種基于模糊貼近度的船舶故障診斷方法及系統(tǒng)。
背景技術(shù)：
隨著現(xiàn)代船舶系統(tǒng)的日益發(fā)展，機艙設(shè)備逐漸具備結(jié)構(gòu)復雜化、功能綜合化、高性能化、高度自動化等特點。而機艙設(shè)備的結(jié)構(gòu)日益復雜，造成其中某一部件發(fā)生突發(fā)的故障時整臺設(shè)備處于癱瘓狀態(tài)的情況，這種情況甚至會引起連鎖反應(yīng)，并造成一定的經(jīng)濟損失和船員傷亡。因此，提高船舶機艙的自動化程度與自動化系統(tǒng)的可靠性與穩(wěn)定性，便成為本領(lǐng)域中一個突出的問題。機艙狀態(tài)監(jiān)測和故障診斷是船舶安全綜合控制系統(tǒng)中最基本和最重要的組成部分，為了確保船舶在航行過程中的正常運行，必須實時監(jiān)控船舶機艙內(nèi)的主機、輔機、發(fā)電機、舵槳等各主要部件的工作情況。為了對突發(fā)故障快速采取應(yīng)急措施，必須建立一個智能診斷系統(tǒng)，利用先進的傳感技術(shù)對機艙各主要部件進行實時監(jiān)控，動態(tài)地采集主要部件的特征信息，并對這些特征信息進行信號分析與處理，以檢測出系統(tǒng)發(fā)生的故障，對發(fā)生的故障的原因進行區(qū)分與識別，并對各故障原因提出針對性的維修與處理方法。
現(xiàn)如今對船舶故障診斷方法研究較多的是基于神經(jīng)網(wǎng)絡(luò)的人工智能方法，但該方法在故障診斷前需要利用大量故障樣本對神經(jīng)網(wǎng)絡(luò)進行訓練，在正常運行狀態(tài)下數(shù)據(jù)樣本容易獲得，但故障樣本卻難以獲得，致使故障診斷結(jié)果可靠性不高。因此設(shè)計一種可靠性高的船舶故障診斷方法具有重要意義。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的旨在針對傳統(tǒng)基于神經(jīng)網(wǎng)絡(luò)的人工智能診斷方法，在正常運行狀態(tài)下故障樣本難以獲得等問題，提供一種科學簡便而、可靠性高的基于模糊貼近度的船舶故障診斷方法。
為了實現(xiàn)上述目的，本發(fā)明提供一種基于模糊貼近度的船舶故障診斷方法，包括以下步驟：
1)利用傳感技術(shù)對船舶機艙各主要部件進行實時監(jiān)控，動態(tài)地采集所述各個主要部件的特征信息，并對所述特征信息進行信號分析與處理，以提取出相應(yīng)的特征值；
2)將所述特征值與設(shè)定的報警閾值比較，一旦所述特征值超過所述報警閾值，即可產(chǎn)生故障報警，并將所述特征值存入數(shù)據(jù)庫；
3)根據(jù)所述故障報警對應(yīng)的特征值，獲得待診斷的故障數(shù)據(jù)，并將所述待診斷的故障數(shù)據(jù)與所述數(shù)據(jù)庫中已確定故障原因的故障樣本比對；
4)當所述數(shù)據(jù)庫中沒有任何故障樣本數(shù)據(jù)時，人工檢查和確定故障原因，并將所述故障原因與所述待診斷的故障數(shù)據(jù)關(guān)聯(lián)而建立新的故障樣本；當所述數(shù)據(jù)庫中有一個以上的已確定故障原因的故障樣本時，利用模糊貼近度模型計算出所述待診斷的故障數(shù)據(jù)與所述故障樣本的數(shù)據(jù)之間的最大貼近度值，從而確定待診斷的故障原因。
可選的，步驟1)中，對所述特征信息進行信號分析與處理的過程包括：首先，對所述特征信息進行小波分析，并選擇出最能體現(xiàn)各個主要部件的振動特性的頻帶信號；然后，根據(jù)所述頻帶信號提取出表征各個主要部件的振動特性的特征值。
可選的，步驟4)中，當查找到多個已有故障樣本時，計算出所述待診斷的故障數(shù)據(jù)與每個已有故障樣本的數(shù)據(jù)之間的貼近度，取所有貼近度中的最大值作為最大貼近度值，從而確定待診斷的故障原因。
可選的，步驟4)中，當所述最大貼近度值偏低時，有可能是出現(xiàn)新類型故障，此時人工去檢查故障原因，并將所述故障原因與所述待診斷的故障數(shù)據(jù)關(guān)聯(lián)而建立新的故障樣本。
可選的，步驟4)中，確定的各類型的故障原因有大量的故障樣本數(shù)據(jù)時，利用數(shù)據(jù)融合技術(shù)將同類型的多個故障樣本數(shù)據(jù)融合成一個標準的故障樣本數(shù)據(jù)，以使用到所述模糊貼近度模型中。
可選的，利用模糊貼近度模型計算貼近度的公式為：
式中δ是貼近度，n為特征值個數(shù)，u(j)為第j個特征值的隸屬度值，u(x)＝-4x3+6x2-x，x是征兆參數(shù)與已診斷故障參數(shù)的接近程度。
本發(fā)明還提供一種基于模糊貼近度的船舶故障診斷系統(tǒng)，包括傳感器、報警模組、智能故障診斷模組以及數(shù)據(jù)庫；其中，所述傳感器分布在船舶機艙各主要部件處；所述報警模組包括閾值預設(shè)單元、特征值提取單元以及故障報警單元，所述特征值提取單元連接所述傳感器，所述故障報警單元的輸入端連接所述閾值預設(shè)單元和所述特征值提取單元；所述數(shù)據(jù)庫包括特征值存儲單元和故障樣本存儲單元，所述特征值存儲單元的輸入端連接故障報警單元的輸出端并存儲有發(fā)生故障報警的特征值，所述故障樣本存儲單元存儲有已確定故障原因的故障樣本；所述智能故障診斷模組包括提取特征值單元、故障樣本查詢單元、模糊貼近度計算單元以及故障原因輸出單元，所述提取特征值單元連接所述特征值存儲單元，所述故障樣本查詢單元連接所述故障樣本存儲單元，所述模糊貼近度計算單元的輸入端連接所述提取特征值單元和所述故障樣本查詢單元的輸出端，所述模糊貼近度計算單元的輸出端連接所述故障原因輸出單元。
可選的，所述模糊貼近度計算單元利用模糊貼近度模型計算貼近度的公式為：
式中δ是貼近度，n為特征值個數(shù)，u(j)為第j個特征值的隸屬度值，u(x)＝-4x3+6x2-x，x是征兆參數(shù)與已診斷故障參數(shù)的接近程度。
可選的，所述船舶故障診斷系統(tǒng)還包括顯示屏以及在所述顯示屏中顯示的用戶操作界面，所述故障原因輸出單元的輸出端連接所述顯示屏，所述用戶操作界面包括管理所述數(shù)據(jù)庫的故障樣本存儲單元的數(shù)據(jù)庫管理界面。
與現(xiàn)有技術(shù)相比，本發(fā)明的技術(shù)方案的優(yōu)點和有益效果主要是：
在智能故障診斷的前期沒有故障樣本數(shù)據(jù)時，在故障報警發(fā)生后人工檢查故障原因并人工將故障原因與故障特征值對應(yīng)而建立故障樣本，當經(jīng)過一段時間的診斷后會有一個以上的故障樣本后，然后可以利用模糊貼近度模型自動進行故障診斷，且在最大貼近度值偏低時仍會人工檢查故障原因并人工將故障原因與故障特征值對應(yīng)而建立故障樣本，因此能夠有效的完成船舶系統(tǒng)的故障診斷，相比現(xiàn)有的基于神經(jīng)網(wǎng)絡(luò)的人工智能診斷方法，無需前期就建立大量的故障樣本，可以在實際運用中循序漸近的建立故障樣本，安全性良好、可靠性高且開源性高，可以滿足實際船舶故障診斷中的需求。
附圖說明
圖1為本發(fā)明具體實施例的基于模糊貼近度的船舶故障診斷方法的原理圖；
圖2為本發(fā)明具體實施例的基于模糊貼近度的船舶故障診斷方法的流程圖；
圖3為本發(fā)明具體實施例的基于模糊貼近度的船舶故障診斷系統(tǒng)的框圖；
圖4為本發(fā)明具體實施例的基于模糊貼近度的船舶故障診斷系統(tǒng)的使用過程簡圖。
具體實施方式
下面結(jié)合附圖對本發(fā)明的一種基于模糊貼近度的船舶故障診斷方法及系統(tǒng)作進一步的詳細說明。
為避免目前的基于神經(jīng)網(wǎng)絡(luò)的人工智能故障診斷方法在診斷前需要利用大量故障樣本對神經(jīng)網(wǎng)絡(luò)進行訓練，而在正常運行狀態(tài)下故障樣本難以獲得的問題，本發(fā)明提出一種基于模糊貼近度的船舶故障診斷方法，其原理如圖1所示，利用傳感器技術(shù)實時監(jiān)測船舶主要部件的信息，一旦數(shù)據(jù)出現(xiàn)異常就發(fā)生故障報警，在前期沒有故障樣本數(shù)據(jù)時，在發(fā)生故障報警后，技術(shù)人員可以直接通過人工的方式檢查故障原因，并將與故障特征值對應(yīng)，而當經(jīng)過一段時間會有故障樣本，此時再發(fā)生故障報警，則利用模糊貼近度模型進行智能故障診斷。請參考圖2，本發(fā)明的基于模糊貼近度的船舶故障診斷方法具體流程如下：
1)：利用傳感技術(shù)對船舶機艙各主要部件進行實時監(jiān)控，動態(tài)地采集所述各個主要部件的特征信息，并對所述特征信息進行信號分析與處理，以提取出相應(yīng)的特征值，具體地：
1.1)分布在船舶機艙各主要部件處的傳感器動態(tài)地采集所述各個主要部件的相關(guān)信號；
1.2)對各個傳感器采集的相關(guān)信號進行小波分析，并選擇最能體現(xiàn)對應(yīng)的主要部件的振動特性的頻帶信號；
1.3)根據(jù)選擇出的頻帶信號提取出表征對應(yīng)的主要部件的振動信息的特征值；
2)：將所述特征值與設(shè)定的報警閾值比較，一旦所述特征值超過所述報警閾值，即可產(chǎn)生故障報警，并將所述特征值存入數(shù)據(jù)庫；
3)：根據(jù)所述故障報警對應(yīng)的特征值，獲得待診斷的故障數(shù)據(jù)，并將所述待診斷的故障數(shù)據(jù)與所述數(shù)據(jù)庫中已確定故障原因的故障樣本比對；
4)：故障診斷：
4.1)當所述數(shù)據(jù)庫中沒有任何故障樣本數(shù)據(jù)時，人工檢查和確定故障原因，并將所述故障原因與所述待診斷的故障數(shù)據(jù)關(guān)聯(lián)而建立新的故障樣本；
4.2)當所述數(shù)據(jù)庫中有一個以上的已確定故障原因的故障樣本時，利用模糊貼近度模型計算出所述待診斷的故障數(shù)據(jù)與所述故障樣本的數(shù)據(jù)之間的最大貼近度值，從而確定待診斷的故障原因。其中，利用模糊貼近度模型計算貼近度的公式為：
式中δ是貼近度，n為特征值個數(shù)，u(j)為第j個特征值的隸屬度值，u(x)＝-4x3+6x2-x，x是征兆參數(shù)與已診斷故障參數(shù)的接近程度。
當查找到多個已有故障樣本時，計算出所述待診斷的故障數(shù)據(jù)與每個已有故障樣本的數(shù)據(jù)之間的貼近度，取所有貼近度中的最大值作為最大貼近度值，從而確定待診斷的故障原因。進一步的，當所述最大貼近度值偏低時，有可能是出現(xiàn)新類型故障，此時人工去檢查故障原因，并將所述故障原因與所述待診斷的故障數(shù)據(jù)關(guān)聯(lián)而建立新的故障樣本。
該方法中，若已經(jīng)確定的各類型的故障原因存在大量的故障樣本數(shù)據(jù)時，可以利用數(shù)據(jù)融合技術(shù)將同類型的多個故障樣本數(shù)據(jù)融合成一個標準的故障樣本數(shù)據(jù)，以使用到所述模糊貼近度模型中。
請參考圖3，本發(fā)明還提供一種基于模糊貼近度的船舶故障診斷系統(tǒng)，包括傳感器30、報警模組31、智能故障診斷模組32以及數(shù)據(jù)庫33。
其中，所述傳感器30分布在船舶機艙各主要部件處，用于實時動態(tài)地采集所述各個主要部件的相關(guān)信號。
所述報警模組31包括閾值預設(shè)單元310、特征值提取單元311以及故障報警單元312。其中，所述閾值預設(shè)單元310用于設(shè)置各個報警閾值；特征值提取單元311連接各個傳感器，用于對各個傳感器采集的相關(guān)信號進行小波分析，并選擇出最能體現(xiàn)對應(yīng)的主要部件的振動特性的頻帶信號，以及根據(jù)選擇出的頻帶信號提取出表征對應(yīng)的主要部件的振動信息的特征值；故障報警單元312連接所述閾值預設(shè)單元310和所述特征值提取單元311，用于將所述特征值提取單元311提取出的特征值與閾值預設(shè)單元310中設(shè)定的對應(yīng)的報警閾值比較，一旦所述特征值超過所述報警閾值，即可產(chǎn)生故障報警，并將產(chǎn)生故障報警的所述特征值存入數(shù)據(jù)庫33的特征值存儲單元331中。
所述數(shù)據(jù)庫33包括特征值存儲單元331和故障樣本存儲單元332。其中，所述特征值存儲單元331的輸入端連接故障報警單元312的輸出端，用于存儲有發(fā)生故障報警的特征值；所述故障樣本存儲單元332用于存儲已確定故障原因的故障樣本，存儲故障樣本的方式有：一，接受顯示屏34的用戶操作界面341人工建立的故障樣本；二，接受智能故障診斷模組32的故障原因輸出單元323自動存儲和整合的故障樣本。此外，當所述故障樣本存儲單元332中存儲的各類型的故障原因有大量的故障樣本數(shù)據(jù)后，可以利用數(shù)據(jù)融合技術(shù)將同類型的故障樣本數(shù)據(jù)融合成一個標準的故障樣本數(shù)據(jù)，將標準的故障樣本數(shù)據(jù)使用到模糊貼近度模型中進行智能故障診斷，將能更好的更精確的確定故障原因。
智能故障診斷模組32包括提取特征值單元320、故障樣本查詢單元321、模糊貼近度計算單元322以及故障原因輸出單元323。其中，所述提取特征值單元320連接所述特征值存儲單元331，用于在發(fā)生故障報警后從特征值存儲單元331提取出產(chǎn)生該故障報警的特征值，并獲得所述特征值對應(yīng)的待診斷的故障數(shù)據(jù)。所述故障樣本查詢單元321連接所述故障樣本存儲單元332，用于在提取特征值單元320獲得待診斷的故障數(shù)據(jù)后，查詢所述故障樣本存儲單元332中存儲的故障樣本。所述模糊貼近度計算單元323的輸入端連接所述提取特征值單元320和所述故障樣本查詢單元321的輸出端，所述模糊貼近度計算單元322的輸出端322連接所述故障原因輸出單元323，所述模糊貼近度計算單元322用于在故障樣本查詢單元321查詢到已確定故障原因的故障樣本后，將提取特征值單元320獲得待診斷的故障數(shù)據(jù)與故障樣本查詢單元321查詢到故障樣本數(shù)據(jù)對比，利用模糊貼近度模型計算待診斷的故障數(shù)據(jù)與故障樣本數(shù)據(jù)之間的最大貼近度值，以確定出待診斷的故障原因，當所述數(shù)據(jù)庫中有一個以上的已確定故障原因的故障樣本時，利用模糊貼近度模型計算出所述待診斷的故障數(shù)據(jù)與所述故障樣本的數(shù)據(jù)之間的最大貼近度值，從而確定待診斷的故障原因。其中，利用模糊貼近度模型計算貼近度的公式為：
式中δ是貼近度，n為特征值個數(shù)，u(j)為第j個特征值的隸屬度值，u(x)＝-4x3+6x2-x，x是征兆參數(shù)與已診斷故障參數(shù)的接近程度。
故障原因輸出單元323用于將所述模糊貼近度計算單元322的結(jié)果進行輸出，本實施例中，故障原因輸出單元323將所述模糊貼近度計算單元322獲得的待診斷的故障原因以故障樣本的方式保存至所述數(shù)據(jù)庫33的故障樣本存儲單元332中，同時輸出至顯示屏34的用戶操作界面上顯示。當故障樣本查詢單元321沒有查詢到任何故障樣本數(shù)據(jù)時，故障原因輸出單元323將未查詢到的結(jié)果輸出至顯示屏34的用戶操作界面341上顯示，以提示相關(guān)技術(shù)人員去人工檢查和確定故障原因。此外，當述模糊貼近度計算單元322計算的最大貼近度值偏低時，故障原因輸出單元323同樣將最大貼近度值偏低的計算結(jié)果輸出至顯示屏34的用戶操作界面341上顯示，以提示相關(guān)技術(shù)人員去人工檢查和確定故障原因。
顯示屏34可以為觸摸顯示屏，其顯示的用戶操作界面341可以對數(shù)據(jù)庫33進行管理，尤其是可以實現(xiàn)對故障樣本存儲單元332中故障樣本進行修改、融合以及新建等人工操作。即所述用戶操作界面341包括管理所述數(shù)據(jù)庫的故障樣本存儲單元332的數(shù)據(jù)庫管理界面，在數(shù)據(jù)庫管理界面上新建故障樣本時，可以將人工最終確定故障原因與所述待診斷的故障數(shù)據(jù)關(guān)聯(lián)而建立新的故障樣本
下面以船舶柴油機缸蓋振動故障為例，詳細說明本發(fā)明的基于模糊貼近度的船舶故障診斷系統(tǒng)的工作流程如下：
a)分布在船舶柴油機缸蓋處的傳感器30實時動態(tài)地采集所述船舶柴油機缸蓋的相關(guān)信號；
b)所述報警模組31的特征值提取單元311對傳感器30采集的相關(guān)信號進行小波分析，并選擇出最能體現(xiàn)所述船舶柴油機缸蓋的振動特性的頻帶信號，并對所述頻帶信號提取表征所述船舶柴油機缸蓋的振動信息的特征值；
c)所述報警模組31的故障報警單元312將特征值提取單元311提取出的特征值與閾值預設(shè)單元310設(shè)定的報警閾值比較，當特征值提取單元311提取的特征值超過閾值預設(shè)單元310設(shè)定的報警閾閾值時，產(chǎn)生故障報警并且將此特征值存入數(shù)據(jù)庫33的特征值存儲單元331中；
d)通過顯示屏34的用戶操作界面341進入智能故障診斷模組32，通過提取特征值單元320從數(shù)據(jù)庫33的特征值存儲單元331中提取出所述特征值進行診斷，以獲得待診斷的故障數(shù)據(jù)并顯示在用戶操作界面341中；
e)故障樣本查詢單元321查詢所述數(shù)據(jù)庫33的故障樣本存儲單元332中是否已存有已確定故障原因的故障樣本數(shù)據(jù)；當查詢到時，模糊貼近度計算單元322將所述待診斷的故障數(shù)據(jù)與故障樣本存儲單元332查詢到已有故障樣本數(shù)據(jù)進行一一比對，利用模糊貼近度模型計算待診斷的故障數(shù)據(jù)與故障樣本數(shù)據(jù)之間的最大貼近度值，找出故障原因，故障原因輸出單元323將找出的故障原因關(guān)聯(lián)所述特征值等建立故障樣本數(shù)據(jù)存入數(shù)據(jù)庫33的故障樣本存儲單元332中。
f)本次故障診斷完成后，顯示屏回到主界面，對機艙系統(tǒng)進行繼續(xù)監(jiān)控。由于柴油機不斷運行，因此第a)至e)步是循環(huán)重復操作的，以實時監(jiān)測柴油機的運行狀態(tài)，隨時產(chǎn)生故障報警以隨時進行故障診斷。
請參考圖4，本發(fā)明的基于模糊貼近度的船舶故障診斷系統(tǒng)的使用過程簡述如下：在剛開始用于故障診斷時，由于數(shù)據(jù)庫33的故障樣本存儲單元332中還未有故障樣本數(shù)據(jù)，因此在剛開始使用階段，當報警模組31產(chǎn)生故障報警后，相關(guān)技術(shù)人員自行去現(xiàn)場檢查故障原因，并通過顯示屏34的用戶操作界面對數(shù)據(jù)庫33進行管理，將人工確定的故障原因與故障數(shù)據(jù)進行對應(yīng)而人工建立新的故障樣本存儲至故障樣本存儲單元332中。當某一故障原因有兩組以上的已確定的故障樣本數(shù)據(jù)后，便可進行自動地智能故障診斷，此時模糊貼近度計算單元322將待診斷的一組故障數(shù)據(jù)與已確定故障原因的故障樣本數(shù)據(jù)進行循環(huán)貼近度計算，顯示出最大貼近度數(shù)值與其對應(yīng)的故障原因，作為待診斷的故障原因，以供技術(shù)人員去確定和解決。
本發(fā)明的基于模糊貼近度的船舶故障診斷系統(tǒng)，使用方法原理簡單，操作簡便快速并且可靠性高，能有效完成燃油系統(tǒng)的故障診斷，可以滿足實際船舶故障診斷中的需求。
以上詳細描述了本發(fā)明的較佳具體實施例。應(yīng)當理解，本領(lǐng)域的普通技術(shù)人員無需創(chuàng)造性勞動就可以根據(jù)本發(fā)明的構(gòu)思做出諸多修改和變化。因此，凡本技術(shù)領(lǐng)域中技術(shù)人員依本發(fā)明的構(gòu)思在現(xiàn)有技術(shù)的基礎(chǔ)上通過邏輯分析、推理或者有限的實驗可以得到的技術(shù)方案，皆應(yīng)在由權(quán)利要求書所確定的保護范圍內(nèi)。