船舶动力设备监控方法、装置、设备及存储介质与流程

1.本技术涉及船舶监测的领域，尤其是涉及一种船舶动力设备监控方法、装置、设备及存储介质。


背景技术：

2.船舶是能航行或停泊于水域进行运输或作业的交通工具，按不同的使用要求具有不同的技术性能、作业装备和结构型式；一般利用外在或自带能源的推进系统作为动力装置，而在船舶的动力装置中，一般采用螺旋桨来推动船舶前进。
3.在船舶航行的过程中，船舶的主要动力来源于动力装置驱动螺旋桨转动，从而划动水流产生推动力，而在螺旋桨工作的过程中，需要对螺旋桨的工作效率进行监测。滑失指的是螺旋桨对水的实际速度与理论上应能前进的速度之差，滑失与螺旋桨在理论上应能前进的速度的比值称之为滑失比，滑失比又称为滑失率。滑失率用来反应船舶动力装置在船舶航行过程中的工作效率，反应了环境因素对船舶实际航速的影响。一般而言，船舶在航行的过程中，船舶主机仅对动力数据以及滑失率进行记录，待船舶靠岸后再交由船舶公司进行分析。
4.针对上述中的相关技术，发明人认为存在有船舶主机仅能够获取行驶过程中的动力设备状态参数，无法获知剩余燃料能否维持完成后续航程的航行。


技术实现要素：

5.为了便于船舶主机在航行过程中对油耗进行预测，本技术提供一种船舶动力设备监控方法、装置、设备及存储介质。
6.本技术提供的一种船舶动力设备监控方法、装置、设备及存储介质采用如下的技术方案：第一方面，本技术提供一种船舶动力设备监控方法，采用如下的技术方案：一种船舶动力设备监控方法，包括：建立油耗初始模型；获取动力设备在以往航程中的动力参数、船舶的环境参数以及船舶的实际油耗；所述动力参数至少包括发动机转速、螺旋桨螺距和润滑油温度，所述船舶的环境参数至少包括风速、风向、水流速度和水流方向；将以往航程中的动力参数以及环境参数作为输入，实际油耗作为输出，以深度学习的方式对所述油耗初始模型进行训练，得到油耗预测模型；定期获取目标航段中的动力设备的动力参数和船舶的环境参数；在目标航段的起始点将所述动力参数和所述环境参数输入油耗预测模型，得到目标航段的油耗预测平均值。
7.通过采用上述技术方案，通过大量的历史数据输入油耗初始模型中对油耗初始模型训练后能够得到针对动力参数和环境参数进行预测油耗预测平均值的油耗预测模型，通
过将目标航段中动力设备的动力参数和船舶的环境参数输入油耗预测模型，能够计算得出当前航段下的动力参数和环境参数下的油耗预测值，从而对船舶的航行以及油耗预测能够起到参考意义，便于对整个航程的燃油量进行规划以及获知能否维持后续航程的航行。
8.优选的，所述方法还包括：定期获取目标航段的实际航速以及实际油耗；基于所述目标航段的动力参数以及实际航速测算动力效率以及滑失率；在所述实际油耗与所述油耗预测平均值的差值大于等于故障预设值时，将所述滑失率与滑失率警戒值进行比较并输出航行建议，所述航行建议包括返航维修和继续航行。
9.通过采用上述技术方案，油耗预测模型预测所得的油耗预测平均值能够作为判定船舶工作状态的其中一个参数，当实际油耗与油耗预测平均值的差值大于等于故障预设值时，此时表明出现了异常情况，需要对油耗增加的各个因素进行排查，从而核实船舶是否处于异常状态，便于监控船舶的航行状态以保证航行的稳定以及动力设备的稳定运行。
10.优选的，所述在所述实际油耗与所述油耗预测平均值的差值大于等于故障预设值时，将所述滑失率与滑失率警戒值进行比较并输出航行建议，包括：若滑失率大于等于滑失率警戒值，则将所述动力参数与正常工作范围进行比较；若动力参数超出正常工作范围，则显示动力设备故障并显示返航维修的建议；若动力参数位于正常工作范围，则显示动力设备正常并显示继续航行的建议；若滑失率小于滑失率警戒值，则显示继续航行。
11.通过采用上述技术方案，在所述实际油耗与所述油耗预测平均值的差值大于等于故障预设值时，再对滑失率进行比较，若滑失率大于等于滑失率警戒值，此时可能存在的风险在于动力设备故障，需要对动力设备进行检修；若动力参数超出正常工作范围，则说明动力设备故障，而若动力参数位于正常工作范围，则动力设备正常，此时并不存在船舶抛锚的风险，故而船舶依旧能够航行，则一直显示可以继续航行，以便于船长排出动力设备的故障状态。
12.优选的，所述显示动力设备故障并显示返航维修的建议，包括：获取已行驶的航程相对于整个航程的占比，若占比超过预设航程比，则基于卫星地图确定最近的维修点并显示维修点的位置以及前往维修点的最短路径；若占比未超过预设航程比，则计算整个航程的返航冗余时间，将动力设备故障信息以及返航冗余时间发送至数据中心并显示动力设备故障。
13.通过采用上述技术方案，在返航维修的过程中，若航程已经超过预设航程比，则如果返回原始港口会导致额外成本的增加，此时选择最近的维修点进行维修能够节约成本，而如果航程没有超过预设航程比，此时返航增加的成本较小，在能够接受的范围内，故而选择回初始港口并计算多余的时间，这样以便于更换船只完成运输。
14.优选的，所述显示动力设备正常并显示继续航行的建议，包括：对船舶底部污底程度进行检测；若污底程度超过污底预设值，则基于当前滑失率，计算油耗增加值；将所述滑失率、污底信息以及油耗增加值发送至数据中心并接收及显示来自数据中心的航行指令。
15.通过采用上述技术方案，若船舶的动力设备正常，而滑失率超过滑失率警戒值时
的另一种情况在于船舶可能存在污底的问题，因而需要核实船舶的污底情况，在污底程度超过污底预设值时，此时计算额外的油耗并将滑失率、污底信息以及油耗增加值发送至数据中心，数据中心计算成本。
16.优选的，所述若滑失率小于滑失率警戒值，则显示继续航行，包括：将当前航段下的动力参数和环境参数重新输入油耗预测模型，得到修正预测油耗。
17.通过采用上述技术方案，若滑失率小于警戒值，此时油耗仍然异常，此时将当前航段的动力参数和环境参数重新输入油耗预测模型，得到修正预测油耗，从而与原先的油耗预测平均值比对能够分析环境因素对油耗的影响。
18.优选的，所述将当前航段下的动力参数和环境参数重新输入油耗预测模型，得到修正预测油耗之后包括：当修正预测油耗与实际油耗的差值仍大于故障预设值，则检测油箱出口的流量；当油箱出口的流量小于所述实际油耗值时，则发送报警信号。
19.通过采用上述技术方案，当修正预测油耗与实际油耗的差值仍大于故障预设值时，此时表明实际油耗受到环境因素的影响较小，因而可能会存在一些人为的因素比如偷油，因而油箱出口的流量与实际油耗进行比对，若一致，则可能会存在其他原因，若不一致，此时则证明可能会存在偷油的情况，此时需要进行报警，对船员进行逐一核查。
20.第二方面，本技术提供一种船舶动力设备监控装置，采用如下的技术方案：一种船舶动力设备监控装置，所述装置包括：参数检测模块，用于获取动力设备在以往航程中的动力参数、船舶的环境参数以及船舶的实际油耗并定期获取目标航段中的动力设备的动力参数和船舶的环境参数；油耗预测模块，用于将以往航程中的动力参数以及环境参数作为输入，实际油耗作为输出，以深度学习的方式对所述油耗初始模型进行训练，得到油耗预测模型并在目标航段的起始点将所述动力参数和所述环境参数输入油耗预测模型，得到目标航段的油耗预测平均值；动力效率测算模块，用于定期获取目标航段的实际航速以及实际油耗以及基于所述船舶当前的发动机参数以及实际航速测算发动机效率以及滑失率；数据收发模块，用于将所述发动机参数、实际航速、周期耗油量、发动机效率以及滑失率发送至数据中心并接收来自数据中心的指令；数据分析模块，在实际油耗值与预测油耗值的差值大于等于故障预设值时，将所述滑失率与滑失率警戒值进行比较并输出操作建议；污底检测模块，用于对船舶底部污底程度进行检测；油耗测算模块，用于基于当前滑失率，计算油耗增加值；油量复核模块，用于检测油箱出口的流量。
21.通过采用上述技术方案，通过大量的历史数据输入油耗初始模型中对油耗初始模型训练后能够得到针对动力参数和环境参数进行预测油耗预测平均值的油耗预测模型，通过将目标航段中动力设备的动力参数和船舶的环境参数输入油耗预测模型，能够计算得出当前航段下的动力参数和环境参数下的油耗预测值，从而对船舶的航行以及油耗预测能够起到参考意义，便于对整个航程的燃油量进行规划以及获知能否维持后续航程的航行。
22.第三方面，本技术提供一种计算机设备，采用如下的技术方案：一种计算机设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上述任一种船舶动力设备监控方法的计算机程序。
23.通过采用上述技术方案，通过大量的历史数据输入油耗初始模型中对油耗初始模型训练后能够得到针对动力参数和环境参数进行预测油耗预测平均值的油耗预测模型，通过将目标航段中动力设备的动力参数和船舶的环境参数输入油耗预测模型，能够计算得出当前航段下的动力参数和环境参数下的油耗预测值，从而对船舶的航行以及油耗预测能够起到参考意义，便于对整个航程的燃油量进行规划以及获知能否维持后续航程的航行。
24.第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：一种计算机存储介质，存储有能够被处理器加载并执行如上述任一种船舶动力设备监控方法的计算机程序。
25.通过采用上述技术方案，通过大量的历史数据输入油耗初始模型中对油耗初始模型训练后能够得到针对动力参数和环境参数进行预测油耗预测平均值的油耗预测模型，通过将目标航段中动力设备的动力参数和船舶的环境参数输入油耗预测模型，能够计算得出当前航段下的动力参数和环境参数下的油耗预测值，从而对船舶的航行以及油耗预测能够起到参考意义，便于对整个航程的燃油量进行规划以及获知能否维持后续航程的航行。
26.综上所述，本技术包括以下至少一种有益技术效果：通过大量的历史数据输入油耗初始模型中对油耗初始模型训练后能够得到针对动力参数和环境参数进行预测油耗预测平均值的油耗预测模型，通过将当前动力设备的动力参数和船舶的环境参数输入油耗预测模型中，能够计算得出当前航段下的动力参数和环境参数下的油耗预测值，从而对船舶的航行以及油耗预测能够起到参考意义，便于对整个航程的燃油量进行规划并针对异常油耗对船舶的行驶状态进行检测，从而便于及时发现船舶的异常状态。
附图说明
27.图1是本技术实施例中船舶动力设备监控方法的流程图；图2是本技术实施例中步骤s108的子步骤流程图；图3是本技术实施例中船舶动力设备监控装置的结构框图。
28.附图标记说明：301、参数检测模块；302、油耗预测模块；303、动力效率测算模块；304、数据分析模块；305、污底检测模块；306、油耗测算模块；307、油量复核模块。
具体实施方式
29.以下结合附图1
‑
3对本技术作进一步详细说明。
30.本技术实施例公开一种船舶动力设备监控方法，所上述方法用于监测船舶的动力设备的动力参数以及船舶的环境参数，并结合船舶的实际油耗形成历史数据；基于监测所得的历史数据训练深度学习的模型，通过训练后的模型能够对整个航程中的某一个航段的油耗平均值进行预测。本方法可以应用于大型海上货轮的船舶主机中，针对货轮的远洋航行进行油耗预测。而在实际航行的过程中，船长会根据水文特征将整段航程划分成不同的航段，针对每一航段进行预测。
31.下面将结合具体实施方式，对图1所示的处理流程进行详细的说明，内容可以如下：步骤101，建立油耗初始模型。
32.在实施中，船舶主机在航行的初始阶段通过迁移学习的方式，将相同的船舶油耗预测模型中的特征通过特征迁移的方式进行迁移得到油耗初始模型，以针对基于船舶以往的历史数据进行训练。油耗初始模型采用多因子预测模型，例如lstm（长短期记忆网络）。多因子预测模型能够基于输入的影响因子，计算输出预测的结果，在应用于燃油预测模型中时能够对油耗进行预测。
33.步骤102、获取动力设备在以往航程中的动力参数、船舶的环境参数以及船舶的实际油耗。
34.其中，动力参数至少包括发动机转速、螺旋桨螺距和润滑油温度，船舶的环境参数至少包括风速、风向、水流速度和水流方向。
35.在实施中，在目标航段开始时，船舶主机获取动力设备在以往航程中的动力参数、船舶的环境参数以及船舶的实际油耗，以动力设备在以往航程中的动力参数、船舶的环境参数以及船舶的实际油耗作为训练样本来进行训练。船舶主机通过转速传感器对船舶动力参数中的发动机转速进行测试，通过获取船舶出厂参数对船舶的螺旋桨螺距进行读取，通过动力设备处的温度传感器获取润滑油的温度。另外，动力设备的动力参数还包括润滑油压力，船舶主机还能够通过压力传感器获取动力设备的润滑油压力。船舶的环境参数包括风速、风向、水流速度和水流方向，风速和风向由安装在船舶上的风速风向仪获取；水流流速和水流方向由安装在船上的超声波时差流速仪，通过超声波在水流的不同方向的传播速度差异测得，船舶的实际油耗为每段航段的燃油体积差除以航段距离得到的航段油耗平均值。
36.步骤103、将以往航程中的动力参数以及环境参数作为输入，实际油耗作为输出，以深度学习的方式对油耗初始模型进行训练，得到油耗预测模型。
37.在实施中，以往航程包括船舶历史的整段航程以及船舶在本段航程中已航行的航段，由于历史的整段航程能够反应出船舶在航行过程中的历史数据，而本段航程已经航行过的航段能够体现船舶在本次航行过程中的动力设备的动力参数。将以往航程中的动力参数以及环境参数作为输入，实际油耗作为输出，输入油耗初始模型中，经过万次量级的训练，对油耗模型中的特征进行固定。另外，船舶主机在历史数据中抽取10%的数据作为验证集，通过10%的验证集进行验证，从而能够得到油耗的预测模型。船舶在航行的过程中，每航行一段航段，船舶主机都将船舶的动力参数、环境参数和实际油耗作为以往航程的一部分进行训练，即在每段航段结束后，船舶主机都会对油耗预测模型重新训练一次，从而获得新的油耗预测模型。
38.步骤104、定期获取目标航段中的动力设备的动力参数和船舶的环境参数。
39.在实施中，在每一段航段过程中，船舶主机每间隔一段时间对动力设备的动力参数和船舶的环境参数测算一次。船舶主机通过设定获取动力参数和环境参数的周期值，周期值可以为2h，即每间隔2h对动力参数和环境参数采样一次，保证了对动力参数和环境参数的定期监测。
40.步骤105、在目标航段的起始点将动力参数和环境参数输入油耗预测模型，得到目
标航段的油耗预测平均值。
41.在实施中，在每一航段的起始点，此时也是上一航段的终止点，此时船舶主机会对油耗预测模型再次进行训练，得到新的油耗预测模型。然后船舶主机将起始点的动力参数和环境参数输入油耗预测模型中，油耗预测模型进行自动预测，输出一个油耗预测平均值，此油耗预测平均值为每百海里的平均油耗，即为下一段航段过程中的油耗预测平均值，以供航行过程中的油耗预测参考。
42.可选的，为便于针对预测油耗与实际油耗的差值进行比较，并针对预测油耗与实际油耗的差值对船舶的航行状态进行分析比对从而获取当前船舶的航行状态，相应的，步骤105之后还包括：步骤106、定期获取目标航段的实际航速以及实际油耗。
43.在实施中，每间隔一定的周期，船舶主机通过船舶上安装的相对航程仪能够测算出船舶相对于水的航速，而通过绝对航程仪能够测算出船舶相对于地的航速，并且通过油箱中的液位高度差并结合油箱的体积并除以目标航段的里程数能够测算出当前周期下的实际油耗。获取目标航段的实际航速以及实际油耗的周期值可以与航段周期值一致，也可以与动力参数及环境参数的检测周期值一致，当然也可以设定独立的周期值进行监测。本实施例中为便于统计时序一致，采用与动力参数及环境参数的检测周期值一致的方式。
44.步骤107、基于目标航段的动力参数以及实际航速测算动力效率以及滑失率。
45.在实施中，船舶主机在获取实际油耗之后，基于目标航段的动力参数以及实际航速测算动力效率以及滑失率，以便于对动力设备的工作状态进行检测。动力效率的值计算方式为动力设备中发动机每百圈转速下船舶实际航行的对地距离，即对地距离
×
100/(转速
×
航行时间)，对地距离的单位换算为米，转速的单位换算为r/s，航行时间的单位换算为s；而滑失率的计算方式为实际航速与理论航速之差与理论航速的比值，即（发动机转速
×
螺旋桨螺距
‑
相对航程仪示数）/（发动机转速
×
螺旋桨螺距）。通过对动力效率的测算，能够获知发动机的工作效率，通过对滑失率的测算，能够反映环境因素对船舶航行的影响。
46.具体的，为保证数据中心对船舶数据的实时监控，船舶主机可以定期将动力参数、环境参数、实际航速、实际油耗、动力效率以及滑失率实时发送至数据中心。
47.在实施中，将所有数据打包之后通过无线收发装置发送至岸基的数据中心，无线收发的方式可以采用远洋卫星通信，也可以采用其他远距离传输方式，从而便于数据中心及时对所有数据进行记录留存。
48.步骤108、在实际油耗与油耗预测平均值的差值大于等于故障预设值时，将滑失率与滑失率警戒值进行比较并输出航行建议。
49.其中，航行建议包括返航维修和继续航行。
50.在实施中，船舶主机在检测到在实际油耗与油耗预测平均值的差值大于等于故障预设值时，将滑失率与滑失率警戒值进行比较并输出航行建议。故障预设值的标准值可根据不同的货运船只的属性进行界定，一般根据船舶动力设备的发动机功率正相关。当实际油耗与油耗预测平均值的差值大于等于故障预设值时，此时可能代表动力设备故障或船舶污底严重，此时则需要将滑失率与滑失率警戒值进行比较，给出航行建议以便于船长参考。
51.可选的，针对比较的不同结果需要另外执行分析逻辑，相对应的采取不同的措施来应对当前的油耗增加，相应的，步骤109的处理具体流程如下：
步骤201、若滑失率大于等于滑失率警戒值，则将动力参数与正常工作范围进行比较。
52.在实施中，船舶主机在滑失率大于等于滑失率警戒值时，将动力参数与正常工作范围进行比较，以判断动力设备是否故障。滑失率警戒值由船长根据不同的货运船只类型进行设定，例如25%。若滑失率过高，则表明船舶的动力设备输出的动力并没有响应到速度上，因而可能会存在发动机故障或者是其他导致动力丧失的可能。
53.步骤202、若动力参数超出正常工作范围，则显示动力设备故障并显示返航维修的建议。
54.在实施中，船舶主机在动力参数超出正常工作范围时，显示动力设备故障并显示返航维修的建议。当实际油耗大于预测油耗且滑失率大于等于滑失率警戒值时，将此时实际油耗对应的动力参数与动力设备的正常工作范围进行比较可得出发动机的工作状态是否正常。例如发动机故障时，此时的发动机停转，滑失率将会趋向于无限大，此时滑失率必定超过滑失率警戒值，而此时若发动机的动力参数例如润滑油温度和润滑油压力也会超过正常的工作范围，因而能够获知发动机故障，从而及时返航维修。
55.可选的，在返航维修的过程中需要考虑实际的成本以及对货运及时性带来的影响，相应的，步骤202中的处理具体流程包括：获取已行驶的航程相对于整个航程的占比，若占比超过预设航程比，则基于卫星地图确定最近的维修点并显示维修点的位置以及前往维修点的最短路径。
56.在实施中，若已行驶的航程相对于整个航程的占比超过预设航程比，则表明返回原港口会导致的额外成本较高，因而选择最近的维修点进行维修则是最优的选择。基于卫星地图确定的最短路径，船舶主机能够选择最短的路径到达维修点，从而能够使得船舶得到最快的维修，减少耽误的货运时间。预设航程比根据每单货运的单价、利润以及货运时间来确定。
57.若占比未超过预设航程比，则计算整个航程的返航冗余时间，返程冗余时间为返航后需要增加的额外时间，将动力设备故障信息以及返航冗余时间发送至数据中心并显示动力设备故障。
58.在实施中，若占比未超过预设航程比，则此时返回初始港口更划算，此时船舶主机计算返程的时间、基于初始港口的卸货速度以及载货量计算卸货时间和计算重新装货时间的时间和，并发送至数据中心。
59.步骤203、若动力参数位于正常工作范围，则显示动力设备正常并显示继续航行的建议。
60.在实施中，若动力参数位于正常工作范围，则表明动力设备的动力参数正常，表明动力设备的工作状态正常。此时可能是其他的原因导致滑失率过高，例如污底。若非动力设备故障，则船舶能保持继续航行的状态，仅仅在航行过程中油耗增加，故而显示继续航行。
61.可选的，考虑到排除动力设备故障的影响，船舶可能会由于污底而导致滑失率增加，相应的，步骤203中的处理具体流程包括：对船舶底部污底程度进行检测；在实施中，动力参数位于正常工作范围时，船舶主机对船舶底部污底程度进行检测，以获取船舶底部的污底程度。水下摄像机对船舶底部的图像进行拍摄，通过计算污底面
积以及污底厚度来体现。
62.若污底程度超过污底预设值，则基于当前滑失率，计算油耗增加值；在实施中，若污底的体积超过污底预设值，则表明船舶的污底程度高，船舶底部的阻力增大，燃油浪费增高，需要对船舶的底壁进行刮底处理。污底预设值来源于实际航行中的测算值，而污底程度基于污底面积占船底的表面积比例以及污底的平均厚度来体现，例如表面积超过80%，平均厚度超过10cm。油耗增加量的测算方式为当前预测油耗平均值乘以航程减去理论船速对应的油耗值。
63.为了岸基的数据中心对船舶状态进行实时监测，相应的，将滑失率、污底信息以及油耗增加值发送至数据中心并接收及显示来自数据中心的航行指令。
64.在实施中，滑失率、污底信息和油耗增加值作为计算成本的重要因素，需要发送至数据中心，便于数据中心计算成本；若数据中心计算得到的成本增加，数据中心发出航行指令，航行指令包括采用低速航行或增加航速保证如期抵达。数据中心还能够在船舶到港后及时提醒船舶的船长将船舶行驶至船舶修理厂进行刮底喷漆处理，从而减轻船舶的污底程度，降低污底导致的油耗浪费。
65.步骤204、若滑失率小于滑失率警戒值，则显示继续航行。
66.在实施中，若滑失率小于滑失率警戒值，此时排除了动力设备故障以及污底的情况，则可能存在环境因素影响以及偷油的因素，相应的，具体流程如下：将当前航段下的动力参数和环境参数重新输入油耗预测模型，得到修正预测油耗。
67.在实施中，船舶主机在滑失率小于滑失率警戒值时，将当前航段下的动力参数和环境参数重新输入油耗预测模型，得到修正预测油耗。将实际油耗与油耗预测平均值的差值大于等于故障预设值时的动力参数和环境参数重新输入油耗预测模型，得出的油耗预测是当前环境参数下的油耗预测，若环境因素对油耗产生了影响，则势必预测油耗也会上升。
68.可选的，修正预测油耗体现出环境变化对实际油耗的影响，相应的，将当前航段下的动力参数和环境参数重新输入油耗预测模型，得到修正预测油耗之后还包括：当修正预测油耗与实际油耗的差值仍大于故障预设值，则检测油箱出口的流量；在实施中，当修正预测油耗与实际油耗的差值小于等于故障预设值，此时则证明环境因素对实际油耗产生了影响，导致了实际油耗的上升。如果修正预测油耗与实际油耗的差值仍大于故障预设值，此时可能会存在偷油的情况，需要对油箱的流量进行检测。
69.当油箱出口的流量小于实际油耗值时，则发送报警信号至数据中心进行报警。
70.在实施中，当油箱出口的流量小于实际油耗值时说明油箱可能会存在其他出油口，则表明有船员存在偷油的情况。船舶主机发送报警信号至船长以及数据中心处进行检查，并通过船舶上的视频监控来调查可能的偷油人员。
71.当油箱出口的流量等于实际油耗值时，则无需进行报警，可能因驾驶原因导致的实际油耗值上升，比如需要转舵或者船舶用电量激增。此时，为船舶航行的正常状态，无需进行报警。
72.在实施中，实际油耗与油耗预测平均值的差值小于故障预设值时，此时船舶处于正常状态，可能是受到环境因素的影响例如顺风状态突变为逆风状态或者是船舶转舵的过程中需要提高滑失率，都属于正常行驶，无需进行监测。
73.基于相同的技术构思，本技术实施例还提供了一种船舶动力设备监控装置，如图3所示，上述装置包括：参数检测模块301，用于获取动力设备在以往航程中的动力参数、船舶的环境参数以及船舶的实际油耗以及定期获取目标航段中的动力设备的动力参数和船舶的环境参数。
74.油耗预测模块302，用于将以往航程中的动力参数以及环境参数作为输入，实际油耗作为输出，以深度学习的方式对油耗初始模型进行训练，得到油耗预测模型并在目标航段的起始点将动力参数和环境参数输入油耗预测模型，得到目标航段的油耗预测平均值。
75.可选的，装置还包括：动力效率测算模块303，用于定期获取目标航段的实际航速以及实际油耗以及基于船舶当前的发动机参数以及实际航速测算发动机效率以及滑失率。
76.数据分析模块304，在实际油耗值与预测油耗值的差值大于等于故障预设值时，将滑失率与滑失率警戒值进行比较并输出操作建议。
77.污底检测模块305，用于对船舶底部污底程度进行检测。
78.油耗测算模块306，用于基于当前滑失率，计算油耗增加值。
79.油量复核模块307，用于检测油箱出口的流量。
80.需要说明的是：上述实施例提供的船舶动力设备监控装置在基于机器学习进行油耗预测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于机器学习的养成类游戏角色的培养装置与基于机器学习的养成类游戏角色的培养方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
81.基于同一发明构思，本技术实施例还公开了一种计算机设备，具体来说，该计算机设备包括存储器和处理器，存储器上存储有能够被处理器加载并执行上述船舶动力设备监控方法的计算机程序。
82.基于同一发明构思，本技术实施例还公开了一种计算机可读存储介质。
83.具体来说，该计算机可读存储介质，其存储有能够被处理器加载并执行如上述船舶动力设备监控方法的计算机程序，该计算机可读存储介质例如包括：u盘、移动硬盘、只读存储器（read
‑
0nlymemory，rom0、随机存取存储器（randomaccessmemory，ram）、磁碟或者光盘等各种可以存储程序代码的介质。
84.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。