本发明涉及船舶主机经济性能评估分析领域，尤其涉及一种基于衰退贡献度的船舶主机关联部件状态监测方法与系统。
背景技术：
船舶作为交通运输中运量较大的运输工具，其营运成本中的40-60％为燃油消耗，其中，船舶主机作为船舶的动力“心脏”，其燃油消耗通常占全船燃油消耗的90％以上；以一艘远洋万吨轮为例，其每航行一天的主机燃油消耗达20-30余吨，极大影响着航运企业的船舶运营成本，尤其是在目前航运市场持续低迷的市场环境中，如何降本增效，成为各航运企业用户关心的重点；同时，燃油消耗与污染物的排放密切相关，过多的燃油消耗将必然导致氮氧化物排放的增加，影响运输海域的海洋大气环境。
因此，如何有效控制主机燃油消耗成本、准确评价主机经济性能、控制主机燃油消耗排放等，成为航运用户目前极为关心并亟待解决的问题。对于船舶主机而言，其经济性影响因素众多，如果能够直接快速获得经济性评估结果(即主机消耗是否正常、是否满足经济运行条件)，并能够在经济性发生异常时迅速找到影响原因、定位异常相关部件、给出应对措施，将能够及时恢复主机经济性能、排除经济性及安全性隐患或异常/故障、降低燃油消耗并节省燃油成本、提升主机运行的环保性。
在目前的技术方案中，尚无根据船舶运行过程实时测量的、定量的主机关联部件状态监测方法。
技术实现要素：
鉴于上述的分析，本发明旨在提供一种基于衰退贡献度的船舶主机关联部件状态监测方法与系统，用以解决现有技术无法对船舶运行过程的主机关联部件健康状态进行实时监测的问题。
本发明的目的主要是通过以下技术方案实现的：
一方面，提供了一种基于衰退贡献度的船舶主机关联部件状态监测方法，包括如下步骤：
选择历史健康样本中的稳定工况数据作为离线训练的输入数据，根据输入数据中的主机转速与燃油消耗率测量值构建主机经济性评估基线，根据主机转速和经济性关联部件状态参数利用som方法构建经济性关联部件健康基线；
采用多参数监控系统进行数据监测，利用构建的主机经济性评估基线对监测数据进行主机经济性状态分析，当经济性状态正常时，结束；当经济性状态异常时，发出异常报警，并进行主机关联部件健康状态分析；所述主机关联部件健康状态分析，包括：利用经济性关联部件健康基线对监测数据进行分析，得到主机经济性关联部件衰退对主机经济性异常的衰退贡献度；
对上述衰退贡献度进行排序，将排序靠前的部件定位为异常部件，并进行相应部件的维修排查。
在上述方案的基础上，本发明还作了如下改进：
进一步，所述经济性关联部件包括气缸系统、冷却系统和增压器系统。
进一步，所述监测数据为与离线训练的输入数据类型一致的数据，包括主机转速、燃油消耗量、气缸系统状态参数、冷却系统状态参数和增压器系统的状态参数。
进一步，构建经济性关联部件健康基线包括下述步骤：
选择与经济性相关的各关联部件系统状态参数，构建第n个样本的经济性关联部件观测向量
根据输入向量的第j个权重向量wj(n)得到全集权重向量wj；其中，
计算输入向量与权重向量的欧式距离，找到距离最小的点，作为最佳匹配节点wc；
采用
进行som网络的迭代训练，当收敛时结束训练，将训练好的som网络作为经济性关联部件健康基线。
进一步，还包括对训练好的som网络进行测试的步骤，测试不通过，则重新训练，直到通过测试。
进一步，所述对训练好的som网络进行测试的步骤包括：
采用在平稳运行过程采样时间范围
通过训练好的som网络获得som网络输出的估计值
计算测试数据对应的经济性关联部件健康基线偏差向量：
当经济性关联部件健康基线偏差向量δt中每个参数偏差均值均不超过阈值时，认为通过测试。
进一步，利用构建的主机经济性评估基线对在线监测数据进行主机经济性状态分析，包括下述步骤：
根据燃油经济性相关的二维观测向量
将观测向量
计算输入数据对应主机燃油经济性评估基线的偏差
若所有偏差均小于阈值，则经济性状态正常，结束；
若偏差中的任意值大于阈值，则经济性状态异常，进行主机关联部件健康状态分析。
进一步，利用经济性关联部件健康基线对在线监测数据进行分析，得到主机经济性关联部件衰退对主机经济性异常的衰退贡献度，包括下述步骤：
选择平稳运行过程采样时间范围
输入som网络后计算观测向量中每个参数到最近的最佳匹配节点wc之间的距离值，记为最小量化差mqe；第l个采样点的经济性关联部件的最小量化差为：
由mqe值获得除转速外的各部件衰退贡献度c(l)，
由在
上述发明有益效果如下：
同时进行了主机经济性评估与关联部件健康状态分析：通过主机的燃油消耗与运行状态计算出船舶实际运行过程中的燃油消耗率，直接评估出主机的燃油经济性；找到所有与主机经济性相关的关联部件，通过数据驱动的手段，计算各经济性关联部件衰退对于主机经济性异常的贡献度，由此定量获得相应的经济性影响因素与影响程度，从而有效指导主机和关联部件的维修排查和维护保养，对于恢复主机的经济性能、排除安全隐患或异常/故障、并降低燃油成本，极具现实意义。
另一方面，提供了一种基于衰退贡献度的船舶主机关联部件状态监测系统，包括：
数据选择模块，其被配置执行选择历史健康样本中的稳定工况数据作为离线训练的输入数据；
基线构建模块，其被配置执行构建主机经济性评估基线和经济性关联部件健康基线；
在线数据获取模块，其被配置执行在线获取经济性相关监测数据；
经济性状态分析模块，其被配置执行利用构建的主机经济性评估基线分析主机经济性状态；
判断选择模块，其被配置执行当判断为经济性状态正常时，选择结束；当判断为经济性状态异常时，进行主机关联部件健康状态分析；
主机关联部件健康状态分析模块，其被配置执行基于经济性关联部件健康基线利用som方法得到主机经济性关联部件的衰退贡献度；
维修顺序确定模块，其被配置执行对上述衰退贡献度进行排序，得到各部件的健康状态结果，根据所述结果得到各部件维修排查的先后顺序。
进一步，主机关联部件健康状态分析模块，其被配置为执行下述具体步骤：
选择平稳运行过程采样时间范围
输入som网络后计算观测向量中每个参数到最近的最佳匹配节点wc之间的距离值，记为最小量化差mqe；第l个采样点的经济性关联部件的最小量化差为：
由mqe值获得除转速外的各部件衰退贡献度c(l)，
由在
由于本发明系统与上述方法原理相同，所以也具有与上述方法相应的技术效果。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明实施例1方法流程图；
图2为本发明实施例1自组织映射图的聚类原理示意图；
图3为本发明实施例1自组织映射图的聚类方法示意图；
图4为本发明实施例1分析方法总体流程图；
图5为本发明实施例2主机经济性评估基线图；
图6为本发明实施例2主机经济性关联部件健康基线图；
图7为本发明实施例2主机经济性分析结果；
图8为本发明实施例2主机经济性关联部件衰退度排序图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
船舶主机的经济性指标分为直接表征参数与间接表征参数。
1)直接表征参数，
2)即直接的经济性关键指标。对于船舶主机而言，评价其机器经济性能的最关键指标为燃油消耗率，也称燃油效率，即每小时单位有效功消耗的燃油量，通常以每千瓦小时的耗油量表示。因此，主机燃油消耗率的理论计算公式为：
式中，
需要说明的是，通常主机出厂台架试验会给定柴油机额定功率下的燃油消耗率单值，作为评价该机器的关键经济性能指标。然而，当主机装船后实际运行时，其燃油消耗率随实时转速的变化而变化，出厂数值精确度较差。即，航行中的主机燃油消耗率ge是关于转速s的非线性函数，可记为ge(s)，且燃油消耗量与柴油机功率均与转速相关。
2)间接表征参数，即与经济性相关的各关联部件系统状态参数。主机在线监控系统中，与经济性相关的各关联部件系统包括气缸系统、冷却系统(包括缸套冷却系统和空冷器)、增压器系统，间接表征参数即上述部件系统的状态监测参数包括气缸的多个温度参数、冷却系统温度参数和增压器转速参数。
综合上述两种经济性指标参数，将与经济性相关的主机监测参数观测向量x统一描述为：
x(k)＝[s(k),ge(k),x1(k),x2(k),…,xm(k)]t(2)
式中，s(k)为第k个监测采样点的转速，代表了主机当前的工作条件(即主机工况)，ge(k)为第k个监测采样点的燃油效率，即燃油消耗率，其与直接测量获得的转速、燃油消耗量、有效功率相关，xi(k),i＝1,...,m为第i个经济性关联部件状态参数，m为经济性关联部件状态参数的个数。根据不同在线监控系统的测点条件，m通常可取气缸系统、冷却系统、增压器系统的状态参数(模拟量)个数。
实施例1
如图1所示，本实施例提供了一种低速柴油机经济性分析方法，包括如下步骤：
步骤s1离线训练，选择历史健康样本数据作为离线训练的输入数据，构建低速柴油机经济性评估基线和经济性关联部件健康基线；
步骤s2在线分析，根据在线监测数据进行经济性状态分析，当经济性状态正常时，结束；当经济性状态异常时，进行健康状态分析；
经济性状态分析，基于低速柴油机经济性评估基线进行燃油经济性分析得到低速柴油机燃油经济性状态结果；
健康状态分析，基于经济性关联部件健康基线进行低速柴油机经济性关联部件的健康状态分析得到经济性关联部件健康状态结果。
步骤s1通过对历史无故障的低速柴油机经济性相关数据的清洗，获得稳定工况数据，进而构造低速柴油机经济性基线，包括低速柴油机燃油经济性评估基线、经济性关联部件健康基线。
步骤s2基于衰退贡献度的低速柴油机经济性分析，即：针对一段运行时间内的低速柴油机经济性相关数据，选择稳定工况数据，进行基于低速柴油机燃油评估基线的在线燃油经济性分析，异常时，进一步分析导致经济性异常的各关联模块衰退贡献度，为下一步消除异常给出了数据基础。
步骤s1包括如下具体步骤：
s101、选择历史健康样本数据作为离线训练的输入数据；
s102、构建低速柴油机经济性评估基线；
s103、构建经济性关联部件健康基线。
需要说明的是，本实施例低速柴油机经济性基线的构造包括两个部分：一是构建低速柴油机燃油经济性评估基线，用于表征直接的经济性关键指标；二是构建经济性关联部件健康基线，用于表征与经济性相关各关联部件系统健康状态的间接经济性指标。
选择构造两个经济性基线的原因在于，为了提高经济性分析的效率，首先通过与低速柴油机燃油经济性评估基线，直接判断出经济性是否出现异常(仅含二维数据，可快速获得分析结果)，若正常则无需进一步分析，若异常则触发对于经济性关联部件的健康衰退分析，进行获得分析结论以给出维护指导建议。然而，如果只构造一个将直接指标与间接指标均包含在内的基线，则会导致在线分析的计算量增大，分析时间延长(分析的及时性变差)，并导致不必要的计算资源浪费。
其中，步骤s101包括如下子步骤：
步骤s1011、数据源获取。
通过船舶低速柴油机监控系统，设定历史时间长度t，并找出时间长度内所有的无故障数据，记为n个健康样本，其中的第n个监测采样点处与经济性相关的低速柴油机监测参数观测向量x，根据(2)可描述为：
x(n)＝[s(n),ge(n),x1(n),x2(n),…,xm(n)]t,n＝1,...,n(3)
其中，此处的燃油效率ge(n)由第n个监测采样点处的直接测量量燃油消耗量ge(n)与有效功率ne(n)通过公式(1)计算获得。
步骤s1012、确定稳定工况，获得经济性相关的稳定工况数据。
在n个健康样本内，选定稳定在航时(转速s＞0(单位为rpm，即转每分钟))的每小时燃油消耗量测量值ge(n；s＞0),n∈{1,...,n}与低速柴油机输出功率测量值ne(n；s＞0),n∈{1,...,n}，按照式(1)计算对应时刻、与转速相关的燃油消耗率ge(n；s＞0),n∈{1,...,n}。
进而，在n个健康样本内的稳定在航样本中，找到在航平稳运行过程范围
设置检验水平α＝0.05，利用t-test的假设检验方式，计算在各采样时刻燃油消耗率样本值ge(n；s＞0),n∈{1,...,n}的检验统计量t：
其中，
由此，确定每个燃油消耗率样本值ge(n；s＞0),n∈{1,...,n}是否能够通过t-test检验水平α＝0.05的假设检验，从而去除掉不通过检验的样本值(即燃油消耗率奇异值)，获得平稳运行过程中的燃油消耗率
同时，选取出对应时刻内的转速测量值
由此获得经济性相关的稳定工况数据。
步骤s102、构建燃油经济性评估基线，包括：
步骤s1021、根据历史在航平稳运行过程中的转速
步骤s1022、利用非线性函数拟合方式获得“转速-燃油消耗率”评估模型
步骤s103、构建经济性关联部件健康基线，具体为：
优选地，利用som(自组织映射图，self-organizingmap或self-organizingfeaturemap，简称som)网络，构造经济性关联部件健康基线，其原理和方法示意图参见图2-3。
som是一种简化版的神经元网络，“自组织”的含义在于它能够在通过自学习将输入的数据自动进行整理和聚类，而不需要输入数据的属性信息；som是一种典型的“无监督学习方法”，即便在没有数据关系和类别信息的前提下依然可以实现分类和相似性分析。通常，对于刚开始投入船舶使用的低速柴油机而言，其容易获得正常(无故障)的历史经济性相关数据，而很难获得经济性异常数据，即很难获得多种标签数据，因此，对于此类数据的经济性异常分析，som这种无监督学习方法则是极佳的选择。
利用som网络构造经济性关联部件健康基线的步骤如下：
步骤s1031、输入向量(inputvector)：在式(5)所述观测向量
步骤s1032、输入初始权重向量(weightvector)：针对输入向量的第j个权重向量记为
步骤s1033、som网络训练过程：
寻找最佳匹配节点bmu(bestmatchingunit)：计算输入向量与权重向量的欧式距离，从中找到距离最小的点，即
其中，wc记为最佳匹配节点bmu。
调整权重进行迭代：利用如下学习规则进行权重调整：
其中，t为迭代步骤，α为学习速率，
由此进行迭代训练，当收敛时结束训练，并将训练好的som网络作为经济性关联部件健康基线。
优选地，还可以包括步骤s1034、som网络测试过程，即基线的有效性验证；
采用在平稳运行过程采样时间范围
通过训练好的som网络(即som网络构造的经济性关联部件健康基线)，获得som网络输出的估计值
计算测试数据对应的经济性关联部件健康基线偏差向量：
当经济性关联部件健康基线偏差向量δt中每个参数偏差均值均不超过5％时，认为通过基线的有效性验证；否则需要进行基线的重新训练。
步骤s2在线分析具体包括如下步骤：
步骤s201、获取相关数据
步骤s2011，在线监测经济性相关数据。
在船舶的运行过程当中，采用多参数监控系统实时监测参数，当需要进行在线低速柴油机经济性分析时，输入该节点前一段时间内的低速柴油机经济性相关数据，获得与经济性相关的低速柴油机监测参数观测向量x，根据(3)可描述为：
x(l)＝[s(l),ge(l),x1(l),x2(l),…,xm(l)]t,l′＞l,l＝l′-l,...,l′-1,l′(9)
其中，l′为当前时刻，l为时间长度。
步骤s2012，选择稳定工况数据。
获得平稳运行过程中的燃油消耗率
由此获得输入的这段时间内经济性相关的稳定工况数据，其中，燃油效率ge(l)由第l个平稳运行过程中监测采样点处的直接测量量燃油消耗量ge(l)与有效功率ne(l)通过公式(1)计算获得。
步骤s202、基于低速柴油机燃油经济性评估基线进行燃油经济性分析，包括：
步骤s2021输入数据统计：
根据燃油经济性相关的二维观测向量
步骤s2022基线数据估计：
将观测向量
步骤s2023基线偏差计算：
计算输入数据对应低速柴油机燃油经济性评估基线的偏差
步骤s2024判断选择：
若偏差δg(si)≤5％,i＝1,...,ns，则经济性状态正常，结束；
若偏差δg(si),i＝1,...,ns中的任意值＞5％，则触发经济性状态异常预警，并转至步骤s203进行基于衰退贡献度的低速柴油机经济性关联部件健康状态分析。
步骤s203、进行基于衰退贡献度的低速柴油机经济性关联部件健康状态分析，包括：
可选地，本实施例选择“自组织映射图-最小量化差(som-mqe)”的som方法计算各关联部件衰退贡献度：
步骤s2031、选择平稳运行过程采样时间范围
步骤s2032、输入som网络后计算观测向量中每个参数到最近的最佳匹配节点bmu(wc)之间的距离值，记为最小量化差(mqe)，即第l个采样点的经济性关联部件的最小量化差为：
步骤s2033、由mqe值获得除转速外的各部件衰退贡献度c(l)，即：
整体的各部件衰退贡献度则由在
步骤s204：定位问题部件，进行维修排查。
即：根据各部件的衰退贡献度
图4为本实施例详细步骤流程图。
本实施例：
(1)从两个角度进行经济性评估与影响因素分析：一是从直接的角度，燃油消耗率(即燃油效率)是评判柴油机性能优劣的重要指标之一，它直接关系到柴油机的经济性、排放指标及可靠性，即通过主机的燃油消耗与运行状态计算出船舶实际运行过程中的燃油消耗率，直接评估出主机的燃油经济性；二是从间接的角度，找到所有与主机经济性相关的关联部件，通过数据驱动的手段，计算各经济性关联部件衰退对于主机经济性异常的贡献度，由此定量获得相应的经济性影响因素与影响程度，从而对于有效指导主机的维护保养，恢复主机的经济性能、排除安全隐患或异常/故障、并降低燃油成本，极具现实意义。
(2)通过分析监测到经济性相关的多参数数据，及时、准确地发现经济性异常，进而定量分析出相应的经济性影响因素与影响程度，从而有效指导主机的维护保养，恢复主机的经济性能、排除安全隐患或异常/故障、并降低燃油成本。
实施例2
采用上述方法对一台投入某万吨级散货船使用的主机(品牌为man，型号为5s60me)进行实船监控，该柴油机经济性相关监控数据包括运行状态、燃油消耗(直接经济性参数)、主机气缸系统(含气缸排气温度、气缸活塞冷却油出口温度、气缸缸套冷却水出口温度、气缸扫气箱失火温度)、增压器系统(增压器转速)、空气冷却器系统(空冷器前后扫气温度差)等典型参数。
第一部分：离线训练结果
根据上述实施例1的离线训练步骤，输入该船2016/8/15至2016/9/15内无故障平稳运行的经济性相关数据，包括转速、燃油效率、no.1-5气缸排气温度、no.1-5气缸活塞冷却油出口温度、no.1-5气缸扫气箱失火温度、no.1-5缸套冷却水出口温度、空冷器前后扫气温度差、增压器转速的数据，获得了主机燃油经济性评估基线和经济性关联部件健康基线；模型基线图如图5-6所示。
训练好的som网络验证误差均不超过5％，满足经济性关联部件健康基线验证要求可用于进行在线分析。
第二部分：在线分析结果
根据实施例1在线分析过程，输入该船2016/9/16至2016/10/15内平稳运行的经济性相关数据。
进行燃油经济性分析得到图7所示结果，对获得超过5％的燃油经济性基线偏差，触发经济性异常预警，并进行健康状态分析，计算获得各衰退贡献度分布情况与排序结果如图8所示，该图从上至下依次显示各相关部件参数的衰退度，并可表征出对应的各相关部件衰退程度有效定位故障部件，用于指导具体的维修排查顺序。
由此按照上述顺序给出维修排查建议，即依次对主机空冷器、气缸活塞、增压器、扫气箱、缸套、气缸排温进行排查。
本实施例很好地验证了本方法的有效性。
实施例3
本实施例提供了一种主机经济性分析系统，包括离线训练模块和在线分析模块；
数据选择模块，其被配置执行选择历史健康样本中的稳定工况数据作为离线训练的输入数据；
基线构建模块，其被配置执行构建主机经济性评估基线和经济性关联部件健康基线；
在线数据获取模块，其被配置执行在线获取经济性相关监测数据；
经济性状态分析模块，其被配置执行利用构建的主机经济性评估基线分析主机经济性状态；
判断选择模块，其被配置执行当判断为经济性状态正常时，选择结束；当判断为经济性状态异常时，进行主机关联部件健康状态分析；
主机关联部件健康状态分析模块，其被配置执行基于经济性关联部件健康基线利用som方法得到主机经济性关联部件的衰退贡献度；
维修顺序确定模块，其被配置执行对上述衰退贡献度进行排序，得到各部件的健康状态结果，根据所述结果得到各部件维修排查的先后顺序。
主机关联部件健康状态分析模块，其被配置为执行下述具体步骤：
选择平稳运行过程采样时间范围
输入som网络后计算观测向量中每个参数到最近的最佳匹配节点wc之间的距离值，记为最小量化差mqe；第l个采样点的经济性关联部件的最小量化差为：
由mqe值获得除转速外的各部件衰退贡献度c(l)，
由在
由于本发明系统与上述方法原理相同，所以也具有与上述分析方法相应的技术效果，且有关之处可相互参照，此实施例不再重复赘述。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。