基于健康指数的船用低速机健康评估方法、系统及终端与流程

1.本发明涉及船用低速机运行状态评估技术领域，尤其涉及一种基于健康指数的船用低速机健康评估方法、系统及终端。


背景技术：

2.健康评估是实现船舶安全可靠运行的基础，目前关于复杂系统的健康评估多运用智能算法和机理模型，通过模型的判断来实现预警功能，减少“事后维修”次数和维修资源的浪费。健康评估的基础是建立健康基准，目前研究一般采用健康基线、健康值、状态分类等方法来作为设备是否健康的评估指标，而健康基线和健康值多采用经验知识、设备额定值、设备统计信息等手段来确定，缺乏一定的准确率。


技术实现要素：

3.本发明的目的在于提供一种基于健康指数的船用低速机健康评估方法、系统及终端，用以解决现有技术中健康评估时建立健康基准准确率低的难题。
4.本发明的上述目的可采用下列技术方案来实现：
5.本发明提供了一种基于健康指数的船用低速机健康评估方法，包括：获取船用低速机的状态参数；分别计算每个所述状态参数在所述船用低速机健康运行时的权重；运用lstm算法计算健康特征样本；计算所述船用低速机的运行样本与所述健康特征样本之间的所有马氏距离；根据所有所述马氏距离与所有所述权重生成健康评估指数以评估所述船用低速机的健康状态。
6.优选的，其中，计算所述状态参数在所述船用低速机健康运行时的权重采用熵权法进行。
7.优选的，其中，分别计算每个所述状态参数在所述船用低速机健康运行时的权重包括：将每个所述状态参数作为一个指标，并对每个所述指标进行预处理；分别计算各个所述指标的信息熵；利用各个所述指标的信息熵分别计算每个所述指标的冗余度和其在整个样本中的冗余度之和；利用各个所述指标的冗余度和其在整个样本中的冗余度之和分别计算每个所述指标的权重；其中，每个所述指标的权重即为对应的所述状态参数在所述船用低速机健康运行时的权重。
8.优选的，其中，所述预处理为归一化处理。
9.优选的，其中，所述运用lstm算法计算健康特征样本包括：选取所述船用低速机处于健康运行状态时的一段时间序列数据作为健康数据；运用lstm算法从所述健康数据中提取健康数据特征以形成所述健康特征样本。
10.优选的，其中，所述计算所述船用低速机的运行样本与所述健康特征样本之间的所有马氏距离包括：在所述船用低速机运行时采用滑动时间窗口的方式进行样本采样以形成多个滑动时间单元；从所述多个滑动时间单元中采用滑动时间窗口的方式选择一个作为所述运行样本；根据所述运行样本和所述健康特征样本利用马氏距离原理计算所有的所述
马氏距离；其中，所述滑动时间具有预设时间序列长度。
11.优选的，其中，所述健康评估指数根据每个所述状态参数的马氏距离和权重的乘积累加得到。
12.本发明还提供了一种系统，包括：执行任一项前述的基于健康指数的船用低速机健康评估方法的模块。
13.本发明还提供了一种存储介质，其上存储有计算机程序，所述存储介质是计算机可读存储介质，且所述程序被执行时实现任一项前述的基于健康指数的船用低速机健康评估方法。
14.本发明还提供了一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任一项前述的基于健康指数的船用低速机健康评估方法。
15.本发明至少具有以下特点及优点：
16.本发明能根据熵权法确定船用低速机各状态参数对健康状态的重要程度，即确定参数权重；采用lstm算法针对船用低速机的健康数据进行特征提取，得到其健康特征样本作为基准指标；最后基于马氏距离进行改进，通过健康特征样本和运行样本的马氏距离以及权重乘积，将计算结果作为健康评估指标。
附图说明
17.为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，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。
18.图1为本发明基于健康指数的船用低速机健康评估方法的流程框图。
19.图2为本发明基于健康指数的船用低速机健康评估方法的流程框图；
20.图3为本发明基于健康指数的船用低速机健康评估方法的流程框图；
21.图4为本发明基于健康指数的船用低速机健康评估方法的流程框图；
22.图5为本发明基于健康指数的船用低速机健康评估方法的流程示意图；
23.图6为本发明的终端的结构框图。
具体实施方式
24.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，下文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。
25.实施方式一
26.本发明提供了一种基于健康指数的船用低速机健康评估方法，请参见图1至图5，包括：
27.s1、获取船用低速机的状态参数；
28.s2、分别计算每个状态参数在船用低速机健康运行时的权重；
29.在一些实施例中，计算状态参数在船用低速机健康运行时的权重采用熵权法进行。
30.s3、运用lstm算法计算健康特征样本；
31.其中，lstm算法为long short-term memory算法，即长短期记忆网络算法。
32.s4、计算船用低速机的运行样本与健康特征样本之间的所有马氏距离；
33.s5、根据所有马氏距离与所有权重生成健康评估指数以评估船用低速机的健康状态。
34.在一些实施例中，健康评估指数根据每个状态参数的马氏距离和权重的乘积累加得到。
35.在一些实施例中，请参见图2，s2、分别计算每个状态参数在船用低速机健康运行时的权重包括：
36.s21、将每个状态参数作为一个指标，并对每个指标进行预处理；
37.在一些实施例中，预处理为归一化处理。
38.s22、分别计算各个指标的信息熵；
39.s23、利用各个指标的信息熵分别计算每个指标的冗余度和其在整个样本中的冗余度之和；
40.s24、利用各个指标的冗余度和其在整个样本中的冗余度之和分别计算每个指标的权重；
41.其中，每个指标的权重即为对应的状态参数在船用低速机健康运行时的权重。
42.在一些实施例中，请参见图3，s3、运用lstm算法计算健康特征样本包括：
43.s31、选取船用低速机处于健康运行状态时的一段时间序列数据作为健康数据；
44.s32、运用lstm算法从健康数据中提取健康数据特征以形成健康特征样本。
45.在一些实施例中，请参见图4，s4、计算船用低速机的运行样本与健康特征样本之间的所有马氏距离包括：
46.s41、在船用低速机运行时采用滑动时间窗口的方式进行样本采样以形成多个滑动时间单元；
47.s42、从多个滑动时间单元中采用滑动时间窗口的方式选择一个作为运行样本；
48.s43、根据运行样本和健康特征样本利用马氏距离原理计算所有的马氏距离；
49.其中，滑动时间具有预设时间序列长度。
50.本发明能根据熵权法确定船用低速机各状态参数对健康状态的重要程度，即确定各状态参数的权重；采用lstm(long short-term memory，长短期记忆网络)算法针对船用低速机的健康数据进行特征提取，得到其健康特征样本作为基准指标；最后基于马氏距离进行改进，通过健康特征样本和运行样本的马氏距离以及权重乘积，将计算结果作为健康评估指标。
51.下面通过一个具体实施例来对本发明做进一步的介绍与说明，请参见图1至图5：
52.本发明在从数据管理平台读取数据后，首先采用熵权法确定船用低速机各状态参数的权重，其次运用lstm算法计算健康特征样本，最后通过马氏距离原理得到船用低速机运行样本与健康特征样本之间的马氏距离，马氏距离与权重的乘积即为健康评估指数。
53.在一些实施例中，为更好的描述船用低速机的健康状态，需要先确定各状态参数
对于船用低速机健康状态的重要程度，采用熵权法计算各状态参数的权重，将状态参数作为熵权法的评价指标，具体如下：
54.(1)将从数据管理平台读取的k个状态参数作为k个指标，并将该些指标数据进行归一化处理；
55.(2)根据信息熵的定义公式计算每个指标的信息熵值；
56.(2)根据信息熵计算冗余度，在计算各状态参数的冗余度和其在整个样本中的冗余度之和后，利用各状态参数的冗余度和其在整个样本中的冗余度之和的比值计算每项指标的权重w；lstm算法适用于处理时间序列数据，可将时间序列数据进行特征提取，选取船用低速机处于良好运行状态时的一段时间序列数据作为健康数据，将此段健康数据作为输入，运用lstm算法提取健康数据特征作为健康特征样本。
57.(5)健康数据作为输入，数据首先通过“遗忘门(forget gate)”选择性过滤信息；
58.(6)信息进入“记忆单元(cell)”进行状态更新，分别由“输入门(input gate)”和“输入块(block input)”决定；
59.(7)信息传递至“输出门(output gate)”经过sigmoid层和tanh层得到最终的模型输出，输出的ht为健康数据特征，即健康特征样本h。
60.为实现船用低速机的标准取样，采用滑动时间窗口进行样本采样，滑动时间窗口通过设定指定时间序列长度，将读取的时间序列切分为标准长度的滑动单元。在船用低速机运行时，采用滑动时间窗口选择运行样本，然后通过马氏距离计算健康特征样本与运行样本之间的马氏距离。
61.马氏距离不受量纲影响，可以较好的保留数据原始特征，运用马氏距离原理来计算健康特征样本与运行样本之间的马氏距离作为健康评估的影响因素之一，以此衡量船用低速机的健康状态。
62.马氏距离的一般计算公式如下：
[0063][0064]
其中，x为运行样本；为均值向量；为协方差矩阵，具体的，协方差矩阵计算的是样本中不同维度的协方差。
[0065]
利用求取的健康特征样本h替代马氏距离中的均值μ，可以减少由于滑动时间窗口所带来的波动影响，每个时间滑动窗口与健康特征样本之间的马氏距离相互独立。
[0066]
健康评估指数h为每个状态特征参数的马氏距离和权重的乘积累加而得，代表每个特征参数对船用低速机健康状态的综合影响，表示当前状态与健康状态之间的偏移量，数值越大表示健康状态越差。
[0067][0068]
本发明能先确定船用低速机各状态参数对健康状态的重要程度，然后采用lstm算法针对船用低速机的健康数据进行特征提取，得到其健康特征样本作为基准指标，最后基于马氏距离进行改进计算结果作为健康评估指标，从而使得评估结果更加准确与合理。
[0069]
实施方式二
[0070]
本发明实施例还提供了一种系统，该系统包括执行实施方式一中任意一个实施例中方法的步骤的模块。本领域的技术人员应当了解，本发明提供的系统具有和实施方式一中的实施例一样的有益效果，在这里就不再进行赘述。
[0071]
实施方式三
[0072]
本发明实施例还提供了一种存储介质，其上存储有计算机程序11100，存储介质是计算机可读存储介质，且该程序被处理器12000执行时实现实施方式一中任一实施例方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、dvd、cd-rom、微型驱动器以及磁光盘、rom、ram、eprom、eeprom、dram、vram、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器ic)，或适合于存储指令和/或数据的任何类型的媒介或设备。具体执行过程可以参见实施方式一中的方法实施例的具体说明，在此不进行赘述。
[0073]
本领域的技术人员应当了解，本发明提供的存储介质具有和实施方式一中实施例一样的有益效果，在这里就不再进行赘述。
[0074]
实施方式四
[0075]
本发明实施例还提供了一种终端10000，请参见图6，包括存储器11000、处理器12000及存储在存储器11000上并可在处理器12000上运行的计算机程序11100。其中该处理器12000执行该计算机程序11100时实现实施方式一中任一实施例的方法。具体执行过程可以参见上述方法实施例的具体说明，在此不进行赘述。
[0076]
本发明实施例中，处理器12000为计算机系统的控制中心，可以是实体机的处理器，也可以是虚拟机的处理器。本发明实施例中，存储器11000中存储有至少一条指令，该指令由处理器12000加载并执行以实现上述各个实施例中的方法。
[0077]
本发明的一个实施例中，处理器12000可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器12000可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器12000也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
[0078]
存储器11000可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器11000还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在本发明的一些实施例中，存储器11000中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器12000所执行以实现本发明实施例中的方法。
[0079]
本领域的技术人员应当了解，本发明提供的终端10000具有和实施方式一中实施例一样的有益效果，在这里就不再进行赘述。
[0080]
以上，仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。