[發明專利]一種基于人工智能的船舶輔機設備故障智能預警設計方法

在審

• 申請號: 202110662361.2
• 申請日: 2021-06-15
• 公開（公告）號: CN113313272A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 李剛;吳茂傳;王躍;王雷;張國政;韓永磊;王夢;董奇;田亞麗;左振波;李正鈺;徐長松
• 申請（專利權）人: 江蘇杰瑞信息科技有限公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q10/06;G06F16/35;G06F40/117;G06F40/169;G06F40/295;G06F40/30;G06K9/62
• 代理公司: 北京中仟知識產權代理事務所(普通合伙) 11825
• 代理人: 周慶佳

1.一種基于人工智能的船舶輔機設備故障智能預警設計方法，其特征在于，包括有以下步驟：

步驟一：通過人工智能語言處理詞性標注算法、命名實體提取規則，語義情感分析算法；

步驟二：利用Python腳本語言封裝開源對應的算法組件，調用歷史知識庫中樣本的數據進行研判，輔機設備運行數據進行二次處理；

歷史知識庫研判方法有以下步驟：

A:基于SparkMLlib回歸算法中的決策樹算法，對本地歷史知識庫設備類型數據、設備運行數據和設備故障匯總數據進行分析，形成典型輔機設備運行故障簇，對輔機設備故障類型設置危險等級；

B：調研該設備相關的各類運行數據，基于Hadoop大數據框架對船舶輔機設備運行數據進行分布式存儲；

C：將船舶輔機設備實施監測數據導入，通過實時與歷史數據的串并，采用Spark實時計算引擎進行計算碰撞，按積分倒敘方法來做故障預警分析，實現船舶輔機設備運行高效預警及提高智能運維能力；

步驟三：通過Java調取Python，實現輔機設備運行關鍵信息的獲取；

步驟四：采用SparkMLlib中均值相似性算法進行聚類分析，對船舶輔機設備實際運行數據和關鍵運行指標進行提取，進行數據分類，選用人工監督方式下的分類分析，實現對船舶輔機設備智能化監測和狀態自分析。

2.根據權利要求1所述的一種基于人工智能的船舶輔機設備故障智能預警設計方法，其特征在于：所述故障類型分類是先對設備運行數據的進行文本預處理，再利用先構建好的故障類型語料庫，對文本進行字符集匹配，從而挖掘所需故障類型信息。

3.根據權利要求1所述的一種基于人工智能的船舶輔機設備故障智能預警設計方法，其特征在于：所述設備故障數據挖掘采用相似性算法的自動聚類分析技術，自動將歷史故障庫中常見設備故障數據的信息進行歸類，幫故障案情相似的化為一類，并定義特定文本內容來構建分類庫。

4.根據權利要求1所述的一種基于人工智能的船舶輔機設備故障智能預警設計方法，其特征在于：所述通過數據挖掘，提供了相似案情查詢和基本信息等數據，按人工監督下分類規則進行相似案情的歸類，形成簇，并從時空兩個維度洞察案件關聯特征，構建更智能的船舶輔機設備高危故障預警簇。

5.根據權利要求1所述的一種基于人工智能的船舶輔機設備故障智能預警設計方法，其特征在于：所述利用歷史數據，建立異常特征積分模型實現特征挖掘，形成的高危故障預警簇，定義多種數據標簽，從多維度進行故障特征描繪，通過機器學習的回歸算法提供預警評估指數。

6.根據權利要求1所述的一種基于人工智能的船舶輔機設備故障智能預警設計方法，其特征在于：所述基于機器學習的算法，對設備數據描述進行分詞、轉換等預處理，再進行詞向量編碼，然后利用人工神經網絡進行特征提取，最后通過Softmax輸出每個分類的概率，從而得到故障類型聚類分析。

7.根據權利要求1所述的一種基于人工智能的船舶輔機設備故障智能預警設計方法，其特征在于：基于人工智能系統的自然語言解析模型分析和機器學習技術，通過中文切塊分詞、設備狀態標注統計、常見設備命名實體特征提取、語義相似度分析、設備故障關鍵特征推介。

8.根據權利要求1所述的一種基于人工智能的船舶輔機設備故障智能預警設計方法，其特征在于：通過主題分析、語義分析等智能研判分析，標記可能屬于異常輔機設備的運行數據，圍繞歷史故障時運行數據，建立基于領域知識庫的多維數據模型，進一步進行數據挖掘，構建輔機設備故障概率分布。

9.根據權利要求1所述的一種基于人工智能的船舶輔機設備故障智能預警設計方法，其特征在于：利用歷史輔機設備故障時的運行數據特征，建立輔機設備異常特征模型庫，形成高危故障預警簇，并通過人工智能回歸算法來定義不同輔機設備高危故障評估指數。