[發明專利]一種智能船舶系統設備動態特征參數提取方法

有效

• 申請號: 202110976013.2
• 申請日: 2021-08-24
• 公開（公告）號: CN113688904B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 張鵬;曹樂樂;張躍文;姜興家;杜太利;鄒永久;段緒旭;孫培廷
• 申請（專利權）人: 大連海事大學
• 主分類號: G06F18/2135
• 分類號: G06F18/2135
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

本發明提供一種智能船舶系統設備動態特征參數提取方法。本發明方法，包括：利用動態分形理論對原始數據進行處理，構造最優時滯矩陣；對構造的最優時滯矩陣進行核主元分析，計算中心化矩陣，利用特征值對數據進行篩選；對中心化矩陣進行分析計算，利用分形理論計算得到主元特征參數的數值，構造主元特征參數矩陣。本發明能夠根據系統設備在不同時間及不同狀態下運行的特點，對設備的動態特征參數信息進行篩選提取，用所選擇的主元特征數據可實現對系統整體健康狀態評估。該方法對系統設備多參數數據進行降維處理，減少了對冗余數據的計算，同時動態特征提取可保證設備監測的時效性和有效性，提高系統設備智能運維效率。

技術領域

本發明涉及智能船舶技術領域，具體而言，尤其涉及一種智能船舶系統設備動態特征參數提取方法。

背景技術

隨著現代智能傳感，物聯網及大數據技術的進一步發展，船舶智能化和自主化程度逐漸提高，船舶系統及設備將會提供更加豐富的狀態信息，測量數據量將會急劇膨脹，數據類型也變得越來越多樣化，如何利用檢測數據及相關知識信息實現對機械設備的健康管理是當前船舶智能運維需要重點解決的問題。船舶系統設備具有感知變量多、工作模式多且故障模式不唯一的特點，通常缺乏主導的特征參數。同時由于外界因素的影響，如風浪流及工作環境等；內在因素的作用，如船舶系統設備的運行狀況和維修情況，在這些因素的共同作用下，主導特征參數的數值也會隨之改變。

現如今對特征值的選擇，有相應的主元分析，線性判別分析及遞歸特征消除等方法。主元分析法是通過正交變換將一組可能存在相關性的變量轉換為一組線性不相關的變量，轉換后的組變量成為數據的主成分。線性判別分析方法利用降維處理實現對數據主元的篩選。遞歸特征消除方法則是通過不斷遞歸將小于指定權重的特征值剔除，循環遞歸，直到特征值數量到達一定程度。這些方法對于動態非線性數據的特征提取仍存在不足之處，難以滿足對船舶系統設備多參數數據的分析需求。

發明內容

根據上述提出的技術問題，而提供一種智能船舶系統設備動態特征參數提取方法。本發明能夠根據系統設備在不同時間及不同狀態下運行的特點，對設備的動態特征參數信息進行挑選，用所選擇的主元特征參數可實現對系統整體健康狀態評估。該方法對系統設備多參數數據進行降維處理，減少了對冗余數據的計算，同時動態特征提取可保證設備監測的時效性和有效性，提高系統設備智能運維效率。

本發明采用的技術手段如下：

一種智能船舶系統設備動態特征參數提取方法，包括：

S1、利用動態分形理論對原始數據進行處理，構造最優時滯矩陣；

S2、對構造的最優時滯矩陣進行核主元分析，取得映射矩陣，求取映射矩陣的協方差矩陣的特征值和特征向量；

S3、對篩選后的矩陣進行分析計算，利用分形理論計算得到主元特征參數的數值，構造主元特征參數矩陣。

進一步地，所述步驟S1的具體實現過程如下：

S11、通過船舶的監測器和傳感器，獲取所檢測船舶系統及設備的狀態數據，將其作為樣本X∈R^N×m；

S12、對樣本X中的數據進行標準化處理，將每列監測元素數據轉化為無量綱化測評值，各指標值處于同一量級，利用如下公式對所選取的狀態數據進行計算：

其中，x表示標準化的數據；x_i表示每列的數據；表示每列數據的平均值；s表示每列數據的方差；N表示每列輸入數據行維度；

S13、假設遲滯時間l初始值為0，利用分形理論公式計算l＝0時的關聯維數CDim，其中，關聯維數的計算公式如下：