[发明专利]一种船舶舱室设备健康管理与故障预测系统及方法

权利要求书

1.一种船舶舱室设备健康管理与故障预测系统，其特征在于：该系统包括控制管理设备、通信设备、数据收集设备和现场采集设备，控制管理设备包括上位机，通信设备包括交换机，数据采集设备包括数据采集卡，现场采集设备包括若干用于安装到船舶舱室设备上的温度传感器、电压传感器、电流传感器、压力传感器和流量传感器，温度传感器、电压传感器、电流传感器、压力传感器和流量传感器均与数据采集卡连接，数据采集卡通过交换机与上位机连接。

2.根据权利要求1所述的船舶舱室设备健康管理与故障预测系统，其特征在于：所述上位机为计算机或可编程控制器。

3.根据权利要求1所述的船舶舱室设备健康管理与故障预测系统，其特征在于：所述温度传感器选用NTC热敏电阻、白金RTD、热电偶、半导体中的一种或多种。

4.一种舶舱室设备健康管理与故障预测方法，其特征在于：该方法使用权利要求1-3任意一项所述的船舶舱室设备健康管理与故障预测系统，该方法包括：

(1)设备可靠性和失效模式分析：

利用故障树方法，对船舶舱室设备进行可靠性分析和设备失效模式分析，获取设备的故障特征，制定合理的维修、维护策略；

(2)信号采集与预处理：

通过设置各类传感器与设备通信，采集其运行状态各类信息，对信息进行预处理得到能够反映设备运行状态的压力、温度、流量的参数，实现对设备的运行状态数据的获取，并为实时状态监测、故障诊断与报警、预警提供数据支撑；

(3)在线故障诊断

在线获取实时的监测设备工作状态数据，结合系统中预留的故障模式和失效判据，利用故障模型和专家系统对故障进行实时在线诊断；当存在异常时，结合设备的各种健康历史状态数据、工作状态以及维修历史记录，综合智能诊断方法，对系统故障进行在线诊断，获得故障的代码、特征、产生的原因、发生的位置，为维修提供及时准确的数据支持；

(4)故障预测

基于状态集序列的故障预测模型，利用预测的故障特征参数对故障进行当前性能状态的评估以及故障的早期预报，通过改进数据挖掘算法，更有效的实现对设备故障的早期识别，以有效降低具有强隐蔽性、不易发觉的故障所导致的经济和人身损失；

(5)预测性维护

根据在线监测信息和健康状态的判定结果，帮助维修人员早期发现设备的异常症状，并提供相应的维修维护建议和维护指导手册；

(6)运维知识管理

实现对模型库信息、知识库信息和维修优化信息的管理和更新，并通过储存故障类型、故障算法模型、维护建议措施，提供对运维知识库中故障名称、解决方法和维护建议的管理；其次，不断优化故障模型，完善运维知识库。

5.根据权利要求4所述的船舶舱室设备健康管理与故障预测方法，其特征在于：该方法中采用粒计算的处理方式，通过选择最合适的粒层来对复杂问题进行有效求解，处理模糊信息和海量数据的挖掘，删除冗余知识和不必要的属性特征，约简数据表，降低故障特征属性的个数，减小规则知识库的规模和复杂性，具体过程为：

采取相对粒度属性约简算法对决策表进行约简，其输入为决策表S＝(U,C∪D,V,f)，C是条件属性集合，D是决策属性集合，输出的约简结果用RED表示；其约简的具体步骤如下：

(1)对决策表中相同的规则进行合并，令RED＝φ；

(2)对每一个c_i∈C\RED，计算属性c_i关于约简结果RED对决策集合D的重要性sig(c_i,RED,D)＝GD(D|RED)-GD(D|RED∪c_i)；

(3)在步骤(2)计算出的所有sig(c_i,RED,D)中选出最大值所对应的属性c_i作为c_k，若是存在多个属性满足条件，则选择第一个属性作为c_k；

(4)若sig(c_k,RED,D)＞0，则RED＝RED∪c_k，并转到步骤(2)继续循环计算；若sig(c_k,RED,D)＝0，则结束循环，输出约简后的结果RED。