[发明专利]一种智能船舶的轮机系统

权利要求书

1.一种智能船舶的轮机系统，其特征在于：包括轮机部集成平台、轮机部船舶网络装置和轮机部岸基云基站，所述轮机部集成平台通过轮机部船舶网络装置与轮机部岸基云基站连接；

所述轮机部集成平台安装集成式多源数据采集与融合系统、轮机部AR系统和轮机部数据库；所述轮机部岸基云基站安装轮机部数字孪生系统；

所述集成式多源数据采集与融合系统包括多源数据采集模块和异构数据特征提取及融合模块；

所述多源数据采集模块采集各种轮机部的相关数据，所述相关数据包括主机和辅机装备数据和管路数据，通过安装在船舶各个位置上的对应传感器采集；

所述主机和辅机装备数据包括主机气缸温度数据、主机废气增压载荷数据、锅炉环境温度数据、电力电压载荷数据、轴系数据、振动数据、反冲洗器压力数据、机舱温度数据、发动机气缸温度数据、冷却器热交换效率数据、机舱氧气数据、气缸压力数据、滑油成分数据和燃油耗量数据；

所述管路数据通包括燃油管路系统、滑油管路系统、淡水冷却系统、海水冷却系统、通风系统、生活用水系统、空气启动系统、压载水处理系统、惰气系统和消防系统中的流量数据、压力数据、温度数据、粘度数据、液位数据和流速数据；

所述相关数据收集完成后针对传感器采样频率不同所导致的时域不统一及多源异构问题，采用分帧技术，统一不同传感器时域，进一步采用分帧方法中的移动重叠分帧方法，并应用特征提取方法，提取帧内数据特征并将帧内数据特征进行融合；

在基于统计分析特征的基础上，考虑相关数据的时间序列特性，提取时间序列特征，并将二者进行融合，具体方法包括如下步骤：

A、特征提取

提取每种传感器第i帧数据的平均值、方差、平均差分、众数和中位数作为统计分析特征A，记为FT.A，如式(1)所示：

其中，表示第i帧数据的统计分析特征A，s(k)_i表示第k种传感器第i帧数据的值，k表示传感器的种类号，k＝1,2,...,n，表示第k种传感器第i帧数据的平均值，表示第k种传感器第i帧数据的平均差分，表示第k种传感器第i帧数据的中位数，表示第k种传感器第i帧数据的众数，表示第k种传感器第i帧数据的方差；

考虑到传感器帧内数据异常点的影响，提取下边缘、下四分位数、中位数，上四分卫数和上边缘作为统计分析特征B，记为FT.B，如式(2)所示：

其中，表示第i帧数据的统计分析特征B，表示第k种传感器第i帧数据的上边缘，表示第k种传感器第i帧数据的下边缘，表示第k种传感器第i帧数据的下四分位数，表示第k种传感器第i帧数据的上四分位数；

为了提取帧内数据的时间序列特征，采用一种基于阶层聚类算法的时间序列特征Ts，提取阶层聚类中心c₁,c₂,…,c_h作为Ts特征，如式(3)所示：

其中，表示第i帧数据的时间序列特征，分别表示以c₁,c₂,…,c_h为阶层聚类中心得到的第k种传感器第i帧数据的值；

B、特征融合

基于统计分析的特征主要考虑了帧内数据的分布情况；由于时间序列特征Ts较好地反映帧内数据在时间顺序上的特征，因此将不同种类的特征进行融合；将传感器k的FT.A特征与FT.B特征进行融合，如式(4)和(5)所示：

其中，{FT.A,FT·B}表示FT.A与FT.B的融合特征，表示第k种传感器第i帧数据FT.A与FT.B的融合特征；

为了同时考虑数据的分布情况和时间序列特性，将基于统计分析特征FT.A、FT.B和时间序列特征Ts进行融合；对传感器k，将FT.A特征与Ts特征进行融合，如式(6)和(7)所示；FT.B特征与Ts特征进行融合，如式(8)和(9)所示；FT.A特征，FT.B特征和Ts特征进行融合，如式(10)和(11)所示：

其中，{FT.A,Ts}表示FT.A与Ts的融合特征，表示第k种传感器第i帧数据FT.A与Ts的融合特征，{FT.B,Ts}表示FT.B与Ts的融合特征，表示第k种传感器第i帧数据FT.B与Ts的融合特征，{FT.A,FT.B,Ts}表示FT.A、FT.B与Ts的融合特征，表示第k种传感器第i帧数据FT.A、FT.B与Ts的融合特征；

所述集成式多源数据采集与融合系统处理后的数据由轮机部集成平台的数据库进行储存，最后通过卫星将收集的数据和处理结果发送给轮机部岸基云基站的在线服务器；

所述轮机部AR系统借助于船舶一体化搭载的采集、传感、显示和传输单元，使可穿戴设备头戴显示器成为移动现场画面采集和传输终端，通过第一视角使身处机舱各处的轮机部工作人员紧密协调、自然交互；通过影像建模并与岸基轮机部集成平台连接，在现实画面中叠加显示智能化的虚拟信息，将多种辅助信息显示给用户，多种辅助信息包括虚拟仪表的面板、被维修设备的内部结构和被维修设备零件图；

所述轮机部AR系统包括三维注册模块、虚实融合模块和智能交互模块；

所述三维注册模块结合船舶机舱噪声大、光线不均匀、物标易受遮挡、存在磁场和金属物体干扰的实际环境，采用基于硬件跟踪器和基于视觉计算结合的配准方法，根据硬件设备信号发射源和感知器获得的数据定位轮机部工作人员的头部的相对空间位置、运动方向和位姿，同时借助视觉方法对配准结果进行误差补偿；

所述硬件跟踪器采用机械式配准和惯性配准；所述视觉计算采用基于特定标识物的识别和自然特征点追踪识别方式配准；对于大型设备使用特定标识物作为识别标识物，小型设备或设备内部零件使用自然特征点追踪识别，从被识别目标中提取特征点并将特征点回传轮机部AR系统，从而实时追踪标识物；

所述虚实融合模块采集真实空间信息，建立真实对象的数字化虚拟模型，传输到轮机部集成平台处理图像信息，提取关键元素，构建虚拟空间模型，并将虚拟空间信息与多源数据采集与融合系统处理的信息进行匹配，在虚拟空间中加入轮机部各设备的实时数据和参数，从而实现通过可穿戴设备头戴显示器观测虚拟物体和虚拟仪表参数叠加到真实空间的效果；

所述智能交互模块通过定位设备获取轮机部工作人员对虚拟场景发出的行为指令，对其做出理解，并给出相应的反馈结果；结合机舱环境特点采用手势交互和触控交互结合的交互操作；

所述触控交互采用在移动端设备显示屏上进行触控操作，通过空间点输入工具和AR操作系统的组合，AR操作系统为某种操作定义一组功能集合，表现为虚拟控制面板的方式；在操作中，通过空间点工具操作虚拟目标和控制面板提供的功能项进行指令交互，功能项包括滑块、按钮、选项或文字输入，触控操作适用于机舱中的复杂环境，所述复杂环境包括开阔区域、极暗光或强逆光；

所述手势交互借助可穿戴设备头戴显示器自带的摄像头完成精准检测与识别轮机部工作人员的各种手势，通过预定义的特征点组成各种手势，对应于不同的系统命令，所述系统命令包括选择、删除、添加和移动，当空间点的状态与预定义的行为不一致时，并不对当前场景产生任何影响，手势交互适用于机舱狭窄环境和机舱工作人员佩戴特殊防护器具不适合操作移动端设备的特殊环境；

所述轮机部船舶网络装置将视觉识别系统、视频响应系统、船舶交通管制系统和闭路电视接入船舶局域网，而后通过无线接入点、通信路由器、局域网上建区交换机、导航卫星将所收集的信息和轮机部集成平台所管理设备的运行状态发送到轮机部岸基云基站中的岸基船舶管理公司和岸基码头，岸基云基站通过集成平台防火墙、智能通信网关、5G接受装置对船舶数据进行实时接收，并且通过远程在线服务来实现对全船网络的控制和管理，确保船上信息的及时传递，岸基船舶管理公司的安全人员根据收集到的船舶机舱数据与船上管理人员召开视频会议，及时做出相应措施；

所述轮机部船舶网络装置在船舶航行时，通过船舶局域网向驾驶台实时传送机舱数据实现全船信息共享与安全防护；

所述轮机部岸基云基站通过导航卫星进行数据传递，借助5G接收装置的通讯技术，实现船舶轮机系统在线设备实时运转状态的全程监测、轮机系统设备数据的实时接收和轮机系统岸基大屏展示，并与岸基船舶管理公司、岸基码头进行实时数据指令交互，采用视频会议模块进行岸基对船舶轮机部分的指导性控制，通过数据集成平台进行数据综合处理，并应用数据集成平台防火墙实现数据安全防护；

所述轮机部数字孪生系统以数字化模型和卫星通信为基础，借助岸基数字孪生体即数字化船舶和集成式多源数据采集与融合系统传输的实时数据，在轮机部岸基云基站中对轮机系统设备进行实时监测、故障诊断和优化，从而实现实船轮机部物理系统的全生命周期管理；

所述数字化模型包括功能数字孪生模型和自适应数字孪生模型；通过数字化模型与轮机系统间的映射及数据连接，轮机部各设备通过各传感器进行数据采集通过卫星通信传递到轮机部岸基云基站，轮机部实时数据作为数字化模型的输入，驱动数字化模型运行或进行虚实混合的仿真运行，运行结果作为对轮机部物理系统的行为预测、作业系统优化或应用决策的依据；

所述功能数字孪生模型针对智能船舶轮机系统各设备的几何特征、物理特征、软件和控制算法进行全数字化建模，功能数字孪生模型的构建采集包括设备外形数据、设备内部结构数据、设备批次数据、设备间连接结构数据、轮机部管路结构数据、设备内部件运动约束数据、部件接触形式数据、主机工作系统数据、主机操作系统数据、推进装置工况配合数据和机舱电气系统数据；

功能数字孪生模型与轮机部各设备物理结构和软件系统进行多数据融合，使数字化模型具备机舱设备行为特征，实现轮机部各设备物理系统和实际工况向数字空间的映射；

所述自适应数字孪生模型是一种具有实时性的数字孪生模型，除了建立轮机系统各设备的功能数字孪生模型之外，还构建对应的机舱环境孪生体，所述机舱环境孪生体包括燃油、滑油、液压油、空气、蒸汽、海水、淡水的物理参数数据，机舱环境孪生体由集成式多源数据采集与融合系统进行实时收集处理后通过卫星通信传递到轮机部岸基云基站，机舱环境孪生体与功能数字孪生模型相结合，形成自适应数字孪生模型，并随运行环境和设备性能实时变化，当岸基数字孪生轮机系统的孪生数据输出值偏离实船轮机系统设备传感器测量值时自适应数字孪生模型利用传感器反馈偏差数据实时修正基准模型的性能模型，从而达到监测设备局部状态、整体性能和性能优化的目的，进一步构建包括多行为属性的自适应数字孪生模型，将包括历史维修数据的故障数据引入轮机系统数字化模型，构建故障模型，用于故障诊断和维护；将历史数据与自适应数字孪生模型结合，在数据驱动下建立性能预测模型，分析轮机部设备性能和寿命预测；

轮机系统运行数据作为数字化模型的输入，驱动数字化模型进行虚实混合的仿真运行，实现在全生命周期范围内数字轮机系统与物理轮机系统的协调一致，数字化模型的运行结果作为对轮机系统物理系统的行为预测、作业系统优化和应用决策的依据。