[发明专利]一种船舶机舱设备状态预测系统及方法

权利要求书

1.一种船舶机舱设备状态预测系统，其特征在于，所述系统主要包括：

数据采集模块，所述数据采集模块用于采集各种设备故障诊断的特征数据和状态预测的特征数据；

数据预处理模块，所述数据预处理模块用于将所述数据采集模块采集的数据进行分析，将船舶机舱设备运行数据分为训练样本和测试样本集，所述船舶机舱设备运行数据包括运行工况数据和特征变量数据；

故障诊断模块，所述故障诊断模块用于对船舶机舱设备进行故障诊断；

状态预测模块，所述状态预测模块利用连续的历史数据对船舶机舱设备未来一段时期内的状态进行预测，通过对各设备特征参数的预测来预测设备状态；

状态评估分析模块，所述状态评估分析模块用于对各设备未来一段时期内的状态进行评估分析。

2.根据权利要求1所述的船舶机舱设备状态预测系统，其特征在于，所述故障诊断模块对船舶机舱设备进行故障诊断包括如下步骤：

用历史故障数据训练诊断模型；

采集设备实时特征参数；

将实时采集的设备特征参数输入至训练后的诊断模型中；

输出客观诊断结果。

3.根据权利要求1所述的船舶机舱设备状态预测系统，其特征在于，在船舶机舱设备的进口，出口以及设定的节点处设置有传感器，所述传感器包括温度传感器和压力传感器。

4.根据权利要求2所述的船舶机舱设备状态预测系统，其特征在于：所述故障诊断模块采用RBF神经网络对各设备进行故障诊断。

5.根据权利要求1所述的船舶机舱设备状态预测系统，其特征在于，所述状态预测模块基于小波分析与ARIMA时间序列的组合预测模型，包括如下步骤：

应用小波分析理论将复杂波动的船舶管网系统数据映射到不同尺度，得到多个子序列；

将所述子序列分析后分别根据其特征拟合不同的ARIMA模型，对所述子序列进行预测，得到子序列预测模型结果。

6.一种船舶机舱设备状态预测方法，应用于如权利要求1～5任一项所述的船舶机舱设备状态预测系统，所述方法包括：

通过所述数据采集模块对各种设备故障诊断的特征数据和状态预测的特征数据进行采集，得到待处理数据；

通过所述数据预处理模块对待处理数据进行分析，将船舶机舱设备运行数据分为训练样本和测试样本集，得到处理后数据；

用所述处理后数据分别训练故障诊断模块和状态预测模块，得到预测参数；

将所述预测参数输入到诊断模块中，得到未来一段时间内的设备运行状态。