基於北鬥衛星通信的船隊柴油機遠程狀態監測系統及監測方法與流程

2023-07-03 02:35:31

本發明涉及多路傳感器信息融合技術領域，具體是一種基於北鬥衛星通信的船隊柴油機遠程狀態監測系統及監測方法。

背景技術：

柴油機作為出海船舶的動力來源，其性能好壞將直接影響船舶的正常航行，特別是在船隊進港時，一旦有某隻船的柴油機發生故障，將影響後續船隊的進港，導致航道擁堵。因此，如果岸上工作人員能夠實時掌握進港船隊的柴油機運行狀態，並根據其狀態進行船舶調度，將會大大減少由於柴油機故障而導致的進港延誤。然而，目前船用柴油機配備的機旁儀表，只能由船上的工作人員監控其運行數據，不具備遠程上傳狀態數據的功能；另一方面，傳統的gps定位系統只具備發送船舶位置信息的功能，不具備發送其它信息的功能；此外，採用3g等移動通信由於在海上無法架設基站而存在通信盲區，導致不能保證船舶柴油機運行參數的有效傳輸。

技術實現要素：

鑑於以上現有技術，本發明綜合運用傳感檢測、北鬥1代衛星通信和數據挖掘等技術，建立船舶柴油機運行狀態的遠程監測與故障診斷系統，即通過北鬥系統將採集的柴油機運行參數實時傳輸到岸上的遠程監測平臺，並對數據進行分析處理，實現船舶柴油機運行狀態的實時評估，對掌握船舶和船隊的總體運行情況，確保船隊進港安全，具有十分重要的意義。

本發明採用的技術方案是：基於北鬥衛星通信的船隊柴油機遠程狀態監測系統包括北鬥通信系統、狀態判別與調度系統和數據採集系統，其中所述數據採集系統採集柴油機的機油壓力、轉速、冷卻水溫、缸蓋振動信號、發電機三相輸出電壓和輸出電流、啟動蓄電池的電壓、電流和溫度，並對這些信號進行編碼處理，然後通過北鬥通信系統發送給狀態判別與調度系統，狀態判別與調度系統判斷柴油機的運行狀態，並根據運行狀態對進港船隊進行調度。

進一步，上述數據採集系統包括電源模塊ⅰ、微處理器、信號調理電路、壓力傳感器、磁電式轉速傳感器、溫度傳感器、電壓傳感器、電流傳感器和加速度傳感器，壓力傳感器採集柴油機的機油壓力信號，磁電式轉速傳感器採集柴油機的轉速信號，溫度傳感器採集冷卻水溫和蓄電池溫度信號，電壓傳感器採集發電機輸出電壓和蓄電池電壓信號，電流傳感器採集發電機輸出電流和蓄電池電流信號，加速度傳感器採集柴油機缸蓋振動信號，以上信號經信號調理電路處理後輸入微處理器中，微處理器處理後通過串口傳輸到北鬥通信終端，電源模塊ⅰ給各模塊供電。北鬥通信系統括電源模塊ⅱ和北鬥通信終端，電源模塊ⅱ給北鬥通信終端供電，北鬥通信終端實現與北鬥1代衛星通訊。

本發明的具體實施例中，北鬥通信系統和數據採集系統安裝在船上。

基於北鬥衛星通信的船隊柴油機遠程狀態監測方法，包括以下步驟：

第一步：數據採集系統中的各傳感器分別採集柴油機的運行狀態參數，包括柴油機的機油壓力信號、柴油機的轉速信號、冷卻水溫和蓄電池溫度信號、發電機輸出電壓和蓄電池電壓信號、發電機輸出電流和蓄電池電流信號、以及柴油機缸蓋振動信號。

第二步：數據採集系統中的信號調理電路對第一步採集到的參數進行預處理。

第三步：數據採集系統中的微處理器對預處理後的數據進行編碼，編碼後數據包內容為船舶編號、柴油機編號、冷卻水溫、機油壓力、轉速、缸蓋振動信號、發電機的a相輸出電壓和電流、b相輸出電壓和電流、c相輸出電壓和電流、蓄電池電壓、電流和溫度。

第四步：利用北鬥衛星短報文通訊系統將編碼後的數據包通過北鬥1代衛星發送給狀態判別與調度系統。

第五步：狀態判別與調度系統建立柴油機運行狀態監測和故障診斷模型，實現柴油機的狀態監測與故障診斷，從而為船隊進港調度提供決策參考。

本發明具有以下優點：

1、綜合應用現代信息處理和多路傳感器信息融合等技術，通過基於智能算法的特徵級融合和基於d-s證據理論的決策級融合的集成，實現了柴油機的狀態監測和故障診斷，柴油機運行狀態判斷準確；

2、通過北鬥衛星短報文通訊系統實現船隊柴油機運行參數的實時傳輸，解決了海上無法利用3g等移動通信進行信息傳輸的難題；也解決了無法利用gps傳輸柴油機運行參數的問題；

3、可以有效避免因船舶柴油機故障影響後續船隊進港，導致航道擁堵等問題。

附圖說明

圖1為本發明的系統框圖。

具體實施方式

下面結合附圖對本發明的技術方案做進一步詳細描述。

參見圖1，基於北鬥衛星通信的船隊柴油機遠程狀態監測系統，其特徵在於：包括北鬥通信系統1、狀態判別與調度系統2和數據採集系統3，其中所述數據採集系統3採集柴油機的機油壓力、轉速、冷卻水溫、缸蓋振動信號、發電機三相輸出電壓和輸出電流、啟動蓄電池的電壓、電流和溫度，並對這些信號進行編碼處理，然後通過北鬥通信系統1發送給狀態判別與調度系統2，狀態判別與調度系統2判斷柴油機的運行狀態，並根據運行狀態對進港船隊進行調度。數據採集系統3包括電源模塊ⅰ3-1、微處理器3-2、信號調理電路3-3、壓力傳感器3-4、磁電式轉速傳感器3-5、溫度傳感器3-6、電壓傳感器3-7、電流傳感器3-8和加速度傳感器3-9，壓力傳感器3-4採集柴油機的機油壓力信號，磁電式轉速傳感器3-5採集柴油機的轉速信號，溫度傳感器3-6採集柴油機冷卻水溫和蓄電池溫度信號，電壓傳感器3-7採集發電機輸出電壓和蓄電池電壓信號，電流傳感器3-8採集發電機輸出電流和蓄電池電流信號，加速度傳感器3-9採集柴油機缸蓋振動信號，以上信號經信號調理電路3-3處理(包括對信號進行整形、放大和濾波)後輸入微處理器3-2中，微處理器3-2處理後通過串口傳輸到北鬥通信終端1-2，電源模塊ⅰ3-1給各模塊供電。壓力傳感器3-4採用vdo10bar，磁電式轉速傳感器3-5採用cg-10，溫度傳感器3-6採用vdo120℃，電壓傳感器3-7採用chv-20l，電流傳感器3-8採用chb-200p，加速度傳感器3-9採用kd1300。

在上述實施例中，微處理器選用英飛凌xc886，主要負責信號的模數轉換、中斷觸發和數據編碼等功能；電源模塊ⅰ採用lm2576。北鬥通信系統1包括電源模塊ⅱ1-1和北鬥通信終端1-2，電源模塊ⅱ1-1給北鬥通信終端1-2供電，北鬥通信終端1-2實現與北鬥1代衛星通訊。北鬥通信終端包括發射器和接收器，選用北鬥rdss5w全功能模塊，通過rs-232c串口和數據採集系統交換信息，主要負責將進港船隊的柴油機運行參數實時傳送至岸上的遠程監測平臺；電源模塊ⅱ採用ltc3633。狀態判別和調度系統由岸上的遠程監測系統執行，主要負責接收柴油機的實時運行參數、判斷柴油機的運行狀態，並根據狀態對進港船隊進行調度。

本發明的工作流程如下：

第一步：採集柴油機的運行狀態參數

主要包括柴油機的溫度、水溫、機油壓力、轉速、缸蓋振動信號、啟動蓄電池電壓、電流、發電機的三相輸出電壓和電流等參數。

第二步：對採集到的參數進行預處理

包括數字濾波、標度變換、參數計算等。

第三步：對預處理後的數據進行編碼，數據包內容為船舶編號、柴油機編號、水溫、油壓、轉速、缸蓋振動信號、啟動蓄電池溫度、電壓和電流、發電機的a相輸出電壓和電流、b相輸出電壓和電流、c相輸出電壓和電流，該數據包即為後續北鬥短報文的通訊內容。

第四步：採用北鬥rdss5w全功能模塊，北鬥rdss5w全功能模塊採用北鬥rdss射頻收發晶片、基帶處理晶片、功放晶片設計而成。該模塊集成了北鬥rdss射頻收發晶片、基帶電路、功放晶片等，可完整實現北鬥rdss收發信號、調製解調等全部功能。

北鬥rdss5w與微處理器之間採用rs-232c通信方式進行參數傳遞，並利用北鬥衛星短報文通訊系統實現船隊柴油機運行參數的實時傳輸,短報文通訊的傳輸頻率可設定為10分鐘1次。短報文發送方首先將包含接收方id號和通訊內容的通訊申請信號加密後通過北鬥衛星轉發入站；地面中心站接收到通訊申請信號後，經脫密和再加密後加入持續廣播的出站廣播電文中，經衛星廣播給用戶；接收方用戶機接收出站信號，解調解密出站電文。

第五步：建立柴油機運行狀態監測和故障診斷模型，實現柴油機的狀態監測與故障診斷

針對柴油機的水溫、油壓、轉速、振動等信號，採用基於多信息源融合的柴油機運行狀態監測模型來判斷柴油機運行狀態正常與否，從而為船隊進港調度提供決策參考。

基於多信息源融合的柴油機運行狀態監測模型工作流程如下：

1、針對柴油機的水溫、油壓、轉速、發電機的輸出電壓和電流以及蓄電池啟動電池電壓、電流和溫度等參數，通過判斷其值是否超過規定的閾值，分別建立其與柴油機狀態正常與否的對應關係；

2、針對柴油機缸蓋振動信號，將其進行小波包分解，得到其在第三層上8個能量譜特徵參數，採用基於pso優化的rbf方法對其進行特徵級融合，得到缸蓋振動信號與柴油機正常與否的映射關係；

算法實現步驟如下：

1)將採集到的柴油機缸蓋振動信號採用db10小波包在整個頻率範圍內進行3層小波包分解，得到8個獨立的頻帶；然後以各個小波包子空間內信號的能量所組成的序列(即振動信號的小波包能量譜)作為氣門的故障特徵參數，也就是rbf神經網絡的輸入信號；

2)初始化種群數目m、最大迭代次數k、慣性權重w以及兩個不同的加速常數c1和c2；確定rbf網絡的結構，即確定輸入層、隱含層和輸出層的神經元個數(或節點數)，網絡輸入層的神經元個數為振動信號分解後能量譜序列個數，即8個，輸出層的神經元個數為1個，即用0，1來表徵柴油機狀態是否正常，隱層節點數由動態k-均值算法根據樣本確定，具體步驟如下：

a)初始化：設置類別數k，為每個類別的聚類中心賦初值；

b)樣本劃分：劃分所有的樣本矢量。通過這一步使每個樣本矢量與k類中之一相聯繫，其劃分條件為：x(p)∈sj(l)，如果||x(p)-zj(l)||<||x(p)-zi(l)||,i≠j

其中，x(p)為待分析的樣本，sj(l)為第l次迭代時類別j的全體，||·||為求取範數的運算符，zi(l)為第l次迭代的聚類中心值，若上式成立，則認為x(p)∈sj(l)。

c)計算新的聚類中心：用在步驟b)中建立的新類的所有成員集合，來重新計算每類的中心位置，以便使從類別中的每個矢量到新的聚類中心的距離之和最小。

d)檢查收斂：收斂情形是在步驟c)中沒有任何聚類中心再變化其位置，即認為收斂，算法結束，否則再返回步驟b)。

初始化種群中所有微粒的位置向量xi和速度vi，xi和vi均為d維向量，其中向量xi包含了rbf網絡待優化的參數；

3)將每個微粒的當前位置設為當前個體最優位置pi，將第i個微粒的pi中所代表的權值和閾值代入神經網絡中，按照式(1)計算每個微粒的適應度值f(i)，

為了在一定程度上抑制過擬和，在性能公式f(i)中加入一個與網絡權值總量相應的懲罰項，式中，γ是性能比例；s是樣本數；q是rbf網絡隱含層的節點數。p為rbf網絡輸出層的節點數；為第s個樣本中神經網絡輸出層第j個節點的期望值；為第s個樣本中神經網絡輸出層第j個節點的實際值；wij為神經網絡隱含層第i個節點到輸出層第j個節點之間的權重；m為種群數目；並將其設為當前的個體極值fi，同時通過評價f(i)得到當前全局最優極值fbest以及全局最優位置pg；

4)將每個微粒的位置向量xi所代表的權值和閾值帶入神經網絡，根據公式(2)和(3)計算網絡的實際輸出，然後根據公式(1)計算每個微粒的適應度值f(i)；

αi(in)為rbf神經網絡隱層第i個節點的輸出，in為rbf神經網絡的輸入，也即輸入樣本，ci為第i個隱含層節點高斯函數的中心，q為隱含層節點的個數，σi為第i個隱含層節點的基寬度，oj(in)為rbf神經網絡輸出層第j個節點的輸出，bj為輸出層第j個節點的閾值，p是輸出層節點的個數。

5)評價每個微粒，將其適應值與上一時刻的個體極值進行比較，若較優，則更新當前的個體最優位置與個體極值；

6)將每個微粒的個體極值與上一時刻的全局最優極值進行比較，若較優，則更新當前的全局最優位置與全局最優值；

7)根據公式(4)和(5)更新微粒的速度和位置；

vi,j(t+1)＝wvi,j(t)+c1r1[pi,j(t)-xi,j(t)]+c2r2[pg,j(t)-xi,j(t)](4)

xi,j(t+1)＝xi,j(t)+vi,j(t)(5)

vi,j(t)為微粒在t時刻的速度，t表示時刻，w為慣性權重，c1和c2為正的加速常數，r1和r2為0到1之間均勻分布的隨機數，pi,j(t)為微粒的個體極值，xi,j(t)為第i個微粒在第j維上的位置，pg,j(t)為群體最優值，xi(t)為第i個微粒的位置向量，vi(t)為第i個微粒的速度向量。

8)若未達到最大迭代次數k，則返回步驟3)；否則，算法結束。

3、針對水溫、油壓、振動等信號的診斷結果，採用證據理論方法對這些診斷結果進行決策級融合，最終得到柴油機運行狀態是否正常的結論。具體步驟如下：

1)由柴油機故障現象組成辨識框架ω＝{w1,w2,w3...}，其中，wi為柴油機的某一種故障現象。根據專家經驗對之前得到的每個柴油機故障診斷結果設定每一結果的基本信任分配函數m(wi)，且有

2)如果滿足稱a為焦元。對於辨識框架ω下兩組證據e1和e2，對應的基本信任分配函數分別為m1和m2，焦元分別為ai和bj，則按如下的dempster規則將兩組證據進行合成：

第一步：合取運算

其中，a為焦元，ω為柴油機所有故障現象的集合，m(a)*為兩個焦元ai和bj合成後的信任分配，m1(ai)為焦元ai的基本信任分配，m2(bj)為焦元bj的基本信任分配，k為兩組證據的合取衝突，

第二步：歸一化

當k＝1時，

其中，m(a)為為兩個焦元ai和bj合成並歸一化後的信任分配。

3)選擇m(a)最大的假設作為系統的最終融合結果輸出。

第六步：岸上的遠程監測平臺基於柴油機狀態對進港船隊進行調度。