一种基于系统状态表征的多源传感信息融合与扩充方法

1.本发明涉及船舶状态评估技术领域，尤其涉及一种基于系统状态表征的多源传感信息融合与扩充方法。


背景技术：

2.随着科学技术的不断发展，船舶的结构变得越来越复杂，同时，船舶中各个子系统之间的联系变得越来越紧密，一旦某一子系统发生故障将引起整个船舶发生故障，对人们的生命、财产安全带来重大的威胁，甚至带来灾难性的后果。而船舶动力系统是船舶中的核心子系统，且其传感数据来源广泛，复杂繁多，因此将多源传感信息融合处理，并对船舶动力系统的状态评估进行精准把控尤为必要，其不仅是状态检修的重要基础，还是对其进行故障预测和故障诊断的前提。
3.目前，国内外针对船舶动力系统的状态评估方法，往往使用少量监测信息进行状态评估，通常都依赖于人的主观经验设置固定阈值，或者使用大量监测信息，但由于其具有高度复杂性，主要表现为数据不稳定性、高度耦合性及强关联性，很难从数据中获得系统的状态信息，而且由于船舶动力系统的工况复杂多变，使其常规状态评估特征参数阈值的变化范围较大，影响状态评估的准确性。


技术实现要素：

4.有鉴于此，本发明提供一种基于系统状态表征的多源传感信息融合与扩充方法、装置、电子设备和存储介质，以解决现有技术中由于船舶动力系统的工况复杂多变，使其常规状态评估特征参数阈值的变化范围较大，影响状态评估的准确性的问题。
5.为解决上述技术问题，第一方面，本发明实施例提供一种基于系统状态表征的多源传感信息融合与扩充方法，包括：
6.获取船舶动力系统中各子系统的运行状态参数，对所述运行状态参数进行数据清洗、特征提取和主成分分析，以得到状态评估特征参数；所述子系统包括滑动轴承系统、齿轮箱系统和滚动轴承系统；
7.将船舶动力系统的运行工况划分为多种类别，提取每种类别运行工况下的状态评估特征参数，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型；
8.获取当前时刻的运行工况和状态评估基准模型，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估。
9.进一步的，所述滑动轴承系统的运行状态参数包括温度参数和压力参数；所述温度参数包括驱动端滑动轴承的第一轴承温度参数，以及非驱动端滑动轴承的第二轴承温度参数，所述滑动轴承系统的运行状态参数还包括润滑油温度和冷却水温度；所述压力参数包括非驱动滑动轴承的第一润滑油压力参数，以及非驱动端滑动轴承的第二润滑油压力参数；
10.所述齿轮箱系统的运行状态参数包括第一加速度参数，所述第一加速度参数包括在齿轮箱上多个测点处采集的加速度；
11.所述滚动轴承系统的运行状态参数包括第二加速度参数，所述第二加速度参数包括在每个滚动轴承处采集的加速度；
12.获取船舶动力系统中各子系统的运行状态参数后，还包括：
13.为各所述子系统中建立基于时间序列的参数群，所述参数群中包括时间序列以及与所述时间序列相对应的各运行状态参数的数值；所述参数群包括滑动轴承系统参数群、齿轮箱系统参数群和滚动轴承系统参数群。
14.进一步的，对所述运行状态参数进行数据清洗、特征提取和特征分析，以得到状态评估特征参数，具体包括：
15.基于拉格朗日插值法对所述参数群中的缺失值进行插值处理，基于3σ准则筛选出噪声数据并进行剔除，并基于拉格朗日插值方法对剔除噪声数据后的缺失值进行插值填充；
16.基于pearson相关系数法对所述参数群中的各运行状态参数进行特征选择，提取状态评估特征参数；
17.对所述状态评估特征参数进行标准化处理和二次特征提取处理，并确定参数群中各状态评估特征参数的权重。
18.进一步的，基于pearson相关系数法对所述参数群中的各运行状态参数进行特征选择，提取状态评估特征参数，具体包括：
19.在滑动轴承系统参数群中，以驱动端滑动轴承的轴承温度为基准温度，确定剩余温度参数与所述基准温度的第一pearson相关系数，剔除第一pearson相关系数低于预设第一相关系数阈值的温度参数，得到滑动轴承系统参数群对应的状态评估特征参数；
20.在齿轮箱系统参数群和滚动轴承系统参数群中，分别随机选择一个加速度作为基准加速度，确定齿轮箱系统参数群和滚动轴承系统参数群中剩余加速度与所述基准加速度的第二pearson相关系数，剔除第二pearson相关系数高于第二相关系数阈值的加速度；提取所述齿轮箱系统和所述滚动轴承系统中各加速度的时域特征参数和频域特征参数，得到齿轮箱系统参数群和滚动轴承系统参数群对应的状态评估特征参数。
21.进一步的，对所述状态评估特征参数进行标准化处理和二次特征提取处理，并确定参数群中各运行状态参数的权重，具体包括：
22.基于多指标综合评价方法和预设的指标区间，将各参数群中的所述状态评估特征参数分为正向指标、适度指标和逆向指标；基于对应策略进行标准化处理；
23.其中，若判断所述状态评估特征参数为正向指标，且所述运行状态参数的实测值不大于平均值；或若判断所述状态评估特征参数为逆向指标，且所述运行状态参数的实测值大于平均值；则确定标准差处理后的所述运行状态参数为0；
24.若判断所述状态评估特征参数为正向指标，且所述运行状态参数的实测值大于平均值；或若判断所述状态评估特征参数为适度指标；或若判断所述状态评估特征参数为逆向指标，且所述运行状态参数的实测值不大于平均值；则确定标准差处理后的所述运行状态参数为：实测值和平均值的差值除以所述运行状态参数的标准差；
25.基于主成分分析方法对所述参数群进行二次特征提取，并基于熵值法计算所述参
数群中各状态评估特征参数的初始权重，基于加权平均法对所述初始权重进行修正。
26.进一步的，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型，具体包括：
27.获取当前类别运行工况对应的状态评估特征参数的集合，基于所述状态评估特征参数组成状态评估特征向量；
28.确定状态评估特征向量中每个所述状态评估特征参数的权重，并将所述状态评估特征参数的分布建模为高斯概率密度函数；
29.基于每个所述状态评估特征参数的权重及对应的高斯概率密度函数构建当前类别运行工况的状态评估基准模型。
30.进一步的，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估，具体包括：
31.基于当前时刻的状态评估特征向量、对应的权重，每种运行工况下所述状态评估基准模型的高斯分布的均值向量，以及协方差矩阵确定当前时刻的状态评估特征向量与每个高斯分布的第一马氏距离；
32.基于高斯概率密度函数的权重系数和所述第一马氏距离，确定当前时刻的状态评估特征向量与每个运行工况下的状态评估基准模型的第二马氏距离；
33.基于所述第二马氏距离、以及当前时刻船舶动力系统的运行工况属于每种类别的概率，确定当前时刻的状态评估特征向量与t种运行工况的状态评估基准模型的第三马氏距离，其中t为运行工况类别的数目；
34.基于所述第三马氏距离和船舶动力系统的正常运行状态常数值的乘积构建状态评估指标；
35.基于滑动窗口内的平均状态评估指标对船舶动力系统进行状态评估，其中，若判断连续多个采样点的平均状态评估指标大于第一指标阈值，或至少一个采样点的状态评估指标大于第二指标阈值，则判断为异常状态；若连续多个采样点的平均状态评估指标大于第二指标阈值，或至少一个采样点的状态评估指标大于第三指标阈值，则判断需要立即停机处理；其中，所述第一指标阈值小于所述第二指标阈值，所述第二指标阈值小于所述第三指标阈值。
36.第二方面，本发明实施例提供一种基于系统状态表征的多源传感信息融合与扩充装置，包括：
37.多源数据融合模块，获取船舶动力系统中各子系统的运行状态参数，对所述运行状态参数进行数据清洗、特征提取和主成分分析，以得到状态评估特征参数；所述子系统包括滑动轴承系统、齿轮箱系统和滚动轴承系统；
38.工况划分模块，将船舶动力系统的运行工况划分为多种类别，提取每种类别运行工况下的状态评估特征参数，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型；
39.状态评估模块，获取当前时刻的运行工况和状态评估基准模型，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估。
40.第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器
上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明第一方面实施例所述基于系统状态表征的多源传感信息融合与扩充方法的步骤。
41.第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明第一方面实施例所述基于系统状态表征的多源传感信息融合与扩充方法的步骤。
42.本发明实施例提供的一种基于系统状态表征的多源传感信息融合与扩充方法、装置、电子设备和存储介质，仅以滑动轴承系统参数群、齿轮箱系统参数群、滚动轴承系统参数群这些不可修复的关键故障因素作为船舶动力系统状态评估指标体系，可更好地反映船舶动力系统的运行状态，有利于实现动力系统状态的有效评估；通过多状态参数特征的融合方法，通过数据清洗操作进行数据缺失值填充和去噪处理，通过特征选择和特征提取操作去除多源数据冗余信息，可以克服现有船舶动力系统依靠单一参数阈值报警方法的不足，且可提前识别船舶动力系统故障发生前的劣化过程，准确评估船舶动力系统运行时的状态变化；对参数群的各参数进行基于系统状态指标的标准化处理，同时，该方法采用基于主成分分析和熵值法加权求和的综合赋权法保证了权重分配的精确度，从而有效提高了后续构建的状态基准模型的准确性，进而提高了状态评估的准确性，进一步有效提高了评估结果的合理性。
附图说明
43.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
44.图1为根据本发明实施例的基于系统状态表征的多源传感信息融合与扩充方法流程框图；
45.图2为根据本发明实施例的多源数据群组成图；
46.图3为根据本发明实施例的基于系统状态表征的多源传感信息融合与扩充方法流具体流程示意图；
47.图4为根据本发明实施例的实体结构示意图。
具体实施方式
48.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
49.附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。
50.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包
含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
51.为了有效地分析船舶动力系统的状态，预知船舶动力系统发生故障的可能性，需对船舶动力系统的多源传感信息进行数据清洗、特征选择、特征提取、特征融合与扩充等操作以进行状态评估，确保船舶动力系统能连续安全、可靠的运转。以降低测试人员的经验要求，提高状态评估效率和准确性，具有一定的工程应用价值。
52.因此，本发明实施例提供一种基于系统状态表征的多源传感信息融合与扩充方法、装置、电子设备和存储介质，仅以滑动轴承系统参数群、齿轮箱系统参数群、滚动轴承系统参数群这些不可修复的关键故障因素作为船舶动力系统状态评估指标体系，可更好地反映船舶动力系统的运行状态，有利于实现动力系统状态的有效评估。以下将通过多个实施例进行展开说明和介绍。
53.图1为本发明实施例提供的一种基于系统状态表征的多源传感信息融合与扩充方法，即基于系统状态表征的多源传感信息融合与扩充方法，包括：
54.步骤s1、获取船舶动力系统中各子系统的运行状态参数，对所述运行状态参数进行数据清洗、特征提取和主成分分析，以得到状态评估特征参数；所述子系统包括滑动轴承系统、齿轮箱系统和滚动轴承系统。
55.步骤s11、获取船舶动力系统中各子系统的运行状态参数；
56.为驱动船舶以一定航速航行，必须给其以推力。这个推力是由推进器工作时产生的，推进器可以是螺旋桨、平旋轮或明轮等。推进器由原动机驱动，原动机有柴油机、蒸汽机、燃气轮机及由它们组成的联合动力装置等。上述原动机称之为主机，主机再加上为保证这些主机工作所需的辅机、管路、设备，以及将主机功率传给推进器的轴系等统称为船舶动力系统。船舶动力系统主要包括主机、传动设备和轴系、机舱机械设备和动力管路；由于船舶动力系统的工况复杂多变，使其常规状态特征参数阈值的变化范围较大，影响状态评估的准确性，而在本发明实施例中，仅以滑动轴承系统、齿轮箱系统、滚动轴承系统这些不可修复运行状态参数作为关键故障因素，建立船舶动力系统状态评估指标体系，可更好地反映船舶动力系统的运行状态，有利于实现动力系统状态的有效评估。
57.滑动轴承是船舶动力系统的重要组成部件，轴承系统能否正常工作会直接影响到整个船舶的经济效益、动力性能以及使用寿命等。而船用滑动轴承相对于一般的径向滑动轴承实际使用的工况环境更加复杂，主要是因为船舶在海上航行时，会不断受到风浪等因素的影响导致船体发生摇摆倾斜，滑动轴承自身的工作平面也会受到船体摇摆的影响有着不同程度的倾斜，这对整个滑动轴承系统的安全性和可靠性提出了更高的要求。滑动轴承中常采用油环将油带入转轴与轴瓦间，如果油环变形或磨损严重，将导致油环不转或转动缓慢，从而使轴与轴瓦间油量减少，出现过热；只要动力系统运转，润滑系统就要保证有一定的系统油压，一旦润滑油压力不足，就不能保证其发挥应有的润滑、冷却、清洁、密封、防蚀、减震等作用，进而造成曲柄连杆机构、配气机构等各摩擦副零部件过度磨损，甚至会造成拉缸、抱瓦，使船舶动力系统提前报废；润滑油压力过高，会造成各处油封漏油、油底壳漏油、主油道漏油、机油滤清器漏油等危险。因此，滑动轴承系统的故障原因一般包括轴承过热、润滑油散热不良、冷却水的水温、润滑油压力等，在本实施例中，如图2中所示，所述滑动
轴承系统的运行状态参数包括温度参数和压力参数；所述温度参数包括驱动端滑动轴承的第一轴承温度参数(即图2中的轴承1温度)，以及非驱动端滑动轴承的第二轴承温度参数(即图2中的轴承2温度)，还包括润滑油温度和冷却水温度；所述压力参数包括非驱动滑动轴承的第一润滑油压力参数(即图2中的轴承1润滑油压力)，以及非驱动端滑动轴承的第二润滑油压力参数(即图2中的轴承2润滑油压力)。
58.齿轮箱负责将动力传递至推进器，并且提供一个减速比，因为内燃机的转速太高而扭矩较小，不适合船舶推进，所以需要齿轮箱来降转速、提扭矩；齿轮箱主要由传动轴、齿轮、及外壳组成，它的主要性能指标是传动效率、水阻系数、及可靠耐用性，齿轮箱在发生故障前，箱体的振动信号会逐渐加剧，通过在齿轮箱箱体安装振动加速度传感器来测试振动信号可以实现故障的判断，本实施例中，所述齿轮箱系统的运行状态参数包括第一加速度参数，所述第一加速度参数包括在齿轮箱上多个测点处采集的加速度；本实施例中，上述第一加速度参数为振动加速度，在齿轮箱上8个测点的加速度指标(即振动加速度)，如图3中测点1加速度至测点8加速度，利用加速度传感器检测箱体的振动信号，通过时域分析实现齿轮箱的实时监测，并以加速度作为其运行状态参数。
59.滚动轴承系统是船舶动力系统的重要零部件之一，其工作状态直接决定船舶动力系统的性能及运行情况。在工程实践中，滚动轴承系统的一个微小故障都可能导致生产线的停机或损坏设备，造成严重的经济损失。因而对滚动轴承系统工作状态进行实时监测，及时发现故障并制定可靠的维修策略具有重要意义；所述滚动轴承系统的运行状态参数包括第二加速度参数，所述第二加速度参数包括在每个滚动轴承处采集的加速度，第二加速度参数为振动加速度；本实施例中采集4个滚动轴承处的加速度，滚动轴承的振动信号属于高频信号，因此采用加速度传感器进行信号的拾取。
60.获取船舶动力系统中各子系统的运行状态参数后，如图3中所示，还包括：
61.为各所述子系统中建立基于时间序列的参数群，所述参数群中包括时间序列以及与所述时间序列相对应的各运行状态参数的数值；所述参数群包括滑动轴承系统参数群、齿轮箱系统参数群和滚动轴承系统参数群，滑动轴承系统参数群、齿轮箱系统参数群和滚动轴承系统参数群共同构成本发明实施例的多源数据群。
62.步骤s12、基于拉格朗日插值法对所述参数群中各运行状态参数的缺失值进行插值处理；拉格朗日插值各运行状态参数的缺失值对应的近似值根据以下公式计算得到：
[0063][0064][0065]
上式中，x1,x2,
…
,x
l
表示时间序列，i∈(1,2,
…
,l),j∈(1,2,
…
,l),且j≠i；y1,y2,
…
yi,
…
,y
l
表示各参数群中各运行状态参数的数值，li(x)表示i个样本点对(x1,y1),(x2,y2),(x3,y3)...(x
l
,y
l
)的插值基函数，f
l
(x)为利用插值基函数得到的l次拉格朗日插值函数，将缺失的函数值对应的点带入，即可得到该点对应的缺失值的近似值以进行插值填充。
[0066]
在上述实施例的基础上，作为一种优选的实施方式，基于3σ准则筛选出噪声数据并进行剔除；3σ准则如下：
[0067][0068][0069]
上式中，是各运行状态参数的算术平均值，n为待去噪的初始样本点个数；σ为标准差，rn是残差，若残差大于3σ，则z为噪声数据，将其剔除，若残差小于等于3σ，予以保留，z(k)表示时间序列各时刻的运行状态参数的值，k∈(1,2,
…
,n)。
[0070]
并基于拉格朗日插值方法对剔除噪声数据后的缺失值进行插值填充。
[0071]
步骤s13、基于pearson相关系数法对所述参数群中的各运行状态参数进行特征选择，提取状态评估特征参数。
[0072]
pearson相关系数绝对值越大表示相关程度越高，在滑动轴承系统参数群中，其指标类型不一致，为准确表征系统状态，以驱动端滑动轴承的轴承温度为基准温度，确定剩余温度参数与所述基准温度的第一pearson相关系数，剔除第一pearson相关系数低于预设第一相关系数阈值的温度参数，得到滑动轴承系统参数群对应的状态评估特征参数；在齿轮箱系统参数群和滚动轴承系统参数群中，其指标类型均为加速度信号，为消除数据的冗余性，分别随机选择一个加速度作为基准加速度，确定齿轮箱系统参数群和滚动轴承系统参数群中剩余加速度与所述基准加速度的第二pearson相关系数，剔除第二pearson相关系数高于第二相关系数阈值的加速度。
[0073]
基于特征选择初步选择状态评估特征参数，因齿轮箱系统参数群和滚动轴承系统参数群中加速度采样频率高、变化快、数据复杂，需进一步提取其时域特征参数及采用傅立叶变化提取其频域特征参数，以得到齿轮箱系统参数群和滚动轴承系统参数群对应的状态评估特征参数，对应形成包括状态评估参数的参数群。
[0074]
在上述实施例的基础上，作为一种优选的实施方式，提取的时域和频域特征参数如下：
[0075]
x
max
＝max(|x(n)|)
[0076][0077][0078]
x
p-p
＝x
max-x
min
[0079][0080]
式中，x(n)表示为加速度采样后离散化的信号，n为采样点数，k表示x(n)对应频谱中的谱线数量，y(k)表示第k根谱线所对应的幅值，x
max
、x
rms
、x
p-p
，mf分别表示最大值、绝
对均值、均方根值、峰-峰值、均值频率。
[0081]
在上述各实施例的基础上，作为一种优选的实施方式，经过特征选择和初步特征提取后的各参数群的参数矩阵如下：
[0082][0083]
式中，n表示样本的数量大小，p表示初始选择的状态特征参数的个数。
[0084]
对所述状态评估特征参数进行标准化处理和二次特征提取处理，并确定参数群中各状态评估特征参数的权重。
[0085]
在本实施例中，通过多状态参数特征的融合方法，通过数据清洗操作进行数据缺失值填充和去噪处理，通过特征选择和特征提取操作去除多源数据冗余信息，可以克服现有船舶动力系统依靠单一参数阈值报警方法的不足，且可提前识别船舶动力系统故障发生前的劣化过程，准确评估船舶动力系统运行时的状态变化。
[0086]
步骤s14、基于多指标综合评价方法和预设的指标区间，将各参数群中的所述状态评估特征参数分为正向指标、适度指标和逆向指标；基于对应策略进行标准化处理。对各参数群的参数矩阵进行基于系统评估指标的标准化处理以提高后续状态评估的准确性。系统评估指标主要分为三种，一种是正向指标，即指标值越大，如大于预设第一阈值，说明工作状态越好，一种是逆向指标，即指标值越小，如小于预设第二阈值，工作状态越好；还有一种是适度指标，其参数值在一定预设范围内，过小过大都会对系统的健康状态产生不利影响。
[0087]
其中，若判断所述状态评估特征参数为正向指标，且所述运行状态参数的实测值不大于平均值；或若判断所述状态评估特征参数为逆向指标，且所述运行状态参数的实测值大于平均值；则确定标准差处理后的所述运行状态参数为0。
[0088]
若判断所述状态评估特征参数为正向指标，且所述运行状态参数的实测值大于平均值；或若判断所述状态评估特征参数为适度指标；或若判断所述状态评估特征参数为逆向指标，且所述运行状态参数的实测值不大于平均值；则确定标准差处理后的所述运行状态参数为：实测值和平均值的差值除以所述运行状态参数的标准差。
[0089]
在上述各实施例的基础上，作为一种优选的实施方式，对于正向指标，其采用以下公式进行标准化处理：
[0090][0091]
对于适度指标，其采用以下公式进行标准化处理：
[0092][0093]
对于逆向指标，其采用以下公式进行标准化处理：
[0094][0095]
上式中，x'
ij
为第j个运行状态参数的标准化处理后的值，x
ij
为该运行状态参数的实测值，为第j个运行状态参数的平均值，是第j个运行状态参数的标准差。
[0096]
进行标准化后的第k个指标群的数据矩阵参数矩阵变为：
[0097][0098]
步骤s15、基于主成分分析方法对所述参数群进行二次特征提取，因齿轮箱参数群和滚动轴承参数群中状态评估特征参数过多，采用pca主成分分析对进行二次特征提取操作以特征降维。
[0099][0100][0101][0102]
式中，x1,x2,...,x
p
为原始参数变量，y1,y2,...,ym(m≤p)为降维后的主变量，a
mp
表示降维后的主变量中原始参数变量的系数值；yi与yj(i≠j；j＝1,2,
…
,m)相互无关，λi表示主成分i的贡献程度，cpv表示每个主元变量和总变量的比值，即为该主元对样本总方差的贡献率，m是选择的主元变量个数，主元变量的个数m根据贡献率来选取，本实施例取cpv≥90％为标准，αi表示各主成分的权重。
[0103]
在上述各实施例的基础上，作为一种优选的实施方式，基于熵值法计算所述参数群中各状态评估特征参数的初始权重，如下式：
[0104]
[0105][0106][0107]
k＝1/ln(n)
[0108][0109]
上式中，x”k
为第k个参数群的经过标准化和pca特征降维后的数据矩阵，n为样本个数，m为最终选择的状态评估特征参数个数，即上述步骤中选择的主元变量，x”ij
为x”k
中第i行第j列元素，p
ij
为第j个状态评估特征参数下第i个样本的贡献度，且若p
ij
＝0，则取p
ij
·
lnp
ij
为0，为第k个参数群的各个状态评估特征参数的信息熵，为x”k
中第j列指标的客观权重。
[0110]
基于加权平均法对所述初始权重进行修正，如下式所示：
[0111][0112][0113]
式中，表示第k个参数群的状态评估特征参数的最终客观权重，和分别表示通过主成分分析和熵值法计算的客观权重，w表示综合权重向量，m表示最终选择的状态评估特征参数个数，即上述的主元变量个数。
[0114]
本实施例中，基于主成分分析和熵值法加权求和的综合赋权法保证了权重分配的精确度，从而有效提高了后续构建的状态基准模型的准确性，进而提高了状态评估的准确性。
[0115]
步骤s2、将船舶动力系统的运行工况划分为多种类别，提取每种类别运行工况下的状态评估特征参数，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型。
[0116]
本实施例中，选择船舶动力系统的运行工况特征参数，并对历史运行工况数据进行工况划分操作，采用k-means算法对船舶动力系统运行状态进行工况划分，运行工况特征参数包含电机转速、环境温度。根据收集到的历史数据，初步将系统的运行工况划分为t类工况。
[0117]
采用smote方法对各工况的数据进行扩充操作，根据以下公式：
[0118][0119]
其中x
合成
为合成后的新样本，为样本点xi的近邻样本点，δ∈[0,1]是一个随机数。
根据上式合成的新样本x
合成
是在样本点xi和样本点连接的线段上随机选取的点，通过数据扩充使各运行工况下数据集样本数量均衡。
[0120]
在上述各实施例的基础上，作为一种优选的实施方式，可采用bp神经网络对船舶动力系统实时运行工况进行辨识。假设给定训练样本数据集{(x
(1)
，y
(1)
)，(x
(2)
，y
(2)
)，...，(x
(t)
，y
(t)
)}，其中，y(i)∈{1,2,...,t}，t为运行工况类别的数目，可计算y(i)＝t,t＝{1,2,...,t}的条件概率为α1,α2,...,α
t
。
[0121]
在上述各实施例的基础上，作为一种优选的实施方式，基于扩充后的多源传感数据进行构建状态评估基准模型操作：
[0122][0123][0124]
其中，k表示高斯混合模型中高斯分布的数量，k表示对k个高斯分布从1到k依次进行循环；p(x|θ)为状态评估基准模型的输出，ωk是第k个高斯分布的权重，且μk和ck分别表示高斯概率密度函数nk＝(x|μk,ck)的均值和协方差。x为针对运行工况利用选择的状态评估特征参数组成的特征向量。θ＝{ωk,μk,ck}表示该状态评估基准模型的全部参数的集合。nk＝(x|μk,ck)为第k个高斯概率密度函数。
[0125]
步骤s3、获取当前时刻的运行工况和状态评估基准模型，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估。
[0126]
步骤s31、基于当前时刻的状态评估特征向量x、对应的综合权重向量w，第j
′
种运行工况下所述状态评估基准模型的第k个高斯分布的均值向量μ，以及协方差矩阵c，确定当前时刻的状态评估特征向量与每个高斯分布的第一马氏距离dk(x)。
[0127][0128]
基于高斯概率密度函数的权重系数ωk和所述第一马氏距离，确定当前时刻的状态评估特征向量与每个运行工况下的状态评估基准模型的第二马氏距离d
j’(x)。
[0129][0130]
上式中，d1(x)，d2(x)，
…
，d
j'
(x)，
…dt
(x)分别表示为当前时刻的状态评估特征向量距离运行工况j'的基准模型的第二马氏距离；ωk表示每个高斯分布的概率，且
[0131]
基于所述第二马氏距离、以及当前时刻船舶动力系统的运行工况属于工况类别j'的概率α
j’，j'∈{t}；确定当前时刻的状态评估特征向量与t种运行工况的状态评估基准模型的第三马氏距离，其中，t为运行工况类别的数目。
[0132][0133][0134]
基于所述第三马氏距离和船舶动力系统的正常运行状态常数值c的乘积构建状态评估指标sa(t)：
[0135]
sa(t)＝cd(x)
[0136][0137]
限制sa(t)的取值范围为[0,1]，sa(t)值越接近于0，表明船舶动力系统当前时刻状态越差；越接近于1，表明系统当前时刻状态越好。s表示滑动窗口数量，即基于实施例中选择的最终选择的状态评估特征参数个数设置，sa(t)表示滑动窗口内的平均状态评估指标。
[0138]
基于滑动窗口内的平均状态评估指标对船舶动力系统进行状态评估，其中，若判断连续多个采样点(如8个)的平均状态评估指标大于第一指标阈值，或至少一个采样点的状态评估指标大于第二指标阈值，则判断为异常状态；若连续多个采样点的平均状态评估指标大于第二指标阈值，或至少一个采样点的状态评估指标大于第三指标阈值，则判断需要立即停机处理；其中，所述第一指标阈值小于所述第二指标阈值，所述第二指标阈值小于所述第三指标阈值。本实施例中，第一指标阈值取1，第二指标阈值取2，第三指标阈值取3。
[0139]
本发明实施例还提供一种基于系统状态表征的多源传感信息融合与扩充装置，基于上述各实施例中的基于系统状态表征的多源传感信息融合与扩充方法，包括：
[0140]
多源数据融合模块，获船舶动力系统中各子系统的运行状态参数，对所述运行状态参数进行数据清洗、特征提取和主成分分析，以得到状态评估特征参数；所述子系统包括滑动轴承系统、齿轮箱系统和滚动轴承系统；
[0141]
工况划分模块，将船舶动力系统的运行工况划分为多种类别，提取每种类别运行工况下的状态评估特征参数，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型；
[0142]
状态评估模块，获取当前时刻的运行工况和状态评估基准模型，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估。
[0143]
基于相同的构思，本发明实施例还提供了一种实体结构示意图，如图4所示，该服务器可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行如上述各实施例所述基于系统状态表征的多源传感信息融合与扩充方法的步骤。例如包括：
[0144]
获取船舶动力系统中各子系统的运行状态参数，对所述运行状态参数进行数据清洗、特征提取和主成分分析，以得到状态评估特征参数；所述子系统包括滑动轴承系统、齿轮箱系统和滚动轴承系统；
[0145]
将船舶动力系统的运行工况划分为多种类别，提取每种类别运行工况下的状态评估特征参数，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型；
[0146]
获取当前时刻的运行工况和状态评估基准模型，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估。
[0147]
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0148]
基于相同的构思，本发明实施例还提供一种非暂态计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包含至少一段代码，该至少一段代码可由主控设备执行，以控制主控设备用以实现如上述各实施例所述基于系统状态表征的多源传感信息融合与扩充方法的步骤。例如包括：
[0149]
获取船舶动力系统中各子系统的运行状态参数，对所述运行状态参数进行数据清洗、特征提取和主成分分析，以得到状态评估特征参数；所述子系统包括滑动轴承系统、齿轮箱系统和滚动轴承系统；
[0150]
将船舶动力系统的运行工况划分为多种类别，提取每种类别运行工况下的状态评估特征参数，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型；
[0151]
获取当前时刻的运行工况和状态评估基准模型，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估。
[0152]
基于相同的技术构思，本技术实施例还提供一种计算机程序，当该计算机程序被主控设备执行时，用以实现上述方法实施例。
[0153]
所述程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。
[0154]
基于相同的技术构思，本技术实施例还提供一种处理器，该处理器用以实现上述方法实施例。上述处理器可以为芯片。
[0155]
综上所述，本发明实施例提供的一种基于系统状态表征的多源传感信息融合与扩充方法和系统，仅以滑动轴承系统参数群、齿轮箱系统参数群、滚动轴承系统参数群这些不可修复的关键故障因素作为船舶动力系统状态评估指标体系，可更好地反映船舶动力系统的运行状态，有利于实现动力系统状态的有效评估；通过多状态参数特征的融合方法，通过数据清洗操作进行数据缺失值填充和去噪处理，通过特征选择和特征提取操作去除多源数据冗余信息，可以克服现有船舶动力系统依靠单一参数阈值报警方法的不足，且可提前识别船舶动力系统故障发生前的劣化过程，准确评估船舶动力系统运行时的状态变化；对参数群的各参数进行基于系统状态指标的标准化处理，同时，该方法采用基于主成分分析和
熵值法加权求和的综合赋权法保证了权重分配的精确度，从而有效提高了后续构建的状态基准模型的准确性，进而提高了状态评估的准确性，进一步有效提高了评估结果的合理性。
[0156]
本发明的各实施方式可以任意进行组合，以实现不同的技术效果。
[0157]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid statedisk)等。
[0158]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：rom或随机存储记忆体ram、磁碟或者光盘等各种可存储程序代码的介质。
[0159]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种基于系统状态表征的多源传感信息融合与扩充方法，其特征在于，包括：获取船舶动力系统中各子系统的运行状态参数，对所述运行状态参数进行数据清洗、特征提取和主成分分析，以得到状态评估特征参数；所述子系统包括滑动轴承系统、齿轮箱系统和滚动轴承系统；将船舶动力系统的运行工况划分为多种类别，提取每种类别运行工况下的状态评估特征参数，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型；获取当前时刻的运行工况和状态评估基准模型，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估。2.根据权利要求1所述的基于系统状态表征的多源传感信息融合与扩充方法，其特征在于，所述滑动轴承系统的运行状态参数包括温度参数和压力参数；所述温度参数包括驱动端滑动轴承的第一轴承温度参数，以及非驱动端滑动轴承的第二轴承温度参数，所述滑动轴承系统的运行状态参数还包括润滑油温度和冷却水温度；所述压力参数包括非驱动滑动轴承的第一润滑油压力参数，以及非驱动端滑动轴承的第二润滑油压力参数；所述齿轮箱系统的运行状态参数包括第一加速度参数，所述第一加速度参数包括在齿轮箱上多个测点处采集的加速度；所述滚动轴承系统的运行状态参数包括第二加速度参数，所述第二加速度参数包括在每个滚动轴承处采集的加速度；获取船舶动力系统中各子系统的运行状态参数后，还包括：为各所述子系统中建立基于时间序列的参数群，所述参数群中包括时间序列以及与所述时间序列相对应的各运行状态参数的数值；所述参数群包括滑动轴承系统参数群、齿轮箱系统参数群和滚动轴承系统参数群。3.根据权利要求2所述的基于系统状态表征的多源传感信息融合与扩充方法，其特征在于，对所述运行状态参数进行数据清洗、特征提取和特征分析，以得到状态评估特征参数，具体包括：基于拉格朗日插值法对所述参数群中的缺失值进行插值处理，基于3σ准则筛选出噪声数据并进行剔除，并基于拉格朗日插值方法对剔除噪声数据后的缺失值进行插值填充；基于pearson相关系数法对所述参数群中的各运行状态参数进行特征选择，提取状态评估特征参数；对所述状态评估特征参数进行标准化处理和二次特征提取处理，并确定参数群中各状态评估特征参数的权重。4.根据权利要求3所述的基于系统状态表征的多源传感信息融合与扩充方法，其特征在于，基于pearson相关系数法对所述参数群中的各运行状态参数进行特征选择，提取状态评估特征参数，具体包括：在滑动轴承系统参数群中，以驱动端滑动轴承的轴承温度为基准温度，确定剩余温度参数与所述基准温度的第一pearson相关系数，剔除第一pearson相关系数低于预设第一相关系数阈值的温度参数，得到滑动轴承系统参数群对应的状态评估特征参数；在齿轮箱系统参数群和滚动轴承系统参数群中，分别随机选择一个加速度作为基准加速度，确定齿轮箱系统参数群和滚动轴承系统参数群中剩余加速度与所述基准加速度的第
二pearson相关系数，剔除第二pearson相关系数高于第二相关系数阈值的加速度；提取所述齿轮箱系统和所述滚动轴承系统中各加速度的时域特征参数和频域特征参数，得到齿轮箱系统参数群和滚动轴承系统参数群对应的状态评估特征参数。5.根据权利要求3所述的基于系统状态表征的多源传感信息融合与扩充方法，其特征在于，对所述状态评估特征参数进行标准化处理和二次特征提取处理，并确定参数群中各运行状态参数的权重，具体包括：基于多指标综合评价方法和预设的指标区间，将各参数群中的所述状态评估特征参数分为正向指标、适度指标和逆向指标；基于对应策略进行标准化处理；其中，若判断所述状态评估特征参数为正向指标，且所述运行状态参数的实测值不大于平均值；或若判断所述状态评估特征参数为逆向指标，且所述运行状态参数的实测值大于平均值；则确定标准差处理后的所述运行状态参数为0；若判断所述状态评估特征参数为正向指标，且所述运行状态参数的实测值大于平均值；或若判断所述状态评估特征参数为适度指标；或若判断所述状态评估特征参数为逆向指标，且所述运行状态参数的实测值不大于平均值；则确定标准差处理后的所述运行状态参数为：实测值和平均值的差值除以所述运行状态参数的标准差；基于主成分分析方法对所述参数群进行二次特征提取，并基于熵值法计算所述参数群中各状态评估特征参数的初始权重，基于加权平均法对所述初始权重进行修正。6.根据权利要求3所述的基于系统状态表征的多源传感信息融合与扩充方法，其特征在于，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型，具体包括：获取当前类别运行工况对应的状态评估特征参数的集合，基于所述状态评估特征参数组成状态评估特征向量；确定状态评估特征向量中每个所述状态评估特征参数的权重，并将所述状态评估特征参数的分布建模为高斯概率密度函数；基于每个所述状态评估特征参数的权重及对应的高斯概率密度函数构建当前类别运行工况的状态评估基准模型。7.根据权利要求6所述的基于系统状态表征的多源传感信息融合与扩充方法，其特征在于，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估，具体包括：基于当前时刻的状态评估特征向量、对应的权重，每种运行工况下所述状态评估基准模型的高斯分布的均值向量，以及协方差矩阵确定当前时刻的状态评估特征向量与每个高斯分布的第一马氏距离；基于高斯概率密度函数的权重系数和所述第一马氏距离，确定当前时刻的状态评估特征向量与每个运行工况下的状态评估基准模型的第二马氏距离；基于所述第二马氏距离、以及当前时刻船舶动力系统的运行工况属于每种类别的概率，确定当前时刻的状态评估特征向量与t种运行工况的状态评估基准模型的第三马氏距离，其中t为运行工况类别的数目；基于所述第三马氏距离和船舶动力系统的正常运行状态常数值的乘积构建状态评估指标；基于滑动窗口内的平均状态评估指标对船舶动力系统进行状态评估，其中，若判断连
续多个采样点的平均状态评估指标大于第一指标阈值，或至少一个采样点的状态评估指标大于第二指标阈值，则判断为异常状态；若连续多个采样点的平均状态评估指标大于第二指标阈值，或至少一个采样点的状态评估指标大于第三指标阈值，则判断需要立即停机处理；其中，所述第一指标阈值小于所述第二指标阈值，所述第二指标阈值小于所述第三指标阈值。8.一种基于系统状态表征的多源传感信息融合与扩充装置，其特征在于，包括：多源数据融合模块，获取船舶动力系统中各子系统的运行状态参数，对所述运行状态参数进行数据清洗、特征提取和主成分分析，以得到状态评估特征参数；所述子系统包括滑动轴承系统、齿轮箱系统和滚动轴承系统；工况划分模块，将船舶动力系统的运行工况划分为多种类别，提取每种类别运行工况下的状态评估特征参数，基于所述状态评估特征参数构建对应运行工况的状态评估基准模型；状态评估模块，获取当前时刻的运行工况和状态评估基准模型，基于所述运行工况和所述状态评估基准模型的马氏距离构建状态评估指标，基于所述状态评估指标对船舶动力系统进行状态评估。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于系统状态表征的多源传感信息融合与扩充方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述基于系统状态表征的多源传感信息融合与扩充方法的步骤。

技术总结
本发明提供了一种基于系统状态表征的多源传感信息融合与扩充方法，仅以滑动轴承系统、齿轮箱系统、滚动轴承系统中的不可修复的关键故障因素作为船舶动力系统状态评估指标体系，可更好地反映船舶动力系统的运行状态，有利于实现动力系统状态的有效评估；通过多状态参数特征的融合方法，通过数据清洗操作进行数据缺失值填充和去噪处理，通过特征选择和特征提取操作去除多源数据冗余信息，可以克服现有船舶动力系统依靠单一参数阈值报警方法的不足的问题，且可提前识别船舶动力系统故障发生前的劣化过程，准确评估船舶动力系统运行时的状态变化，综合赋权法保证了权重分配的精确度，从而有效提高了后续构建的状态评估基准模型的准确性。型的准确性。型的准确性。


技术研发人员：卢红 梅江诺 张永权 郑银环 黎章杰 张伟 周骏 王天河 魏玉展
受保护的技术使用者：武汉理工大学
技术研发日：2023.03.29
技术公布日：2023/7/7