买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：烟台哈尔滨工程大学研究院

摘要：本发明涉及船舶技术领域，提供了一种LNG、甲醇、氨燃料船舶智能机舱管理系统、方法、介质，LNG、甲醇、氨燃料船舶智能机舱管理系统包括：机舱设备数据源，提供与机舱待监测设备的运行状态对应的除振动外各项数据；硬件采集单元，适于对机舱待监测设备中发电机和推进电机的转子进行振动数据采集，得到转子振动数据信号并响应召唤发送数据；数据库。该LNG、甲醇、氨燃料船舶智能机舱管理系统提出了智能化、无需采用人工经验的维修方案，提高了对LNG、甲醇、氨燃料船舶机舱的智能管理水平，提高了设备运行的可靠性和船舶运行的安全性。

主权项：1.一种双燃料船舶智能机舱管理系统，一种燃料选自LNG、甲醇、氨燃料，另一种燃料为柴油，包括双燃料船舶机舱，所述双燃料船舶机舱内设置有机舱待监测设备100，其特征在于，包括机舱管理系统，所述机舱管理系统包括：机舱设备数据源，所述机舱设备数据源提供与所述机舱待监测设备100对应的运行状态数据；硬件采集单元200，所述硬件采集单元200用于对所述机舱待监测设备100中发电机111和推进电机112的转子进行振动数据采集，得到转子振动数据信号并发送数据；数据库，所述数据库存储由数据解析程序模块300解析得到的解析数据以及智能管理软件400中故障诊断模块402得到的故障状态数据以及故障点信息；数据解析程序模块300，所述数据解析程序模块300与所述硬件采集单元200和所述机舱设备数据源分别连接通信，所述数据解析程序模块300连通所述硬件采集单元200和所述机舱设备数据源，并对运行状态数据报文进行接收和解析，得到所述解析数据，所述数据解析程序模块300将所述解析数据存入所述数据库中，并定期对所述数据库中的数据进行备份；智能管理软件400，所述智能管理软件400与所述数据库通讯连接，所述智能管理软件400调用所述数据库的所述解析数据，并用于状态监测，利用智能故障诊断算法对所述解析数据进行故障诊断，得到故障诊断结果，所述智能管理软件400根据所述故障诊断结果评估设备健康水平，并输出对应故障情况和相关维修建议；所述硬件采集单元200包括：信号调理模块201，所述信号调理模块201与数据采集转换模块202连接，所述信号调理模块201用于对所述转子振动数据信号进行硬件滤波、信号放大和积分处理，并得到调理信号；数据采集转换模块202，所述数据采集转换模块202用于采集所述机舱待监测设备100中所述发电机111和所述推进电机112的转子振动的模拟信号，并对所述模拟信号进行信号AD转换处理，将AD转换后的数据暂存在内部寄存器中；数据寄存通信模块203，所述数据寄存通信模块203与所述数据采集转换模块202连接，所述数据采集转换模块202将所述内部寄存器中存储的数据转存到所述数据寄存通信模块203的寄存器中，与所述数据解析程序模块300连接通信，响应所述数据解析程序模块300读取命令并发送对应寄存器数据；传感器组件，所述传感器组件用于采集所述机舱待监测设备100中发电机111和推进电机112的转子振动数据；所述数据解析程序模块300包括：数据通信模块301，所述数据通信模块301与所述机舱设备数据源和所述数据寄存通信模块203连接通信，所述数据通信模块301用于进行协议报文的发送和接收；报文解析模块302，所述报文解析模块302适用于解析所述数据通信模块301所接收到的报文，提取所述报文中的所述运行状态数据和转子振动数据；数据存储模块303，所述数据存储模块303与所述数据库连接，所述数据存储模块303适用于将所述报文解析模块302得到的所述运行状态数据和转子振动数据存入所述数据库中；数据备份模块304，所述数据备份模块304与所述数据库连接，所述数据备份模块304适用于定期备份所述数据库中存储的所述运行状态数据和转子振动数据；所述智能管理软件400包括：故障诊断模块402，所述故障诊断模块402与所述数据库连接通信，所述故障诊断模块402通过所述智能故障诊断算法对所述解析数据信号进行分析处理，得到所述故障诊断结果；健康评估模块403，所述健康评估模块403与所述故障诊断模块402连接通信，所述健康评估模块403根据所述故障诊断结果对所述机舱待监测设备100的健康水平进行评估并给出相关的维修建议；所述故障诊断模块402还包括：智能故障诊断算法，所述智能故障诊断算法包括基于LMD-MTWPT改进谱峭度图和多维特征融合CNN的故障诊断算法，所述基于LMD-MTWPT改进谱峭度图和多维特征融合CNN的故障诊断算法步骤包括：1对解析数据进行局部均值分解；2通过多树小波包变换MTWPT谱峭度图，并对所述解析数据进行分量提取重构和故障特征增强，得到由谱峭度图表示的二维特征，将一维特征和二维特征利用卷积神经网络CNN分别进行卷积然后特征融合得到多维特征融合，最后进行分类处理；其中，MTWPT由两个小波滤波器组构成，由变换的实部滤波器组与虚部滤波器组构成，表示为： 其中：p表示小波包平移参数，h0表示实部低通滤波器，h1表示实部高通滤波器，l0表示虚部低通滤波器，l1虚部高通滤波器，表示在尺度k上对应节点N处的实部小波包系数，表示在尺度k上对应节点N处的虚部小波包系数，a表示实部滤波器长度，b表示虚部滤波器长度；MTWPT输出分解小波为复合小波包，表示如下： γSp＝γRp+iγIp其中：γRp表示对应的尺度函数，γIp表示对应的尺度函数；通过构造希尔伯特黄变换实现小波包单边解析，解析如下：ηIp＝H[ηRp]其中：H[]表示希尔伯特黄变换；实部滤波器组与虚部滤波器组中的低通滤波器均保持半个样本的延迟l0b＝h0b-0.5；利用MTWPT完成信号分解，将分解得到的各个分量构建二维谱峭度图，得到二维特征；所述智能故障诊断算法还包括：多维特征融合CNN，结合一维时域特征和二维谱峭度图特征，由多个卷积层与池化层交替构成模型： 其中：Fn表示第n层特征图，Tn表示第n层权重矩阵，为卷积计算，un表示第n层偏移向量，gx表示激励函数；在卷积之后，通过最大池化maxpool对特征图进行汇聚操作Fn＝maxpoolFn-1之后利用全连接层进行分类，表达式为：MF,u＝DF,u+λ2*TTT其中：DF,u表示损失函数，λ表示权值，*表示共轭计算，T表示权重矩阵。

全文数据：

权利要求：

百度查询： 烟台哈尔滨工程大学研究院 LNG、甲醇、氨燃料船舶智能机舱管理系统、方法、介质