一种燃油流量异常识别方法、装置及电子设备与流程

1.本发明涉及流量监测技术领域，尤其是涉及一种燃油流量异常识别方法、装置及电子设备。


背景技术：

2.当船舶在航时，船舶柴油机在一定负荷下运行，柴油机需要持续消耗定量燃油输出功率，维持船舶航行。此时，柴油机流量计记录着柴油机燃油进出口流量。柴油机流量计在持续的运行中，常常会产生偏差故障。由于柴油机持续消耗定量燃油，在船舶航行时，柴油机流量计燃油进口速率通常都大于出口速率，因此，很难识别流量计偏差故障。
3.常用的方法是选择船舶停航时，比较柴油机负荷为零时流量计进出口速率的偏差，当偏差值超过设定值时，流量计出现偏差故障。然而，该种方法存在明显的缺陷。船舶停航的时间不确定，如果船舶在航时柴油机流量计出现偏差故障，会严重影响柴油机耗油量计算，给船员造成不必要的误判，造成经济损失。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种燃油流量异常识别方法、装置及电子设备，避免依赖于机理模型的精度，可以仅仅利用船舶柴油流量计的历史样本就可以快速准确的识别流量计的偏差故障。
5.第一方面，本发明实施例提供了一种燃油流量异常识别方法，其中，该方法包括：获取船舶在航的流量数据；其中，流量数据包括船舶的柴油机燃油进口流量速率和出口流量速率；将流量数据输入至预先训练好的偏差故障识别模型，通过偏差故障识别模型对流量数据进行重构，并输出流量数据对应的重构数据；计算流量数据与重构数据的偏差值；如果偏差值超出预先设置的偏差阈值，则确定船舶的柴油机出现偏差故障。
6.进一步地，其中，偏差故障识别模型包括依次连接的编码器、隐层表示层和解码器。
7.进一步地，其中，该方法还包括：初始化预先建立的偏差故障识别模型；获取预先构建的训练样本，按照下述迭代过程训练偏差故障识别模型，直至满足预设的训练停止条件：将训练样本输入至初始化完成的偏差故障识别模型的编码器，并将训练样本映射至隐层表示层对应的潜在空间；通过解码器对训练样本进行重构，并输出训练用本对应的重构样本；计算训练样本与重构样本的损失函数；其中，训练停止条件包括以下条件至少之一：迭代过程的次数达到预设次数，或者，损失函数收敛。
8.进一步地，其中，该方法还包括：获取船舶在航的历史流量数据，历史流量数据包括船舶的柴油机的历史燃油进口流量速率和历史燃油出口流量速率；对历史流量数据进行预处理，得到训练样本，其中，预处理过程至少包括数据清洗和数据归一化处理。
9.进一步地，其中，该方法还包括：计算训练样本和重构样本的残差值；对残差值进行核密度分析，找出用于表征训练样本的正常与差异的偏差阈值。
10.进一步地，其中，该方法包括：该方法还包括：利用如下公式将训练样本映射至隐层表示层对应的潜在空间：
11.h＝f(wx+b)
12.其中，f(wx+b)为编码传递函数，x为训练样本，w为编码传递函数的编码权值，h为隐层表示层的特征值，b为编码传递函数的偏置参数。
13.进一步地，其中，该方法包括：解码器利用如下公式对训练样本进行重构，并输出训练用本对应的重构样本：
14.x'＝g(vh+b')
15.其中，g(vh+b')为解码传递函数，x'为重构样本，v为解码传递函数的解码权值，h为隐层表示层的特征值，b'为解码传递函数的偏置参数。
16.进一步地，其中，损失函数表示为如下公式：
17.l＝||x-x'||218.其中，x为训练样本，x'为重构样本，l为损失函数。
19.第二方面，本发明实施例提供了一种燃油流量异常识别装置，其中，该装置包括：获取模块，用于获取船舶在航的流量数据；其中，流量数据包括船舶的柴油机燃油进口流量速率和出口流量速率；训练模块，用于将流量数据输入至预先训练好的偏差故障识别模型，通过偏差故障识别模型对流量数据进行重构，并输出流量数据对应的重构数据；计算模块，用于计算流量数据与重构数据的偏差值；确定模块，用于如果偏差值超出预先设置的偏差阈值，则确定船舶的柴油机出现偏差故障。
20.第三方面，发明实施例提供了一种电子设备，其中，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述任一项方法。
21.本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
22.为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
23.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，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。
24.图1为本发明实施例提供的一种燃油流量异常识别方法的流程图；
25.图2为本发明实施例提供的另一种燃油流量异常识别方法的流程图；
26.图3为本发明实施例提供的一种偏差故障识别模型的结构图；
27.图4为本发明实施例提供的一种燃油流量异常识别装置的结构示意图；
28.图5为本发明实施例提供的一种电子设备的结构图。
具体实施方式
29.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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，本领域普通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。
30.目前，柴油机流量计可以记录着柴油机燃油进出口流量。柴油机流量计在持续的运行中，常常会产生偏差故障，由于柴油机持续消耗定量燃油，在船舶航行时，柴油机流量计燃油进口速率通常都大于出口速率，因此，很难识别流量计偏差故障。常用的方法是选择船舶停航时，比较柴油机负荷为零时流量计进出口速率的偏差，当偏差值超过设定值时，流量计出现偏差故障。基于此，本发明实施例提供的一种燃油流量异常识别方法、装置及电子设备，可以利用船舶柴油流量计历史正常数据训练自动编码器，重构正常数据样本，计算残差，利用核密度估计并设定偏差故障阈值。本技术能够在线识别柴油机偏差故障，当正常流量数据输入到偏差故障识别模型得到的偏差小于预设阈值，则可以确定船舶的柴油机出现偏差故障。
31.为便于对本实施例进行理解，首先对本发明实施例所公开的一种燃油流量异常识别方法进行详细介绍。
32.本发明实施例提供了一种燃油流量异常识别方法，图1为本发明实施例提供的一种燃油流量异常识别方法的流程图，如图1所示，该方法包括如下步骤：
33.步骤s101，获取船舶在航的流量数据；其中，流量数据包括船舶的柴油机燃油进口流量速率和出口流量速率；
34.具体地，获取船舶在航的流量数据可以利用柴油机流量计记录柴油机燃油进口或出口流量，无需船舶停航就可以获取该船舶的柴油机燃油进口流量速率和出口流量速率，且可以将获取的流量数据通过自动编码器对流量数据进行编码，并对原始流量数据进行数据清洗，做归一化处理，获得可以被下述偏差故障识别模型所识别的流量数据。
35.步骤s103，将流量数据输入至预先训练好的偏差故障识别模型，通过偏差故障识别模型对流量数据进行重构，并输出流量数据对应的重构数据；
36.具体地，为了对数据进行处理，往往可以通过将数据输入至训练好的模型从而完成对数据的重构，因此，可以通过上述训练好的偏差故障识别模型对上述流量数据，并输出对应的重构数据以方便后续偏差值的计算。
37.步骤s105，计算流量数据与重构数据的偏差值；
38.在实际应用中，可以利用计算流量数据与重构数据的差值，即可以得到上述的偏差值，即可以利用实际测量得到的船舶的柴油机燃油进口流量速率和出口流量速率和经过上述偏差故障识别模型所应得到重构数据的理论差值，从而获得该船舶的柴油机的进出口流量偏差值。
39.步骤s107，如果偏差值超出预先设置的偏差阈值，则确定船舶的柴油机出现偏差故障。
40.在实际应用中，工作人员可以基于历史数据或者利用燃油计生产厂家所提供的参数确定上述的偏差阈值，并且利用上述获得的柴油机的进出口流量偏差值与预设阈值进行比较，如果上述偏差值大于流量阈值则可以判断该柴油机出现了偏差故障。
41.本发明实施例提供的一种燃油流量异常识别方法可以用于船舶在航柴油机燃油流量计偏差故障在线监测，其原理是利用船舶柴油流量计历史正常数据训练偏差故障识别模型，重构正常数据样本，计算正常流量数据与其模型重构数据的残差，利用核密度估计法对基于历史数据或者利用燃油计生产厂家所提供的参数进行估计运算从而设定流量计偏差故障阈值，计算在线实时数据的残差，当流量数据输入到模型得到的偏差值小于预设阈值，则可以判断该柴油机出现了偏差故障，由于以往的方案往往利用专家知识库方法，因此本技术实施例提供的方法避免了使用专家数据库的方法，而是利用明利用船舶柴油流量计历史正常数据对模型进行训练，无需建立复杂的机理模型，也无需建立专家知识库，可以快速准确的识别流量计的偏差故障，简单有效，识别效率高，并且可以实时在线监测流量计偏差故障。
42.图2示出了另一种燃油流量异常识别方法的流程图，该方法在图1所示出的一种燃油流量异常识别方法的基础上实现，该方法主要针对训练偏差故障识别模型的过程进一步说明。如图3所示出的一种偏差故障识别模型的结构图，该偏差故障识别模型包括编码器、隐层表示、解码器。如图2所示，该方法包括如下步骤：
43.步骤s201，初始化预先建立的偏差故障识别模型；
44.其中，为了将训练上述偏差故障识别模型，在训练操作之前将上述偏差故障识别模型中的初始化权值如：偏差故障识别模型中的编码传递函数的编码权值或解码传递函数的编码权值初始化，从而进行后续的训练操作。
45.在本技术实施例中，对与燃油流量异常识别既包括船舶的柴油机燃油进口流量速率和出口流量速率，因此，可以分别对出口流量速度和进口流量速率的偏差阈值进行分别设置，对于进口流量和出口流量本方法既可以对两个同时监测，也可以对二者其中任一进行监测，在此不做具体限制。
46.步骤s203，获取预先构建的训练样本，按照下述迭代过程训练偏差故障识别模型，直至满足预设的训练停止条件；
47.为了使流量数据的信息可以被偏差故障识别模型所识别，因此可以利用上述偏差故障识别模型中的编码器对获取到的该柴油机的历史正常的流量数据进行选取，并使得所获得的历史正常的流量数据对偏差故障识别模型进行训练。
48.步骤s205，将训练样本输入至初始化完成的偏差故障识别模型的编码器，并将训练样本映射至隐层表示层对应的潜在空间；通过解码器对训练样本进行重构，并输出训练用本对应的重构样本；计算训练样本与重构样本的损失函数；
49.其中，训练停止条件包括以下条件至少之一：迭代过程的次数达到预设次数，或者，损失函数收敛。
50.在实际应用中，当满足上述训练偏差故障识别模型的停止条件的时候，则证明该偏差故障识别模型可以投入到实际应用当中，则可以对本技术实实施例中的流量数据进行重构，并执行后续步骤。
51.具体地，可以利用如下公式将训练样本映射至隐层表示层对应的潜在空间：
52.h＝f(wx+b)
53.其中，f(wx+b)为编码传递函数，x为训练样本，w为编码传递函数的编码权值，h为隐层表示层的特征值，b为编码传递函数的偏置参数。
54.在实际应用中，可以将分别将正常的进口流量速率和出口流量速率设置为x1和x2分别作为上述编码器的训练样本，则可以对x1和x2分别得到对应的隐层特征值h1和h2。
55.具体地，解码器利用如下公式对训练样本进行重构，并输出训练用本对应的重构样本：
56.x'＝g(vh+b')
57.其中，g(vh+b')为解码传递函数，x'为重构样本，v为解码传递函数的解码权值，h为隐层表示层的特征值，b'为解码传递函数的偏置参数。
58.在实际应用中，利用上述进口流量速率和出口流量速率得到的对应的h1和h2待入至上述解码传递函数中则可以分别得到进口流量速率和出口流量速率的重构数据x
′1和x
′2。
59.具体地，损失函数表示为如下公式：
60.l＝||x-x'||261.其中，x为训练样本，x'为重构样本，l为损失函数。
62.如上判断上述当损失函数为收敛时，则可以达成训练停止条件之一。
63.步骤s207，获取船舶在航的历史流量数据，历史流量数据包括船舶的柴油机的历史燃油进口流量速率和历史燃油出口流量速率；
64.在实际应用中，利用船舶在航的历史流量数据可以进行对数据整理，从而得到正常运行过程中上述柴油机的历史燃油进口流量速率和历史燃油出口流量速率，因此可以以历史数据作为参照判断船舶在航的流量数据是否异常。
65.步骤s209，对所述历史流量数据进行预处理，得到所述训练样本，其中，所述预处理过程至少包括数据清洗和数据归一化处理；
66.由于船舶在航的历史流量数据纷繁多样，对于整体样本而言会存在一定的重复信息或错误，因此可以利用数据清洗的技术对历史流量数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供该数据一致性。
67.又由于编码器的特性，历史流量数据需要从有量纲表达式变为无量纲表达式，因此可以将上述历史流量数据从数变为(0，1)之间的小数，主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，可以更加便捷快速的处理上述模型中的样本数据。
68.步骤s211，计算所述训练样本和所述重构样本的残差值；
69.在实际应用中，可以利用正常的进口流量速率和出口流量速率设置为x1和x2和分别作为上述编码器的训练样本进口流量速率和出口流量速率的重构数据x
′1和x
′2进行差值运算，得到训练样本和所述重构样本的残差值res。
70.步骤s213，对所述残差值进行核密度分析，找出用于表征所述训练样本的正常与差异的偏差阈值。
71.具体地，经过对残差值进行核密度分析可以找出用于表征所述训练样本的正常与差异的偏差阈值δ，对应的，进口流量速率和出口流量速率的偏差阈值分别为δ1和δ2。
72.其中，核密度估计是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由于上述偏差阈值δ数量较大，同时对于在正常运行船舶在航下可能会有不同数值的偏差阈值δ存在，所以可以利用核密度估计法，对该偏差阈值进行估计，从而得到一个符合现实要求的数据。
73.步骤s215，获取船舶在航的流量数据；其中，所述流量数据包括所述船舶的柴油机燃油进口流量速率和出口流量速率；
74.在实际应用中，若上述获取的进口流量速率和出口流量速率设置为y1和y2为实时数据则可以直接对该实时数据进行重构。
75.步骤s217，将所述流量数据输入至预先训练好的偏差故障识别模型，通过所述偏差故障识别模型对所述流量数据进行重构，并输出所述流量数据对应的重构数据；
76.在实际应用中，基于上述利用偏差故障识别模型流量数据进行重构的过程，则上述进口流量速率和出口流量速率设置为y1和y2对应的重构数据则为y
′1和y
′2。
77.步骤s219，计算所述流量数据与所述重构数据的偏差值；
78.具体地，对流量数据和重构数据进行差值运算，获得偏差值；则可以设上述偏差值为res，则res＝y-y'则对应的进口流量速率的偏差值为res1＝y
1-y'1，进口流量速率的偏差值为res2＝y
2-y'2，则可以分别对进口或出口的流量速率进行偏差故障识别，也可以对二者同时进行偏差故障识别，在此不做具体限制。
79.步骤s221，如果偏差值超出预先设置的偏差阈值，则确定船舶的柴油机出现偏差故障。
80.具体地，可以利用上述res1和res2分别与δ1和δ2进行比较，若res1和res2其中之一或二者均超过对应的δ1和δ2，则可以确定船舶的柴油机出现偏差故障。
81.在实际应用中，上述方法可以船舶运航时，对柴油机的流量计燃油进口速率和出口速率实时监测，当确定船舶的柴油机的进口速率和出口速率任一出现偏差故障时，则可以反馈故障位置的对应故障报警信息，提醒工作人员对柴油机进行检查。
82.对应于上述方法实施例，本发明实施例提供了一种燃油流量异常识别的处理装置，图4示出了一种燃油流量异常识别装置的结构示意图，如图4所示，该燃油流量异常识别装置包括：
83.获取模块401，用于获取船舶在航的流量数据；其中，流量数据包括船舶的柴油机燃油进口流量速率和出口流量速率；
84.训练模块402，用于将流量数据输入至预先训练好的偏差故障识别模型，通过偏差故障识别模型对流量数据进行重构，并输出流量数据对应的重构数据；
85.计算模块403，用于计算流量数据与重构数据的偏差值；
86.确定模块404，用于如果偏差值超出预先设置的偏差阈值，则确定船舶的柴油机出现偏差故障。
87.本发明实施例还提供了一种电子设备，如图5所示，为该电子设备的结构示意图，其中，该电子设备包括处理器51和存储器52，该存储器52存储有能够被该处理器51执行的机器可执行指令，该处理器51执行该机器可执行指令以实现上述燃油流量异常识别的方法。
88.在图5示出的实施方式中，该电子设备还包括总线53和通信接口54，其中，处理器51、通信接口54和存储器52通过总线连接。
89.其中，存储器52可能包含高速随机存取存储器(ram，random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口54(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通
信连接，可以使用互联网，广域网，本地网，城域网等。总线可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
90.处理器51可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器51中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器51可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现成可编程门阵列(field-programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器51读取存储器52中的信息，结合其硬件完成前述实施例的燃油流量异常识别的方法的步骤。
91.本发明实施例还提供了一种机器可读存储介质，该机器可读存储介质存储有机器可执行指令，该机器可执行指令在被处理器调用和执行时，该机器可执行指令促使处理器实现上述燃油流量异常识别的方法，具体实现可参见前述方法实施例，在此不再赘述。
92.本发明实施例所提供的燃油流量异常识别的方法、装置和电子设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的燃油流量异常识别的方法，具体实现可参见方法实施例，在此不再赘述。
93.所述功能如果以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，可以存储在一个处理器可执行的非易失的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。
94.另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
95.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、
以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
96.最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。